数值分析几种常用及迭代法.ppt

华长生制作 华长生制作 与雅可比法相应的高斯-赛德尔迭代法 显然，高斯-赛德尔法关于任意初始向量收 敛的充要条件是 另外与雅可比法相仿有如下结论： * 6.3 几种常用的迭代法 记 ，A非奇异，且对角元 ，可以把 A 分解为 其中 雅可比迭代法 方程组Ax=b等价于 由此构造迭代公式： 其中迭代距阵 和向量 为 称之为Jacobi 迭代法（简称 J 法），称 为雅可比迭代矩阵。 雅可比法的分量形式为 由前面的定理知雅可比迭代关于任意初始向量收敛 的充要条件为 ，充分条件为 利用这些判别 J 法的收敛性，有时不太方便，对于大型方程组，要求出迭代矩阵谱半径 是不容易的。下面给出一些容易验证收敛性的充分条件，先讨论对角占优矩阵的性质。 定义 1 若 满足 则称 A 为严格对角占优矩阵。若满足 且其中至少有一个严格不等式成立，则称 A 为弱对角占优矩阵。 定义2 设 ，若A不能经过行置换与相应的列置换 化为 其中 和 均为方阵，则称 A 为不可约的，否则称 A 为可约的。 定理 若A为严格对角占优矩阵，或不可约的弱对角占优矩阵，则解 方程组 的 J 法关于任意初始向量收敛。 设 ，这里只给出A为严格对角占优阵时的证明。 对 J法，迭代矩阵 ，易得 。 由A的严格对角占优性，得到 ，所以 J 法收敛。 证 在J 法中，计算 时，分量 已经算出，所以可考虑 在J法中的求和分成两部分，从而得到与雅可比迭代法相应的高斯-赛德尔迭代法为 这就是Gauss-Seidel 迭代法，简称 GS 法。 将上式写成距阵形式 整理为简单迭代的形式 其中迭代矩阵 和向量 为 Jacobi 迭代法和 Gauss-Seidel 迭代法的分量形式供计算编程用，它们 的矩阵形式供研究迭代序列是否收敛等理论分析用。 例　用Ｊ法和ＧＳ法分别求解方程组 　　　　　 。 解 用 J 法计有 用 GS 法计算有 取 ，J 法迭代4次的计算结果是 GS 法迭代4次的计算结果是 精确解为（1，1，1），从计算结果看，本例用 GS 法显然比用 J 法收敛快，但并不是任何时候GS法都比J法快，甚至有J法收敛而GS法不收敛的例子。 定理 若A为严格对角占优矩阵，或不可约的弱对角占优矩阵，则解 方程组Ax=b 的G S 法关于任意初始向量收敛。 例. 判别下列方程组用J法和G-S法求解是否收敛 解: (1) 求Jacobi法的迭代矩阵 因此不能用范数判断 所以 即Jaobi迭代法收敛 (2) 求Gauss-Seidel法的迭代矩阵 所以Gauss-Seidel迭代法发散 无论是解线性方程组的Jacobi迭代法和G—S迭代法 都涉及到收敛速度问题 如何加快迭代法的速度呢？ 如何改善迭代法的适用范围呢？ 逐次超松弛（SOR）迭代法 考虑解线性方程组的Gauss-Seidel迭代法 ------(1) 令 因此 ------(2) 上式称为逐次超松弛法(SOR迭代法), 逐次超松弛法(SOR迭代法)的矩阵形式为 两边乘上D，整理为简单迭代法的形式为 * * * * *