第三节 雅克比代法和高斯-塞德尔迭代法.pptVIP

第三节 向量范数和矩阵范数 一、 向量范数 非负性： 齐次性： 三角不等性： 非负实值函数 常用的几种向量范数：  1-范数：  2-范数： 上述3种向量范数统称为P-范数 二、 矩阵范数 非负性： 齐次性： 三角不等性： 列范数： 行范数： 谱范数： 谱半径 常用的几种矩阵范数： 第四节 解线性方程组的迭代法 迭代法 从一个初始向量出发,按照一定的递推格式,产生逼近方程组的近似解序列。 迭代法是一种逐次逼近的方法,与直接法比较, 具有: 程序简单,存储量小的优点。特别适用于求解系数 矩阵为大型稀疏矩阵 的方程组。 一、雅克比迭代法 将系数矩阵分裂为： 原方程组可化为 相应的迭代格式 上述方法称为雅克比迭代法，简称J法或简单迭代法 分量形式： 二、高斯-塞德尔迭代法 高斯-塞德尔迭代法是雅克比迭代法的一种改进。  高斯-塞德尔迭代法的分量形式： 高斯-塞德尔迭代法。 解： 雅克比迭代法 要求 精度 迭代 次数 0.001 9 (1.0002507 1.0000694 1.0002507) 0.0001 10 (0.9999541 1.0001253 0.9999541) 0.00001 14 (0.9999981 1.0000020 0.9999981) 方 程 组 的 近 似 解 高斯-塞德尔迭代法 要求 精度 迭代 次数 0.001 5 (0.9997916 0.9998479 1.0000664) 0.0001 7 (0.9999929 0.9999949 1.0000022) 0.00001 8 (1.0000013 1.0000009 0.9999996) 方 程 组 的 近 似 解