数值分析义——线性方程组解法.docVIP

数值分析讲义 线性方程组的解法§3.0 引言 §3.1 雅可比(Jacobi)迭代法 §3.2 高斯-塞德尔(Gauss-Seidel)迭代法§3.3 超松驰迭代法§3.7 三角分解法§3.4 迭代法的收敛性 §3.8 追赶法 §3.5 高斯消去法§3.9 其它应用§3.6 高斯主元素消去法§3.10 误差分析 §3 作业讲评 §3.11 总结 §3.0 引 言 重要性：解线性代数方程组的有效方法在计算数学和科学计算中具有特殊的地位和作用.如弹性力学、电路分析、热传导和振动、以及社会科学及定量分析商业经济中的各种问题. 分类：线性方程组的解法可分为直接法和迭代法两种方法. (a) 直接法：对于给定的方程组，在没有舍入误差的假设下，能在预定的运算次数内求得精确解.最基本的直接法是Gauss消去法，重要的直接法全都受到Gauss消去法的启发.计算代价高. () 迭代法：基于一定的递推格式，产生逼近方程组精确解的近似序列.收敛性是其为迭代法的前提，此外，收敛速度与误差估计问题.简单实用,诱人. §3.1 雅可比Jacobi迭代法 (AX=b) 1 基本思想: 与解f(x)=0 的不动点迭代相类似,将AX=b改写为X=BX+f 的形式,建立雅可比方法的迭代格式：Xk+1=BX(k)+f ,其中，B称为迭代矩阵.其计算精度可控,特别适用于求解系数为大型稀疏矩阵(sparse matrices)的方程组. 2 问题: (a) 如何建立迭代格式？ (b) 向量序列{Xk}是否收敛以及收敛条件? 3 例题分析: 考虑解方程组 (1) 其准确解为X*={1, 1.2, 1.3}. 建立与式(1)相等价的形式： (2) 据此建立迭代公式： (3) 取迭代初值,迭代结果如下表. JocabiMethodP31.cpp 迭代次数 x1 x2 x3 0 0 0 0 1 0.72 0.83 0.84 2 0.971 1.07 1.15 3 1.057 1.1571 1.2482 4 1.08535 1.18534 1.28282 5 1.095098 1.195099 1.294138 6 1.098338 1.198337 1.298039 7 1.099442 1.199442 1.299335 8 1.099811 1.199811 1.299777 9 1.099936 1.199936 1.299924 10 1.099979 1.199979 1.299975 11 1.099993 1.199993 1.299991 12 1.099998 1.199998 1.299997 13 1.099999 1.199999 1.299999 14 1.1 1.2 1.3 15 1.1 1.2 1.3 4 Jocobi迭代公式: 设方程组AX=b, 通过分离变量的过程建立 Jocobi迭代公式，即 由此我们可以得到Jacobi迭代公式： [Jacobi迭代公式的算法] 1: 初始化. n, (aij), (bj), (x1) , M. 2: 执行k=1直到M为止. 执行i=1直到n为止. ; 执行i=1直到n为止. ; 输出k, (xi). 另外，我们也可以建立Jacobi迭代公式的矩阵形式. 设方程组AX=b, 其中，A=(aij)n为非奇异阵， X=(x1,x2,…,xn)T, b=(b1,b2,…,bn)T 将系数阵A分解为: A=U+D+L, U为上三角矩阵，D为对角矩阵，L为下三角矩阵. 于是AX=b可改写为 (U+D+L)X=b X=D-1b-D-1(U+L)X 由此可得矩阵形式的Jocobi迭代公式： Xk+1=BX(k)+f §3.2 高斯-塞德尔Gauss-Seidel迭代法 注意到利用计算时，已经计算好的值，而Jocobi迭代公式并不利用这些最新的近似值计算，仍用.这启发我们可以对其加以改进,即