38第八节 雅可与高斯—塞德尔迭代法.pptVIP

数学学院 信息与计算科学系 生成向量序列{ x(k) }，若 称为迭代格式（1）的迭代矩阵。 则有x* =Bx*+f ， 即x*为原方程组Ax=b 的解，B 基本思想： 将方程组 Ax=b ( |A|?0 ) 转化为与其 等价的方程组 x = Bx+f x(k+1) = Bx(k) + f （k=0,1,2,?) (1) 取初始向量 x(0)按下列迭代格式 第八节 雅可比迭代法 与高斯—塞德尔迭代法 序列{x(k)}的收敛条件，收敛速度，误差估计等。 问题： 如何构造迭代格式，迭代法产生的 向量 设方程组 一、雅可比迭代法 其中 aii?0 ( i=1 , 2 , …, n) 等 价 方 程 组 建立迭代格式 称为雅可比(Jacobi)迭代法，又称简单迭代法。 或缩写为 记矩阵 A=D-L-U ，其中 于是雅可比迭代法可写为矩阵形式 其Jacobi迭代矩阵为 B1=BJ =D-1(L+U) ，即 例如　已知线性方程组 Ax=b 的矩阵为 其雅可比迭代矩阵为 在 Jacobi 迭代中,计算xi(k+1)（2? i ? n）时,使用xj(k+1)代替xj(k) （1? j ? i-1），即 建 立 迭 代 格 式 二、高斯——塞德尔迭代法 或缩写为 称为高斯—塞德尔（Gauss — Seidel）迭代法。 其G-S迭代矩阵为 B2 = BG =(D-L)-1U 于是高斯—塞德尔迭代法可写为矩阵形式 例如　已知线性方程组 Ax=b 的矩阵为 其G-S迭代矩阵为 例1 用雅可比迭代法解方程组 解： Jacobi 迭代格式为 精确解是 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 取 计算如下 解： Gauss-Seidel 迭代格式为 例2 用Gauss—Seidel 迭代法解上题。 取 x(0)=(0,0,0)T 计算如下： k x1(k) x2(k) x3(k) 1 0.72 0.902 1.1644 … … … … 8 1.099998 1.199999 1.3 定理 1 在下列任一条件下，雅克比迭代法收敛。 三、迭代收敛的充分条件 　　定理 2 设B1, B2分别为雅克比迭代矩阵与高斯—塞德尔迭代矩阵，则 . 从而，当 时， 高斯—塞德尔迭代法收敛。 　 定 义1 设n 阶矩阵A=(aij)n×n，如果 则称矩阵A为行（或列）严格对角占优。 或 (证明见书P77) 　　定理3 若矩阵A行（或列）严格对角占优，则解线性方程组Ax=b的Jacobi 迭代法和Gauss-Seidel 迭代法均收敛 。 证 ① 设矩阵A 行严格对角占优, 由 由此根据第五节定理4知道(I-BJ)是非奇异矩阵，因此 A=D(I-BJ)也是非奇异矩阵. 因为 所以 Jacobi 迭代收敛. 所以有 　　结论 若矩阵A行(或列)严格对角占优，则A是非奇异矩阵. 　　② 下面证明Gauss—Seidel 迭代法收敛. ，得 由 　　下面证明|? |1. 若不然, 即有? 使|? |?1, 则 这说明?(D-L)-U是奇异矩阵. 是行严格对角占优矩阵, 由结论知它是非奇异矩阵, 这与式(1) 矛盾, 所以|? |1, 从而 ?(BG)1, 即Gauss—Seidel迭代法收敛. 即矩阵 　　定理4 若 A 为正定矩阵，则方程组 Ax=b 的Gauss—Seidel 迭代法收敛。 证 因为A是对称正定的, 所以有 A =D-L-LT ,对 BG =(D-L) -1LT ，设?为BG 的特征值， y 为对应的特征向量，即有 (D-L)-1LTy=? y ，　　 LTy=? (D-L)y ， 则 [LTy, y]=?[(D-L)y, y] 从而 因 A 正定，所以 D 正定，故设[ D y, y ]=?0。 所以|? |1，从而 ?( BG)1，故Gauss—Seidel迭代法收敛。 令 -[Ly, y]=a+ib，则由复向量内积的性质有 定理5 若 Jacobi 迭代矩阵BJ 为非负矩阵，则下