太理水利工程计算及设计第二章-线性代数方程组.ppt

超松弛因子通常在1.4到1.9 之间。松驰因子的选取对迭代格式的收敛速度影响极大。实际计算时，可以根据系数矩阵的性质，结合经验通过反复计算来确定松驰因子。 使收敛最快的松弛因子称为最佳松弛因子（ ）。 逐次超松弛法 * * 六、三对角阵的三角分解——追赶法 追赶法是适用于三对角线方程组的有效解法。 三对角方程组形式： AX=D 三对角阵的三角分解 其系数阵是三对角阵 将A阵分解为L阵和U阵 三对角阵的三角分解 三对角阵的三角分解算式为 解三对角线方程组的追赶法的步骤 （1）将A阵按式（2-89）分解，得到L、U阵。 （2）向前回代求解LY=D，得 （3）向后回代求解UX=Y，得到 （2-89） 追 赶 题7 用追赶法解三对角方程组 解 由LY=D，得 由UX=Y，得 七、方程组的逆矩阵解法与矩阵求逆 （一）方程组的逆矩阵解法 对方程 的两端左乘以逆矩阵A-1得 解为 方程组的逆矩阵解法 方程组的逆矩阵解法 （二）矩阵求逆 用计算机求n×n阶非奇异方阵A的逆矩阵A-1。 式中，B1，B2，…，Bn分别为 求n×n阶非奇异方阵A的逆矩阵A-1，等价于求解具有相同系数阵（被求逆的矩阵）且右端项分别为 的n个方程组，即求解下述方程组 最后求得的A-1为 （2-94） 方程组的逆矩阵解法 第二节 线性代数方程组的 迭代解法 迭代法就是用某种极限过程去逐步逼近线性方程组精确解的方法。迭代法具有需要计算机的存储单元较小，程序设计简单，原始系数矩阵在计算过程中始终不变等优点，但存在收敛性和收敛速度问题。迭代法在解决问题（特别是大型稀疏系数阵问题）时，是一种有效的方法。 雅可比迭代法 高斯——赛德尔迭代法 逐次超松弛法 迭代解法 一、雅可比迭代法 （一）迭代算法 设有n阶方程组 可改写为 即AX=B 雅可比迭代法 任一方程可写为 进而写成如下的迭代格式 （2-97） 式（2-97）就是雅可比迭代算法。 雅可比迭代法 雅可比迭代法 式（2-97）展开为 （二）迭代的矩阵形式 方程组AX = B中的系数矩阵可表示为三个矩阵的代数和矩阵，即 A = D –L-U 其中 雅可比迭代法 故式（2-97）即为 （2-99） 式（2-99）就是雅可比迭代的矩阵形式。 其中 雅可比迭代法 题8 用雅可比迭代法求解下列方程组 解 按式（2-97）形式的雅可比算法，有 计算结果见下表： … 1.2980 1.2941 1.2828 1.2482 1.150 0.84 0 X3 … 1.1983 1.1951 1.1853 1.1571 1.070 0.83 0 X2 … 1.0983 1.0951 1.0853 1.057 0.971 0.72 0 X1 7 6 5 4 3 2 1 0 k 原线性代数方程组的精确解为 二、高斯—赛德尔迭代法 高斯—赛德尔迭代是对雅可比迭代的一个简单改进，从而提高了迭代收敛的速度 （一）迭代算法 N阶方程组可改写为如下形式 高斯—赛德尔迭代法 （2-100） 可写成如下的迭代形式 可简写成 式（2-100）就是高斯—赛德尔迭代算法 高斯—赛德尔迭代法 ， （二）迭代的矩阵形式 其中 式（2-101）是高斯—赛德尔迭代的矩阵形式。 （2-101） 高斯—赛德尔迭代法 ， （二）迭代的矩阵形式（书上） 式（2-100）可写成 亦即 故 其中 （2-101） 式（2-101）是高斯—赛德尔迭代的矩阵形式。 高斯—赛德尔迭代法 题9 用高斯-赛德尔迭代法求解下列方程组 解 按式（2-100）得到的高斯—赛德尔迭代算法，有 计算结果见下表： 1.3 1.3 1.29996 1.29972 1.29777 1.28205 0.1644 0 X3 1.2 1.19999 1.19993 1.19947 1.19572 1.16719 0.902 0 X2 1.1 1.09999 1.09989 1.09913 1.09313 1.04308 0.72 0 X1 7 6 5 4 3 2 1 0 k （一）迭代算法 三、逐次超松弛法（或SOR法） 逐次超松弛法又是对高斯—赛德尔法的一个改进。 高斯—赛德尔迭代算法 逐次超松弛法 这里r是用来加速收敛的权因子，称为松弛因子，r=1时，即为赛德尔迭代公式。式（2-102）在r＞1时为超松弛迭代（简称SOR），在r＜1时为松弛迭代。通常取1＜r＜2。 修改为 （2-102