雅克比高斯赛德尔迭代法.docVIP

第八节 雅可比迭代法与高斯—塞德尔迭代法 ? 一 雅可比迭代法 设线性方程组 (1) 的系数矩阵A可逆且主对角元素均不为零,令 并将A分解成 (2) 从而(1)可写成 令 其中. (3) 以为迭代矩阵的迭代法(公式) (4) 称为雅可比(Jacobi)迭代法(公式),用向量的分量来表示,(4)为 (5) 其中为初始向量. 由此看出,雅可比迭代法公式简单,每迭代一次只需计算一次矩阵和向量的乘法.在电算时需要两组存储单元,以存放及. 例1 用雅可比迭代法求解下列方程组 解 将方程组按雅可比方法写成 取初始值按迭代公式 进行迭代，其计算结果如表1所示 表1 ? 0 1 2 3 4 5 6 7 0 0.72 0.971 1.057 1.0853 1.0951 1.0983 … 0 0.83 1.070 1.1571 1.1853 1.1951 1.1983 … 0 0.84 1.150 1.2482 1.2828 1.2941 1.2980 … ? 二 高斯—塞德尔迭代法 由雅可比迭代公式可知,在迭代的每一步计算过程中是用的全部分量来计算的所有分量,显然在计算第i个分量时,已经计算出的最新分量没有被利用，从直观上看,最新计算出的分量可能比旧的分量要好些.因此，对这些最新计算出来的第次近似的分量加以利用,就得到所谓解方程组的高斯—塞德（Gauss-Seidel）迭代法. 把矩阵A分解成 (6) 其中,分别为的主对角元除外的下三角和上三角部分,于是,方程组(1)便可以写成 即 其中 (7) 以为迭代矩阵构成的迭代法(公式) (8) 称为高斯—塞德尔迭代法(公式),用 量表示的形式为 (9) 由此看出,高斯—塞德尔迭代法的一个明显的优点是,在电算时,只需一组存储单元(计算出后不再使用,所以用冲掉,以便存放近似解. 例2 用高斯——塞德尔迭代法求解例1. 解 取初始值，按迭代公式 进行迭代，其计算结果如下表2 表2 0 1 2 3 4 5 6 7 0 0.72 1.04308 1.09313 1.09913 1.09989 1.09999 1.1 0 0.902 1.16719 1.19572 1.19947 1.19993 1.19999 1.2 0 1.1644 1.28205 1.29777 1.29972 1.29996 1.3 1.3 ? 从此例看出,高斯—塞德尔迭代法比雅可比迭代法收敛快(达到同样的精度所需迭代次数少),但这个结论,在一定条件下才是对的,甚至有这样的方程组,雅可比方法收敛，而高斯—塞德尔迭代法却是发散的. 三 迭代收敛的充分条件 定理1 在下列任一条件下,雅可比迭代法(5)收敛. ① ; ② ; ③ 定理2 设分别为雅可比迭代矩阵与高斯—塞德尔迭代矩阵,则 (10) 从而，当 时，高斯—塞德尔迭代法(8)收敛. 证明 由的定义,它们可表示成 用表示维向量,则有不等式 这里,记号｜·｜表示其中矩阵的元素都取绝对值,而不等式是对相应元素来考虑的,于是 容易验证 所以,及可逆，且 从而有 因此必有 因为已知所以.即高斯—塞德尔迭代法收敛. 若矩阵为对称，我们有 定理3 若矩阵正定,则高斯—塞德尔迭代法收敛. 证明 把实正定对称矩阵A分解为 ,则为正定的,迭代矩阵 设是的任一特征值,为相应的特征向量,则 以左乘上式两端,并由有 用向量的共轭转置左乘上式两端,得 (11) 求上式左右两端的共轭转置,得 以和分别乘以上二式然后相加,得 由,得 即 (12) 因为A和D都是正定的,且x不是零向量,所以由(11)式得,而由(12)式得, 即,从而,因而高斯—塞德尔迭