数值计算方法第2版 第3章 线性代数方程组的数值解法.ppt

回代过程 3.4 向量和矩阵的范数3.4.1 向量范数 3．4．2 矩阵范数 矩阵范数的性质  矩阵的收敛 矩阵的收敛 谱半径 谱半径的性质 3.6.4 松弛法 三种迭代格式总结 3.7.2迭代矩阵法 3.7.3 系数矩阵法 雅可比迭代公式 分量形式 矩阵形式 雅可比迭代的矩阵形式 雅可比迭代矩阵 将L+U=D-A代入 写成 雅可比迭代的矩阵形式为 J为雅可比迭代矩阵。 3.7 迭代法的收敛性 3.7.1 收敛的基本定理 迭代法收敛的充分必要条件 定理 迭代法 收敛的充分必要条件是迭代矩阵B的谱半径ρ(B)1 。 . 例题 试判断迭代公式是否收敛。 解 迭代矩阵 , 故迭代发散。 常用的矩阵范数有行（无穷）范数和列（一）范数。 例如 4 常用的矩阵范数 设 4 常用的矩阵范数 3.6 线性代数方程组的迭代法 3.6.1 迭代原理 3.6.2 雅可比迭代 3.6.3 高斯-赛德尔迭代 3.6.4 松弛法 3.6.5 迭代公式的矩阵表示 写成矩阵形式 Ax=b 其中 3.6.1 迭代原理 设线性代数方程组 例 用雅可比迭代法求解方程组 解 从3个方程分离出 构造雅可比迭代公式 3.6.2 雅可比迭代 迭代计算 … 2.9823 2.9540 2.8640 2.66 2.0 0 x3(k) … 1.9897 1.9700 1.9260 1.76 1.5 0 x2(k) … 0.9894 0.9716 0.9180 0.80 0.3 0 x1(k) … 5 4 3 2 1 0 k 设线性方程组 其中系数矩阵非奇异，且主对角元aii≠0，(i =1,2,…,n)，由第i 个方程解出xi，有 建立迭代格式 写成 取初值 ，进行迭代。 这种方法称为雅可比迭代法。 雅可比迭代公式 即 i=1,2,…,n 雅可比迭代的算法框图 3.6.3 高斯-赛德尔(Gauss-Seidel)迭代 迭代收敛时，新值xi(k+1) 比老值xi(k) 更准确，在雅可比迭代中，算出新值xi(k+1)后，用新值xi(k+1)代替用于后面计算的老值xi(k) ，期望这样会收敛得更快些。 例 用高斯-赛德尔迭代法求解方程组 解 方程组化为等价的方程组 构造高斯-赛德尔迭代公式 迭代计算： 1.56 2.684 2.95387 0.8804 1.94448 高斯-赛德尔迭代公式 0.3 计算结果: … 2.99375 2.95387 2.684 0 x3(k) … 1.99224 1.94448 1.56 0 x2(k) … 0.98428 0.8804 0.3 0 x1(k) … 3 2 1 0 k 高斯-赛德尔(Seidel)迭代公式 矩阵形式 Ax=b 其中 3.6.5 迭代公式的矩阵表示 n个未知量n个方程的线性代数方程组 令 其中 D为对角阵，L,U为严格下三角阵，严格上三角阵。 L+U=D-A 对称正定矩阵 对称正定矩阵 对称正定矩阵 对称正定矩阵 3.3.2 对称正定矩阵的乔累斯基分解 3.3.3 改进平方根法 4 收敛性 3.2.3 用三角分解求解线性方程组 设A非奇异，并有三角分解A=LU，则方程组 Ax=b 就化为 LUx=b 只须求解两个简单的三角形方程组： （1）解Ly=b 顺代求出 y （2）解Ux=y ，回代求出x. 求得L、U后再求解方程组Ly=b, Ux=y 例 用杜利特尔分解法求解方程组 解 先对系数矩阵进行杜利特尔分解 A=LU 求解两个三角形方程组， 得 方程组 Ax=b 化为 Ux=y 时， A通过LU分解得到U， b 通过LU分解得到y，则Ax=b化 为Ux=y 时，将b增广到A进行 LU分解得到y。 例 用杜利特尔分解法求解方程组 解 先求增广系数矩阵的杜利特尔分解，即 例