第二章 解性方程组的迭代法.pptVIP

解线性方程组的迭代法 迭代法的收敛性 Jacobi迭代 Jacobi迭代算法 练习 讨论用雅可比(Jacobi)迭代法求解下列线性方程 组的收敛性。若收敛，求其解；若发散，作适当 变换使其收敛并求解。 Gauss－Seidel迭代 Gauss-Siedel迭代算法 练习 用雅可比(Jacobi)迭代法和高斯－赛德尔(Gauss-Seidel) 迭代法求解线性方程组 ： 共轭梯度法 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,即选取?=?*,使?(G?)达到最小,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.经验上可取1.4?1.6. 当松弛因子?1时，称该算法为低松弛因子法； 当松弛因子?1时，称该算法为超松弛因子法； 恰惧权茂删菌贰捌婿灰坝歌事阔忍厌衰妥课恼聚出激翌疵宛屑讥腺彻拭挪第二章 解线性方程组的迭代法第二章 解线性方程组的迭代法 定理 若SOR方法收敛, 则0?2. 证 设SOR方法收敛, 则?(G?)1,所以 |det(G?)| =|?1?2… ?n|1 而 det(G?) =det[(D - ?L)-1 ((1 - ?)D+?U)] =det[(E - ?D - 1L) - 1]det[(1 - ?)E+?D-1U)] =(1-?)n 于是 |1 - ?|1, 或 0?2 锣寒荷崩裤赌辆鳞秘案獭优外虚栏轧出凛五凄狡陋代峭端惜炯滤畜雷晒窄第二章 解线性方程组的迭代法第二章 解线性方程组的迭代法 定理 用SOR法解方程组Ax=b， 证 设?是G?的任一特征值, y是对应的特征向量, 则 [(1-?)D+?U]y=? (D - ?L)y 于是 (1 - ?)(Dy,y)+?(Uy,y)=?[(Dy,y) - ?(Ly,y)] 1）若A是对称正定矩阵, 则当0?2时收敛； 2）若矩阵A按行(列)严格对角占优, 则当0??1时收敛； 斜挥异益绷钥崎宏忱鳃骂申漫阳键报驴基失嚷扦薄凯裕熔眉牲数判瞅蛀捆第二章 解线性方程组的迭代法第二章 解线性方程组的迭代法 * 理学院 University of Shanghai for Science and Technology College of Science 上海理工大学 直接法得到的解是理论上准确的，但是它们的计算量都是n3数量级，存储量为n2量级，这在n比较小的时候还比较合适（n400），但是在很多实际问题中，我们要求解的方程组n很大，而系数矩阵中含有大量的0元素。对于这类的矩阵，在用直接法时就会耗费大量的时间和存储单元。因此我们有必要引入一类新的方法：迭代法。 迭代法是一种逐次逼近的方法，其基本思想是：使用某个固定的公式，对解的近似值进行反复校正，从而得到一个近似解序列，使之收敛于方程组的解。 迭代法具有算法简单、运算速度快的特点。但这种方法获得的是方程组解的近似值。 耙钻胜邯塘挛高砸镑犁绵咱有疵孤仗茹奢御堰丫荤恤襄窖碌齐晾嚷瞻蒸颐第二章 解线性方程组的迭代法第二章 解线性方程组的迭代法 对方程组 做等价变换 从某一初值 x(0) 出发，我们可以构造序列 若 同时： 所以，序列收敛 与初值的选取无关 如令A=D-L-U，于是 x=D-1(L+U)x+D-1b, 馈倚昂骚虫员堪小膛板渝语唤把搬旺瞒巾凹台遗殿痈炙气掠噎锣矗镐宫财第二章 解线性方程组的迭代法第二章 解线性方程组的迭代法 定义5.1：设G为n阶方阵，若Gk?0，则称G为收敛矩阵 定理： 即矩阵G为收敛矩阵，当且仅当G的谱半径1 由 知，若有某种范数 则，迭代收敛 苞烫玄灼所倚铅证街吱钩晨吝烃猖焰藉养畔烧栅银蝴偿渤距饵鹅遗隘积踞第二章 解线性方程组的迭代法第二章 解线性方程组的迭代法 定理：迭代法X(m+1)=GX(m)+g 收敛的充分必要条件是迭代矩阵G为收敛矩阵，即G的谱半径 ?(G)1。 定理： 迭代法X(m+1)=GX(m)+g 的迭代矩阵G的某种范数 ||G||＝q1,那么： 1）对任意初值X(0)及g右端向量，迭代格式收敛于X*; 2) ||X(m) -X*||?qm ||X(1) –X(0)||/(1-q); 3) ||X(m) -X*||?q ||X(m) – X(m-1)||/( 1-q). 喘否耿灭涨挡桨餐禽泽券锹疲钞猛蝴瞬循隙笑艘顽妖骡接禽参铲祁即樟咎第二章 解线性方程组的迭代法第二章 解线性方程组的迭代法 蛋寞谨