《线性代数方程组的迭代解法》-公开课件（精选）.pptVIP

5.1 引言 凡是迭代法都有一个收敛问题，有时某种方法对一类方程组迭代收敛，而对另一类方程组进行迭代时就会发散。一个收敛的迭代法不仅程序设计简单，适于自动计算，而且较直接法更少的计算量就可获得满意的解。因此，迭代法亦是求解线性方程组，尤其是求解具有大型稀疏矩阵的线性方程组的重要方法之一。 第五章 解线性方程组的迭代法 5.2 迭代法的基本思想 迭代法的基本思想是将线性方程组转化为便于迭代的等价方程组，对任选一组初始值 ，按某种计算规则，不断地 对所得到的值进行修正，最终获得满足精度要求的方程组的近似解。 设 非奇异， ，则线性方程组 有惟一解 ，经过变换构造出一个等价同解方程组 将上式改写成迭代式 选定初始向量 ,反复不断地使用迭代式逐步逼近方程组的精确解,直到满足精度要求为止。这种方法称为迭代法 如果 存在极限 则称迭代法是收敛的，否则就是发散的。 收敛时，在迭代公式 中当 时， , 则 , 故 是方程组 的解。 对于给定的方程组可以构造各种迭代公式，是否全部收敛呢？ 例5.1 用迭代法求解线性方程组 解 构造方程组的等价方程组 据此建立迭代公式 取 计算得 迭代解离精确解 越来越远，迭代不收敛。 雅可比（Jacobi）迭代法 1）雅可比迭代法算法构造 将n元线性方程组 写成 写成 若 ,分离出变量 若 ，分离出变量 有 据此建立迭代公式 上式称为解方程组的Jacobi迭代公式。 例5.2 用雅可比迭代法求解方程组 解：从方程组的三个方程中分离出 和 建立迭代公式 取初始向量 进行迭代, 可以逐步得出一个近似解的序列： （k=1, 2, …） 直到求得的近似解能达到预先要求的精度， 则迭代过程终止，以最后得到的近似解作为线 性方程组的解。 当迭代到第10次有 计算结果表明，此迭代过程收敛于方程组的精 确解x*= (3, 2, 1)T。 2） 雅可比迭代法的矩阵表示 设方程组 的系数矩阵A非奇异，且主对 角元素 ，则可将A分裂成 记作 A = L + D + U 则 等价于 即 因为 ，则 这样便得到一个迭代公式 令 则有 （k = 0,1,2…） 称为雅可比迭代公式, B称为雅可比迭代矩阵 其中 在例4.2中,由迭代公式写出雅可比迭代矩阵为 雅可比迭代矩阵表示法，主要是用来讨论其收敛性，实际计算中，要用雅可比迭代法公式的分量形式。即 (k=0,1,2,…) 雅可比迭代法的算法实现 高斯-塞德尔（Gauss-Seidel）迭代法 1 ）高斯-塞德尔迭代法的基本思想 在Jacobi迭代法中，每次迭代只用到前一次的迭代值，若每次迭代充分利用当前最新的迭代值，即在求 时用新分量 代替旧分量 , 就是高斯-赛德尔迭代法。其迭代法格式为： (i=1,2,…,n k=0,1,2,…) 例5.3 用Gauss?Seidel 迭代格式解方程组 精确要求为ε=0.005 解 Gauss?Seidel 迭代格式为 取初始迭代向量 ,迭代结果为： x* ≈ 2 ） Gauss—Seidel 迭代法的矩阵表示 将A分裂成A =L+D+U，则 等价于 ( L+D+U )x = b 于是,则高斯—塞德尔迭代过程 因为 ,所以 则高斯-塞德尔迭代形式为： 故 令 3） 高斯—塞德尔迭代算法实现 高斯-塞德尔迭代算法的计算步骤与流程图与雅可比迭代法大致相同，只是一旦求出变元 的某个新值