数值代数第四章第二节课件.pptVIP

§4.2 迭代法的收敛性 /* Convergence of Iterative methods */ A对称正定矩阵 定理4.2.7 若系数矩阵A正定，则G-S迭代收敛。 弱严格对角占优矩阵 严格对角占优矩阵 可约和不可约矩阵 如何判断一个矩阵为可约或不可约 如何判断一个矩阵为可约或不可约 如何判断一个矩阵为可约或不可约 不可约对角占优矩阵= 不可约+弱严格对角占优 对角占优矩阵性质 定理4.2.8 若矩阵A是严格对角占的或不可约对角占优的，则A非奇异。 对角占优矩阵性质（续） 推论4.2.1 若矩阵A是严格对角占的或不可约对称矩阵，且对角线元素为正，则A正定。 Jacobi迭代 ------单步线性定常迭代 G-S迭代 何谓迭代是收敛的？ x0-迭代矩阵 M-迭代矩阵 迭代收敛与否主要取决于…… 何谓发散的？ 如果迭代收敛： 问题 是原方程组Ax=b的解吗？ 与Ax=b的同解吗？ 方程组 如果同解意味着，存在可逆矩阵G,使得 A=G(I-M), b=Gg. 此时称为迭代法与Ax=b是相容的 如果迭代法与Ax=b不相容意味什么？ 如果 称为误差向量 显然 从任意 出发， 记 ，则 对任意非零向量 成立 定理 设 存在唯一解，则迭代 收敛 ? 0 ? k M 证明： Mk ? 0 || Mk || ? 0 对任意非零向量 成立 as k ? ? 收敛 But hey, you don’t seriously expect me to compute Mk whenever I want to check the convergence, do you? 定理2.1.7(P50) Mk ? 0 ? ? ( M ) 1 迭代从任意向量出发收敛 Mk ? 0 ? ( M ) 1 定理 设 存在唯一解, 收敛 ? M k ? 0. 则迭代 有例子表明：Gauss-Seidel法收敛时，Jacobi法可能不收敛； 而Jacobi法收敛时， Gauss-Seidel法也可能不收敛。 定理4.2.2 （充分条件） 若存在一个矩阵范数使得 || M || = q 1,并假定范数满足 || I || = 1, 则迭代收敛，且有下列误差估计： 4.2.2 收敛的充分条件及误差分析 定理 若 || M || = q 1, 且|| I || = 1, 则迭代收敛，且有下列误差估计： （1）Jacobi迭代矩阵的特征值为实数 （2）Gauss-Seidel迭代矩阵的特征值可能是复数 证明 （1）D为可逆矩阵 我们需要对 Jacobi 迭代和 Gauss-Seidel迭代分别证明：任何一个| ? | ? 1 都不可能是对应迭代阵的特征根，即 | ?I ? B | ? 0 。 定理 （充分条件）若A 为严格对角占优阵 或不可约对角占优矩阵则解Ax=b 的Jacobi 和 Gauss - Seidel 迭代均收敛。 Jacobi: BJ = D?1( L + U ) | ?I ? B | ? 0 ?