数值分析-课件-第06章节线性方程组迭代法.pptVIP

数 值 分 析 Numerical Analysis 机械与汽车工程学院 主讲人：孔胜利 kongsl@spu.edu.cn 2012-09-01 第6章 线性方程组的迭代法 1 迭代法的概念 2 雅克比迭代法 3 高斯-赛德尔迭代法 4 超松弛迭代法 6.1 迭代法的基本概念 迭代法：从解的某个近似值出发，通过构造一个 无穷序列去逼近精确解的方法。分为两类： 逐次逼近法(一般有限步内得不到精确解) 共轭斜量法（不考虑计算过程的舍入误差，只用 有限步就收敛于方程组的精确解） 6.2 雅克比(Jacobi）迭代法 实例分析 求解方程组 已知方程组有精确解 解 把方程组化成 式中 由上式可构成迭代格式的矩阵形式和向量形式 若取迭代初值 ，则可解出 。再将 代入迭代方程的右端便可解出 。依此类推，迭代10次，可解出10次近似解 它与精确值已经相当接近。 用这种方法求解称为Jacobi迭代法，或简单迭代法。 应当注意：按迭代法构造的向量序列也可能是发散的。 例如，方程组 任意给出初值 均有 即不可能收敛到精确解。 结论： 的充要条件为对某种范数有 习题 按照Jacobi迭代法求解方程组， 初始值取 按Jacobi迭代法求解，迭代格式为 迭代18次得 6.3 高斯-赛德尔迭代法 高斯-赛德尔（Gauss-Seidel）迭代法 简单迭代法在计算解向量 的n个分量时，完全是以 的分量 为基础。例如在计算第i个分量 时全用 的各个分量，即 G-S迭代法的基本思想是将第k+1次迭代已得的分量 用到求 的迭代式中去，而式中第i个分量后的各分量仍用 例题 用G-S迭代法求解前面的方程组 解 G-S迭代法的分量式为 仍取迭代初始值 ，只要迭代5次，便可达到比Jacobi迭 代法迭代10次更好的效果，即 注意：G-S迭代法比Jacobi迭代法收敛的快是有前提条件的，两种迭代法之间在收敛性问题上并无必然联系。 习题 按照高斯—赛德尔迭代法求解方程组， 初始值取 任意给出初值 均有 即不可能收敛到精确解。 结论： 的充要条件为对某种范数有 按高斯—赛德尔迭代法求解，迭代格式为 迭代8次得 注意： 某些方程对一种迭代法收敛，对另一种迭代法却可能发散。 例如，方程组 分别按雅克比迭代法和高斯—赛德尔迭代法进行计算，初始值均取 。 按雅克比迭代法计算，其迭代格式为 计算得 得到方程组的精确解 按高斯—赛德尔迭代法计算，其迭代格式为 计算得 迭代法是发散的。 6.4 超松弛迭代法 超松弛迭代法（简称SOR法） SOR迭代法，是对G-S迭代法的一种改进，可由下述思想得到： 设已知 及已计算 的分量 （1）首先用高斯—赛德尔迭代法定义辅助量 （2）再由 与 加权平均定义 ，即 超松弛迭代法 将式（*）带入式（**）中，得到解Ax=b的SOR迭代公式 显然，当 时，SOR方法就是高斯—赛德尔迭代法。 在计算机实现时可用以下式子来控制迭代终止。 超松弛迭代格式 这相当于将第一部分和第二部分用因子 做了加权平均。 而高斯-赛德尔迭代格式 例题 用超松弛迭代法求解方程组 其中，取松弛因子 解 超松弛迭代法的迭代格式为 方程组的精确解为 取迭代的初始值为 按超松弛迭代法迭代7次的近似解为 如果要求近似解各分量精确到小数点后7位，只需要迭代14次即可； 而用高斯-赛德尔迭代法则需要迭代34次。可见，超松弛迭代法的收 敛速度要快很多。 习题 分别用雅克比迭代法、高斯-赛德尔法和超松弛迭代法求解以下 方程组 其精确解为 其中，在超松弛迭代法中松弛因子取1.25。 取迭代初值均为 按雅克比迭代法计算，其迭代格式为 计算得 按高斯—赛德尔迭代法计算，其迭代格式为 计算得 按SOR迭代法计算，其迭代格式为 计算