4方程组迭代解法.ppt

第四章 线性方程组 迭代解法 第四章目录 第四章 方程组的迭代解法概述 迭代解法概述(续） §1 向量序列与矩阵序列的极限 向量序列与矩阵序列的极限（续） 矩阵序列的收敛概念及定理 §2 雅可比（Jacobi）迭代法 雅可比（Jacobi）迭代法（续） Jacobi迭代法定义 Jacobi迭代法定义（续） Jacobi迭代法举例 Jacobi迭代法举例 §3 高斯—塞德尔(Gauss-Seidel)迭代法 高斯—塞德尔(Gauss-Seidel)迭代法续1 Gauss-Seidel迭代法求解 求例2中的Gauss-Seidel法的迭代阵M的两种方法 求例2中的Gauss-Seidel法的迭代阵M的两种方法续1 求例2中的Gauss-Seidel法的迭代阵M的两种方法续2 §4 松驰法 松驰法（续） SOR法的迭代矩阵 用SOR法解线性方程组（例3） 例 3 （续1） 例 3 （续2） §5 迭代法的收敛条件及误差估计 矩阵的谱半径（续） 公式 的重要性说明 定理3（续） 5.2 迭代法的收敛条件 迭代法的收敛条件（续1） 迭代法的收敛条件（续2） 两种迭代法举例 例4（ Jacobi迭代法续） 例4（ G-S迭代法续） 两种迭代法说明 两种迭代法说明（续） 直接用矩阵A判定敛散性 直接用矩阵A判定敛散性（续） 三种迭代法判定敛散性举例 例 5 (续） 两点注释 两点注释（续） 5.3 误差估计 定理5（续） 迭代改善法 迭代改善法（续1） 迭代改善法（续2） 迭代改善法（续3） 迭代改善法（续4） 迭代改善法（续5） §6 非线性方程组的解法 非线性方程组的解法（续） 6.1 Newton法 Newton法的具体做法 两个方程情况下的Newton法 两个方程情况下的Newton法举例 6.2 最速下降法 最速下降法（续） 最速下降法的二维说明 最速下降法的二维说明（续） 最速下降法的二维说明续 推论2 定理4表明，迭代法收敛与否只决定于迭代矩阵的谱半径，与初始向量及方程组的右端项无关。 对同一方程组，由于不同的迭代法其迭代矩阵不同，因此可能出现有的方法收敛，有的方法发散的情形。 例4 讨论Jacobi迭代法与Gauss-Seidel迭代法的收敛性。 解：首先要求出迭代矩阵，然后利用推论1（（充分条件）及定理4（充分必要条件）进行讨论。 对Jacobi迭代法： 对G-S迭代法： 注1：对G-S法，为避免求逆阵可按下面两个方法： 注2：例4也说明0 ? 2确实只是松驰法的必要条件， 而非充分条件，因为G-S法即为? = 1的情形。 定理4虽然给出了判别迭代法收敛的充要条件，但实际 使用时很不方便，因为求逆矩阵和特征值的难度并不亚于 用直接法求解线性方程组。而推论1仅为充分条件。很多 情况下如例3，由推论1无法判别收敛性。下面对一些特殊 的方程组，从方程组本身出发给出几个常用的判别条件， 而不必求迭代阵的特征值或范数。 且至少有一个 i 值，使上式中不等号严格成立，则称A为弱对角占优阵。若对所有 i，上式中不等号均严格成立，则称A为严格对角占优阵。 定义4 为严格对角占优阵，Jacobi迭代法与G-S迭代法均收敛。 又如例3中，系数矩阵： 为非严格对角占优，但A为对称正定矩阵，且? = 1.4 ? 松驰法收敛。 如例1中，线性方程组的系数矩阵： 设有线性方程组Ax= b，下列结论成立： 1. 若A为严格对角占优阵，则Jacobi迭代法与G-S法均收敛； 2. 若A为严格对角占优阵，0 ? ≤ 1，则松驰法收敛； 3. 若A为对称正定矩阵， 0 ? 2，则松驰法收敛； 若A为对称正定阵，松驰法收敛? 0 ? 2。 解：可以总结，讨论迭代法的收敛性，应首先从A出发讨 论其是否具有主对角占优或对称正定性；其次对迭代法的 迭代阵讨论其是否有范数小于1；最后利用迭代阵的谱半径讨论（这是充分必要条件）。 例5 对Jacobi迭代法，其迭代阵容易由A直接得到： 注1：值得注意的是，改变方程组中方程的 次序，即将系数矩阵进行行交换， 会改变迭代法的收 敛性，例如，设有方程组Ax = b，其中： 两点注释 注2：在利用迭代阵的范数判定收敛时（推论1），只要 迭代阵的范数小于1，即可判 定其收敛性，但当|| ||≥1时 ，则无法判定，还需利用谱半径作最后判定，并且，由 于不同的范数其值不同，可能会出现某一种范数小于1 但很接近于1（收敛）， 这时另一种范数可能会大于1 （无法判定）的情况，如设Ax = b，其中（见下