第六章 迭代法-数值分析.ppt

第六章、解线性方程组的迭代法 直接法: 经过有限次运算后可求得方程组精确解的方法 (不计舍入误差!) §1.引言 Jacobi 迭代法 收敛与解 高斯—塞德尔（Gauss-Seidel)迭代法 用矩阵可表示为: Gauss-Seidel迭代法的计算过程如下： 松弛(SOR)法 松弛法计算过程如下： 迭代法基本定理 矩阵的谱半径 由此得P248的定理5(迭代法收敛的充分条件) 误差估计 定理2 定理5 设有方程组 和其定常迭代法 如果B的某种算子范数 则: 1. 迭代法收敛．即对任取的　　　有　　　　　　　　 ２． ３． ４． 证明 (P252定理8) (特殊方程组迭代法的收敛性P249) 定理6: (对角占优定理 P250) 如果矩阵A为严格对角占矩阵或为不可约弱对角占优矩阵, 则A为非奇异矩阵. (P251定理7,9,10) 例 同时G-S迭代法也收敛. 如1．条件的矩阵， 证明 特别 * 迭代法：从解的某个近似值出发，通过构造一个无穷序列去 逼近精确解的方法。（一般有限步内得不到精确解） 直接法比较适用于中小型方程组。对高阶方程组，既使系数 矩阵是稀疏的，但在运算中很难保持稀疏性，因而有 存储量大，程序复杂等不足。 迭代法则能保持矩阵的稀疏性，具有计算简单，编制程序容 易的优点，并在许多情况下收敛较快。故能有效地解 一些高阶方程组。 迭代法的基本思想是构造一串收敛到解的序列，即建立一种从已有近似解计算新的近似解的规则。由不同的计算规则得到不同的迭代法，本章介绍单步定常线性迭代法。 引入误差向量 则可得 由 问题是在什么条件下 所以 等价于 也即 §2.基本迭代法 设有 其中A为非奇异矩阵 将A分解成 其中M是可选择的非奇异矩阵,且使Mx=d容易求解 由此,原问题就可转化为等价方程 得: 可构造迭代法 Jacobid迭代的矩阵形式 故如果序列收敛, 则收敛到解.B 称迭代矩阵. 移项得 又 所以 可逆 也即选取 M 为A的下三角部分，即 M =D－L，Ａ＝Ｍ－N， 则 Ａx=b　　可等价为　　（M－N)x = b 联系上面已经得到的矩阵迭代形式,为统一起见, 记: A=D－L－U 等价为 其中 或 其中Ｇ即为G-S迭代法的迭代矩阵 SOR迭代法也可以看作是G-S迭代法的一种修正. 假设已知: 及 首先利用G-S迭代计算预测值 加权平均可得: 即得 再由 和 的前 i-1个分量 返回 引入误差向量 则可得 由 等价于 问题是在什么条件下 所以 等价于 也即 §3.迭代法的收敛性 作: 注: 其中 为矩阵的任一种算子范数 (p244定理1 ) 注 *