第7章 解线性方程组的直接法-数值分析.ppt

例题 见p188 收敛速度 收敛速度 例：Hilbert 阵 cond (H2)? = 27 cond (H3)? ? 748 cond (H6)? = 2.9 ? 106 cond (Hn)?? ? as n ? ? 注：一般判断矩阵是否病态，并不计算A?1，而由经验得出。 ? 行列式很大或很小（如某些行、列近似相关）； ? 元素间相差大数量级，且无规则； ? 主元消去过程中出现小主元； ? 特征值相差大数量级。 ? 近似解的误差估计及改善： 设　　 的近似解为　 ，则一般有 cond (A) 误差上限 ? 改善方法： Step 1:　　　　　近似解 Step 2: Step 3: Step 4: 若　 可被精确解出，则有 就是精确解了。 经验表明：若 A 不是非常病态（例如： ），则如此迭代可达到机器精度；但若 A 病态，则此算法也不能改进。 解线性方程组的迭代法 /* Iterative Techniques for Solving Linear Systems */ 求解 思路 与解 f (x)=0 的不动点迭代相似 …… ，将 等价 改写为 形式，建立迭代 　 。从初值 出发，得到序列 。 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。 研究 内容： ? 如何建立迭代格式？　 ? 收敛速度？ ? 向量序列的收敛条件？ ? 误差估计？ §2 Jacobi 法和 Gauss - Seidel 法 /* Jacobi Gauss-Seidel Iterative Methods */ ? Jacobi Iterative Method 写成矩阵形式： A = L U D B Jacobi 迭代阵 ? Gauss - Seidel Iterative Method … … … … 只存一组向量即可。 写成矩阵形式： B Gauss-Seidel 迭代阵 A mathematician about his colleague: He made a lot of mistakes, but he made them in a good direction. I tried to copy this, but I found out that it is very difficult to make good mistakes. 注：二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。 §3 迭代法的收敛性 /* Convergence of Iterative methods */ 解线性方程组的迭代法 /* Iterative Techniques for Solving Linear Systems */ 求解 思路 与解 f (x)=0 的不动点迭代相似 …… ，将 等价 改写为 形式，建立迭代 　 。从初值 出发，得到序列 。 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。 研究 内容： ? 如何建立迭代格式？　 ? 收敛速度？ ? 向量序列的收敛条件？ ? 误差估计？ 向量和矩阵范数 /* Norms of Vectors and Matrices */ —— 为了误差的度量 ? 向量范数 /* vector norms */ 定义 　　　Rn空间的向量范数 || · || 对任意 满足下列条件： （正定性 /* positive definite */ ) 对任意 (齐次性 /* homogeneous */ ) （三角不等式 /* triangle inequality */ ) 常用向量范数： ? = = n i i x x 1 1 | | || || v ? = = n i i x x 1 2 2 | | || || v p n i p i p x x / 1 1 | | || || = ? = v | | ma