§6.1迭代法的基本概念.pptVIP

§6.1 迭代法的基本概念 §6.2 常用迭代法 §3 常用迭代法的收敛性分析 §4 块迭代、共轭梯度法（略） 定理12 对于线性方程组Ax=b，若A为对称正定矩阵，则当0ω2时，SOR迭代收敛. 证明 只需证明λ1（其中λ为Lω的任一特征值）. * 第6章 解线性代数方程组的迭代法 6.1.1 引言 考虑线性方程组 也就是 AX=b. （其中A非奇异） (1.1) 低阶稠密的线性方程组用直接法(如高斯消去法和三角分解法)。 大型稀疏非带状的线性方程组的求解问题？ (n很大且零元素很多,n≥104.如偏微方程数值解产生的线性方程组) 零元素多，适合用迭代法。 我们将介绍迭代法的一般理论及雅可比迭代法、高斯—塞德尔迭代法、超松弛迭代法，研究它们的收敛性。 例1 求解线性方程组 记为Ax=b,即 精确解x*=(3,2,1)T. 改写(1.2)为 或写为x=B0x+f,即 任取初值,如x(0)=(0,0,0)T,代入(1.3)得到x(1)= (2.5,3,3)T. 反复迭代 即 x(k+1)=B0x(k)+f， (k=0,1,2,…) 参考：x1=0;x2=0;x3=0; for k=1:3 k,y1=(3*x2-2*x3+20)/8,y2=(-4*x1+x3+33)/11,y3=(-6*x1-3*x2+36)/12, x1=y1;x2=y2;x3=y3; end 试问：怎样设计迭代法具有收敛性？ 当B满足什么条件时Bk→0(k→∞)？ 收敛速度如何 ？ 6.1.2 向量序列与矩阵序列的极限 考虑线性方程组（1.1），也就是 Ax=b. 进行矩阵分裂 A=M-N, (1.9) 其中M为可选择的非奇异矩阵,且使Mx=d容易求解. 于是, Ax=b?Mx=Nx+b?x=M-1Nx+M-1b. 例如：A=I-(I-A)？A=diag(A)-(diag(A)-A)？ 6.1.3 迭代法及其收敛性 可得一阶定常迭代法: 例3 考察求解(1.2)的迭代法(1.4)的收敛性。 参考:B=[0,3/8,-1/4;-4/11,0,1/11;-1/2,-1/4,0], E=eig(B), abs(E) 例4 考察迭代法 作业: P210, 9. 6.2.1 雅可比迭代法 可以得到计算公式(雅可比迭代法) ：对k=0,1,…, 6.2.2 高斯—塞德尔迭代法 还可得到迭代计算公式：对k=0,1,…, 称为高斯—塞德尔迭代法. 例6 求解线性方程组(1.2) 取初值x(0)=(0,0,0)T, 参考：x1=0;x2=0;x3=0; for k=1:3 k,x1=(3*x2-2*x3+20)/8,x2=(-4*x1+x3+33)/11,x3=(-6*x1-3*x2+36)/12, end 高斯—塞德尔迭代法又等价于：对k=0,1,…, SOR迭代法的计算公式:对k=0,1,…, 6.2.3 逐次超松驰(SOR)迭代法 说明:1)ω=1,GS; 2)运算量; 3)ω1超松驰,ω1低松驰; 4)控制迭代终止的条件: 例7 用上述迭代法解线性代数方程组 初值x(0)=0，写出计算格式。 解：取 迭代公式为 取 迭代结果 从此例看到，松弛因子选择得好，会使SOR迭代法的 收敛大大加速. 本例中ω=1.3 是最佳松弛因子. 作业: P209,2. 1) Jacobi: BJ=D-1(L+U)，fJ=D-1b; 2) Gauss-Seidel: BG=(D-L)-1U，fG= =(D-L)-1b; 3) SOR: BSOR=(D-ωL)-1{(1-ω)D+ωU}， fSOR=ω(D-ωL)-1b. 迭代的统一格式：x(k+1)=Bx(k)+f 定义6 （1）按行严格对角占优： （2）按行弱对角占优： 上式至少有一个不等号严格成立。 *定义 每行每列只有一个元素是1,其余元素是零的方阵称为置换阵(或排列阵). 定理8(对角占优定理)若矩阵A按行(或列)严格对角占优，或按行(或列)弱对角占优且不可约；则矩阵A非奇异。 定理9 若矩阵A按行(或列)严格对角占优,或按行(或列)弱对角占优不可约；则Jacobi迭代、Gauss-Seidel迭代都收敛。 证明 若矩阵A按行严格对角占优，或按行(或列)弱对角占优不可约，则GS迭代收敛。假若不然，ρ(BG)≥1，即迭代矩阵BG的某一特征值λ使得|λ|≥1，并且 类似地，若矩阵A按行严格对角占优，或按行(或列)弱对角占优不可约，