第七章　解线性方程组的迭代法.docVIP

第章　解线性方程组的迭代法 掌握解线性代数方程组的几种基本常用数值方法，例如，雅可比迭代法、高斯－赛德尔迭代法、逐次超松弛迭代法等，并能比较它们各自的优缺点；了解向量范数和矩阵范数的概念，并会计算几种常用的向量和矩阵的范数；了解方程组的状态和系数矩阵的条件数的关系，会计算方阵的条件数，并对方程组进行初步“扰动分析”。 [教学重点与难点] 重点：雅可比迭代法，高斯－赛德尔迭代法，逐次超松弛迭代法。 难点：松弛迭代法，收敛速率。 [教学内容与过程] 7.1 迭代法及其收敛性7.1.1 向量序列及矩阵序列的极限定义1.1 设中的向量序列，如果存在，使　　　　　　则称向量序列收敛于x,记作同样，矩阵序列，，若有，i,j=1,2,…，n,则称矩阵序列收敛于，记作. 概据定义，显然有　　　　　定理1.1　的充分必要条件是　　　　　　　　　　　(7.1.1)其中两个极限的右端分别指零矩阵与零向量.证明　对任一种矩阵从属范数有由,故式(7.1.1)对成立.反之，若取x为第j个坐标向量，则表示第j列元素极限均为零；当j=1,2,…,n时则证明了.证毕.定理1.2　的充分必要条件是，其中为谱半径.证明　由于，而，当，故有，即　　　　　 ，故. 反之，当　时，由上章定理7.7可知，对任给ε＞0，存在，使，于是从而.证毕.定理1.3　设为任一种范数，则　　　　　　　　　　(7.1.2) 讲解： 及矩阵序列的极限是通过向量分量与矩阵元素极限定义的。共收敛充要条件是迭代法收敛性要使用的。为加深理解请看下例：例　设，证明，但则不收敛。解　根据定理1.2要证明只要证明，先求的特征值，由　　　 ，可知，故，　　　故对有得，故，由定理1.2知不收敛。 7.1.2　迭代法的构造设非奇异，用迭代法解方程组　　　　　　　(7.1.3)首先要构造迭代序列，通常可将方程改写为　　　　　　　　(7.1.) 并由此构造迭代法　　　　　　　　　(7.1.5)其中称为迭代矩阵.对任意给定的初始向量，由(7.1.5)可求得向量序列.若，则就是方程(7.1.7)(或(7.1.3))的解.定义1.2　若迭代法(7.1.5)生成的序列满足则称迭代法(7.1.5)是收敛的.构造的迭代法(7.1.5)是否收敛，取决于迭代矩阵的性质，先看例题.例7.1　给定方程组　　　　它的精确解,可构造如下迭代法　　　　　　　　(7.1.) 若写成式(7.1.5)的形式，则迭代矩阵B及f可表示为： 若取,按式(7.1.7)迭代10次可得，误差.它表明迭代序列(7.1.7)收敛.对于方程组(7.1.3)，构造迭代法的一般原则是将A分解为　　　　　A=M-N　　　　(7.1.7)其中M非奇异且容易求,则由(7.1.3)可得　　　　　　　　　(7.1.8)其中　　　　　(7.1.9)这样就得到与(7.1.3)等价的(7.1.8)，从而可构造(7.1.5)的迭代法，将A按不同方式分解为(7.1.7)，就可得到不同的迭代矩阵B，从而得到不同的迭代法.通常为使容易计算，可取M为对角矩阵，三角矩阵或三对角矩阵等.在例7.1中，,.式(7.1.7)就是下节将要讨论的Jacobi迭代法.7.1.3迭代法的收敛性与收敛速度下面讨论迭代法(7.1.5)的收敛性.若则　　　　即,故即为方程(7.1.3)的解.令,由(7.1.5)减去等式,则得　　　　由此递推得　　　　　　　　　(7.1.10)其中与k无关，所以等价于　　　　即.由定理1.2可知，于是有如下定理.定理1. 迭代法(7.1.5)对收敛的充分必要条件是　　　　　　　　(7.1.11)其中为矩阵B的谱半径.例7.2 考察例7.1中迭代法(7.1.7)的收敛性.解 由　　　　可得.用方程求根方法可解得，　　　　故迭代法(7.1.7)收敛.由于计算较困难，通常可利用判断迭代法的收敛性.在本例中由于，故迭代法(7.1.7)收敛.于是，迭代法(7.1.5)收敛的充分条件如下.定理1.5　对迭代法(7.1.5)，如果迭代矩阵B的某种范数，则对及，迭代序列均收敛于，且有误差估计　　　　　　　　(7.1.12)证明　由于，故由定理1.7得收敛于.又由(7.1.5)知　　　　于是　　即为(7.1.12)，证毕.注意，定理只给出迭代序列(7.1.5)收敛的充分条件，即使条件B‖＜1对任何范数都不成立，迭代序列仍可能收敛.例7.3　设，其中，讨论迭代序列的收敛性.解　显然表明B的范数均大于1，但由于，故由定理1.7知此迭代序列是收敛的.　　下面考察迭代法(7.1.5)的收敛速度.由(7.1.10)得于是　　　　　　　　(7.1.13)根据算子范数定义可知所以是迭代k次后误差向量的范数与初始误差向量的范数之比的最大值.若要求迭代k次后这里是一个小数，通常ε 1，所以，由，两边取对数可得