第八章线性方程组的迭代法.pptVIP

用迭代法解线性方程组 Jacoai迭代和Seidel迭代由于收敛速度较慢，已经越来越不适应当前信息时代人们对计算速度和精度的要求，所以在实际应用中使用得并不多。但是，他们体现了迭代法的最基本的思想，是学习其它迭代法的基础。 引言 直接法是通过有限步运算后得到线性方程组的解,解线性方程组还有另一种解法，称为迭代法,它的基本思想是将线性方程组 Ax=b 化为 x=Bx+f 再由此构造向量序列{x (k)}: x(k+1)=Bx (k)+f 若{x (k)}收敛至某个向量x *,则可得向量x *就是所求方程组 AX=b 的准确解. 线性方程组的迭代法主要有Jocobi迭代法、Seidel迭代法和超松弛(Sor)迭代法. 几个基本概念及性质 1. 向量范数： 对任一向量X，按一定规则确定一个实数与其相对应，该实数记 为||X||，若||X||满足下面三个性质： （1）||X||?0，||X||=0当且仅当X=0。 （2）对任意实数? ，|| ? X||=| ? | ||X||。 （3）对任意向量Y?Rn，||X+Y||?||X||+||Y||。 则称该实数||X||为向量X的范数 2 .矩阵范数：设A是N?N 阶矩阵，定义 ||A|| = Max?（||AX|| / ||X||）= Max ||AX|| x?0,x?Rn ||x||=1,x?Rn  为矩阵A的(算子）范数。 矩阵范数的性质： （1）对任意非零矩阵A,有||A||恒为正数，当且仅当A=0，||A||=0. （2）||aA||=|a|||A||（a为任意实数） （3）对于任意两个阶相同的矩阵A，B恒有||A+B||?||A||+||B||. （4）对于与矩阵A有相同维数的向量X，恒有||AX|| ? ||A||? ||X||. （5）对于同阶矩阵A，B 恒有 ||AB|| ?. ||A|| ? ||B|| 谱半径： 设 n?n 阶矩阵A的特征值为? i(i=1,2,3……n),则称 ?(A)=MAX | ?i| 为矩阵A的谱半径. 1? i?n 矩阵范数与谱半径之间的关系为: ?(A) ? ||A||. 5 几个定理及定义 设{x(k)}为 Rn中的向量序列, x(*)为Rn中的向量 对矩阵也有类似的结论 Jacobi 迭代 一： 设有方程组 a11x1+a12x2+····+a1nxn=b1 a21x1+a22x2+····+a2nxn=b2 . . . . . . . . . . . . . . . . . . . . . an1x1+an2x2+····+annxn=bn 用矩阵表示： Ax =b （A 为系数矩阵，非奇异；b为右端，x为解向量） 把方程组写成容易迭代的形式： 假设 aii?0 令 cij = -aij /aii (i?j) gi= bi /aij , i=1,2,3?,n 则 x1(k+1)= c12x2(k)+c13x3(k)+???? +c1nxn(k)+g1 x2(k+1)=c21x1(k) +c23x3(k)+???? +c2nxn(k)+g2 。。。。。。。。。。。。。。。。。。。。。。。。。。。。 xn(k+1)=cn1x1(k) +cn2x2(k)+???? +cn(n-1)xn-1(k) + gn Jacobi迭代格式 若令 0 c12 c13 … c1n x1 c21 0 c23 … c2n x2 BJ= … … … … … x= .. cn1 cn3