Chap7.迭代解法(全盏穆).ppt

第六章 线性方程组的迭代解法;§1 向量和矩阵的范数;则称 ||·|| 为 Rn 空间上的范数，|| x ||为向量 x 的范数。;向量1-范数： ; 解:对于 向量 x＝(1，－3，2，0)T ，根据定义可以计算出： ; 定理6.1 （范数的等价性）对于Rn上任何两种范数||·||α和||·||β，存在着正常数 m，M，使得： ;定义6.2 对于向量序列 ;二、矩阵的范数;设 n 阶矩阵 A＝（aij），常用的矩阵范数有： ;例6.2 设矩阵;此方程的根为矩阵ATA的特征值，解得 ;通常将满足上式的矩阵范数称为与向量范数相容的矩阵范数。 ;三、矩阵的谱半径; 另一个更深刻的结果,对于任意的ε＞0，必存在一种相容的矩阵范数，使;四、矩阵的条件数;于是，由 || △x ||≤||A-1 || ||△b||; 对于线性方程组 Ax=b，如果系数矩阵的条件数Cond(A)=||A || ||A-1 || 太大，则称相应的方程组为病态方程组。;§2 迭代解法与收敛性;得到 x(1)= Bx(0)+F ;由(3) – (4)得 x(k+1) - x* = B(x(k)- x* ) ;二、迭代法收敛性条件;§3 常用的三种迭代解法;则由 Ax=b 得到;例如, 对于三元线性方程组; 得到具体的迭代格式;对于 n 元线性方程组;二、 Gauss-Seidel迭代法;对于n元方程 ; 为讨论收敛性方便，下面再写出Gauss-Seidel迭代格式的矩阵表示式。首先改写Gauss-Seidel迭代格式;令 ;解：先改写方程如下;初值也取为: x(0)=(0，0，0)T , 求得近似解：;三.超松弛(SOR)迭代法 (Successive Over Relaxation Method);再通过加权加速收敛： ;超松弛迭代法(SOR)也可以用矩阵的形式来表示; 定理6.6 Gauss-Seidel 迭代法 收敛的充要条件是ρ(BG)1 ，收敛的充分条件是 ||BG||1 。; 例6.4 分别用Jacobi迭代法和Gauss-Seidel迭代法解下列方程组是否收敛？ ;例6.5 用Jacobi迭代法解下列方程组，问是否收敛？ ;这时只能通过求迭代矩阵的谱半径来判断，由迭代矩阵; 例6.6 分别用Jacobi迭代法和Gauss-Seidel迭代法解下列方程组，问是否收敛？ ;由系数矩阵; 例6.7 取初值 x(0)=(0，0，0)T 用Jacobi迭代法解下列方程组，如果要保证各分量的误差的绝对值小于10-6,问需要迭代多少次？ ;由方程组得到系数矩阵和常数项;第6章 复习小结;第6章习题:线性方程组的迭代解法;6-5 证明范数的等??性 （1）||x||∞≤||x||2≤ ||x||∞ （2）||x||2≤||x||1≤ ||x||2 （3）||A||2≤||A||F≤ ||A||2