- 1、本文档共54页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
§1 引言 因为 ,故 ,由 两边取对数得 即 它表明迭代次数k与 成反比。 例如在例1中迭代矩阵B的谱半 。 若要求 ,则由(1.13)式知 于是有 即k=12即 可达到要求。 §2 基本迭代法 例 用雅可比迭代法解下列方程组 取初始值x(0)= 0,按迭代公式 例 证明:只要证 时A正定,由A的顺序主子 式 得 ,而 得 ,于是得到 时 ,故A正定,故高斯-塞德尔 迭代法收敛。 对雅可比迭代矩阵 有 当 即 时雅可比 迭代矩阵收敛。 例如当 高斯-塞德尔法收敛,而 雅可比法不收敛,此时2D-A不 是正定的。 高斯—塞德尔迭代法又等价于:对k=0,1,…, SOR迭代法的计算公式:对k=0,1,…, 三、逐次超松驰(SOR)迭代法 说明:1)ω=1,GS; 2)运算量主要是计算一次矩阵与向量的乘法; 3)ω1超松驰,ω1低松驰; 4)控制迭代终止的条件: 例3 用上述迭代法解线性代数方程组 解 取x(0)=0,迭代公式为 109 1.9 53 1.8 33 1.7 23 1.6 17 1.5 14 1.4 11(最少迭代次数) 1.3 12 1.2 17 1.1 22 1.0 表6-1 计算数据 1) Jacobi: BJ=D-1(L+U),fJ=D-1b; 2) Gauss-Seidel: BG=(D-L)-1U,fG= =(D-L)-1b; 3) SOR: BSOR=(D-wL)-1{(1-w)D+wU},fSOR= w(D-wL)-1b. 迭代的统一格式:x(k+1)=Bx(k)+f 例5 考察用雅可比迭代法和高斯-塞德尔迭代法求解下列线性方程组的敛散性? 定义3 (1)按行严格对角占优: (2)按行弱对角占优: 上式至少有一个不等号严格成立。 二、某些特殊方程组的迭代收敛性 定理6(对角占优定理)若矩阵A按行(或列)严格对角占优,或按行(或列)弱对角占优且不可约;则矩阵A非奇异。 定理7 若矩阵A按行(或列)严格对角占优,或按行(或列)弱对角占优不可约;则Jacobi迭代、Gauss-Seidel迭代都收敛。 证明 若矩阵A按行严格对角占优,或按行(或列)弱对角占优不可约,则GS迭代收敛。假若不然,ρ(BG)≥1,即迭代矩阵BG的某一特征值λ使得|λ|≥1,并且 类似地,若矩阵A按行严格对角占优,或按行(或列)弱对角占优不可约,则Jacobi迭代收敛。假若不然,ρ(BJ)≥1,即迭代矩阵BJ的某一特征值λ使得|λ|≥1,并且 定理10 对于线性方程组Ax=b,若A为对称正定矩阵,则当0ω2时,SOR迭代收敛. 证明 只需证明λ1(其中λ为Lω的任一特征值). 定理11 对于线性代数方程组Ax=b, 若A按行(或列)严格对角占优,或按行(或列)弱对角占优不可约;则当0w≤1时,SOR迭代收敛。 * 第6章 解线性代数方程组的迭代法 考虑线性方程组 也就是 AX=b. (1.1) 低阶稠密的线性方程组用直接法(如高斯消去法和三角分解法)。 大型稀疏非带状的线性方程组(n很大,且零元素很多.如偏微方程数值解产生的线性方程组,n≥104)的求解问题? 零元素多,适合用迭代法。 我们将介绍迭代法的一般理论及雅可比迭代法、高斯—塞德尔迭代法、超松弛迭代法,研究它们的收敛性。 例1 求解线性方程组 记为Ax=b,即 精确解x*=(3,2,1)T. 改写(1.2)为 或写为x=B0x+f,即 任取初值,如x(0)=(0,0,0)T,代入(1.3)得到x(1)= (2.5,3,3)T. 反复迭代 即 x(k+1)=B0x(k)+f, (k=0,1,2,…) 证明 由第5章定理18,对一切k
文档评论(0)