数值分析(研究生)线性方程组的迭代解法.pptVIP

点迭代法 分块迭代法 * 上页 下页 返回 第五章 线性方程组的迭代解法 第二节 基本迭代方法 第三节 迭代法的收敛性 第四节 超松弛迭代法 第一节 实际问题的导入 第五节 分块迭代法 求解 思路 计算精度可控，特别适用于求解系数为大型稀疏矩阵 的方程组. §1 实际问题的导入 定义1 （1）对给定的方程组 研究 内容： ? 如何建立迭代格式？　 ? 收敛速度？ ? 向量序列的收敛条件？ ? 误差估计？ §2 基本迭代方法 一、雅可比迭代法 写成矩阵形式： A = L U D B 雅可比迭代阵 二、高斯- 塞德尔迭代法 … … … … 只存一组向量即可. 写成矩阵形式： B 高斯- 塞德尔 迭代阵 注：二种方法都存在收敛性问题. 有例子表明：高斯- 塞德尔迭代法收敛时，雅可比迭代法可能不收敛；而雅可比迭代法收敛时，高斯- 塞德尔迭代法也可能不收敛. §3 迭代法的收敛性 的收敛条件 充分条件: ||B|| 1 必要条件: ？ 定义 设： A A k k =  ? ? lim 是指 ij k ij k a a =  ? ? ) ( lim 对所有 1? i, j ? n 成立. 等价于对 任何算子范数有 对任意非零向量 成立 定理 设 存在唯一解，则从任意 出发， 迭代 收敛 ? 0. ? k B 证明： Bk ? 0 || Bk || ? 0 “?”：对任意非零向量 有 “?”：取 则 第 i 位 对任意非零向量 成立 从任意 出发， 记 ，则 as k ? ? 收敛. 定理 Bk ? 0 ? ? ( B ) 1 证明： “?” 若 ? 是 B 的特征值, 则?k 是 Bk 的特征值。 则 [? (B)]k = [ max | ? | ]k = | ?mk | ? ? ( Bk ) ? || Bk || ? 0 ? ? (B) 1 ? “?” 首先需要一个引理 对任意 ? 0, 存在算子范数 || · || 使得 || A || ? ? (A) + ? 。 由 ? (B) 1 可知存在算子范数|| · || 使得 || B || 1。 || Bk || ? || B ||k ? 0 as k ? ? Bk ? 0 迭代从任意向量出发收敛 Bk ? 0 ? ( B ) 1 证明：对 A 做 Jordan 分解，有 ，其中 ， ， ?i 为 A 的 特征值. 令 ，则有 易证： 是由 导出的算子范数. 所以只要取 ? ? ，就有|| A ||? ? (A) + ? . 定理 （充分条件）若存在一个矩阵范数使得 || B || = q 1, 则迭代收敛，且有下列误差估计： ① ② 证明： ① ? ② 定理 （充分条件）若A 为严格对角占优阵 则解 的雅可比迭代和高斯- 塞德尔迭代均收敛. 证明：首先需要一个引理 若A 为严格对角占优阵，则det(A) ? 0，且所有的 aii ? 0. 证明：若不然，即det(A) = 0，则 A 是奇异阵。 存在非零向量 使得 记 显然 我们需要对雅可比迭代和高斯- 塞德尔迭代分别证明：任何一个| ? | ? 1 都不可能是对应迭代阵的特征根，即 | ?I ? B | ? 0 . 雅可比: BJ = ?D?1( L + U ) aii ? 0 如果 | ? | ? 1 则 是严格对角占优阵 | ?I ? B | ? 0 ? 关于高斯- 塞德尔迭代的证明 与此类似. 另一种证明引理的方法利用 Ger?gorin Disc Theorem . §4 超松弛迭代法 换个角度看高斯- 塞德尔方法： 其中ri(k+1) = 相当于在 的基础上加个余项生成 . 下面令