计算方法3线方程组迭代解法.ppt

第3章 线性方程组迭代解法 Iterative11 Techniques for Solving Linear Systems ;(2.1);线性方程组的迭代法主要有Jocobi迭代法、 Gauss Seidel迭代法和超松弛(SOR)迭代法 Jacobi迭代和Seidel迭代由于收敛速度较慢，已经越来越不适应当前信息时代人们对计算速度和精度的要求，所以在实际应用中使用的并不多。但是，他们体现了迭代法的最基本的思想，是学习其它迭代法的基础;若在求解过程中 X(k) ?X*(k??)，由 X(k+1)=?(X(k))产生的迭代X(k)向X*的逼近 ，在数次迭代求解之后，由于机器跳动产生的X(k)值误差或是有效数字产生的舍入误差，都会在第k+1次迭代计算中自动弥补过来或逐步纠正过来。因此，在迭代求解过程中产生的各种误差是可以忽略的，即迭代求解无累积误差，实际上，X(k)只是解的一个近似，机器的舍入误差并不改变它的性质。;3.1 向量和矩阵的范数 Norms of Vectors and Matrices;Def3.1 在实n维线性空间Rn中定义一个映射,它使任意X∈ Rn 有一个非负实数与之对应,记为||X||,且该映射满足: 正定性 任意X∈Rn,||X||≥0,if and only if X=0时, ||X|| =0 齐次性 任意X∈Rn, λ∈R,有 ||λX||=|λ|·||X|| 三角不等式 任意X,Y∈ Rn,有 ||X+Y||≤||X|| + ||Y|| 则称该映射在Rn中定义了一个向量范数. ; 常用的向量范数有三种: 设X=(x1, x2,…, xn)T∈Rn.则 ;注: (1) 用范数的定义可验证上述皆为向量范数 (2) p=1,2, ||X||p 即为 ||X||1 ,||X||2. (3) 任意x∈Rn: ;定理3.2 设||?||α和||?||β是Rn上任意两种范数，则存在正常数C1和C2，使得对一切X∈ Rn 有 C1||X||α?||X||β ? C2||X||α;Def3.3 Rn中X＝(x1, x2,…, xn)T和Y＝(y1, y2,…, yn)T则有;Def3.4 Rn中的向量序列{X(k)}, 即X0, X1,… XK,…其中XK＝(x1(k), x2(k),…, xn(k))T.若对任意i（i=1,2,…,n）都有; 类似于向量范数，给出矩阵范数的定义。 ; 在Rn×n中可定义多种范数。;3.2 Jacobi迭代法;(3.2); 若令;方程(3.3)可记为 X=BX+G 选取初始向量X0＝(x10, x20,…, xn0)T，代入方程(3.3)右端，可得到一个新向量，记为X1＝(x11, x21,…, xn1)T，一直进行下去，迭代格式 X(n+1)=BX (n) +G n=0,1,2,…;Jacobi 迭代公式;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;k;(3.5);迭代格式为; 若令;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;[例3.4] 用Seidel迭代法求解方程组;计算结果可列表如下 ;3.3 收敛性和误差估计; 设 n?n 阶矩阵A的特征值为? i(i=1,2,3……n),则称 ;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluatio