数值分析第六章解线性方程组的迭代法.pptVIP

ISCM 2007,Beijing China 数值分析Numerical Analysis 第六章 解线性代数方程组的迭代法 定理6.4.3 当系数矩阵 A 为正定矩阵，高斯-塞德尔迭代收敛。 定理6.4.4 松弛迭代收敛的必要条件是0ω2 定理6.4.6 若A为对称正定矩阵时，则松弛迭代收敛的充要条件是 . §6.5 迭代法收敛判定的应用举例 证: 因为B=I-A, 故?(B)= ?(I)- ?(A)=1 - ?(A) ?(A) + ?(B) = 1 由于已知?(A) 和 ?(B)全为正数，故 0?(B)1 ,从而? (B) 1 所以该迭代格式收敛。 §6.5 迭代法收敛判定的应用举例 例6.5.3 设 方程组 写出解方程组的Jacobi迭代公式和迭代矩阵 并讨论迭代收敛的条件。 写出解方程组的Gauss-Seidel迭代矩阵,并讨 论迭代收敛的条件。 解 ① Jacobi迭代公式和Jacobi矩阵分别为 §6.2 几种常用的迭代格式 SOR方法 ⑴　用高斯—塞德尔迭代法定义辅助量。 ⑵　把 取为 与 的加权平均，即 合并表示为： §6.2 几种常用的迭代格式 SOR方法 式中系数ω称为松弛因子，为了保证迭代过程收敛，要求0ω 2。 当ω=1时，便为高斯-塞德尔迭代法。 当0ω 1时，低松弛法； 当1ω 2时称为超松弛法。 但通常统称为超松弛法(SOR)。 §6.2 几种常用的迭代格式 故 令 则超松弛迭代公式可写成 SOR迭代法的矩阵表示 §6.2 几种常用的迭代格式 显然对任何一个ω值,(D+ωL)非奇异,(因为假设 )于是超松弛迭代公式为 (k=0,1,2,…) 例6.2.3 它的精确解为 取 ，迭代公式为 用SOR方法解方程组 解 §6.2 几种常用的迭代格式 取 ， 取其他 值，迭代次数如下表. 第11次迭代结果为 从此例看到，松弛因子选择得好，会使SOR迭代法的 收敛大大加速. 本例中 是最佳松弛因子. 定义 设有矩阵序列 及 , 如果 个数列极限存在且有 则称 收敛于 ， 记为 例 且设 ，考查其极限. 解 由于，当 时，有 设有矩阵序列 所以 定理 设 , 则 (零矩阵)的 充分必要条件是矩阵 的谱半径 （证明参见：关治，陈景良.数值计算方法,清华大学出版社，P410~412） 矩阵的谱半径 定理 对给定方阵G, 若 ,则 为非奇异矩阵,且 证:用反证法,若 为奇异矩阵,则存在非零向 量x, 使 ,即有 由相容性条件得 由于 ,两端消去 ,有 ,与已知条件 矛盾,假设不成立,命题得证。 又由于 有 即 将G分别取成G和-G，再取范数 又已知 ，有 §6.3 迭代法的收敛性及误差估计 对于给定的方程组可以构造成雅可比迭代公式、高斯-塞德尔迭代公式和超松弛迭代公式，但并非一定收敛。现在分析它们的收敛性。 对于方程组 经过等价变换构造出的等价方程组 在什么条件下迭代序列 收敛？ 定理6.3.1 迭代公式 收敛 的充分必要条件是迭代矩阵G的谱半径 证:必要性 设迭代公式收敛,当k→∞时, 则在迭代公式两端同时取极限得 记 ,则 收敛于0(零向量),且有 于是 由于 可以是任意向量,故 收敛于0当且仅 当 收敛于零矩阵，即当 时 所以必 充分性: 设 , 则必存在正数ε, 使 则存在某种范数?? ? ??, 使 , ,则 , 所以 , 即 。故 收敛于 0, 收敛于 由此定理可知，不论是雅可比迭代法、高斯— 塞德尔迭代法还是超松弛迭代法，它们收敛的 充要条件是其迭代矩阵的谱半径