线性方程组迭代法.pptVIP

科大研究生学位课程 * 2.3.2 收敛条件 我们看一下Gauss-Seidel迭代法收敛的充分条件 定理：若A满足下列条件之一，则Seidel i迭代收敛。 ①A为行或列对角占优阵 ②A对称正定阵（证略书上定理2.9） 迭代格式收敛??(B)1 。若‖B‖1?迭代法收敛. det(?I-B)= det(?I-(D-L)-1U) 证明： = det((D-L)-1)det(?(D-L)-U)=0 所以有 det(?(D-L)-U)=0 科大研究生学位课程 * 若|?|?1, 则矩阵?(D-L)-U 是严格对角占优矩阵, 这与 det(?(D-L)-U)=0矛盾, 所以|?|1,于是?(B)1. 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。 科大研究生学位课程 * 2.4 逐次超松弛迭代法 记 则 可以看作在前一步上加一个修正量。若在修正量前乘以一个因子 ，有 对Gauss－Seidel迭代格式 (2.22) 科大研究生学位课程 * 故SOR的迭代格式 （2.23） SOR的迭代矩阵 科大研究生学位课程 * 用分量形式讨论，设 加速 （迭代公式） ?是松驰因子(0?2), 当0?1时叫低松弛，?1时叫超松弛， ?=1时，就是Gauss-Seidel迭代法。 科大研究生学位课程 * 程序见P28。 算法2.3（SOR迭代法）： 科大研究生学位课程 * 例 用SOR方法解线性方程组 解 SOR方法迭代公式为 方程组的精确解是x*=(2,1,-1)T. 取x(0)=(0,0,0)T,?=1.46,计算结果如下: 科大研究生学位课程 * k x1(k) x2(k) x3(k) 0 1 2 3 … 20 0 3.65 22.5661399 …… 1.9999987 0 0.8845882 0.4230939 0.6948261 …… 1.0000013 0 -0.2021098 -0-0.4952594 …… -1.0000034 从结果可见 ,迭代20次时已获得精确到小数点后五位的近似解.如果取?=1.25,则需要迭代56次才能得到具有同样精度的近似解;如果取?=1,则需迭代110次以上. 科大研究生学位课程 * 2.4.2 SOR迭代法的收敛条件 迭代格式收敛??(B)1 。若‖B‖1?迭代法收敛. 对于SOR迭代，我们有一些收敛的结果. 定理2.10 SOR方法收敛的必要条件是0?2. 证 设SOR方法收敛, 则?(B?)1,所以|det(B?)| =|?1?2… ?n|1 而 det(B?) =det[(D-?L)-1 ((1-?)D+?U)] =det[(I-?D-1L)-1 ]det[(1-?)I+?D-1U)] =(1-?)n 于是 |1-?|1, 或 0?2 科大研究生学位课程 * 定理2.11 设A是对称正定矩阵, 则当0?2时,解方程组Ax=b的SOR方法收敛. 证 设?是B?的任一特征值, y是对应的特征向量, 则 [(1-?)D+?U]y=? (D-?L)y 于是 (1-?)(Dy,y)+?(Uy,y)=?[(Dy,y)-?(Ly,y)] 由于A=D-L-U是对称正定的, 所以D是正定矩阵, 且L=UT. 若记(Ly,y)=?+i?, 则有 (Dy,y)=? 0 科大研究生学位课程 * (Dy,y)=? 0 (Uy,y)=(y,Ly)=(Ly,y) =?-i? 0(Ay,y)=(Dy,y)-(Ly,y)-(Uy,y) =?-2? 所以 当0?2时,有 (?-??+??)2-(?-??)2= (2??-??)(2?-??) = ?? (2?-?)(2-?)0 所以|?|21, 因此?(B?)1,即S0R方法收敛. 科大研究生学位课程 * 推论2.1 A是对称正定矩阵, Jacobi迭代法收敛的充要条件是2D-A也对称正定。 证 设?是Jacobi迭代矩阵B的任一特征值, y是对应的特征向量, 则 (L+U)y=?Dy 于是 (Ly,y)+(Uy,y)=?(Dy,y) 可得 ?=2?/? 当A对称正定时,即2?-?0时,|?|1? 2?+?0 而 ((2D