第六章解线性方程组的迭代法.docVIP

第五章 解线性方程组的迭代法 本章主要内容： 迭代法收敛定义，矩阵序列收敛定义，迭代法基本定理，雅可比迭代法，高斯-塞德尔迭代法，系数矩阵为严格对角占优阵的采用雅可比迭代、高斯-塞德尔迭代的收敛性。 教学目的及要求： 使学生了解迭代法收敛定义，迭代法基本定理，掌握雅可比迭代法、高斯-塞德尔迭代法。 教学重点： 雅可比迭代法，高斯-塞德尔迭代法。 教学难点： 迭代法基本定理的证明以及作用。 教学方法及手段： 应用严格的高等代数、数学分析知识，完整地证明迭代法基本定理，讲清雅可比迭代法与高斯-塞德尔迭代法的关系，介绍雅可比迭代法与高斯-塞德尔迭代法在编程中的具体实现方法。 在实验教学中，通过一个具体实例，让学生掌握雅可比迭代法与高斯-塞德尔迭代法的具体实现，并能通过数值计算实验，揭示高斯-塞德尔迭代法是对雅可比迭代法的一种改进这一事实。 教学时间： 本章的教学的讲授时间为6学时，实验学时4学时。 教学内容： 一 迭代法定义 对于给定的线性方程组，设它有唯一解，则 (6.1) 又设为任取的初始向量，按下述公式构造向量序列 (6.2) 这种逐步代入求近似解的方法称为迭代法（这里B与f与k无关）。如果存在（记为），称此迭代法收敛，显然就是方程组的解，否则称此迭代法发散。 迭代法求方程近似解的关键是是讨论由(6.1)式所构造出来的向量序列是否收敛。为此，我们引入误差向量 将(6.2)式与(6.1)式相减，我们可得 递推下去，得 要考察的收敛性，就要研究在什么条件下有 也就是要研究在什么条件下有 。 二 迭代法收敛性定理 矩阵的收敛性定义 设有矩阵序列及，如果个数列极限均存在且有 则称收敛于，记为。 注： 矩阵序列的收敛性是根据矩阵的每个分量序列的收敛性来定义的。 【例题1】讨论约当块矩阵的幂次所构成的矩阵序列的收敛性。 形如 的矩阵称之为n阶的约当块。它可以分解成为 下面，我们分几步来研究矩阵序列 的收敛性。 1 矩阵的幂阵的性质 我们不妨以4阶阵来看看这种性质。 ，， ， 的性质可归纳为以下两点： （1） 如时，； （2） m=1时，的第2条对角线元素为1，其余为零；m=2时，的第3条对角线元素为1，其余为零；m=3时，的第4条对角线元素为1，其余为零。 简言之，的第m+1条对角线元素为1，其余为零（当没有第m+1条对角线时，应理解为零矩阵）。 2 计算约当块的幂次。 当时， 3 一个极限性质 因为，得到 这里，注意事实 4 约当块幂阵的收敛性结论 当时，收敛于零矩阵；当，发散。 矩阵序列极限的概念可以用矩阵范数来描述。 【定理1】，其中为矩阵的任意一种范数。 证明 显然有 再利用矩阵范数的等价性，可证明定理对其他矩阵范数也成立。 【定理2】的充要条件是，有。 证明 必要性 记，据，可知。 设，对于，有 由可知，。 类似地，可证明 。 这里，是中的基本单位向量组。 ，则 即 ， 亦即 。 充分性 据，有 ， 由的任意性，如果取，则 ， 亦即 类似地，可分别让，可得 故 从而 。 【定理3】设，则的充要条件是。 证明 由高等代数知识，存在非奇奇异矩阵P使 其中约当块 且，显然有 其中 于是 据例题1的结论，的充要条件是 故的充要条件是。 【定理4】（迭代法基本定理）设有方程组 以及迭代法 对任意选取初始向量，迭代法收敛的充要条件是矩阵的谱半径。 证明 充分性 设 则矩阵的特征值均大于零，故非奇异。 有唯一解，且 ，即 。 误差向量 由设，应用定理3，有。 于是，对任意，有，即 。 必要性 设对任意有 其中，显然，极限是方程组的解，且对任意有 由定理2知 。 再由定理3，即得。 判断迭代收敛时，需要计算，一般情况下，这不太方便。由于，在实际应用中，常常利用矩阵B的范数来判别迭代法的收敛性。 【定理5】（迭代法收敛的充分条件）设有方程组 以及迭代法 （） 如果有B的某种范数，则 （1）迭代法收敛，即对任取有 且 。 （2）。 （3）。 （4）。 证明 （1）由基本定理4，结论（1）是显然的。 （2）由关系式，有 （3） 即 显然亦成立。 （4）。 注： 该定理中的第3款可作为误差的事后估计式。 三 几种常见的迭代法及收敛性 下面，我们讨论线性方程组 如何用迭代法求近似解的问题。 这里，为非奇异矩阵，。 （一） 雅可比迭代法。 设，将A分解成以下三部分 记， 那么 形成迭代式 对于任意初值，（） 这就是雅可比迭代法。 注： 1 形成雅可比迭代式的条件是A的主对角线元素均非零。 2 雅可比迭代收敛的条件是。 【例题2】对于线性方程组 利用雅可比迭代法求其近似解（允许的最大迭代次数N，近似解