第二章第2,3节2.pptVIP

常用的矩阵范数有： 练习：设 ，计算： ， ， ， 定义：若矩阵范数 与某个向量范数 满足： 则称矩阵范数 与向量范数 相容。 结论：四种常用的矩阵范数： 与三种常见的向量范数 满足如下的相容关系： 证明： 只证 利用柯西不等式： 两边开方即得。 二、迭代法的收敛性 结论1：设 序列，则 是 中一向量 证明：先证V=1的情形。 即 再利用三种常见向量范数的等价关系：P58，（2.3.1) 即可证明 定义5 矩阵A的谱半径定义为： 引理1 矩阵A的谱半径 * * 回顾： 解线性代数方程组的直接法 1、高斯消去法： 高斯顺序消去法 高斯列主元消去法 ? 2、矩阵的三角分解法 （1）杜利脱尔(Doolittle)分解法（紧凑格式） （2）特殊类型线性方程组的求解： 1系数矩阵A为对称正定阵： 乔累斯基平方根法 2系数矩阵A为三对角阵： 追赶法 §2.2 线性方程组的迭代解法 迭代法：适用于求解系数矩阵为高阶稀疏阵的线性 方程组。 直接法:（高斯消去法、矩阵的三角分解法） 适用于求解系数矩阵为低阶稠密阵的线性 方程组。 一、迭代法的基本原理 给定线性方程组： 其中 ， , . 用迭代法求解的基本原理： （1）将原方程组 （2）建立相应的迭代公式： 这里，矩阵 B 称为迭代矩阵，向量 f 称为非齐次项。 改写成如下等价形式： （3）任取一初始向量 代入上述 迭代公式，经迭代得到一向量序列 ， 如果 记为 则称该向量序列收敛于向量 容易验证向量 即为原方程组的解。 否则称为发散。 收敛， 此时称迭代公式： 三、基本迭代法 给定线性代数方程组 将(2.1)改写成矩阵-向量形式： 其中 , , 并且矩阵 为非奇异阵，设 一、雅可比(Jacobi)迭代法 （一）迭代公式的推导： 1、从第一个方程中形式上解出 ， 从第二个方程中解出 ， …从第n个方程中解出 。 得到： 2、建立相应的迭代公式： 简记为 (2.1) (2.2) 称迭代公式(2.1)或(2.2)为雅可比迭代公式。 （二）雅可比(Jacobi)迭代法 给定线性方程组：Ax=b，按公式（2.1）或(2.2) 可建立相应的雅可比迭代公式。 任取一初始向量代入 上述迭代公式，经迭代得到一向量序列 如果该向量序列收敛（此时称雅可比迭代公式收敛）， 其极限便为方程组的解。此类求解方法即称为雅可比(Jacobi)迭代法。 例1、用雅可比迭代法解线性方程组： 解：从第一个方程中解出 ， 从第二个方程中解出 ， 从第三个方程中解出 ， 从第四个方程中解出 。 得到 建立相应的雅可比迭代公式： 取一初始向量 代入上式进行迭代，结果如下： … … … … 0.9998 -0.9998 1.9998 1.0001 1.0006 -1.0004 2.0004 0.9997 … … … … 0.8852 -0.8052 1.7159 1.0473 1.8750 -1.1000 2.2727 0.6000 0 0 0 0 ，故原方程组的解为 在实际应用中，往往根据精度要求，进行有限 次运算后，即停止迭代，求得方程组满足精度要求 的近似解。 二、几个值得注意的问题 1、判别用某种迭代法解一给定的线性方程组是否 可行，关键在于考察迭代公式是否收敛以及收 敛速度的快慢。 2、并不存在适用于一切线性方程组的通用的迭代 法。对于不同类型的线性方程组，需要根据其