В чем причина накладных расходов времени parfeval по сравнению с последовательной реализацией?

Я пытаюсь распараллелить некоторый код, используемый в алгоритме Гаусса-Зейделя, для аппроксимации решения системы линейных уравнений.

Вкратце, для матрицы NxN за одну итерацию я делаю sqrt(N) сеанса параллельных вычислений, один за другим. За один сеанс параллельных вычислений я распределяю задачу вычисления sqrt(N) значений из вектора между доступными воркерами.

Код, задействованный в сеансе параллельных вычислений, таков:

future_results(1:num_workers) = parallel.FevalFuture;
for i = 1:num_workers
    start_itv = buck_bound+1 + (i - 1) * worker_length;
    end_itv = min(buck_bound+1 + i * worker_length - 1, ends_of_buckets(current_bucket));                 
    future_results(i) = parfeval(p, @hybrid_parallel_function, 3, A, b, x, x_last, buck_bound, n, start_itv, end_itv);
end
            
for i = 1:num_workers
    [~, arr, start_itv, end_itv] = fetchNext(future_results(i));               
    x(start_itv:end_itv) = arr;
end

Функция, вызываемая parfeval, такова:

function [x_par, start_itv, end_itv] = hybrid_parallel_function (A, b, x, x_last, buck_bound, n, start_itv, end_itv)
    x_par = zeros(end_itv - start_itv + 1, 1);
    for i = start_itv:end_itv
        x_par(i-start_itv+1) = b(i);
        x_par(i-start_itv+1) = x_par(i-start_itv+1) - A(i, 1:buck_bound) * x(1:buck_bound);
        x_par(i-start_itv+1) = x_par(i-start_itv+1) - A(i, buck_bound+1:i-1) * x_last(buck_bound+1:i-1);
        x_par(i-start_itv+1) = x_par(i-start_itv+1) - A(i, i+1:n) * x_last(i+1:n);
        x_par(i-start_itv+1) = x_par(i-start_itv+1) / A(i, i);
    end
end

Весь код можно найти здесь: https://pastebin.com/hRQ5Ugqz