第6章 解线性方程组的的迭代法.pptVIP

第6章 解线性方程组的迭代方法;其中A为非奇异矩阵, 当A为低阶稠密矩阵时, 第5章讨论的选主元消去法是有效的. 但对于大型稀疏矩阵方程组(A的阶数n很大?104，但零元素较多), 利用迭代法求解是合适的.; 例1 求解方程组;或写为x=B0x+f，其中; 我们任取初始值，例如取x(0)=(0, 0, 0)T. 将这些值代入(1.3)式右边(若(1.3)式为等式即求得方程组的解，但一般不满足)，得到新的值　x(1)=(x1(1), x2(1), x3(1))T　=(3.5, 3, 3)T ，再将x(1)分量代入(1.3)式右边得到 x(2)，反复利用这个计算程序，得到一向量序列和一般的计算公式(迭代公式);简写为 x(k+1)=B0x(k) +f，;　　从此例看出，由迭代法产生的向量序列x(k)逐步逼近方程组的精确解是x*=(3,2,1)T. 即有 ;　　对于给定方程组x=Bx+f，设有唯一解x*，则; 由上述讨论，需要研究{x(k)}的收敛性. 引进误差向量;6.1.2 向量序列与矩阵序列的极限; 定义3 设矩阵序列Ak={aij(k)}?Rn×n及A={aij}?Rn×n,如果n2个数列极限存在，且有;　　矩阵序列极限概念可以用矩阵算子范数来描述.; 定理2 limAk=0 的充分必要条件是; 定理3 设B?Rn×n，则证明3个命题等价：; 定理4 设B?Rn×n，||·||为任一种矩阵范数，则;6.1.3 迭代法及其收敛性; 于是，求解Ax=b转化为求解Mx=Nx+b ，即求解; 定理5(一阶定常迭代法的基本定理) 给定线性方程组(1.10)及一阶定常迭代法(1.11)式，对任意选取初始向量x(0)，迭代法(1.11)式收敛的充分必要条件是矩阵B的谱半径?(B)1.; 例3 考察线性方程组(1.2)给出的迭代法(1.4)式的收敛性.; 例4 考察用迭代法解线性方程组; 定理6(迭代法收敛的充分条件) 设有线性方程组 　　　　　　x=Bx+f， A=(aij)∈Rn×n， 及一阶定常迭代法 　　　　　　　　 x(k+1)=Bx(k)+f. 如果有B的某种算子范数||B||=q1，则; 证明 由基本定理知，结论(1)是显然的.;　　注意，定理6只给出迭代法(1.11)式收敛的充分性，即使条件||B||1对任何常用范数均不成立，迭代序列仍可能收敛.;　　下面考察迭代法(1.11)式的收敛速度. 假定迭代法(1.11)式是收敛的, 即?(B)1, 由?(k)=Bk?(0), ?(0)=x(0)-x*, 得;所以||Bk||是迭代k次后误差向量?(k)的范数与初始误差向量?(0)的范数之比的最大值. 这样，迭代k次后，平均每次迭代误差向量范数的压缩率可看成是||Bk||1/k，若要求迭代k次后有; 定义4 迭代法(1.11)式的平均收敛速度定义为;　　例如在例1中迭代法(1.4)式的迭代矩阵B0的谱半径?(B0)=0.3592. 若要求;6.2 雅可比迭代法与高斯-塞德尔迭代法;即　A=D-L-U; 设aii?0 (i=1,2,?,n)，选取M为A的对角元素部分,即选取M=D(对角阵)，A=D-N，由(1.11)式得到解方程组Ax=b的雅可比(Jacobi)迭代法. 又称简单迭代法.;　　于是雅可比迭代法可写为矩阵形式;　　下面给出雅可比迭代法(2.2)的分量计算公式, 记;等 价 方 程 组;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;6.2.2 高斯-塞德尔迭代法;或缩写为; 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.;由高斯-塞德尔迭代法(2.4)有;于是，解Ax=b的高斯-塞德尔迭代法的计算公式为; 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-