西工大计算方法3.ppt

有 上式对i=1,2,……，n都成立， 故有 使 有 即 注意： 即 所以 。当 k 则 即当k 时，则 即 Remark：当 或 时，简单迭代法与相应的Seidel迭代法同时关于任意初始向量收敛。 证毕 3.与Jacobi方法对应的Seidel迭代格式 （1）迭代格式 其迭代式为 矩阵形式为 因 ,故 存在，于是Seidel迭代式为 称为与Jacii对应的Seidel迭代法的迭代矩阵。 则得 令 Remark1:今后若无特殊说明，凡谈到Gauss-Seidel迭代法（简称GS迭代法），均指与Jacobi迭代法相应的Seidel迭代法。 Remark2:并不是任何时候Gauss-Seidel迭代法都比Jacobi迭代法收敛快。甚至也有Jacobi法收敛而Gauss-Seidel迭代法不收敛的例子。 （2）收敛条件 a.充要条件： 收敛的充要条件是： JGS法关于任意初始向量 都 b.充分条件： ①若 则JGS方法关于任意初始向量 都收敛。 关于任意初始向量 收敛。 ③若系数矩阵 严格对角占优，则JGS方法 ②若 则JGS方法关于任意初始向量 都收敛。 关于任意初始向量 收敛。 ④若系数矩阵 对称正定，则JGS方法 三、逐次超松弛迭代法 （SOR法-Successive Over Relaxation） 1.迭代公式 将JGS迭代格式 改写为： 并记 一般地，残量(余量) 。 这就是逐次超松驰迭代法（SOR方法)， 称为松驰 因子。 SOR方法的计算公式也常写为： Remark：可见，SOR方法的得到的 可以看成是JGS方法的结果与 的加权平均。 将残量乘以一个修正量加到 上，作为新的结果 2.SOR方法的收敛性 （1） SOR方法收敛的必要条件是0 ω 2。 当?＝1时，SOR方法就是Seidel迭代格式。当0?1时，称为低松弛方法，当?1时，称为超松弛方法。适当选取松弛因子?的值，可以得到比G-S方法更快的收敛格式。 关于方法的收敛性有以下结论： （2）若系数矩阵A 对称正定，且0 ω2，则SOR方法收敛。 （3）若系数矩阵A 严格对角占优，且0ω?1，则SOR方法收敛。 Remark：能使SOR方法收敛最快的松弛因子叫做最佳松弛因子，记为?opt。 对某些特殊类型的矩阵，可以建立SOR方法最佳松弛因子理论。例如，对于具有对称正定，或严格对角占优等性质的矩阵A的线性方程组，可以建立最佳松弛因子 其中?(J)为解Ax＝b的雅可比迭代法的迭代矩阵的谱半径。一般情况下确定?opt并不容易，实际计算时一般都是根据试算的情况确定?opt的一个近似值。 线性方程组数值解法 直接法 迭代法 高斯消去法 高斯顺序消去法 高斯主元素消去法 矩阵三角分解法 LU分解 平方根分解(对称正定矩阵) 追赶法 (三对角方程组) 向量与矩阵的范数 迭代法的基本思想 Jacobi迭代法 迭代格式 收敛条件 充要条件： 充分条件：3个 Gauss-Seidel迭代法 迭代格式 收敛条件 充要条件： 充分条件：5个 SOR迭代法 迭代格式 收敛条件 充要条件： 充分条件：3个 必要条件： 列主元消去法 全主元消去法 分解条件 分解算法 本章知识结构图 三.直接三角分解法 设A=LU 即 Step1： 比较第一行元素： 比较第一列元素： 解出 Step2： 比较第二行元素： 算出： 比较第二列的元素： 得出： 一般地，设U的前k-1行以及L的前k-1列已求出，则 比较第k行元素 Stepk： 可以算出： 比较第k列元素(ik 即行指标列指标，为算 , ik) 算出: 这组公式可用下图记忆（紧凑格式）: 的求解过程为: 可推导求解单位下三角形方程组 的递归公式为 : 求解上三角形方程组 的递归公式为: 对比计算 和 公式， 发现计算 的规律与计算 的规律类似,因此计算 的求方程组的过程可用三角分解的紧凑格式取代。事实上,这只要把 做为A的第n＋1列进行直接三角分解即可。 Reamrk：上述直接三角分解法所对应的是Gauss顺序消去法，二者的乘除运算次数是相当的。实际中对阶数较高的线性方程组，应采用选主元的三角分解法求解，以保证计算结果的可