第三讲 线性方程组求解.ppt

§3 矩阵分解及其在解方程组中的应用 4、谱半径 Def：设 的特征值为 则称 为矩阵A的谱半径。 Th： Th：若 是对称矩阵，则 Th：若 则 为非奇异矩阵，且 §5 方程组的性态和条件数 引例 考察如下三个方程组的解 若方程组Ax＝b的系数矩阵A与右端列向量b的微小扰动将引起解产生巨大变化，则称此方程组为病态方程组，否则称为良态方程组。 对于病态方程组，无论用多么稳定的算法求解，一旦计算中产生了误差就将使解面目全非，这种方程组的性态是很坏的。于是，在求解方程组之前，就有必要考虑这样的问题：如何衡量方程组的病态程度？ 一、 矩阵的条件数 考虑下面的问题： 设A是非奇异矩阵，并且Ax＝b的准确解为x，当右端向量b 有一个小的扰动 ，相应解的扰动记为 即有： 分析 与 之间的关系。 即，解的相对误差与右端 列向量相对扰动之间的关系。 这说明了常数项b的相对误差在解中可能放大 倍 若Ax＝b中的系数矩阵A有一个小的扰动 且当 时，可以证明此时受扰解的相对误差满足： 若系数矩阵与右端向量分别有微小扰动时，扰动解的相对误差为： 为矩阵A的条件数。它刻画了矩阵的“病态”程度。 Def：设A为非奇异矩阵，称 矩阵的条件数与所用的范数有关，常用的条件数主要有： 特别的，当A为对称矩阵时，有 这里 分别表示矩阵A的绝对值最大和最小的特征值。 条件数的性质 （1）对任何非奇异矩阵A，都有 （2）设A为非奇异矩阵且常数 则有 （3）设A为正交矩阵，则 （4）若A为非奇异矩阵，R为正交矩阵，则有 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。 二、近似解与残向量之间的关系 考虑下面的问题：设 是方程组Ax＝b的近似解，自然想到 将 代入到原方程组中，考察方程组左右两边误差大小，据此 评价近似效果。一般来说代入后两边差距越小，近似效果越好。 定义： 称为近似解的残向量 问题： 当残向量较小时，能否说明 就是一个较好的近似解？ 分析下面一个具体问题 方程组 准确解为 两个近似解 考察近似效果及残向量大小 Th：设A非奇异，x是方程组Ax=b的准确解， 是其近似解 则， 证明： §6 线性方程组的迭代解法 一、迭代法的一般步骤 例如: 依据两种不同改写方式，构造迭代格式，考察迭代矩阵 如：令 ，则 事实上，方程组总是可以改写为我们所需要的等价形式的 二、迭代法的收敛性与误差估计 Th1：收敛的充分条件与误差估计 设 是方程组 的准确解，若 则迭代格式 对任意初值均收敛，且有 几点说明： （1）该定理只能用于判别迭代收敛，不能说明发散 （2）解方程组的迭代法如果收敛，对初值的选取没有要求， 这是与方程求根的迭代法不同的 （3）该定理给出了估计截断误差的两种方法，在实际应用中 常用下面的方法控制迭代终止 Th2：迭代法收敛的充分必要条件 迭代格式 收敛的充分必要条件是 事实上这一停机准则并不可靠，仅在q小于等于0.5时才能保证解的精度满足要求，q>0.5时有更复杂的停机准则，参阅 宋永忠.解线性方程组的迭代法的停机准则和误差界.计算数学，1992(1):27~32 三、Jacobi迭代法 1、Jacobi迭代格式 根据方程组中第i个方程，将未知量 表示出来。 用其余的未知量 构造迭代格式： 将上面的格式写成矩阵乘法的形式，等价与下面的矩阵方程 其中，L，D，U分别是原方程组Ax=b中系数矩阵A的对角线 下方元素、对角线元素、对角线上方元素构成的矩阵，即 可见，Jacobi迭代法中的迭代矩阵为 2、Jacobi迭代法的收敛性判定 Jacobi迭代法收敛的充分必要条件是： 而Jacobi迭代法中迭代矩阵的谱半径可以按照下面的公式计算 这是因为 例：用Jacobi迭代法求解下列方程组，并验证收敛性；取初值 x=（1，1，1）T，给出迭代两步后的方程组的近似解 解：迭代格式 收敛性 所以Jacobi迭代法收敛。 准确解（1，2，3） 四、Gauss－Seidel迭代法 1、基本思想与迭代格式 在Jacobi迭代法中，注意到计算 时，从 一直到 都已经计算好，然而Jacobi迭代法并没有利用这些最新 的近似值进行下一步的计算，仍用第k步的各个x进行迭代。 为此，我们对Jacobi迭代格式进行如下修改： 一旦有未知量最新的近似值，下面就用最新结果进行迭代， 这样可能使收敛速度加快，同时节省存储空间 将上面的方程组写成矩阵乘法形式： Gauss－Seidel迭代法的迭代矩阵为： 2、Gauss－Seidel迭代法的收敛性判定 Gauss－Seidel迭代法