数值分析~第2章 线性方程组的迭代法yjs11.ppt

2.1 迭代法的一般理论 为了研究线性方程组近似解的误差估计和迭代法的收敛性，我们需要对Rn(n维向量空间)中的向量或Rnxn中矩阵的“大小”引入一种度量，——向量和矩阵的范数。 2.1.1 向量和矩阵的范数 而在二维平面上，平面上任意一点P(x,y)到原点的距离用 表示。而平面上任意两点P1(x1,y1),P2(x2,y2)的距离用 表示。 推广到n维空间，则称为向量范数。 取 x(0)=(0,0,0)T 计算如下： 1.3 1.199999 1.099998 8 … … … … 1.1644 0.902 0.72 1 x3(k) x2(k) x1(k) k 2.3.2 Gauss-Seidel迭代法收敛条件 考察Gauss-Seidel迭代法收敛的充分条件 定理：若A满足下列条件之一，则Seideli迭代收敛。 ①A为行或列对角占优阵 ②A对称正定阵（证略书上定理2.9） 迭代格式收敛??(B)1 。若‖B‖1?迭代法收敛. det(?I-B)= det(?I-(D-L)-1U) 证明： = det((D-L)-1)det(?(D-L)-U)=0 所以有 det(?(D-L)-U)=0 若|?|?1, 则