matlab线性方程组的迭代解法.pptVIP

线性方程组的迭代解法 第一节 基本迭代法 迭代法 ? 直接法的缺点： ? 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 ? 只需存储系数矩阵中的非零元素 ? 运算量不超过 O ( kn 2 ) ， 其中 k 为迭代步数 迭代解法是目前求解大规模线性方程组的主要方法。 (1) 迭代格式的建立 研究 内容： (2) 收敛性判断 (3) 误差估计和收敛速度 静态迭代法的基本思想 ? 迭代格式的建立 Ax = b Mx = Nx + b A = M - N x ? M Nx ? M b 给定一个初始向量 x (0) ，可得 迭代格式 ： ? 1 ? 1 x ( k ? 1) ? Bx ( k ) ? g k = 0 , 1, 2, … 其中 B 称为迭代矩阵。 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。 Jacobi 迭代 令 A = D - L - U ， 其中 D ? diag ( a 11 , a 22 , , a nn ), ? 0 ? ? a 21 ? L ? ? ? ? ? a n 1 0 ? a n , n ? 1 ? 0 ? a 12 ? ? ? 0 ? , U ? ? ? ? ? ? 0 ? ? ? a 1 n ? ? ? ? a n ? 1, n ? ? 0 ? 则可得 雅可比 (Jacobi) 迭代格式 : x ( k ? 1) ? D ( L ? U ) x ? 1 ? 1 ( k ) ? D b ? 1 k = 0 , 1, 2, … B J ? D ( L ? U ) 称为 雅可比 (Jacobi) 迭代矩阵 Jacobi 迭代的分量形式： Jacobi 迭代 ( k ? 1) ( k ) ( k ) ( k ) ? x 1 ? ? b 1 ? a 12 x 2 ? a 13 x 3 ? ? a 1 n x n ? a 11 ? ( k ? 1) ( k ) ( k ) ( k ) ? ? x 2 ? ? b 2 ? a 21 x 1 ? a 23 x 3 ? ? a 2 n x n ? a 22 ? ? ? ( k ? 1) ( k ) ( k ) ( k ) x ? b ? a x ? a x ? ? a x a ? ? n n n 1 1 n 2 2 n , n ? 1 n ? 1 nn ? ? , , x 在计算 x 时，如果用 x 代替 x , , x ，则 可能会得到更好的收敛效果。此时的迭代公式为 ( k ? 1) i ( k ? 1) 1 ( k ? 1) i ? 1 ( k ) 1 ( k ) i ? 1 ( k ) ( k ) ( k ) ? x 1 ( k ? 1) ? ? b 1 ? a 12 x 2 ? a 13 x 3 ? ? a 1 n x n ? a 11 ? ( k ? 1) ( k ? 1) ( k ) ( k ) ? ? x 2 ? ? b 2 ? a 21 x 1 ? a 23 x 3 ? ? a 2 n x n ? a 22 ? ? ? ( k ? 1) ( k ? 1) ( k ? 1) ( k ? 1) x ? b ? a x ? a x ? ? a x a ? ? n n n 1 1 n 2 2 n , n ? 1 n ? 1 nn ? ? GS 迭代 写成矩阵形式 : x ( k ? 1) ? D ? 1 ? b ? Lx ? 1 ( k ? 1) ? Ux ( k ) ? ? 1 解得 x ( k ? 1) ? ? D ? L ? Ux ( k ) ? ? D ? L ? b k = 0 , 1, 2, … 此迭代格式称为 高斯 - 塞德尔 ( G auss- S eidel) 迭代 B G ? ? D ? L ? U 称为 GS 迭代矩阵 ? 1 SOR 迭代 在 GS 迭代中 ( k ? 1) ( k ? 1) x i ? ? b i ? a i 1 x 1 ? ? a ( k ? 1) i , i ? 1 i ? 1 x ? a ( k ) i , i ? 1 i ? 1 x ? ? a i , n x ( k ) n ? a ii i ? 1 n ? ( k ) ( k ? 1) ( k ) ? ? x i ? ? b i ? ? a ij x j ? ? a ij x j ? a ii j ? 1 j ? i ? ? 为了得到更好的收敛效果，可在 修正项 前