Jacobi 迭代法与Gauss-Seidel迭代法算法比较.docVIP

Jacobi 迭代法与Gauss-Seidel迭代法算法比较  目录 1 引言 1 1.1 Jacobi迭代法 2 1.2 Gauss-Seidel迭代法 2 1.3 逐次超松弛（SOR）迭代法 3 2算法分析 3 3 结论 5 4 附录程序 5 参考文献 8 Jacobi 迭代法与Gauss-Seidel迭代法比较 1 引言 解线性方程组的方法分为直接法和迭代法，直接法是在没有舍入误差的假设下，能在预定的运算次数内求得精确解，而迭代法是构造一定的递推格式，产生逼近精确值的序列。这两种方法各有优缺点，直接法普遍适用，但要求计算机有较大的存储量，迭代法要求的存储量较小，但必须在收敛性得以保证的情况下才能使用。对于高阶方程组，如一些偏微分方程数值求解中出现的方程组，采用直接法计算代价比较高，迭代法则简单又实用，所以比较受工程人员青睐。 迭代法求解方程组就是构造一个无限的向量序列，使它的极限是方程组的解向量。即使计算机过程是精确的，迭代法也不能通过有限次算术运算求得方程组的精确解，而只能逐步逼近它。因此迭代法存在收敛性与精度控制的问题。 迭代法是常用于求解大型稀疏线性方程组（系数矩阵阶数较高且0元素较多），特别是某些偏微分方程离散化后得到的大型稀疏方程组的重要方法。设n元线性微分方程组 (1) 的系数矩阵A非奇异，右端向量,因而方程组有唯一的非零解向量。而对于这种线性方程组的近似解，前辈们发展研究了许多种有效的方法，有Jacobi迭代法、Gauss—Seidel迭代法，逐次超松弛迭代法（SOR法），这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A分解成两个矩阵N和P的差，即；其中N为可逆矩阵，线性方程组(1)化为： 可得到迭代方法的一般公式： （2） 其中：，，对任取一向量作为方程组的初始近似解，按递推公式产生一个向量序列，，...，，...，当足够大时，此序列就可以作为线性方程组的近似解。 一阶定常迭代法收敛的充分必要条件是: 迭代矩阵G的谱半径小于1，即；又因为对于任何矩阵范数恒有‖G‖，故又可得到收敛的一个充分条件为：‖G‖ 1。 1.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。可以将系数矩阵A分解为： 其中，D为系数矩阵A的对角元素构成的对角阵，L为严格下三角阵，U为严格上三角阵。在迭代法一般形式中，取，，形成新的迭代公式 ， 其中任取，则Jacobi迭代的迭代公式为： (3) 式中: ; , 称为Jacobi迭代矩阵. 其计算公式为: ， （4） .2 Gauss-Seidel迭代法 从Jacobi迭代可以看出，用计算时，需要同时保留这两个向量。事实上如果每次获得的分量能够在计算下一个分量时及时更新的话，既节省了存储单元，又能使迭代加速，这就是Gauss-Seidel方法。对于非奇异方程组，若D为A的对角素构成的对角矩阵，且对角线元素全不为零；系数矩阵A的一个分解： (5) 在迭代法一般形式中，取，，形成新的迭代公式 ， 其中任取，则Gauss-Seidel迭代法的迭代公式为: （6） 上式中: 是其右端常数项；为Gauss-Seidel迭代法的迭代矩阵，其计算公式为： ， （7） 若GS法收敛的充分必要条件是；如果‖GG‖1,则GS法收敛；如果线性方程组的系数矩阵A为主对角线按行或按列严格占优阵，或者为正定矩阵，则对于任意初值用GS法求解必收敛。 1.3 逐次超松弛（SOR）迭代法 一般而言，因Jacobi迭代收敛速度不够快，所以在工程中用的并不是太多。并且在Jacobi迭代收敛速度很慢的情况下，通常Gauss-Seidel迭代法也不会太快。可以对Gauss-Seidel迭代公式做适度修改，提高收敛速度，这就是逐次超松弛迭代法。 设线性方程组的系数矩阵A满足，。可将系数矩阵A分解为 (8) 其中实常数0称为松弛因子。在迭代法一般形式中，取 , 得到迭代公式 ， （9） 其中任取。这就是逐次超松弛迭代法，当=1时该式就是高斯法。SOR法迭代矩阵是 整理后得到SOR迭代法的实际计算公式为： ； 解 将方程组按雅可比方法写成