数值分析 第6章 线性代数方程组的迭代法_PPT课件.ppt

第6章 解线性方程组的迭代法 方程组的精确解为x*=(1,1,1)T. J迭代法计算公式为 取初始向量x(0)=(0,0,0)T,迭代可得 计算结果列表如下: 解 例7 用J法和G-S法求解线性方程组 可见,迭代序列逐次收敛于方程组的解, 而且迭代7次得到精确到小数点后两位的近似解. k x1(k) x2(k) x3(k) ‖x(k)-x*‖? 0 1 2 3 4 5 6 7 0 1.4 1.11 0.929 0.9906 1.01159 1.000251 0.9982364 0 0.5 1.20 1.055 0.9645 0.9953 1.005795 1.0001255 0 1.4 1.11 0.929 0.9906 1.01159 1.000251 0.9982364 1 0.5 0.2 0.071 0.0355 0.01159 0.005795 0.0017636 ‖x (6) -x(5) ‖?=0.011339,‖x(7) –x(6)‖?=0.0056695 同样取初始向量x(0)=(0,0,0)T, 计算结果为 由计算结果可见,G-S迭代法收敛较快.取精确到小数点后两位的近似解,G-S迭代法只需迭代3次,而J迭代法需要迭代7次. k x1(k) x2(k) x3(k) ‖x(k)-x*‖? 0 1 2 3 0 1.4 1.0634 0.9951044 0 0.78 1.02048 00 1.026 0.987516 11 0.4 0.0634 0.0048956 G-S迭代法的计算公式为: 不具有一般性 用J迭代法求上例中方程组的解,取x(0)=(0,0,0)T,若使误差 ??x(k)-x*???10-5,问需要迭代多少次? 由上例知,x(1)=(1.4,0.5,1.4)T, 于是有 ??x(1)-x(0)???=1.4 ,??B???=0.5 . 例8 k应满足 故取k=19, 即需要迭代19次. 解 若使‖x(k) –x*‖? ,只需 ，即 事前估计迭代次数 定理7 设 ，其中 为非奇异矩 阵且 非奇异，则 (1) 解方程组的雅可比迭代法收敛的充要条件是 ， 其中 (2) 解方程组的高斯-塞德尔迭代法收敛的充要条件是 其中 6.2.3 雅可比迭代与高斯-塞德尔迭代法的收敛性 雅可比迭代法收敛的充分条件是 高斯-赛德尔迭代法收敛的充分条件是 例9：说明用J法和G-S法求解下列方程组的收敛性： 解： 计算特征值： J法不收敛 G-S法的迭代矩阵为 G-S法收敛 例9：说明用J法和G-S法求解下列方程组的收敛性： 解： 计算特征值： J法收敛 计算特征值： G-S法不收敛 其他收敛性结论 1）对角占优矩阵的性质 (1) 如果 的元素满足 称 为严格对角占优阵. (2) 如果 的元素满足 且上式至少有一个不等式严格成立， 称 为弱对角占优阵. 定义6 (对角占优阵) 设 定义7(可约与不可约矩阵) 设 , 如果存在置换阵 使 （2.7） 否则 称 为不可约矩阵. 其中 为 阶方阵， 为 阶方阵 ， 为可约矩阵. 则称 进行一次行列重排 且记 其中 为 维向量. 由上式第2个方程组求出 , 无零元素的矩阵是不可约矩阵。 再代入第1个方程组求出 例： 矩阵 可约矩阵 都是不可约矩阵. * * 6.1 迭代法的基本概念 6.2 雅可比迭代法与高斯-塞德尔迭代法 6.3 超松弛迭代法 6.4 共轭梯度法 第6章  解线性方程组的迭代法/* Iterative Techniques for Solving Linear Systems */ 6.1 迭代法的基本概念 考虑线性方程组 （1.1） 其中 为非奇异矩阵。 迭代法通常都可利用 中有大量零元素的特点. 6.1.1 引言 当 为低阶稠密矩阵时，选主元消去法是有效方法. 迭代法适用于求解大型稀疏的线性方程组。 基本思想：通过构造迭代格式产生迭代序列，由迭代序列来逼近原方程组的解。 要解决的基本问题： 1. 如何构造迭代格式 2.迭代序列是否收敛 6.1.2 向量序列与矩阵序列的极限 则称向量序列 收敛于 ，记为 定义2 设有向量序列 如果存在