第6章解线性方程组的迭代法.pptVIP

　　下面给出雅可比迭代法(2.2)的分量计算公式, 记 由雅可比迭代法(2.2)有 每一个分量写出来为 即当aii?0时，有 等 价 方 程 组 其中 aii?0 (i=1,2,?,n) 　　即由方程组Ax=b得到的 建立的雅可比迭代格式为 　　于是，解Ax=b的雅可比迭代法的计算公式为 由(2.3)式可知，雅可比迭代法计算公式简单，每迭代一次只需计算一次矩阵和向量的乘法且计算过程中原始矩阵A始终不变. 6.2.2 高斯-塞德尔迭代法 　　在 Jacobi 迭代中，计算 xi(k+1)(2? i ?n)时，使用xj(k+1)代替xj(k) (1? j ? i-1)，即有 建 立 迭 代 格 式 或缩写为 称为高斯-塞德尔(Gauss-Seidel)迭代法. 其Gauss-Seidel迭代矩阵为 G = (D-L)-1U 于是高斯-塞德尔迭代法可写为矩阵形式 这就是说，选取分裂矩阵M为A的下三角部分,　即选取M= D-L(下三角阵)，A=M-N，由(2.3)式得到解Ax=b的高斯-塞德尔(Gauss-Seidel)迭代法. 其中B=I-(D-L)-1A= (D-L)-1U≡G, f=(D-L)-1b. 称矩阵G=(D-L)-1U为解Ax=b的高斯-塞德尔迭代法的迭代矩阵. 由高斯-塞德尔迭代法(2.4)有 每一个分量写出来为 即当aii?0时，有(与前面一样的式子) 或 于是，解Ax=b的高斯-塞德尔迭代法的计算公式为 或 雅可比迭代法不使用变量的最新信息计算xi(k+1)，而由高斯-塞德尔迭代公式(2.6)可知，计算x(k+1)的第 i个分量xi(k+1)时，利用了已经计算出的最新分量xj(k+1) (j=1,2,?,i-1). 可看作雅可比迭代法的一种改进. 由(2.6)可知，高斯—塞德尔迭代公式每迭代一次只需计算一次矩阵与向量的乘法. 　　算法(高斯-塞德尔迭代法) 设Ax=b, 其中A∈Rn×n为非奇异矩阵，且aii? 0(i=1,2, …,n)，本算法用高斯-塞德尔迭代法解Ax=b，数组x(n)开始存放x(0)，后存放x(k)，N0为最大迭代次数. 迭代一次，这个算法需要运算次数至多与矩阵A的非零元素的个数一样多. 　　2. 对于k=1,2, …,N0， 　　 对于i=1,2, …,n 　　1. xi←0.0 (i=1,2, …,n) 例6 用高斯-塞德尔迭代法解线性方程组(1.2). 解 用高斯-塞德尔迭代公式：取x(0)=(0, 0, 0)T. 迭代到第7次有 由此例可知，用高斯-塞德尔迭代法，雅可比迭代法解线性方程组(1.2)(且取x(0)=0)均收敛，而高斯-塞德尔迭代法比雅可比迭代法收敛较快(即取相同的x(0)，达到同样精度所需迭代次数较少)，但这结论只当A满足一定条件时才是对的. 例1 用雅可比迭代法解方程组 解： Jacobi 迭代格式为 1.299997 1.199998 1.099998 12 1.299991 1.199993 1.099993 11 … … … … 1.15 1.07 0.971 2 0.84 0.83 0.72 1 x3(k) x2(k) x1(k) k 取 x(0)=(0,0,0)T 计算结果如下： 解：Gauss-Seidel 迭代格式为 例2 用Gauss-Seidel 迭代法解上题. 取 x(0)=(0,0,0)T 计算结果如下： 1.3 1.199999 1.099998 8 … … … … 1.1644 0.902 0.72 1 x3(k) x2(k) x1(k) k 6.2.3 雅可比迭代与高斯-塞德尔迭代收敛性 　　由定理5可立即得到以下结论. 定理7 设Ax=b，其中A=D-L-U为非奇异矩阵,且对角矩阵D也奇异，则 　　(1) 解线性方程组的雅可比迭代法收敛的充要条件是?(J)1，其中J=D-1(L+U). 　　(2) 解线性方程组的高斯-塞德尔迭代法收敛的充要条件是?(G)1，其中G=(D-L)-1U. 　由定理6还可得到雅可比迭代法收敛的充分条件是||J||1. 高斯-塞德尔迭代法收敛的充分条件是||G||1. 　　在科学及工程计算中，要求解线性方程组Ax=b,其矩阵A常常具有某些特性. 例如，A具有对角占优性质或A为不可约矩阵，或A是对称正定矩阵等，下面讨论解这些方程组的收敛性. 定义6(对角占优阵) 设A=(aij)n×n . (1) 如果A的元素满足 称A为严格(按