第三章线性方程组的解法下2ma.pptVIP

* * * * 3.6.5 迭代法的收敛性(续） 定理3.12 设 Ax = b，如果A为严格对角占优阵，则Jacobi迭代法和Gauss-Seidel 迭代法均收敛。 定理3.13 设解Ax = b 的SOR法收敛，则0ω2 A的每一行对角元素的绝对值都严格大于同行其他元素绝对值之和，称A为严格对角占优 定理3.14 设Ax = b，如果A为对称正定矩阵，且0ω2，则SOR 迭代法收敛。 * 3.7 非线性方程组的迭代解法 线性方程组存在直接解法（如高斯消元法，三角分解法等），但是非线性方程组没有直接的解法，只能通过数值迭代的方法加以求解。本节介绍非线性方程组的迭代解法： 设有非线性方程组： --------(1) 初始边界赋值为a0, b0 二分的次数为k，得到ak, bk 近似值取为 * 非线性方程求解——二分法 x0 b1 a1 a f(x) x y 0 b x* ak bk xk x* 1）从一个初值 x0 出发， 计算序列:{xk} x1 = ? (x0), x2 = ? (x1), …, xk+1 = ?(xk), … xk+1 = ?(xk)：迭代公式 非线性方程求解——简单迭代法 2）收敛性 考虑方程 x = ?(x), ?(x)?[a, b], 若 (I) 设?(x)在[a, b]一阶导数存在； (II)当 x?[a, b] 时，?(x)?[a, b]； (Ⅲ)存在 0 ? L 1 使得 | ?’(x) | ? L 1 对 任意 x?[a, b] 成立。 则 （1）x = ? (x)在[a, b]上有唯一解x*； （2）任取 x0?[a, b]，由 xk+1 = ? (xk) 得到的序列{xk}收敛于x* , 并且有误差估计式： ( k = 1, 2, … ) y = x x* x y y=?(x) x0 p0 x1 p1 Q1 p* * 原理：将非线性方程逐步化为线性方程来求解。 非线性方程求解——牛顿迭代法 x y o x* (x1,f(x1)) 具有局部收敛性 收敛速度快是平方收敛 需要计算函数的导数 切线法 * 需要2个初值 x0 和 x1。 改用差商 替代牛顿迭代公式中的导数 非线性方程求解——弦截法 割线法 收敛速度快 不用计算函数导数，较牛顿法计算量降低 需要两个初始值 * 3.7.1 简单迭代法 仿照方程求根的简单迭代法，将方程组（1）改写为 作成迭代格式 选取初始向量 令 可得向量序列{x(k)}。 --------(2) 如果方程组（1）或（2）只有唯一解，且{x(k)}收敛，则得逐次收敛于x的近似解x(k)。 * 例1. 用简单迭代法解方程组 解: 作迭代格式 取 令 * 故x≈x(19)。 19步迭代 * 一般迭代格式可写成矢量形式 记矩阵 当 时简单迭代收敛 * 类似于线性方程组的高斯赛德尔迭代法，非线性方程组高斯赛德尔迭代格式为： 例2. 用高斯赛德尔迭代法重解方程组 解: 作高斯赛德尔迭代格式 * 取 令 故x≈x(8)。 8步迭代(对比19步迭代) * 3.7.2 牛顿迭代法 牛顿迭代法是牛顿法向多元函数的扩展，其基本原理与解非线性方程的牛顿法几乎一样。 设有非线性方程组： 其中x1,x2,…,xn为未知变量，fi(x1,x2,…,xn)是关于未知变量的非线性实函数，i=1,2,…n。 --------(1) * 则式（1）可以改写为： 求解非线性方程组式（3），即求一个向量 ，使得多元向量函数 满足 。 --------(3) 记 * 均取到线性项，得近似方程组 设 为式（3）的一个近似估计解，将函数F ( X ) 在X (k)处用多元函数泰勒级数展开。 * 将此方程组的解记为x(k+1)，则得 按此式求方程组（1）近似解向量序列{x(k)}，称牛顿迭代法。 * 记 称为多元向量函数F ( X )的雅可比（Jacobi）矩阵。 构造迭代格式 * 解非线性方程组的牛顿法与解非线性方程的牛顿法非常类似 区别在于解非线性方程组时需要求多元向量函数F ( X )的雅可比矩阵 ，而解非线性方程时仅需要求 例1 求解非线性方程组： 给定初值 ，试用牛顿法求解。 * 解：（1）求出 的雅可比矩阵： （2）牛顿迭代格式 可以得到： * 由初值 可以得到迭代结果： 经过三次迭代，误差就已经小于10－6。 * 牛顿－拉夫逊方法 求解非线性方程组时，牛顿法的迭代格式为： 这其中涉及到求雅可比矩阵的逆 求一个矩阵的逆本身就是一个很复杂的计算问