第二章 线性方程组的数值解法2.pptVIP

§2 线性方程组的迭代解法 记 则方程组可用矩阵形式表示为 §2 线性方程组的迭代解法 雅可比（Jacobi）迭代法 矩阵形式为 其中 ， §2 线性方程组的迭代解法 高斯-赛德尔（Gauss-Seidel）迭代法 矩阵形式为 其中 ， 特点：单次迭代计算量与雅可比迭代法相同，但是计算速度加快且存储量小，看作是雅可比迭代法的一种修正。 §2 线性方程组的迭代解法 §2 线性方程组的迭代解法 逐次超松弛（SOR）迭代法 松弛迭代法是高斯-赛德尔迭代法的一种加速方法，其基本思 想是将高斯-赛德尔迭代法得到的第 次近似解向量 与 第 次近似解向量 做加权平均，当权因子 选取适当 时，加速效果显著。迭代公式为 式中 为松弛因子。 §2 线性方程组的迭代解法 注意： 使上式收敛速度最快的 称为最优松弛因子。目前尚无简易 通用的确定最优松弛因子的有效办法，在实际中往往通过试 算来确定 。经验告诉我们，当 小于最优松弛因子时，迭 代序列 单调收敛；而 大于最优松弛因子时， 往往发生摆动。 §2 线性方程组的迭代解法 设线性方程组 ，其迭代公式为 ， 由于 不等于方程组的精确解，因此 令 称为剩余向量。于是迭代公式改写为 为了加快收敛速度，剩余向量 乘上一个适当的因子 ， 得到加速迭代公式 ，分量形式为 §2 线性方程组的迭代解法 依照上述加速收敛思想，对高斯-赛德尔迭代法加以修正，得 到逐次超松弛迭代法，简称SOR法。其迭代公式如下： 任给 当 时，上式称为低松弛迭代法（SUR法），常用于 使不收敛的迭代过程收敛；当 时，上式称为超松弛迭 代法（SOR法），常用于加速收敛的迭代过程；当 时 即为高斯-赛德尔迭代法。 §2 线性方程组的迭代解法 例：超松弛迭代法解方程组， 解：超松弛迭代法的迭代公式为 §2 线性方程组的迭代解法 §3 迭代法的收敛性 定义（向量范数）：对任意n维向量 ，若按一 定规则对应一非负实数 ，它满足以下条件： （1）正定条件： ，当且仅当 时， ； （2）齐次性： ， 为任意实数； （3）三角不等式： ，对任意 ； 则称 为向量 的范数或模。 §3 迭代法的收敛性 设 ，常用的向量范数有： 分别称为向量1范数、向量2范数、无穷范数。 §3 迭代法的收敛性 定义（严格对角占优阵）：设 ，如果 满足条件 即矩阵 的每一行对角元素的绝对值都严格大于同行的其它 元素的绝对值之和，则称 为严格对角占优阵。 定义（谱半径）：设n阶矩阵 的特征值为 ，称 为矩阵 的谱半径。 §3 迭代法的收敛性 定理1：对任意的初始向量 及任意的右端向量 ，迭 代法 收敛的充分必要条件是谱半径 。 定理4：若 的系数矩阵 为严格对角 占优阵，则解此方程组的雅可比迭代法和高斯-赛德尔迭代法 都收敛。 定理5：若 的系数矩阵 为对称正定矩阵，则 解此线性方程组的高斯-赛德尔迭代法收敛。 §3 迭代法的收敛性 定理6：若解 的SOR法收敛， 则 。 定理7：若 的系数矩阵 为对称正定矩阵， 且 ，则解此方程组的SOR法收敛。 §3 迭代法的收敛性 例：讨论用雅可比迭代法和高斯-赛德尔迭代法解方程组 的收敛性，其