第6章解线性方程组的迭代法.ppt

* CG算法： （1）任取 ，计算 ，取 . （2）对 ，计算 * （3）若 ，或 ，计算停止，则 . 由于 正定，故当 时， ，而 由于 互相正交，故在 中至少有一个 零向量. 也即 若 ，则 .所以用CG算法求解 维线性方 程组，理论上最多 步便可求得精确解，从这个意义上讲， CG算法是一种直接法. * 但在舍入误差存在的情况下，很难保证 的正交 性，此外当 很大时，实际计算步数 ，即可达到精 度要求而不必计算 步. 从这个意义上讲，它是一个迭代法，所以也有收敛性 的问题，可以证明对CG算法必有估计式 其中 （4.19） * 例11 用CG算法解线性方程组 解 显然 是对称正定的.取 ，则 * 类似可计算出 为方程组的精确解. 由估计式（4.19）可以看出当 ，即 为病态矩 阵时，CG法收敛很慢. 为改善收敛性，可采用预处理方法降低矩阵的条件数， 从而得到各种预处理共轭梯度法. * * 且 为 非奇异矩阵， 对 及 同样分块 其中， * 选取分裂阵 为 的对角块部分，即选 于是，得到块雅可比迭代法 （3.16） 其中迭代矩阵 或 * 由分块矩阵乘法，得到块雅可比迭代法的具体形式 （3.17） 其中 这说明，块雅可比迭代法每迭代一步，从  ， 需要求解 个低阶方程组 * 其中 为（3.17）右边部分. 选取分裂矩阵 为带松弛因子的 块下三角部分，即 得到块SOR迭代法 （3.18） 其中迭代矩阵 * 由分块矩阵乘法得到块SOR迭代法的具体形式 （3.19） * 于是，当 及 已计算时，解 低阶方程组(3.19)可计算小块 从 共需要解 个低阶方程组，当 为三 对角阵或带状矩阵时，可用直接法求解. 定理14 设 ，其中 (分块形式). (1) 如果 为对称正定矩阵， 则解 的BSOR迭代法收敛. (2) * 例10的模型问题中（3.14）和（3.15）所表示的分块形 式与一般形式相比，有 ，其中（3.14）的分块对 应于图6-1的一条条网格线，按分块形式写出的迭代公式也 称线迭代法. 在BSOR迭代法的收敛性和最优松弛理论分析中，一类特 殊的三对角块矩阵有很多好的性质，它就是T-矩阵，其形式 为 的块三对角矩阵，其中对角块 均为对角阵. （3.20） * 记 ，块雅可比矩阵 设块SOR（BSOR）方法的迭代矩阵为 ，则有以下结论. 定理15 设 为分奇异的形如（3.20）的T-矩阵，且 非奇异. ，则当 时，对 有 及最优松弛因子 且 其中 （3.21） * 根据定理有 如图6-2所示. 说明此时高斯-塞德尔迭代法比雅可比迭代法快一倍. 由于T-矩阵的特殊情形就是三对角矩阵，因此当 为 正定的三对角矩阵时SOR方法的最优松弛因子就是（3.9） 给出的. 由（3.21）可知，当 时， 则得高斯-塞德尔迭代法的收敛速度为 图6-2 * 注意对例10的模型问题得到的（3.10）式的矩阵 是 按自然排序得到的，它不是T-矩阵. 如果改变网格点的排序，通常称为红-黑排序，则 可 变成T-矩阵. * 6.4 共轭梯度法 6.4.1 与方程等价的变分问题 共轭梯度法简称CG方法，又称共轭斜量法，是一种变 分方法，对应于求一个二次函数的极值 设 是对称正定矩阵， ， 求解的线性方程组为 考虑如下定义的二次函数 （4.1） （4.2） * （1）对一切 的梯度 （2）对一切 及 （3）设 是线性方程组（4.1）式的解，则有 函数 有如下性质： （4.3） （4.4） * 且对一切