4.2.4线化代数方程组的迭代解法绪论.ppt

迭代收敛判断定理 1 若方程组的系数矩阵A不可约，且对角优，则简单迭代和Gauss-Seidel迭代必收敛 2 若方程组的系数矩阵A正定，则Gauss-Seidel迭代必收敛 3 松弛迭代收敛的必要条件是松弛因子满足 4 若方程组的系数数矩阵A不可约，且对角优，松弛因子 ，则松弛迭代法收敛。 5 若方程组的系数矩阵A正定，松弛因子 满足 ，则松弛迭代收敛。 4.2.4 线化代数方程组的迭代解法 胡 茂 彬 /~humaobin/ humaobin@ 多维情况求解特点和难点 1. 系数可能是求解函数的函数，而使方程具有非线性性质，需要线化迭代求解 外迭代：反复更新非线性方程的系数而使方程线化求解的过程 2. 线化的代数方程组，系数矩阵不再是三对角阵，而是一个大型稀疏矩阵，不能TDMA直接求解。Gauss消元法，需很大的内存，且计算效率低 内迭代：求解线化方程而使用迭代方法的过程 建立控制方程、确定初始与边界条件 流 程 图 （非稳态情况） 解域离散、方程离散 初边条件离散 给出节点初始温度值 计算系数，固定， 线化代数方程 求解离散的 线化的代数方程组 进入下一时层求解 解收敛否？ Yes No 以新温度值 替代老温度值 外迭代 建立控制方程、确定初始与边界条件 流 程 图 解域离散、方程离散 初边条件离散 给出节点初始温度值 计算系数，固定， 线化代数方程 求解离散的 线化的代数方程组 进入下一时层求解 解收敛否？ Yes No 以新温度值 替代老温度值 线化方程的 迭代解法 (内迭代) 外迭代 1．迭代求解的基本思想 方程组的矩阵形式： 构造向量(即求解函数T的序列) 试探解 真实解 迭代收敛过程 构造向量的方法 也称为“迭代方式” 从 n-1 迭代层，经过一次迭代(与A,b相关)，演进到 n 迭代层 收 敛 条 件 或者： “迭代”是求解线化了的代数方程组的方法 在算法地位上与TDMA方法类似 迭代推进一层与时间演进一步的区别 迭代是求解方程的方法，迭代推进一层并非时间演进一步 迭代收敛之后才表示该方程组已经求解，此时表示该次的内迭代求解过程结束 只有在方程为线性的情况下，迭代收敛才意味着时间演进了一步 2．常用的迭代求解方法 三类迭代方法：点迭代(显式迭代)、块迭代(隐式迭代)和交替方向线迭代 三种实施方式：简单(Jacob)迭代、Gauss-Seidel迭代和逐次松弛迭代 以直角坐标下二维非稳态导热离散方程为例(全隐式) 特别注意 虽然差分离散格式方程为全隐式，但其迭代求解方法可以是显式迭代(点迭代)，隐式迭代(块迭代/线迭代)，或者交替方向隐式迭代(交替方向线迭代)。 差分离散方程为时间层演进，上标为n, n+1 迭代格式代表迭代层演进，上标(k),(k+1) 1) 点迭代法 (显式迭代) i 简单迭代：又称Jacobi迭代 优点：构造简单 缺点：收敛很慢 1) 点迭代法 (显式迭代) ii Gause-Seidel(G-S)迭代: 立即启用新值 收敛速度明显加快。收敛速度还与扫描方向有关。越是能把边界条件的影响尽快引入迭代的方向，越有利于加快收敛。 1) 点迭代法 (显式迭代) iii 逐次松弛迭代(SOR/SUR): 将简单迭代或者G-S迭代之值，与上一轮迭代值加权平均 基于简单迭代： 或基于G-S：(从左往右，从下往上) 松弛因子 逐次超松弛(SOR) 逐次欠松弛(SUR) 一般形式 相邻两轮的迭代值之差恒为正或负时，采用超松弛能加速收敛。 当相邻两轮的迭代值之差的符号无规变化时，采用亚松弛，可以避免迭代发散 GS或简单迭代结果 2) 块迭代法(隐式迭代) 将解域分成为由一条网格线或数条网格线组成的若干个块，每个块内节点值以隐式方法相互关联，用 TDMA 得到其解，格块之间则按迭代方式推进 按列扫描 按行扫描 特别注意 虽然差分离散格式方程为全隐式，但其迭代求解方法可以是显式迭代，隐式迭代，或者交替方向隐式迭代。 差分离散方程为时间层演进，上标为n, n+1 迭代格式代表迭代层演进，上标(n),(n+1) 2) 块迭代法(隐式迭代) i 简单线迭代 逐列扫描： 2) 块迭代法(隐式迭代) i 简单线迭代 逐行扫描： 实施 引入边界条件后，均可用TDMA直接求解。整个解域逐线扫描一遍后，完成一轮迭代 2) 块迭代法(隐式迭代) ii Gauss-Seidel线迭代:立即启用新值 从左往右逐列扫