线性方程组的迭代解法9.docVIP

8 线性方程组的迭代解法 在阶数较大、系数阵为稀疏阵的情况下，可以采用迭代法求解线性方程组。用迭代法(Iterative Method)求解线性方程组的优点是方法简单，便于编制计算机程序，但必须选取合适的迭代格式及初始向量，以使迭代过程尽快地收敛。迭代法根据迭代格式的不同分成雅可比(Jacobi)迭代、高斯-塞德尔(Gauss-Seidel)迭代和松弛(Relaxation)法等几种。在本节中，我们假设系数矩阵A的主对角线元素，且按行严格对角占优(Diagonal Donimant)，即： 雅可比迭代 雅可比迭代及其串行算法 雅可比迭代的原理是：对于求解n阶线性方程组Ax=b，将原方程组的每一个方程ai1x1+ ai2x2+…+ ainxn= bi改写为未知向量x的分量的形式： 然后使用第k-1步所计算的变量xi(k -1)来计算第k步的xi(k)的值： 这里，xi(k)为第k次迭代得到的近似解向量x(k)= (x1 (k), x2(k) , …, xn(k) )T的第i个分量。取适当初始解向量x(0)代入上述迭代格式中，可得到x(1)，再由x(1)得到x(2)，依次迭代下去得到近似解向量序列{x(k)}。若原方程组的系数矩阵按行严格对角占优，则{x(k)}收敛于原方程组的解x。实际计算中，一般认为，当相邻两次的迭代值xi(k +1)与xi(k) i=(1,2, …,n)很接近时，