线性方程组求解的数值方法.ppt

第二章 线性方程组求解的数值方法 引言 高斯消元法 矩阵分解法 向量范数与矩阵范数 迭代法 方程组的病态问题与误差分析 §3 矩阵分解法 表1 且有 2. G-S迭代 取初值 x(0) = (0,0,0)T，计算结果如下。 且有： 由此例看出，用G-S迭代法比用Jacobi方法收敛快(即在初始向量相同，达到同样精度，所需迭代次数较少)，这个结论只当A满足一定条件时才是对的。有些方程组，用J-迭代收敛，而用G-S迭代却发散。 说明 表2 四、逐次超松弛迭代法(SOR) 迭代阵为 迭代格式 取分裂阵 M = (D－ωL )/ω，其中ω 0 为可选择的松弛因子。 0ω2是松弛法收敛的必要条件。当1ω2时,称为超松弛收敛；当0ω1时,称为低松弛收敛；当ω=1时,则为G-S方法。 SOR迭代公式： 增量修正形式： SOR迭代法： 注:(1)当取ω=1时,解Ax=b的SOR方法就是G-S迭代法。SOR方法是G-S迭代法的一种修正。 (2)每迭代一次主要是计算一次矩阵与向量的乘法。计算量小 (4)为让计算机停算，加一功能判断 (3)需一组工作单元存放 或 的分量。存贮量少。 而 未知，因此判断 高斯-塞德尔迭代法（G-S） 对比分析 在修正项上乘一个因子来加速收敛，这就是松弛法的基本思想。 例 用SOR方法解下述方程组 解：取初始向量 选取 第11次选代结果为： 且满足: 精确解 SOR迭代公式为 五、迭代法分析 矩阵 ， 则 引理1 引理2 矩阵 ， 若 则 非奇异。 (证明见教材附录) 设迭代法产生的序列 收敛，记x*是该序列的极限点，那么 定理(一阶定常迭代法基本定理) 2. 有迭代法 对任意选取初始向量x(0)，迭代法收敛的充要条件是 1. 设有方程组 x = Bx + f，其中 证明： 1. 必要性 又由迭代关系 x(k) = Bx(k-1)+f ，有 由 的任意性，知： 由引理1知： 2. 充分性 类似于必要性的证明，得到 再由引理1知 ，故 由引理2知 有唯一解，设为x*，则 # 迭代法的基本定理在理论上是重要的，是迭代法收敛性的基本准则，但在实际中 ρ(B) 1 不易计算，使用受限。范数判别迭代法收敛是实际中常用的法则。 如果B有某种范数 则 1. 迭代法收敛，即 2. 设有方程组 x = Bx + f 及一阶定常迭代法 3. 误差估计 定理(迭代收敛性的范数判别法则) 且 证明： 1. 由迭代法基本定理得 2. 由 得 3. 由2反复利用 (b)式可得。 # 由定理10可知当||B|| = q1 愈小，迭代法收敛愈快。 当q≈1时，迭代法收敛将是缓慢的 。 可利用误差估计3式事先确定迭代次数，以保证误差 说明： 事实上，欲使 迭代次数应取下式成立的最小正整数 对以下方程组考察用Jacobi迭代法，G-S迭代法的收敛性。 解 首先将A写为： (a) Jacobi迭代矩阵为 例 (b) G-S迭代矩阵为 所以用G-S迭代法解该方程组收敛。 所以用Jacobi方法解该方程组收敛。 六、关于解特殊线性方程组迭代法的收敛性 定义(对角占优阵) 1. 如果A的元素满足 称A为严格对角占优阵(或强占优阵) 1. 对角占优阵 2. 如果A的元素满足 且上式至少有一个不等式是严格成立，则称A为弱对角占优阵。 设有n阶方阵A 定理(对角占优定理) 证明：反证法 则齐次方程 Ax = 0 有非零解，记为 考查第k个方程 2. Jacobi迭代法、G-S迭代法的收敛条件 设A为严格对角占优阵，若 这与假设A为严格对角占优矛盾，故 设A为严格对角占优阵，则A非奇异。 且记 则 定理 如果A为严格对角占优阵，则解 Ax = b 的Jacobi迭代法、 G-S迭代法均收敛。 证明： 1. Jacobi迭代 解Ax = b的Jacobi迭代法的迭代阵为 因为A为严格对角占优阵， 知Jacobi迭代法收敛。 2. Gauss-Seidel的证明类似，从略。 定理 SOR方法收敛的必要条件是： (证明见教材) 设有线性方程组Ax = b ，当A，b出现扰动时， 问题： 1. 方程组是否有解？ 2. 解的精确度如何？ §6 方程组的病态问题与误差分析 例 设有方程组 精确解 讨论方程组 重复此过程，最后得到 于是有: 其中 L是单位下三角矩阵，U是上三角矩阵. 定理(矩阵的Doolittl