计算方法_8.pptVIP

* 上次课主要讲述了求方程根的迭代公式的建立 2. 快速弦截法，它的迭代公式是 1. Newton法，它的迭代公式是 还讲述了解线性方程组的两个迭代公式 2. Gauss-Seidel 迭代法 1. Jacobi 迭代法 3. 超松弛法(SOR) 令 超松弛法是利用加权将Gauss-Seidel法加速的一种方法。 首先有Gauss-Seidel迭代公式： 迭代过程的加速具有重要的意义。 称 ω 为松弛因子，通常取 。 松弛因子ω的取值对迭代公式的收敛速度影响极大。实际计算时，可以根据方程组的系数矩阵的性质，并结合实践计算的经验来选取合适的松弛因子。 整理得到： 4. 迭代公式的矩阵表示 以及 b=(b1, b2, …, bn)T 和 x=(x1, x2, …, xn)T。 线性方程组可用矩阵表示为Ax=b，其中 将A分裂成 =L+D+U Jacobi迭代公式可表达为 或者 迭代公式的收敛性与矩阵G有关，我们称它为迭代矩阵。下面简单介绍一些有关概念。 或者 Gauss-Seidel迭代公式可表达为 都可以表达为 第二节 向量和矩阵的范数 1. 向量的范数 对于向量 X=(x1, x2, …, xn)，其长度记为||X||2: 和向量 对于向量序列 则 的充要条件是： 定义：对于向量 X=(x1, x2, …, xn)，其范数||X||为一个实数，满足： 1．非负性：对于任意向量X, ||X||?0,且 ||X||=0 ?X=0; 2.齐次性：对于任意实数?及任意向量X || ?X||=|? | ||X|| 3.三角不等式：对于任意向量X,Y ||X+Y||?||X||+||Y|| 常用范数： 2-范数： 1-范数： p-范数： ?-范数： 定理1. 对于任意向量X 证. ? 得证。 范数等价：若存在正数c1 ,c2 ,使得对任意向量X,均有 则称范数 与 等价。 推论. 任何范数 均与 等价。特别， 彼此等价。 注. 范数等价具有传递性。 2.矩阵的范数 设A为n阶方阵，称 为矩阵A的范数。 注. 对于任意向量，有 1．对于任意方阵A, ||A||?0,且 ||A||=0 ?A=0; 2.对于任意实数?及任意方阵A || ?A||=|? | ||A|| 3.对于任意两个方阵A,B，有 ||A+B||?||A||+||B||， ||AB|| ?||A||||B|| 仅验证3的第一个不等式。 另外 ? 对于向量的p-范数,相应矩阵的p-范数记为 定理2.对阶方阵 ，有 （行范数） （列范数） 前面讲过对于解线性方程组 Ax=b 的迭代公式可表达为 x(k+1) = G x(k) + V b 定理4：若迭代矩阵G满足条件 ||G||1，则迭代 公式收敛。 第三节 迭代过程的收敛性 1. 迭代收敛的充分条件 2. 对角占优方程组 称为A对角占优阵。系数矩阵为对角占优阵的线性方程组称为对角占优方程组。 如果n阶方阵A满足条件 定理5：对角占优阵是非奇异的。 定理6：对角占优方程组的Jacobi迭代公式和 Gauss-Seidel迭代公式均收敛。 第六章 线性方程组的直接法 这是一个众所周知的古老算法，用在计算机上仍然十分有效。 要注意误差分析。舍入误差的积累有时甚至会严重影响解的精度。 第一节 消去法 (1) 先将方程组(1)的第一个方程中 x1 的系数化为1，再消去后两个方程中的 x1 ，得到 1. Jordan消去法 例：求解方程组 (2) 再将方程组(1)的第二个方程中 x2 的系数化为1，消去其它方程中的 x2 ，得到 最后解得： x1 = 9，x2 = -1，x3 = -6 对一般形式的线性方程组 第一步将方程组(3)的第一个方程中 x1 系数化为1，再消去其它方程中的 x1 ，得到 (3) 以上是Jordan消去法。 第2步将新方程组的第二个方程中 x2 的系数化为1，再消去其它方程中的 x2 ，经过 k-1 步后原方程组被加工成： 第 k 步将上面新方程组的第k个方程中 xk 的系数化为1，再消去其它方程中的 xk ，原方程组被加工成： 其中，施与的运算为： 第n步以后方程组变成 即为方程组的解。 Jordan消去法的乘除法的总计算量大约是n3/2 。 流程图的主体部分是 1=k akj/akk=akj, j=k+1,…,n. bk/akk=bk 1=i aij-aikakj=aij,j=k+1,…,n. bi-aikbk=b