计算方法电子教案第八章解线性方程组的迭代法.pptVIP

* * 第八章 解线性方程组的迭代法 迭代法的基本思想是构造一个向量序列 ,使其收敛至某个极限向量X*，而X*就是要求的方程组AX=b的准确解。 8.1 几种常见的迭代格式 一、简单迭代法（Jacobi迭代） 设方程组 用矩阵表示AX=b 其中A是系数矩阵，非奇异，b是右端项，x为解向量，为了迭代形式方便，将方程组改写一下： 假设， 令 方程组变为： 若令 容易看出 选取初始向量 代入方程右端 ，就可以得到一新向量，记为 再把x（1）代入方程右端，如此下去，迭代格式可以写成： 当 时，若 收敛到x*,x*就是方程组的解。X*则适合方程 x*=Bx*+g 根据B和g的定义有 （I－B）x*＝g=D-1b 即AX*＝b 以上计算的过程称为简单迭代法，矩阵B称为简单迭代法的迭代矩阵 （二）Seidel迭代法 从简单迭代法看到，用x(k)计算x(k+1)时，需要保留x(k)和x(k+1)两个分量，实际上，假若我们采用 代入第一个方程，计算出 ，然后用新计算出来的 取代 ，用 代入第二个方程，计算出新的 ，如此等等，直到全部分量都用 取代 为止，这种改变节省内存单元，又加速收敛速度，迭代过程为 令 , 矩阵表示 因 存在，上面的迭代格式可以改写成 三、松驰法 松驰法可以看成是seidel迭代法的加速，seidel迭代是松驰法的特例，seidel迭代格式为： 现在令 于是 当ω＞1时，称为超松驰法；当ω＜1时，称低松驰法； 当ω=1时，显然就是高斯一赛德尔方法 松驰法矩阵形式为 叫做松驰法的迭代矩阵。 8.2 迭代法的收敛性及误差估计 从任意选取的初始向量 出发，构选向量序列 向量序列是否收敛呢？ 例1 方程组 的准确解是： 取初始向量 ，采用简单迭代法，近似解向量收敛，并以准确解为极限。 例4 方程组 的准确解是 取初始向量 ，采用简单迭代法，向量序列发散，除了初始值取 定理8.1 对任何初始向量 ，和常数项f，由迭代格式 产生的向量序列 收敛的充要条件是 是矩阵M的谱半径。 证明 先证必要性，假设 收敛到 ，即 令 表示第k次迭代的近似值和准确值之差，则因 （7－19） 所以有 或者写成 （7－20） 对于任意初始向量 。要使用向量序列 收敛于零向量必须有 由定理8.3知 再证充分性，假设 ,则I-M非奇异，从而方程组(I－M)X＝f有唯一解，现记为x*，于是(7-19)成立，由(7－21)推出， ，定理证毕。 验证收敛的两个例子： 例1： 特征方程 计算得 也就是说 ，迭代收敛。 例4 特征方程 此特征方程，至少有一个根在7和8之间，即 ，故迭代不收敛。 定理8.2 若迭代矩阵M的范数 ，则迭代格式 的第k次迭代 对于准确解x*的误差有估计式 （7－22） 证明：由关系式(7-20)知 两端取范数，并利用矩阵范数的性质得 所以x*=(I-M)-1f，于是 也就是说 现在估计 ，因为 ，则 两端取范数，并利用矩阵范数的性质 当 ， ，于是 因此 定理证毕。 8.3 判别收敛的几个常用条件 不可约 如果矩阵A不能通过行的次序的调换和相应的列的次序的调换成为 其中A11,A22为方阵，则称A为不可约。 对角优势 若矩阵A＝(aij)nxn满足 且至少有一个i值，使上式中严格的不等号成立，则称矩阵A具有对角优势。 A不可约，且具有对角优势，则 （证明从略） 定理7.6 若系数矩阵A不可约且具有对角优势，则简单迭代法必定收敛。 证明：要证明简单迭代法收敛，根据定理7.4，只要证明 。B是简单迭代的迭代矩阵。 用反证法，设矩阵B某个特征值U，值得 ，因U是B的特征值，所以必定满足特征方程 。 定理7.7 若 ，则迭代序列 的第k次近似值 和准确解x*有估计式