讲ch-基本迭代法-公开课件.pptVIP

Gauss-Seidel迭代法 即： Gauss-Seidel迭代法 Gauss-Seidel迭代法 则修正项为： 用高斯-赛德尔迭代法解方程组 例5.1 Gauss-Seidel迭代法举例 如此继续下去，可通过程序观察结果 Gauss迭代法的特点 Gauss迭代法的特点 例5.2 解 Gauss-Seidel 迭代法举例 Gauss_Seidel迭代法一般程序 A={{8,-3,2},{4,11,-1},{6,3,12}}; MatrixForm[%]; b={20,33,36}; I1=IdentityMatrix[3]; DD=DiagonalMatrix[A[[1,1]],A[[2,2]],A[[3,3]]]; L=-{{0,0,0},{A[[2,1]],0,0},{A[[3,1]],A[[3,2]],0}}; DDLN=Inverse[DD-L]; G=I1-DDLN.A; MatrixForm[%]; R=Max[Abs[Eigenvalues[N[G]]]]-1 f=DDLN.b; xa={0,0,0}; Do[xb=G.xa+f//N;z=Max[Abs[xb-xa]]//N;Print[k, ,xb, ,z];xa=xb,{k,1,12}]; LinearSolve[A,b] Gauss-Seidel迭代法 Jacobi与Gauss迭代法的比较 如果收敛的话,Gauss迭代法比Jacobi迭代法收敛的速度快 Jacobi与Gauss迭代法的比较 例5.3 Jacobi与Gauss迭代法的比较 (Jacobi法收敛): A={{1,2,-2},{1,1,1},{2,2,1}}; MatrixForm[%]； b={1,2,3}; I1=IdentityMatrix[3]; DD={{A[[1]][[1]],0,0},{0,A[[2]][[2]],0},{0,0,A[[3]][[3]]}}; DDN=Inverse[DD]; J=I1-DDN.A; MatrixForm[%]; R=Max[Abs[Eigenvalues[N[J]]]]-1 f=DDN.b; x[0]={0,0,0}; x[n_]:=J.x[n-1]+f; Table[x[n],{n,1,8}]; MatrixForm[%]//N LinearSolve[A,b] Jacobi与Gauss迭代法的比较 (Gauss-Seidel法发散): A={{1,2,-2},{1,1,1},{2,2,1}}; MatrixForm[%] b={1,2,3}; I1=IdentityMatrix[3];; DD={{A[[1,1]],0,0},{0,A[[2,2]],0},{0,0,A[[3,3]]}}; L=-{{0,0,0},{A[[2,1]],0,0},{A[[3,1]],A[[3,2]],0}}; DDLN=Inverse[DD-L]; G=I1-DDLN.A; MatrixForm[%]; R=Max[Abs[Eigenvalues[N[G]]]]-1 f=DDLN.b; x[0]={0,0,0}; x[n_]:=G.x[n-1]+f; Table[x[n],{n,1,8}]; MatrixForm[%]//N LinearSolve[A,b] Jacobi与Gauss迭代法的比较 迭代法的思想和基本理论 基本迭代法的迭代格式 Jacobi、G-S迭代法 迭代法的收敛性分析与比较 小结 迭代法的Math程序 内容小结 第五章 解线性方程组的迭代解法 迭代法的一般理论 迭代法的收敛条件 Jacobi迭代法、G-S迭代法 松弛迭代法 迭代法收敛的其它判定方法 解线性方程组的迭代法 第一节 迭代法概述 迭 代 法 概 述 引例 解 迭代法的基本思想 或写为 ， 其中 迭代法的基本思想 迭代法的基本思想 迭代法的基本思想 我们任取初始值，例如 ，将这些值代入（2）式右边（若（2）式为等式即求得方程组的解，但一般不满足），得到新的值 得到向量序列和一般的计算公式（迭代公式） 迭代法的基本思想 其中k表示迭代次数（k=0,1,2, …）. 迭代到第10次有 迭代法的基本思想 思考题 不一定! 定义3.1 关注的问题及几个相关概念 定理 关注的问题及几个相关概念 证明： 上述定理表明，向量序列和矩阵序列的收敛可归结为对应分量或对应元素序列的收敛。 矩阵有类似结果 关注的问题及几个相关概念 第二节 迭代法的收敛条件 迭代法的基本理论 基本迭代法 Jac