第六章线性方程组的迭代解法.pptVIP

下载本文档

4
0
约2.98千字
约 37页
2019-08-10 发布于广东
举报

第六章线性方程组的迭代解法.ppt

* 第六章线性方程组的迭代解法第二节迭代法的收敛性上一页下一页返回第三节超松弛迭代法第一节基本迭代方法 * §1 基本迭代方法上一页下一页返回一、问题的提出 1．直接方法的缺陷(以Gauss消去法为代表)：对于低中阶数（n≤100）的线性方程组十分有效，但n很大时，特别是由某些微分方程数值解所提出来的线性方程组，由于舍入误差的积累以及计算机的存贮困难，直接方法却无能为力。 2．解决方法：（利用迭代方法）迭代方法：把线性方程组的数值求解问题化为一个迭代序列来实现。 * 上一页下一页返回具体做法 (2) 取任意初始向量x(0)构成迭代序列: 迭代格式：定义：迭代矩阵： * 上一页下一页返回迭代过程收敛：若序列{x(k)}极限存在，称此迭代过程收敛，否则称为发散。 3. 需要讨论的问题：怎样建立迭代格式，迭代过程是否收敛，误差分析，如何加快收敛速度等等。迭代法计算精度可控，特别适用于求解系数为大型稀疏矩阵 /* sparse matrices */ 的方程组。由于迭代方法能避免系数矩阵中零元的存贮与计算，特别适用于解系数矩阵阶数很高而非零元极少（即大型稀疏）的线性方程组。 * 二、Jacobi （雅可比）迭代法建立迭代格式：可以缩写为：按此格式迭代求解的方法称为雅可比迭代法,简称J法。上一页下一页返回 * 例1 用雅可比迭代法解线性方程组解生成雅可比迭代格式： k x1(k) x2(k) x3(k) 1 0.72 0.83 0.84 2 0.971 1.07 1.15 …… …… ……. …… 11 1.099993 1.199993 1.299991 12 1.099998 1.199998 1.299997 上一页下一页返回从上表可以看出，迭代序列收敛于x*，若取x(12)作为近似解，则误差不超过 10-5 * 写成矩阵形式： B Jacobi 迭代阵，简记为BJ 上一页下一页返回 * 三、Gauss – Seidel（高斯—塞德尔）迭代法 … … … … 写成矩阵形式： B Gauss-Seidel 迭代阵，简记为BGS 上一页下一页返回 * Gauss-Seidel迭代法的分量形式为：上一页下一页返回例2 分别给出以下线性方程组的Jacobi迭代格式和Gauss-Seidel迭代格式：解原方程等价于 * 上一页下一页返回建立Jacobi迭代格式如下建立Gauss-Seidel迭代格式如下 * 上一页下一页返回例3 用高斯-塞德尔迭代法求解例1中的方程组建立Gauss-Seidel迭代格式解迭代8次可得在本例中Gauss-Seidel迭代法比Jacobi迭代法收敛快。这个结论在多数情况下成立，但高斯-塞德尔的收敛更快是有条件的。注：两种方法都存在收敛性问题。有例子表明：Gauss-Seidel法收敛时，Jacobi法可能不收敛；而Jacobi法收敛时， Gauss-Seidel法也可能不收敛。 * §2 迭代法的收敛性的收敛条件迭代法收敛的充要条件: 上一页下一页返回定理一、一般迭代法的收敛性 * 上一页下一页返回例4 设方程组的系数矩阵为判别Jacobi迭代与Gauss-Seidel迭代是否收敛。解 Jacobi迭代矩阵为 * 上一页下一页返回所以，Jacobi迭代法发散。高斯-塞德尔迭代矩阵为所以，高斯-塞德尔迭代法收敛。困难：具体问题中，很难计算。 * 定理（充分条件）若存在一个矩阵范数使得 || B || 1, 则迭代收敛，且有下列误差估计： ① ② 证明： ① ? ② 上一页下一页返回 * 上一页下一页返回 ①上述定理只是判别迭代格式收敛的充分条件，但若，则不能下结论说迭代法发散，只能用进行判断。 ②由上述定理知‖B‖越小，收敛越快。同时可获得迭代解的事后误差估计，当（即迭代法收敛较快）时，可用如下停机准则控制迭代结束：注意： * 上一页下一页返回解：按照迭代公式有：所以，J法和GS法必收敛，并且，GS法比J法收敛快。 * 上一页下一页返回

您可能关注的文档

文档评论（0）

1亿VIP精品文档

更多 >

第六章线性方程组的迭代解法.pptVIP