线性代数方程组的迭代解法.pptVIP

* 第六章 线性代数方程组的迭代解法 /*Iterative Method for Solving Linear Algebraic Systems*/ 求解 迭代法 从一个初始向量出发,按照一定的递推格式,产生逼近方程组的近似解序列。 迭代法是一种逐次逼近的方法,与直接法比较, 具有: ?程序简单,存储量小的优点。特别适用于求解系数 矩阵为大型稀疏矩阵 /* sparse matrices */ 的方程组。 思路 与解f (x)=0 的不动点迭代相似 ， 将方程组 等价改写成 形式，从而建立迭代格式　 ，从 出发，生成迭代序列 §2 Jacobi和Gauss-Seidel迭代法 一、 Jacobi迭代法 设方程组 将系数矩阵分裂为： 其中 如果 原方程组可化为 其中 相应的迭代格式 上述方法称为Jacobi迭代法，简称J法或简单迭代法 分量形式： 二、 Gauss-Seidel迭代法 G-S迭代法是J迭代法的一种改进 在J迭代公式中，计算 时，利用已经算出来的新的 值，从而得到G-S迭代法。 ? G-S迭代法的分量形式： 例1：利用Jacobi和Gauss-Seidel迭代法求解方程组 解： Jacobi迭代格式 G-S迭代格式 计算结果 取初值 Jacobi迭代法 (0.9999981 1.0000020 0.9999981) 14 0.00001 (0.9999541 1.0001253 0.9999541) 10 0.0001 (1.0002507 1.0000694 1.0002507) 9 0.001 迭代 次数 要求 精度 方 程 组 的 近 似 解 ? G-S迭代法的迭代矩阵： 计算结果 Gauss-Seidel迭代法 (1.0000013 1.0000009 0.9999996) 8 0.00001 (0.9999929 0.9999949 1.0000022) 7 0.0001 (0.9997916 0.9998479 1.0000664) 5 0.001 迭代 次数 要求 精度 方 程 组 的 近 似 解 取初值 由迭代公式 迭代矩阵 三、 Jacobi和Gauss-Seidel迭代法的收敛性 Jacobi迭代法收敛的充要条件是 Gauss-Seidel迭代法收敛的充要条件是 推论1：Jacobi迭代法收敛的充分条件是 Gauss-Seidel迭代法收敛的充分条件是 如例1：利用J和G-S迭代法求解方程组 Jacobi迭代矩阵 系数矩阵 Gauss-Seidel迭代矩阵 设 满足 称 为严格对角占优矩阵 如果 且至少有一个严格 不等式成立，则称 为弱对角占优矩阵。 设 ，如果能找到排列阵 ，使得 其中 与 均为方 阵，称 为可约的 否则称 为不可约的 例如： 矩阵 是可约的 若系数矩阵是可约的，则可通过行与列重排化为 （*）式，从而可以将方程组简化为低阶方程组。 （补充:可约矩阵的等价定义） 是可约矩阵，当且仅当存在一个下标的非空 子集 ，使得 例如： 矩阵 矩阵 不可约 如果 严格对角占优，则 ，且 非奇异。 如果 不可约且弱对角占优，则 ，且 非奇异。 自己看 证明： ?首先证明 设 由条件： 是弱对角占优， 交换 的第k、n行与k、n列，则矩阵 变为 与 不可约矛盾！ ?其次证明 是非奇异的 设 则存在非零向量 满足 定义下标的集合 且令 对某个j 显然J非空，否则 对 ，有 由此可知，当 时， 但对于 都有 所以 否则与弱对角占优矛盾！ 与不可约矛盾 如果 为严格对角占优或为不可约 且弱对角占优矩阵，则求解方程组 的J法和 G-S法均收敛。 证明： 仅给出不可约且弱对角占优矩阵G-S法的证明 只要证明 ，其中 设 有一个特征值 ，满足 ，且有 是不可约且弱对角占优矩阵，由定理6.8： 因此 注意到 和 的零元素和 非零元素的位置完全一样，故 是不可约 也是弱对角占