第3章线性方程组迭代法教程方案.pptVIP

第3章 解线性方程组的迭代法(Iteration Methods for Linear Systems);第3章 解线性方程组的迭代法(Iteration Methods for Linear Systems);将方程组Ax=b变形为x=Bx+g;引例 求解线性方程组;;一、Jacobi迭代法;格式很简单：;2.Jacobi迭代矩阵;Jacobi迭代矩阵表示为：;; 2.Gauss－Seidel迭代矩阵;例1：用Jacobi迭代法求解;解：仍取x(0)=(0,0,0)T,带入迭代式得; 上例结果表明，Gauss-seidel迭代法比Jacobi迭代法效果好。事实上，对有些问题Gauss-seidel迭代确实比Jacobi迭代法收敛得快，但也有Gauss-seidel迭代比Jacobi迭代法收敛得慢，甚至有Jacobi迭代收敛而Gauss-seidel迭代发散的情形。只是 Gauss-seidel与Jacobi相比，只需一组工作单元存放近似解。; 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k+1次近似解向量 与第k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。;换个角度看Gauss - Seidel 方法：;记;对Gauss－Seidel迭代格式;例3 用SOR法解方程组;从上表可见，本例的最佳松弛因子应该在1和1.1之间。;SOR方法收敛的快慢与松弛因子?的选择有密切关系. 但是如何选取最佳松弛因子, 是一个尚未很好解决的问题.实际上可采用试算的方法来确定较好的松弛因子.;迭代法：将方程组Ax=b变形为x=Bx+g，构造迭代公式;迭代法;§3.2 范数及方程组的性态、条件数 ; 设X = (x1, x2,…, xn)T，则有 ;定理1：定义在Rn上的向量范数 是变量X分量的 一致连续函数。 ;对常用范数，容易验证下列不等式： ; 定义1 矩阵范数 设A∈Rn×n，定义一个非负实值函数||A||，若满足：;定义2：设A为n 阶方阵，Rn中已定义了向量范数 ， 则称 为由向量范数导出的矩阵范数或模， 记为 。;定理3：设n 阶方阵A = (aij)n?n，则;矩阵范数的基本性质： ;A 的范数与A 的特征值之间的关系; 定义：若方程组Ax=b的系数矩阵A与右端向量b的微小变化（小扰动）,将引起解向量x产生巨大变化，则称此方程组为病态方程组，其系数矩阵A称为病态矩阵，否则称Ax=b为良态方程组，称A为良态矩阵 .;; （1）A可逆，则 cond p (A) ? 1； （2）A可逆，? ? R 则 cond (? A) = cond (A) ； （3）A正??，则 cond 2 (A) =1； （4）A可逆，R正交， 则 cond 2 (RA) = cond 2 (AR) = cond (A)2 。;精确解为;定义2 设有矩阵序列 及 ，如果 则称 收敛于A，记为;;定理3; 定理4（迭代法收敛的充分条件） 若迭代矩阵B的某种范数||B||1，则迭代法收敛。;1.Jacobi迭代法与G-S迭代法收敛性;注意的问题;用Jacobi迭代法求解收敛，但用 G-S法不收敛。;系数矩阵A是正定矩阵，因此用 Gauss-Seidel法收敛; 定理2 若SOR方法收敛, 则0?2.; 定理3 设A是对称正定矩阵, 0?2时,则解方程组 Ax=b的SOR方法收敛. ;MATLAB中的函数;本章小结;作业： P185 9；10 ；上机计算12；13