cha线性方程组的迭代解法.pptVIP

第六章 线性方程组的迭代解法 迭代法 简例 Jacobi 迭代 Jacobi 迭代 GS 迭代 SOR 迭代 Jacobi、GS 和 SOR 算法 举例 举例（续） 举例（续） * * 第一节 基本迭代法 直接法的缺点： 迭代法：从一个初始向量出发，按照一定的迭代格式，构造出一个趋向于真解的无穷序列 运算量大，不适合大规模的线性方程组求解 无法保持系数矩阵的稀疏性 迭代解法是目前求解大规模线性方程组的主要方法。 只需存储系数矩阵中的非零元素 运算量不超过 O(kn2)，其中 k 为迭代步数 (1) 迭代格式的建立 (3) 误差估计和收敛速度 研究 内容： (2) 收敛性判断 定义 线性方程组 Ax=b 等价于 x=Bx+f ，x*为精确解 构造迭代公式 x(k+1)=Bx (k)+f (k=0,1,2…) x(0)任意的初始向量，逐步代入求解近似解的方法称为 迭代法。 若产生的迭代序列 {x(k)} 收敛到一个确定的向量 x*，则 x* 就是原方程组的解。 其中 B 称为迭代矩阵。 迭代格式的建立 Ax = b A = M - N Mx = Nx + b k = 0, 1, 2, … 则可得雅可比 (Jacobi) 迭代格式: 令 A = D - L- U， 其中 称为雅可比 (Jacobi) 迭代矩阵 在计算 时，如果用 代替 ，则可能会得到更好的收敛效果。此时的迭代公式为 Jacobi 迭代的分量形式： 写成矩阵形式: 称为 GS 迭代矩阵 此迭代格式称为高斯-塞德尔 (Gauss-Seidel) 迭代 k = 0, 1, 2, … 解得 称为 SOR 迭代矩阵 为了得到更好的收敛效果，可在修正项前乘以一个参数 w，于是就得到所谓的逐次超松弛迭代法，简称 SOR迭代，其中 w 称为松弛因子。此时 在 GS 迭代中 解得 Jacobi 算法 GS 算法 SOR 算法 解： 例：解线性方程组 取初始向量 x(0) = ( 0, 0, 0 )，迭代过程中小数点后保留4位。 Jacobi 迭代格式 令 则迭代得： x(1) = ( 0.5000, 2.6667, -2.5000 )T x(21) = ( 2.0000, 3.0000, -1.0000 )T GS 迭代格式 得 x(1) = ( 0.5000, 2.8333, -1.0833 )T x(9) = ( 2.0000, 3.0000, -1.0000 )T