线性方程组迭代法.pptVIP

Ch4 解线性方程组的迭代法 4 迭代法的收敛性 定义 设有矩阵序列 及 ，如果 则称 收敛于 ，记为 一些关于收敛的定义及定理 定理 定理 设 ，则 其中 为 的谱半径。 定理(迭代法基本定理）设有方程组 对于任意初始向量 及任意 ，解此方程组的迭 代法 收敛的充要条件是 定义 称 为迭代法的收敛速度. 定理(迭代法收敛的充分条件) 如果方程组 的迭代公式为 ，且迭代矩阵的某一种范数 ，则 1）迭代法收敛，即对任取 ，有 2） 3） 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： 用Jacobi迭代法求解不收敛，但用 G-S法收敛。 系数矩阵A是正定矩阵，因此用 Gauss-Seidel法收敛 * 石家庄铁道学院 数理系 直接法得到的解是理论上准确的，但是我们可以看得出，它们的计算量都是n3数量级，存储量为n2量级，这在n比较小的时候还比较合适，但是对很多实际问题，往往要我们求解很大型的矩阵，而且这些矩阵含有大量的0元素。对于这类矩阵，在用直接法时就会耗费大量的时间和存储单元。因此我们有必要引入一类新的方法：迭代法。 对方程组 做等价变换 如：令 ，则 则，我们可以构造序列 若 同时： 所以，序列收敛 与初值的选取无关 定义：（收敛矩阵） 定理： 即：矩阵B为收敛矩阵当且仅当B的谱半径1 由 知，若有某种范数 则迭代收敛. 1. Jacobi迭代法 格式很简单： 2. Gauss－Seidel迭代法 在Jacobi迭代中，使用最新计算出的分量值 迭代矩阵 记 A = -L -U D 易知，Jacobi迭代有 迭代矩阵 计算xi(k+1)时只需要x(k)的i+1~n个分量，因此x(k+1)的前i个分量可存贮在x(k)的前i个分量所占的存储单元，无需开两组存储单元. 计算x(k+1)时需要x(k)的所有分量，因此需开两组存储单元分别存放x(k)和x(k+1) Gauss-Seidel iteration Jacobi iteration 迭代公式: 例 用Gauss-seidel 迭代法解方程组 Ax=b 计算结果: 3 逐次超松弛迭代法(SOR) 记 则 可以看作在前一步上加一个修正量。若在修正量前乘以一个因子 ，有 对Gauss－Seidel迭代格式 整理得 引入松弛因子 写成分量形式，有 迭代矩阵 SOR方法收敛的快慢与松弛因子?的选择有密切关系. 但是如何选取最佳松弛因子,即选取?=?*,使?(B?)达到最小,是一个尚未很好解决的问题.实际上可采用试算的方法来确定较好的松弛因子.经验上可取1.4?1.6. 实际计算中,通常利用 作为控制迭代的终止条件.不过要注意, 当 时, 较大,尽管 已非常小,但误差向量的模 可能很大,迭代法收敛将是缓慢的. 特别的,Jacobi 迭代法收敛 G-S迭代法收敛 SOR迭代法收敛 定理 若SOR方法收敛, 则0?2. 证 设SOR方法收敛, 则?(B?)1,所以 |det(B?)| =|?1?2… ?n|1 而 det(B?) =det[(D-?L)-1 ((1-?)D+?U)] =det[(E-?D-1L)-1 ]det[(1-?)E+?D-1U)] =(1-?)n 于是 |1-?|1, 或 0?2 定理 设A是对称正定矩阵, 0?2时,则解方程组 Ax=b的SOR方法收敛. 即当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。 （1）Jacobi迭代法和Gauss-Seidel迭代法的 迭代矩阵不同： BJ =D-1(L+U), B G-S = (D-L) -1U 用Jacobi迭代法求解收敛， 但用 G-S法不收敛。 BJ的特征值为0，0，0， 而BG－S的特征值为 0，2，2