6.3 线性方程组及迭代法.pptVIP

华长生制作 矛盾 由定理2 G—S迭代法收敛 3 解线性方程组的超松弛迭代法 超松弛迭代法(简称SOR方法)是高斯-塞德尔方法的一种加速方法，是解大型稀疏矩阵方程组的有效方法之一， 设有方程组 其中 为非奇异矩阵，且设 ≠0(=1，2，…，n) 设已知第 次迭代向量 ，及第k+1次迭代向量 的分量 要求计算分量 首先 用迭代法定义辅助量 再把 取为 与 某个平均值(即加权平均)，即 超松弛迭代公式 其中 称为松弛因子，或写为 显然，当 =1时，SOR方法就是高斯-塞德尔迭代法。 当 时，称为低松弛法，当 时，称为高松弛法。 例11: 用SOR方法解方程组 它的精确解为 解: 取 ，迭代公式为 取 ，第11次迭代结果为 ≤0.46?10-5 第6章 方程与方程组的迭代解法 基本迭代法 迭代法的收敛性 6.2 解线性方程组的迭代法 超松弛迭代法 6.2 线性方程组的迭代法 在用直接法解线性方程组时要对系数矩阵不断变换 如果方程组的阶数很高,则运算量将会很大 并且大量占用计算机资源 因此对线性方程组 要求找寻更经济、适用的数值解法 --------(1) 如果能将线性方程组(1)变换为 --------(2) 显然,(1)式和(2)式同解, 我们称(1)(2)等价 对线性方程组(2),采用以下步骤: 依此类推 --------(3) 这种方式就称为迭代法 ,以上过程称为迭代过程 迭代法产生一个序列 如果其极限存在,即 则称迭代法收敛, 否则称为发散 一、简单迭代法(基本迭代法) 设线性方程组(1)的一般形式为 依此类推,线性方程组(1)可化为 -----(4) --------(5) 对(4)作迭代过程 则(5)式转化为矩阵形式 --------(6) 令 故迭代过程(6)化为 等价线性方程组为 --------(7) 称(5)式和(7)式为解线性方程组(1)的Jacobi迭代法(J法) 例1. 用Jacobi迭代法求解方程组,误差不超过1e-4 解: 依此类推,得方程组满足精度的解为x12 迭代次数 为12次 x4 = 3.0241 1.9478 0.9205 d = 0.1573 x5 = 3.0003 1.9840 1.0010 d = 0.0914 x6 = 2.9938 2.0000 1.0038 d = 0.0175 x7 = 2.9990 2.0026 1.0031 d = 0.0059 x8 = 3.0002 2.0006 0.9998 d = 0.0040 x9 = 3.0003 1.9999 0.9997 d = 7.3612e-004 x10 = 3.0000 1.9999 0.9999 d = 2.8918e-004 x11 = 3.0000 2.0000 1.0000 d = 1.7669e-004 x12 = 3.0000 2.0000 1.0000 d = 3.0647e-005 分析Jacobi迭代法(5)的迭代过程,将(5)式细化 考虑迭代式(7) 即 将上式改为 --------(8) --------(9) 上式称为Gauss-Seidel迭代法,简称G-S法 利用(8)式展开Gauss-Seidel迭代法也可表示成 例2. 用Gauss-Seidel 迭代法求解例1. 解: x1 =2.5000 2.0909 1.2273 d =3.4825 x2=2.9773 2.0289 1.0041 d =0.5305 x3 =3.0098 1.9968 0.9959 d =0.0465 x4 =2.9998 1.9997 1.0002 d =0.0112 x5 =2.9998 2.0001 1.0001 d =3.9735e-004 x6 =3.0000 2.0000 1.0000 d =1.9555e-004 x7 =3.0000 2.0000 1.0000 d =1.1576e-005 通过迭代,至第7步得到满足精度的解x7 从