6.3迭代法的收敛定理讲解.pptVIP

第六章 线性方程组迭代解法 §6.3 迭代法的收敛性 基本数学问题描述 一、基本收敛定理 定理3.2的证明 实例求解 二、Jacobi 迭代法和Gauss-Seidel迭代法的收敛速度 基本数学问题描述 谱半径的相关定理 (谱半径有界) 设 ,则对任一种算子范数 , 均有 一、基本收敛定理 1. 定理6.1为判断迭代法的收敛性提供 了强有力的手段： 注意是充分必要条件！ 收敛速度的概念 定理6.2的证明 二、Jacobi 迭代法和Gauss-Seidel迭代法的收敛速度 引子 对角占优矩阵 实例 相关定理 定理3.3的证明 引子 对角占优矩阵 实例 相关定理 定理6.3的证明 注意的问题 （2）Jacobi迭代法和Gauss-Seidel迭代法的收敛性没有必然的联系： 举例 用Jacobi迭代法求解不收敛，但用 Gauss-Seidel法收敛。 迭代法程序简单，对于许多问题，收敛较快。因而，有时能够解决一些高阶问题。 但应注意，对于某些问题，迭代法可能发散或收敛很慢，以致失去使用价值。这种情况下，仍以采用直接法为宜。 只要断定系数矩阵满足收敛条件，尽管多次迭代计算工作量大一些，却能达到预定精度。 ([保障措施] 高速计算机能胜任那些程序简单、重复量大的迭代计算，况且还有许多加速收敛的办法做保障。) OK! Let’s have a break! * * § 6.3 迭代法的收敛定理 迭代法的收敛性，是指方程组 从任意初始向量X(0)出发，由迭代算法 算出向量序列 随着k的增加而趋向于解向量X *。 记各次误差向量 显然，迭代法的收敛性与误差向量序列 随着k的增加而趋向于零向量是等价的。 由于精确解X *自然满足 因此有 或 再递推出 所以，迭代法收敛性与迭代矩阵的幂B k，随着k的增加而趋向于零矩阵是等价的。 返回节 定理1 设 , 则 的充分条件是B的 谱半径 定理2 前一章的内容： 由 X(k+1)=BX(k)+f 及 X *=B X *+f 可见 X(k) ? X* ? B k? 0 (k?∞ ) εk+1 = X (k+1) - X *= B（X (k) - X *） = · · · · · · · · · · · · · = B k+1（X(0) -X *） = B k+1 ε0 可推知 ?(B) 2. 定理6.1的条件往往不易验证： 矩阵的谱半径不易求出！ 注： 利用谱半径的有界性可以给出另外一 个条件较弱的结果： 即定理6.2 (1) 进一步，我们可以推知： 式(1)说明，当||B||1 且不接近1并且相邻两次迭代向量X(k+1) 与 X (k)很接近时，则X(k)与精确解X *很接近。因此，在实际计算中，用|| X (k+1) - X (k) ||≤ε作为迭代终止条件是合理的。 反复利用 || X (k+1) - X*||=||BX (k)- BX*||=||B(X (k)- X*)|| ≤‖B‖.‖X (k)- X*‖, 可以得到 ||X (k)- X*||≤‖B‖k ·‖X(0)- X*‖， 可见X (0)越接近X*，序列{ X (k)}收敛越快，收敛速度 与初值X (0)的选取有关。 另一方面，由于ρ(B) ≤‖B‖1，‖B‖越小，说明ρ(B) 越小，序列{ X (k)}收敛越快。 下面我们给出收敛速度的概念： 定义6.1 R(B)= -lnρ(B)，称为迭代法的渐进收敛速度。 证明: 显然 根据范数性质(3)(三角不等式) 可知 成立，也即 因此 显然 根据范数性质(4)(乘积不等式) 可知 也即 再将上两式联立，可以得出以下结果 再将此不等式两端同时减去 可得 由第2式可知 证明完毕。 将定理6.1和6.2用于Jacobi迭代法及Seidel迭代法，则有 在