线性方程组地迭代解法.docVIP

第3章 线性方程组的迭代解法 3.1实验目的 理解线性方程组计算机解法中的迭代解法的求解过程和特点，学习科学计算的方法和简单的编程技术。 3.2? 概念与结论 1.???? n阶线性方程组 如果未知量的个数为 n ,而且关于这些未知量x1,x2, … ,xn 的幂次都是一次的(线性的)那末, n 个方程 a11x1+a12x2+ … +a1nxn=b1 ┆ ┆ ┆ (1) an1x1+an2x2+ … +annxn=bn 构成一个含n个未知量的线性方程组,称为n阶线性方程组。其中,系数a11,…,a1n,a21, …,a2n, …,an1, …,ann 和b1, …,bn 都是给定的常数。 方程组(1)也常用矩阵的形式表示,写为 Ax=b 其中,A是由系数按次序排列构成的一个n阶矩阵, 称为方程组的系数矩阵,x和b都是n维向量,b称为方程组的右端向量。 2. n阶线性方程组的解 使方程组(1)中每一个方程都成立的一组数x1*,x2*, …,xn* 称为式(1)的解,把它记为向量的形式,称为解向量. 3. 向量范数的三种常用范数 4．矩阵的四种常用范数 5.谱半径 设 n(n 阶矩阵A的特征值为( i(i=1,2,3……n),则称 ( (A) = MAX | (i| 1(i( n 为矩阵A的谱半径. 矩阵范数与谱半径之间的关系为: ( (A) ( ||A|| 6.严格(行)对角占优阵A 如果 矩阵 A=(aij)满足 n |aii| ( |aij| i=1,2,……n, j=1,j(i 则称方阵A是严格(行)对角占优的. 7.收敛定理 对任意初始向量x(0)及任意右端向量 g，由迭代x(k+1) =B x(k) +g产生的迭代向量序列{x(k)}收敛的充要条件是谱半径(（B）1 8.收敛判别条件 判别条件1： 若||B||1, 则迭代x(k+1) =B x(k) +g 对任何初始向量x(0)都收敛. 判别条件2： 如果A为严格对角占优阵，则其 Jacobi迭代和Seidel迭代对任何初始向量x(0)都收敛。 判别条件3： 如果A为对称正定阵，则其 Seidel迭代对任何初始向量x(0)都收敛。 9.迭代法的误差估计 若||B||1，则对迭代格式 x(k+1) =B x(k) +g 　有　　 3.3 程序中Mathematica语句解释 a*matrix 数a与矩阵matrix相乘 matrix1+matrix2 矩阵matrix1和矩阵matrix2相加（注意矩阵的大小相同） matrix1.matrix2 矩阵matrix1和矩阵matrix2相乘(注意矩阵乘法的规则) Transpose[matrix] 求矩阵matrix转置 Inverse[matrix] 求矩阵(方阵) matrix 的逆 DiagonalMatrix[list] 使用列表list中的元素生成一个对角矩阵. IdentityMatrix[n] 生成n阶单位矩阵 Max[x] 求向量x中元素的最大值 3.4 方法、程序、实验 解线性方程组的迭代法是将线性方程组 Ax=b 化为等价线性方程组 x=Bx+f 再由矩阵迭代格式 x(k+1)=Bx (k)+f 构造向量序列{x(k)}来求线性方程组解的。如果得出的向量序列{x(k)}收敛至某个向量x*，则可得该向量x*就是所求方程组 Ax=b 的准确解. 线性方程组的迭代法主要有Jocobi迭代法、Seidel迭代法和超松弛(Sor)迭代法。 1. Jocobi迭代法 1) Jocobi迭代法的构造过程 假设aii(0，依次在第i个方程解出x i , i=1,2,(,n并令