Ch6解线性方程组的迭代法解说.ppt

第6章 解线性方程组的迭代方法;其中A为非奇异矩阵, 当A为低阶稠密矩阵时, 第5章讨论的选主元消去法是有效的. 但对于大型稀疏矩阵方程组(A的阶数n很大，但零元素较多), 利用迭代法求解是合适的.; 例1 求解方程组;或写为x=B0x+f，其中; 我们任取初始值，例如取x(0)=(0, 0, 0)T. 将这些值代入(1.3)式右边(若(1.3)式为等式即求得方程组的解，但一般不满足)，得到新的值　x(1)=(x1(1), x2(1), x3(1))T　=(3.5, 3, 3)T ，再将x(1)分量代入(1.3)式右边得到 x(2)，反复利用这个计算程序，得到一向量序列和一般的计算公式(迭代公式);简写为 x(k+1)=B0x(k) +f，;　　从此例看出，由迭代法产生的向量序列x(k)逐步逼近方程组的精确解是x*=(3,2,1)T. 即有 ;　　对于给定方程组x=Bx+f，设有唯一解x*，则; 由上述讨论，需要研究{x(k)}的收敛性. 引进误差向量;6.2 基本迭代法; 于是，求解Ax=b转化为求解Mx=Nx+b ，即求解;;6.2.1 雅可比(Jacobi)迭代法;　　于是雅可比迭代法可写为矩阵形式;　　下面给出雅可比迭代法(2.5)的分量计算公式, 记;等 价 方 程 组;建立的雅可比迭代格式为;　　于是，解Ax=b的雅可比迭代法的计算公式为;6.2.2 高斯－赛德尔迭代法;或缩写为; 这就是说，选取分裂矩阵M为A的下三角部分,　即选取M= D-L(下三角阵)，A=M-N，由(2.3)式得到解Ax=b的高斯—塞德尔(Gauss — Seidel)迭代法.;由高斯—塞德尔迭代法(2.7)有;于是，解Ax=b的高斯—塞德尔迭代法的计算公式为; 雅可比迭代法不使用变量的最新信息计算xi(k+1)，而由高斯—塞德尔迭代公式(2.8)可知，计算x(k+1)的第 i个分量xi(k+1)时，利用了已经计算出的最新分量xj(k+1) (j=1,2,?,i-1). 可看作雅可比迭代法的一种改进. 由(2.8)可知，高斯—塞德尔迭代公式每迭代一次只需计算一次矩阵与向量的乘法.; ; 由此例可知，用高斯—塞德尔迭代法，雅可比迭代法解线性方程组(1.2)(且取x(0)=0)均收敛，而高斯—塞德尔迭代法比雅可比迭代法收敛较快(即取相同的x(0)，达到同样精度所需迭代次数较少)，但这结论只当A满足一定条件时才是对的. ; 例1 用雅可比迭代法解方程组;k; 解：Gauss-Seidel 迭代格式为;取 x(0)=(0,0,0)T 计算结果如下：;6.2.3 解大型稀疏线性方程组的逐次超松弛法(SOR方法);或改写为; 下面用矩阵方法推导，选取分裂矩阵M为带参数的下三角矩阵; 解Ax=b的SOR方法为.;由此，得到解Ax=b的SOR方法的计算公式; (1) 显然，当?=1时即为Gauss—Seidel 迭代法.; SOR迭代法是Gauss—Seidel 迭代法的一种修正，可由下述思想得到.;6.3 迭代法的收敛性;　　有意义的问题是：迭代矩阵B满足什么条件时，由迭代法产生的向量序列{x(k)}收敛到x*.; 定义2 设有矩阵序列 Ak=(aij(k))∈Rn×n 及A=(aij)∈Rn×n，如果n2个数列极限存在且有;　　矩阵序列极限概念可以用矩阵算子范数来描述.; 定理3 设B=(bij)∈Rn×n，则limBk=0 (k→∞)(零矩阵)的充分必要条件是矩阵B的谱半径?(B)1.;且　　　　，显然有; 显然有, Et,0=I, Et,k=0(当k≥t)，(Et,1)k= Et,k. 由于Ji=λI+Et,1 ，因此;其中; 定理4(迭代法基本定理) 设有方程组;由设?(B)1，应用定理3，有　 　. 于是对任意x(0)有 ，即 .; 定理3和定理4的结论和起来即为; 例5 考察用Jacobi方法解方程组(1.2)的收敛性.; 例6 考察用迭代法解方程组的收敛性. 其中; 定理5(迭代法收敛的充分条件) 设有方程组;　　证明 (1)由基本定理4结论(1)是显然的.;即得 ;6.3.2 关于解某些特殊方程组迭代法的收敛性; 定义3(对