[工学]第六章 线性与非线性方程组的迭代解法1.pptVIP

（可约矩阵的等价定义） 设矩阵 ， ，如果 存在 的两个非空子集 和 ，满足 使得 则称矩阵 可约，否则称 不可约。 例如： 矩阵 * 第六章 线性与非线性方程组的迭代解法 /*Iterative Method for Solving Linear and Nonlinear Algebraic Systems*/ 求解 迭代法 从一个初始向量出发,按照一定的递推格式,产生逼近方程组的近似解序列。 迭代法是一种逐次逼近的方法,与直接法比较, 具有: ?程序简单,存储量小的优点。特别适用于求解系数 矩阵为大型稀疏矩阵 /* sparse matrices */ 的方程组。 思路 与解f (x)=0 的不动点迭代相似 ， 将方程组 等价改写成 形式，从而建立迭代格式　 ，从 出发，生成迭代序列 §6.1 Jacobi和Gauss-Seidel迭代法 一、 Jacobi迭代法 设方程组 将系数矩阵分裂为： 其中 如果 原方程组可化为 其中 相应的迭代格式 上述方法称为Jacobi迭代法，简称J法或简单迭代法 分量形式： 二、 Gauss-Seidel迭代法 G-S迭代法是J迭代法的一种改进 在J迭代公式中，计算 时，利用已经算出来的新的 值，从而得到G-S迭代法。 ? G-S迭代法的分量形式： 例1：利用Jacobi和Gauss-Seidel迭代法求解方程组 解： Jacobi迭代格式 G-S迭代格式 计算结果 取初值 Jacobi迭代法 (0.9999981 1.0000020 0.9999981) 14 0.00001 (0.9999541 1.0001253 0.9999541) 10 0.0001 (1.0002507 1.0000694 1.0002507) 9 0.001 迭代 次数 要求 精度 方 程 组 的 近 似 解 ? G-S迭代法的迭代矩阵： 计算结果 Gauss-Seidel迭代法 (1.0000013 1.0000009 0.9999996) 8 0.00001 (0.9999929 0.9999949 1.0000022) 7 0.0001 (0.9997916 0.9998479 1.0000664) 5 0.001 迭代 次数 要求 精度 方 程 组 的 近 似 解 取初值 由迭代公式 迭代矩阵 §6.2 Jacobi和Gauss-Seidel迭代法的收敛性分析 ? 收敛的充要条件与误差估计 上述两种方法都可以写成如下迭代形式： 称为单步定常线性迭代法， 为迭代矩阵， 为常数项。 当迭代公式产生的序列 收敛到向量 ， 即 ，则称该迭代法收敛，否则为发散。 ？ （相容性） 如果方程组 与 等价， 即存在可逆矩阵 ，使得 则称迭代法 与已知方程组是相容的。 Jacobi迭代法： Gauss-Seidel迭代法： 引理 迭代法 收敛的充要条件是 证明： 设 为方程组 的解， 设迭代法 收敛，则有 由相容性知， 求解方程组 的单步线性定常迭代法 收敛的充要条件是 。 （1）迭代法是否收敛取决于迭代矩阵的谱半径，与初 始向量和常数项无关。 （2）而对于同一个方程组，不同的迭代法对应的迭代 矩阵的谱半径一般不会相同，因而收敛性也 不同。 上述定理说明： 例2：说明用J法和G-S法求解下列方程组的收敛性： 解： 计算特征值： J法不收敛 G-S法的迭代矩阵为 G-S法收敛 若迭代矩阵 的范数 ，并假定 的第k次迭代向量 与精确解 的误差满足： 范数满足 ，则迭代法 证明： 代入前述不等式即得。 利用矩阵的范数判定迭代收敛只是一个充分条 件，通常采用矩阵的1-范数、 -范数来判定。 若迭代矩阵