第2章 线性方程组及迭代解法.ppt

第二章 线性方程组的迭代解法 §1 基本迭代方法 上一页 下一页 返回 上一页 下一页 返回 例8. 判别用Jacobi迭代法与Gauss-Seidel迭代法是否收敛， 若收敛则写出其迭代格式。 解: (1).Jacobi迭代法 上一页 下一页 返回 所以Jacobi迭代法收敛。 所求雅可比迭代格式为 * 第二节 迭代法的收敛性 第三节 超松弛迭代法 第一节 基本迭代方法 一、问题的提出 1．直接方法的缺陷(以Gauss消去法为代表)： 对于低中阶数（n≤100）的线性方程组十分有效，但n很大时，特别是由某些微分方程数值解所提出来的线性方程组，由于舍入误差的积累以及计算机的存贮困难，直接方法却无能为力。 2．解决方法：（利用迭代方法） 迭代方法：把线性方程组的数值求解问题化为一个迭代序列来实现。 具体做法 (2) 取任意初始向量x(0)构成迭代序列: 由于迭代方法能避免系数矩阵中零元的存贮与计算，特别适用于解系数矩阵阶数很高而非零元极少（即大型稀疏）的线性方程组。 迭代格式： 定义： 迭代矩阵： 迭代过程收敛： 若序列{x(k)}极限存在，称此迭代过程收敛，否则称为发散。 迭代 法计算精度可控，特别适用于求解系数为大型稀疏矩阵 /* sparse matrices */ 的方程组。 迭代法要解决的主要问题如下 ： 1.如何构造迭代格式？ 2.构造的格式所产生的序列在什么情况下收敛？ 3.如果收敛，收敛的速率如何？ 4.近似解的误差估计。 迭代方程 迭代格式 方程 迭代初值 收敛 如何构造迭代方程 二、Jacobi （雅可比）迭代法 建立迭代格式： 可以缩写为： 按此格式迭代求解的方法称为雅可比迭代法,简称J法。 例1 用雅可比迭代法解线性方程组 解 生成雅可比迭代格式： 1.299997 1.199998 1.099998 12 1.299991 1.199993 1.099993 11 …… ……. …… …… 1.15 1.07 0.971 2 0.84 0.83 0.72 1 x3(k) x2(k) x1(k) k 从上表可以看出，迭代序列收敛于x*，若取x(12)作为近似解，则误差不超过 10-5 写成矩阵形式： B Jacobi 迭代阵，简记为BJ 三、Gauss – Seidel（高斯—塞德尔）迭代法 … … … … 写成矩阵形式： B Gauss-Seidel 迭代阵，简记为BGS Gauss-Seidel迭代法的分量形式为： 例2 分别给出以下线性方程组的Jacobi迭代格式和Gauss-Seidel迭代格式： 解 原方程等价于 建立Jacobi迭代格式如下 建立Gauss-Seidel迭代格式如下 例3 Jacobi迭代算法 A=[9 -1 -1;-1 10 -1;-1 -1 15]; b=[7;8;13];x=[0;0;0]; er=1;k=0; while er0.00005 er=0;k=k+1; for i=1:3 s=0;t=x(i);x(i)=0; for j=1:3 s=s+A(i,j)*x(j); end x(i)=t; y(i)=(b(i)-s)/A(i,i); er=max(abs(x(i)-y(i)),er); end x=y;x end 0.7778 0.8000 0.8667 0.9630 0.9644 0.9719 0.9929 0.9935 0.9952 0.9987 0.9988 0.9991 0.9998 0.9998 0.9998 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 Gauss-Seidel迭代算法 A=[9 -1 -1;-1 10 -1;-1 -1 15]; b=[7;8;13];x=[0;0;0]; er=1;k=0; while er0.00005 er=0;k=k+1; for i=1:3 s=0;t=x(i);x(i)=0; for j=1:3 s=s+A(i,j)*x(j); end x(i)=(b(i)-s)/A(i,i); er=max(abs(x(i)-t),er); end x