7-代数方程组数值解法.ppt

迭代的收敛判据 绝对收敛判据 相对收敛判据 收敛精度 收敛精度 迭代格式收敛条件-1 线性方程组 雅可比迭代格式 高斯－塞德尔迭代格式 如果满足 （各行同列系数相加之和中最大者小于1） 则以上迭代格式对任意给定的初值均收敛 迭代格式收敛 例：对以下方程的两种迭代格式 迭代格式发散 雅可比迭代格式收敛条件-2 方程组形式为 如果系数矩阵满足对角占优 则雅可比迭代与高斯－塞德尔迭代对任意给定初值均收敛 系数矩阵主对角线元素的绝对值大于同行其它元素绝对值之和，称为具有主对角线优势。 迭代法要求方程组具有主对角线优势 解代数方程组的超松弛 SOR 法 代入高斯－塞德尔迭代格式 两次迭代计算的结果之差 插入系数? 基于高斯-塞德尔迭代格式的超松弛迭代公式 ?（松弛因子Relaxation factor）：调整两次迭代结果之差（迭代所得未知量的变化幅度） 目的：改善收敛性和稳定性，加快收敛速度 超松弛与欠松弛 ? 1，超松弛 Over Relaxation，收敛过程加快； 0 ? 1，欠松弛或亚松弛 Under Relaxation，非线性方程时常用，使求解收敛过程稳定。 例：以下为偏微分方程的差分方程组，用松弛迭代法求解，初值取为: xi 0 10.0 i 1,2,…,10 ，收敛精度为0.0001， ? 的取值从0.5开始，每次增量0.05，直到 ? 1.50，比较不同?取值下的迭代次数K 求解结果 X 1 8.7057562 X 2 7.8230367 X 3 7.5863681 X 4 7.5224576 X 5 7.5034342 X 6 7.4913092 X 7 7.4617863 X 8 7.3558350 X 9 6.9615569 X 10 5.4903898 解：用超松弛迭代公式计算 ? 1.05 1.10 1.15 1.20 1.25 1.30 1.35 1.40 1.45 1.50 K 11 12 13 14 15 17 18 19 21 23 ? 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 1.00 K 37 32 29 26 23 21 19 17 15 14 12 不同?取值时的迭代次数K 最佳松弛因子取值为1.05 最佳松弛因子的选取较为复杂，通常需要在计算过程中搜索。 7.3 非线性方程组数值解 非线性方程组的数值解通常采用迭代法 雅可比迭代及塞德尔迭代，均可用于求解非线性方程组，求解单一非线性方程的牛顿法和弦截法等，也可推广到求解非线性方程组。 对有n个独立的非线性方程组 雅可比迭代法 改写方程 向量形式 雅可比迭代格式 ? X 的构造形式可有多种，但不一定都能收敛 非线性方程组雅可比迭代格式的收敛条件 塞德尔迭代格式 绝对收敛准则 相对收敛准则 塞德尔迭代的收敛条件与雅可比迭代相同，但收敛速度则因所求解的问题而不同 威格斯坦（Wegstein）法 一种用于非线性方程迭代求解的加速方法 几何意义：利用割线逐次逼近曲线 威格斯坦（Wegstein）法计算步骤 1 确定初值，用雅可比迭代格式算出第一次迭代值 不但可以加速迭代过程，而且可以改善迭代过程的收敛性，放宽对初值的要求。 用于显式方程 常在流程模拟中应用 2 用前两次的迭代值构成威格斯坦迭代格式 例题7-4 分别用雅可比迭代和塞德尔迭代解非线性方程组 取迭代初值 ，精度取10-5。 解 由原方程组构造迭代方程组 MATLAB中有函数fsolve可直接调用求解，此处为了理解算法，仍按算法步骤编程计算。 计算结果 i 5 x 0.5000 0.0000 -0.5236 比较：精确解 %雅可比迭代 clear l 0; x [0.1;0.1;-0.1]; %初值向量 n 50; %最大迭代次数 i 2; %迭代次数 while l n c x; %用迭代新值替换上次迭代“旧值” x 1 cos c 2 *c 3 /3+1/6; %迭代方程右端函数 x 2 sqrt c 1