Chap7.线性方程组的迭代解法.pptVIP

* 第六章 线性方程组的迭代解法 * 二、迭代法收敛性条件 x(k+1)= Bx(k)+F , k=0 ,1 , … , （3） 定理6.3 若 ||B||1 ，则迭代法(3)收敛. 定理6.4 若 ||B||1 ，则有估计式 定理6.2 迭代法格式(3)收敛的充要条件是ρ(B)1. 这是一个充分条件，根据范数与谱半径的关系式 ρ(B)≤||B|| ，容易推出该充分条件. * 第六章 线性方程组的迭代解法 * §3 常用的三种迭代解法 一、Jacobi迭代法 对于线性方程组 Ax=b (1) A=L+D+U (2) 设 det(A)≠ 0 ，aii ≠ 0,i=0,1,2,…,n ，按照如下方式对A进行分裂： * 第六章 线性方程组的迭代解法 * 则由 Ax=b 得到 令 BJ=-D-1(L+U) ， FJ= D-1 b. (L+D+U) x=b ? D x=-(L+U)x+b ? x=-D-1(L+U)x+ D-1 b 则有 x= BJ x+ FJ (3) 任取初始向量 x(0)∈Rn , 则可以由上式得到如下的迭代格式： 并称其为Jacobi迭代格式，迭代矩阵为 x(k+1)= BJ x(k)+ FJ (4) BJ=-D-1(L+U) = -D-1(A - D) = E - D-1 A * 第六章 线性方程组的迭代解法 * 例如, 对于三元线性方程组 * 第六章 线性方程组的迭代解法 * 得到具体的迭代格式 由定理6.4的结论,可以通过|| x(k+1)-x(k)||ε控制迭代次数。 x(0)∈Rn * 第六章 线性方程组的迭代解法 * 对于 n 元线性方程组 其一般式为： 从中解出： 得Jacobi迭代格式 通过|| x(k+1)-x(k)||ε 控制迭代次数。 * 第六章 线性方程组的迭代解法 * 二、 Gauss-Seidel迭代法 对于三元方程组，将Jacobi迭代格式 改进为 并称其为Gauss-Seidel迭代格式。 * 第六章 线性方程组的迭代解法 * 对于n元方程 先写出Jacobi迭代格式 同样可以用 || x(k+1)-x(k)||ε 控制迭代次数。 再写出Gauss-Seidel迭代格式 * 第六章 线性方程组的迭代解法 * 为讨论收敛性方便，下面再写出Gauss-Seidel迭代格式的矩阵表示式。首先改写Gauss-Seidel迭代格式 为： * 第六章 线性方程组的迭代解法 * 令 则有 其中 BG 为迭代矩阵。 例6.3 用Jacobi迭代法和Gauss-Seidel迭代法解下列方程组,已知方程组得精确解为 x*=(1，1，1)T 。 * 第六章 线性方程组的迭代解法 * 解：先改写方程如下 再写出Jacobi迭代格式 取初值为: x(0)=(0，0，0)T , 求得: x(1)=(1.4，0.5，1.4)T x(6)=(1.00025，1.00580，1.00251)T 误差为由x*=(1，1，1)T 得到 ||x(6)-x*||∞=0.00580 。 * 第六章 线性方程组的迭代解法 * 初值也取为: x(0)=(0，0，0)T , 求得近似解： Gauss-Seidel迭代格式为 误差为由x*=(1，1，1)T 得到 ||x(4)-x*||∞=0.00846 。 Jacobi迭代法迭代6次与Gauss-Seidel迭代法迭代4次的精度一致，说明Gauss-Seidel迭代法收敛的较快。 x(1)=(1.4，0.78，1.026)T x(4)=(0.99154，0.99578，1.00210)T * 第六章 线性方程组的迭代解法 * 三.超松弛(SOR)迭代法 (Successive Over Relaxation Method) 对Gauss-seidel迭代进行改写 令 * 第六章 线性方程组的迭代解法 * 再通过加权加速收敛： 并称其为超松弛迭代法，ω称为松弛因子。 当 0≤ω 1 时，称为低松弛； 当 ω =1 时，为Gauss-Seidel 迭代格式 ； 当 1 ω ≤2 时，称为高松弛。 * 第六章 线性方程组的迭代解法 * 超松弛迭代法(SOR)也可以用矩阵的形式来表示 令 Bω =(D+ ω L)-1[D- ω(D+U)] 则有 x(k+1)=B