第2章线性方程组的解法.ppt

关于收敛性的概念 表上作业的“追赶法” 例4 利用追赶法求解以下方程组 解 §2.4 解线性方程组的迭代法 直接法: 经过有限次运算后可求得方程组精确解的方法(不计舍入误差!)如前面我们介绍过的Gauss消去法和直接三角分解方法。 迭代法：从解的某个近似值出发，通过构造一个无穷序列去逼近精确解的方法。（一般有限步内得不到精确解） 直接法比较适用于中小型方程组。对高阶方程组，既使系数矩阵是稀疏的，但在运算中很难保持稀疏性，因而有存储量大，程序复杂等不足。 迭代法则能保持矩阵的稀疏性，具有计算简单，编制程序容易的优点，并在许多情况下收敛较快。故能有效地解一些高阶方程组。 §2.4.1 迭代法概述 迭代法的一般形式 设 n 元线性方程组 (1) 的系数矩阵 为 n 阶可逆方阵， 从而此方程组有唯一的非零解向量。构造形如 (2) 的方程组， 其中 G 为 n 阶可逆方阵， 任取 作为(1)的初始近似解， 按递推公式 (3) 产生向量序列 当 k 充分大时， 以 作为方程组 的近似解， 这种求解线 性方程组的方法称为迭代法。 递推公式(3)称为 迭代公式，其中 G 称为迭代矩阵。 迭代矩阵的产生方法 把系数矩阵 A 分解成两个矩阵 N 和 P 的差 其中N是 n 阶可逆方阵， 代入(1)式得 即可取 定义 设 为 中的向量序列， 如果 其中 为某种向量范数， 则称序列 收敛于x, 记为 如果对任意的初始向量 迭代公式 所产生的向量序列 都收敛于同一向量 则称该迭代法是收敛的。 此时， 是方程组(2) 解向量， 即有 成立。 收敛定理1 中的向量序列 收敛于 中的 向量x的充分必要条件是 其中 证明： 由收敛性的定义及范数等价性定理有， 收敛于 x , 对任意的 有 收敛定理2 定义2 若 n 阶方阵 G 的特征值为 则 称 为方阵 G 的谱半径。 对任意的向量 d , 迭代公式(3)收敛 的充分必要条件是 收敛定理3 若方阵 G 的某种范数 则 方程组 存在唯一的解向量 对于迭代公式(3)产生的序列 有 并且 (4) (5) 对收敛定理3的几点说明 由(4)式知， 越小， 收敛的越快； 由(5)式知， 不是很接近于1时， 当 只要 很小， 就会充分接近于 方程组的解 所以在实际计算中可用 作为迭代的终止条件。 接近于1时， 当 即使 很小， 也不能断言 接近于方程组的解 此时，应构造其它的迭代方法求解。 设线性方程组 的系数矩阵满足 称迭代公式 所表示的迭代法为Jacobi迭代法(或简单迭代法)。 §2.4.2 Jacobi迭代法 记 其中 则Jacobi迭代法可表示为 (7) 若取 则公式(7)中的 的和 d 又可表示为 (8) 收敛条件 Jacobi迭代法收敛的充分必要条件 若 则Jacobi迭代收敛。 若n 阶方阵 A是主对角线按行(或按列)严格 占优阵， 则用Jacobi迭代法求解线性方程组 Ax = b 必收敛。 说明 当n阶方阵A为主对角线按行严格占优阵， 即 满足条件 此时有 由收敛定理3知线性方程 组Ax = b有唯一解， 并且Jacobi迭代法收敛。 当n阶方阵A为主对角线按列严格占优阵， 即 满足条件 可用反证法 得到 从而说明Jacobi法收敛。 例1 用Jacobi迭代法求解 解： 此方程组的系数矩阵是主对角线按行严格占 优阵， 常数项 迭代矩阵 Jacobi迭代公式为 所以用Jacobi迭代法求解必收敛。 可任取。 初始值 计算结果 由于 所以用 作为原方程组的近似解， 绝对误 差限为 Jacobi迭代法的计算过程： 1. 输入 维数 n , 误差 初 始值 最大迭代次数 N ； 2. 置 k =1； 3. 对 4. 若 输出 x ，停机；否则转5。 5. 若 置 转3； 否则，输出失败信息，停机。 §2.4.3 Gauss-Seidel迭代法代法 在Jacobi迭代公式 需同时保留两个近似解向量 和 若把迭代公式改写成 (9) 便得到所谓的Gauss-Seidel迭代公式。 它只需用 n 个单元储存近似解分量。 而且通常情况下， 得到的近似解可能比老近似解更接近精确解， 新 因此，可望这种迭代会更有效。 矩阵表示 记 其中 则Gauss-Seidel迭代法可表示为 其中， 为Gauss-Seidel迭代法的 迭代矩阵， 是其右端常数项。 收敛条件 Gauss-Seidel迭代法收敛的充分必要条件 若 则Gauss-Seidel迭代收敛。 若n 阶方阵 A是主对角线按行(或按列)严格 占优阵， 则用Gauss-Seidel迭代法求解线性方 程组 Ax = b 必收敛。 例2 用Gauss-Seidel迭代法求解 解： 此方程组的系数矩阵是主对角线按行严格占 优阵， 所以用Gauss-