第五章解线性方程组及迭代法.pptVIP

《数值分析》 主讲教师 第五章 解线性方程组的迭代法 线性方程组虽有直接解法，但对大型组，对时间和空间要求严格。 第五章 解线性方程组的迭代法 §5.1 迭代法及其收敛性 §5.2 向量和矩阵的范数 §5.3 迭代过程的收敛性 §5.2 向量和矩阵的范数 范数的等价性： 向量序列的极限 矩阵范数、谱半径 命题3 对任意从属范数有： §5.1 迭代法的构造及收敛 §5.1.1 迭代法的收敛性 §5.1.2 迭代法的收敛速度 §5.3 Jacobi迭代法和Gauss-Seidel迭代法 §5.3.1 Jacobi迭代法 §5.3.2 Gauss-Seidel迭代法 §5.3.3 J法与GS法的收敛性 §5.3.1 Jacobi迭代法 §5.3.1 Jacobi迭代法 §5.3.1 Jacobi迭代法 可构造迭代公式： §5.3.1 Jacobi迭代法 §5.3.1 Jacobi迭代法 §5.3.1 Jacobi迭代法 §5.3.2 Gauss-Seidel迭代法 §5.3.2 Gauss-Seidel迭代法 注1：当然可有其他的迭代法如: §5.3.3 J法与GS法的收敛性 讨论方程组J法及GS法的收敛性，除用收敛基本定理外， 还可直接由给定的系数矩阵A来判断收敛性（代数判据），为此先给出定义： §5.3.3 J法与GS法的收敛性 §5.3.3 J法与GS法的收敛性 证明①（严格对角占优时的J法收敛性）： 证明②（严格对角占优时的GS法收敛性）： ③（不可约弱对角占优时的J法收敛性） ④（不可约弱对角占优时的GS法收敛性） §5.3.3 J法与GS法的收敛性 §5.4 逐次超松弛迭代法 §5.4.1 SOR迭代公式 §5.4.2 SOR迭代法收敛性 §5.4.1 SOR迭代公式 §5.4.1 SOR迭代公式 §5.4.1 SOR迭代公式 §5.4.2 SOR迭代法收敛性 §5.4.2 SOR迭代法收敛性 §5.4.2 SOR迭代法收敛性 推论及其他有关结果 注2：在收敛的情况下，一般说来，Gs法的收敛性能较J法好，然而情况并不总是如此，存在方程组按J法收敛，而按Gs法不然，因此两种方法均很重要，如组： A可约的代数意义是通过行列的相应调换化为解耦方程组。 说明：此定理实际含有四个命题。 逐次超松弛(Successive Over Relaxation)迭代法，简称SOR迭代法，它是在GS法基础上为提高收敛速度，采用加权平均而得到的新算法。 * * 向量范数( vector norms ) （依分量收敛） （依范数 收敛） 证明:由范数等价性,仅就某一从属范数证明即可. 见《数值计算原理》，李庆扬，关治P193 该定义依赖于范数的选取和迭代次数，为刻画方法本身的速度，引入仅与迭代阵有关的量： 设有方程组 作等价变形，得不动点形式： 定理 Jacobi迭代法收敛的充分必要条件是