吴文刚论文11.docVIP

线性方程组迭代方法的总结及程序实现 作者：吴文刚 指导老师：盛敏 摘要 线性方程组在经济系统的平衡、电路网络、化学方程式的配平、平板热传导问题等方面都有着广泛的应用。因此总结并分析线性方程组迭代方法并进行程序实现就显得非常重要。 关键字 线性方程组；迭代矩阵法；外推法；切比雪夫加速； Matlab 1.引言 现有的迭代方法除了经典算法以外，还有很多前沿算法。它们各具优点，如：迭代矩阵法，外推法，切比雪夫加速这些迭代法储存空间小，程序简单等特点，是解大型稀疏线性方程组的有效方法。评判和比较各种迭代法的标准主要根据迭代法的收敛性，迭代法的收敛速度，每迭代一次所需的计算量，实际计算时需要的储存量。 正文 2 迭代矩阵法 (1) 将式(1)用矩阵表示为Ax=b,并记 , 于是A=D-E-F,按前面假定有det(D)≠0.这样, 公式可表示为 x(k+1)=D-1(E+F)x(k)+D-1b, (2) x(k+1)=(D-E)-1Fx(k)+(D-E)-1b, (3) x(k+1)=(D-ωE)-1[((1-ω)D+ωF)x(k)+ωb] (4) 显然,公式(2), (3), (4)具有统一的形式 x(k+1)=Bx(k)+f (5) 2.1 设x为方程(1)的解,即有x=Bx+f,将式(5)与之相 减有,递推得到x(k+1)-x=Bk(x(0)-x), 两边取极限可知 2.2 设λ为B的特征值,ξ为相应的特征向量,则Bkξ= λkξ,可见 由此可得迭代收敛定理: 2.3 此程序在Matlab中的实现 L=zeros(n);U=zeros(n); for i=1: n 　　for j=i+1: n 　　L(,j i)=B(,j i);U(,i i)=B(,i i);U( ,i j)=B( ,i j); 　　end end I=eye(n);Gs=inv(I-L)*U;F=inv(I-L)* ;f e=eig(Gs); rou=max(abs(e)); if rou=1 　　d isp( - --此方程组不能用Gauss-Seidel迭代 法求解---) 　　return end disp( 中间迭代解x=) x=Gs* x0+F; d isp(x) while norm(x-x0, inf)=eps 　　x0=x; 　　x=Gs* x0+F; 　　d isp(x) end d isp( 满足精度要求的解x=: ) d isp(x) 3.外推 可以用来改进线性迭代过程的收敛性质 考察的迭代公式 （6） 引进参数γ≠0，并把方程（6）嵌入到下面参数迭代方程族中， （7） 其中 注意：当γ=1时，我们重新获得（6）式中原来的迭代。 若（7）中的迭代收敛于x,则取极限，我们得到 x=γ(Gx+c)+(1-γ)x 或者，因为γ≠0,可得到 x=Gx+c 记得迭代（6）的目标产生方程x=Gx+c的解。若G=I-Q-1A及 c=Q-1b,则这个方法对应于求解Ax=b. 在试图确定参数γ的最优值之前，我们需要一个有关特征值的结果。 3.1 定理1（p（A）的特征值定理） 若λ是矩阵A的特征值，并且p是一个多项式，则p（λ）是p（A）的特征值。 证明 设Ax=λx，x≠0.则A2x=λAx=λ2x.由归纳法及对k=0的单独验证，有 Ak=λkx（k≥0） 因此，λk是Ak的特征值，多项式p， 记 由定理1，（7）式中的外推法收敛的充要条件是ρ（）1. 假如不能准确地知道G的特征值，而仅知道直线上包含G的全部特征值得一个区间【a，b】由定理1，举证的特征值位于端点为γa+1-γ和γb+1-γ的区间中. 用∧（A）表示任意矩阵A的特征值集合.则 （8） 将证明：若，则可以选择γ使得. 3.2 定理2（最佳外推参数定理） 若关于G的特征值仅有的可用的信息是它们是位于区间中且，则γ的最好选择是2/(2-a-b).对于这个γ的值，,这里d是从1到的距离. 证明 假定假设成立且已知.因为，所以或者a1或者b1. 给出第二种情况的证明，因为a≤b1,由此可得γ0且d=1-b. 因此，如前段所注明的那样，的任意特征值λ满足不等式 λa+1-γ≤γ≤λb+1-γ