第三章迭代法s4解线性方程组的迭代法-精选课件(公开).pptVIP

第三章 迭 代 法 求解线性方程组的迭代法 解线性方程组迭代法的基本思想 Jacobi 迭代 Jacobi 迭代 Gauss-Seidel 迭代 迭代的收敛性 定理3.4 设迭代矩阵G的某种范数||G||1，则x=Gx+f 存在唯一解，且对任意初值，迭代序列 x(k)= Gx(k-1) + f 收敛于x*，进一步有误差估计式 直接从Ax=b判断 推论3.1 若A按行严格对角占优( ), 则解Ax=b的Jacobi迭代和Gauss-Seidel迭代均收敛。 充分必要条件 谱半径?(G)：G的特征值的模的最大值 引理３.２设Ｇ是方阵，则Gk → O ??(G)1. 定理3. 5 迭代x(k)= Gx(k-1) + f 对任意初值收敛?? (G)1. 三种方法比较 方法一(推论): 从系数矩阵A判断, A严格对角占优，则Jacobi迭代和Gauss-Seidel迭代收敛, 充分条件, 最方便 方法二(定理3.4): 从迭代矩阵G判断, 有一种范数||G||1, 充分条件 方法三(定理3.5): 从迭代矩阵G判断,谱半径?(G) 1, 充分必要条件, 最宽 SOR 迭代 Jacobi、GS 和 SOR 算法 举例 举例（续） 举例（续） 矩阵分裂法 * * 第四节 解线性方程组的迭代法 直接法的缺点： 迭代法：从一个初始向量出发，按照一定的迭代格式，构造出一个趋向于真解的无穷序列。 运算量大，不适合大规模的线性方程组求解; 无法保持系数矩阵的稀疏性. 迭代解法是目前求解大规模线性方程组的主要方法。 只需存储系数矩阵中的非零元素; 运算量不超过 O(kn2)，其中 k 为迭代步数. (1) 迭代格式的建立; (3) 误差估计和收敛速度. 研究 内容： (2) 收敛性判断; 迭代格式的建立 Ax = b A = M - N Mx = Nx + b k = 0, 1, 2, … 给定一个初始向量 x(0)，可得迭代格式： 若产生的迭代序列 {x(k)} 收敛到一个确定的向量 x*，则 x* 就是原方程组的解。 其中 G 称为迭代矩阵。 k = 0, 1, 2, … 则可得雅可比 (Jacobi) 迭代格式: 令 A = D + L+ U， 其中 称为雅可比 (Jacobi) 迭代矩阵 在计算 时，如果用 代替 ，则可能会得到更好的收敛效果。此时的迭代公式为 Jacobi 迭代的分量形式： 写成矩阵形式: 称为 G-S 迭代矩阵 此迭代格式称为高斯-塞德尔 (Gauss-Seidel) 迭代 k = 0, 1, 2, … 解得 证明思路：(1)解的存在唯一性; (2)解的收敛性; (3)误差估计式。 后验估计 先验估计 证明思想：用定理3.4. A严格对角占优， 则无穷大范数 ||G||11 Jacobi迭代(直接证||G||11) Gauss-Seidel迭代, 令y=Gx，则y= -D-1(Ly+Ux) 先证对任意||x||1 =1, ||y||1 1 再证存在某||x||1 =1, 使||G||1 =||y||1 推论3.1若A按行严格对角占优( ), 则 解 的Jacobi迭代和Gauss-Seidel迭代均收敛。 由A按行严格对角占优, 再由定理3.4知迭代收敛。 令 ，则有 即 写出分量形式有 证: 令雅可比迭代公式的迭代矩阵为 再考察高斯-赛德尔迭代公式的迭代矩阵 取 而 由上式得 得 据定理3.4知G-S迭代法收敛。 取 记 例3.8 判断Gauss-Seidel迭代求解 Ai x=b 的收敛性。 称为 SOR 迭代矩阵 为了得到更好的收敛效果，可选参数w作右边与xi(k)的加权平均，于是就得到逐次超松弛迭代法，简称 SOR迭代，其中 w 称为松弛因子。收敛的必要条件0?2。 此时 在 GS 迭代中 解得 低松弛法: 0?1 ； ?=1: Gauss-Seidel迭代；超松弛法: 1?2 Jacobi 算法 GS 算法 SOR 算法 解： 例：解线性方程组 取初始向量 x(0) = ( 0, 0, 0 )，迭代过程中保留小数点后4位。 Jacobi 迭代格式 令 则迭代得： x(1) = ( 0.5000, 2.6667, -2.5000 )T x(21) = ( 2.0000, 3.0000, -1.0000 )T GS 迭代格式 得