第六讲： 解线性方程组的迭代法.ppt

取 x(0)=(0,0,0)T 计算结果如下： k x1(k) x2(k) x3(k) 1 0.72 0.902 1.1644 … … … … 8 1.099998 1.199999 1.3 6.2.3 解大型稀疏线性方程组的逐次超松弛法(SOR方法) 我们取?0为松弛因子，建立迭代格式如下 即 或改写为 其逐次超松弛迭代矩阵为 逐次超松弛法可写为矩阵形式 称为逐次超松弛迭代法，简称SOR方法. 显然，?=1就是Gauss—Seidel 迭代法. 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 从而得到解Ax=b的逐次超松弛迭代法 (Successive Over Relaxation Method，简称SOR方法). 其中?0为可选择的松弛因子. 于是，由(2.3)可构造一个迭代法，其迭代矩阵为 解Ax=b的SOR方法为. 其中 下面给出解Ax=b的SOR方法的分量计算公式. 记 由(2.10)式可得 由此，得到解Ax=b的SOR方法的计算公式 或 (1) 显然，当?=1时即为Gauss—Seidel 迭代法. (2) SOR方法每迭代一次主要运算量是计算一次矩阵与向量的乘法. (3) 当?1时，称为超松弛法；当?1时，称为低松弛法. (4) 在计算机实现时可用 控制迭代终止，或用 控制迭代终止. SOR迭代法是Gauss—Seidel 迭代法的一种修正，可由下述思想得到. 设已知x(k)及已计算x(k+1)的分量xj(k+1) (j=1,2,?,i-1). (1) 首先用Gauss—Seidel 迭代法定义辅助量 , (2) 再由 与 加权平均定义 ，即 将(2.13)代入(2.14)得到解Ax=b的SOR迭代(2.11)式. 　　例3 用SOR迭代法解方程组. 见书P195. 6.3 迭代法的收敛性 6.3.1 一阶定常迭代法的基本定理 其中，A=(aij)∈Rn×n为非奇异矩阵，记x*为(3.1)精确解，且设有等价的方程组 设线性方程组 Ax=b， (3.1) 于是 　　设有解Ax=b的一阶定常迭代法 　　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*. 引进误差向量 由(3.3)式减(3.2)得到误差向量的递推公式 由6.1节可知，研究迭代法(3.3)收敛性问题就是要研究迭代矩阵B满足什么条件时，有. 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 则{Ak}称收敛于A，记为lim (k→∞). 　　例4 设有矩阵序列{Ak}, 其中Ak=Bk,而 且设|λ|1，考查矩阵序列极限. 　解 显然, 当|λ|1时, 则有 　　矩阵序列极限概念可以用矩阵算子范数来描述. 定理1 　　　　　　　　　　　　　其中||·||为矩阵的任意一种算子范数. 　　证明 显然有 再由矩阵范数的等价性, 则定理对其它算子范数亦对. 　　定理2 　　证明作为练习. 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. 　　证明 由矩阵B的若当标准形,存在非奇异矩阵P使 其中若当(Jordan)块 且　　　　，显然有 其中 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 　　下面考查Jik的情况. 引进记号 其中 定理4(迭代法基本定理) 设有方程组 x=Bx+f. (3.4) 及一阶定常迭代法 x(k+1)=Bx(k)+f. (3.5) 对任意选择初始向量x(0)，迭代法(3.5)收敛的充要条件是矩阵B的谱半径?(B)1. 　　证明 充分性. 设?(B)1，易知Ax=f(其中A=I-B)有唯一解，记为x*，则