超松弛迭代法.docVIP

(完整版)超松弛迭代法 (完整版)超松弛迭代法 PAGE / NUMPAGES (完整版)超松弛迭代法 逐次超废弛迭代法 7.3.1 SOR 迭代公式 逐次超废弛 (Successive Over Relaxation)迭代法，简称 SOR 迭代法，它是在 GS 法基础上为提升收 敛速度，采纳加权均匀而获得的新算法，设解方程 (7.1.3)的 GS 法记为 (7.3.1) 再由 与 加权均匀得 这里 ω＞ 0 称为废弛参数，将 (7.3.1)代入则得 (7.3.2) 称为 SOR 迭代法， [WTBX]ω ＞0 称为废弛因子，当 ω=1时 (7.3.2) 即为 GS 法，将 (7.3.2)写成矩阵形式， 则得 即 于是得 SOR 迭代的矩阵表示 (7.3.3) 此中 (7.3.4) 按 (7.1.7) 分解，有 . 例 给定方程组 精准解 ,用 SOR 法求解，分别取 ω=1及 ω=125. 解 用 SOR 迭代公式 (7.3.2) 可得 取 ，迭代 7 次后分别为 若要精准到小数后 7 位，对 ω=1(即 GS 法 )需迭代 34 次，而对 ω的 SOR 法，只要迭代 14 次 .它表示废弛因子 ω选择的利害，对收敛速度影响很大 . 7.3.2 SOR 迭代法收敛性 依据迭代法收敛性定理， SOR 法收敛的充足必需条件为 ，收敛的充足条件为 ，但要计算 比较复杂，往常都不用此结论，而直接依据方程组的系数矩阵 A 判断 SOR 迭 代收敛性，下边先给出收敛必需条件 . 定理 设 ，则解方程 的 SOR 迭代法收敛 的必需条件是 0＜ ω＜2. 证明 由 SOR 迭代矩阵 的表达式 (7.3.4) 于是 另一方面，设 的特点值为 ，由特点根性质，有 若 SOR 法收敛，则 ，由 ，则得 0＜ω＜ 2.证毕 . 定理 若 对称正定， 且 0＜ω＜ 2，则解 Ax=b 的 SOR 迭代法 (7.3.3) 对 迭代 收敛 . 证明 设 的特点值为 (可能是复数 )，对应特点向量 x≠0,由(7.3.4) 得 因 为实对称矩阵，故 ,上式两边与 x 作内积，得 (7.3.5) 因 A 正定，故 D 也正定，记 . 又记 ， ,由复内积性质得 于是由 (7.3.5) 有 因为 A 正定及 0＜ ω＜2，故 于是 注：当 ω=1时 SOR 法即为 GS 法，故 GS 法也收敛，此即为定理 2.5(1)的结论 . 对于 SOR 迭代法，废弛因子的选择对收敛速度影响较大，对于最优废弛因子 研究较为复杂， 且已有许多理论结果 .下边只给出一种简单且便于使用的结论 定理 设 为对称正定的三对角矩阵， 是解方程 (7.1.3)的 J 法迭代矩阵，若 ，记 ，则 SOR 法的最优废弛因子 为 (7.3.6) 且 (7.3.7) 依据定理， ,如图 7-1 所示 .由 (7.3.7) 可知，当 ω=1， 时，收敛速度为 . 说明 GS 法比 J 法快一倍 . 图 7-1 例 对例  7.7 中的方程组，用  SOR 迭代法求最优废弛因子  ，并研究其收敛速度  . 解 因为 是对称正定的三对角矩阵， SOR 迭代收敛 . 故 ，而 SOR 最优废弛因子 故 .若要使偏差 ，由 ，取 k=12 即可 . 例 7.7 中取 ω已近似 ，故它收敛很快，实质计算时迭代 14 次可达到小数后 7 位 精度 . 对 ω=1的 GS 法，由 达到与 SOR 法的相同精度 . 迭代次数 ，故 k≈34与实质计算结果符合 . 解说： SOR 迭代法不过 GS 法与归值 往常不过对 A 对称正定的方程组使用  的加权均匀，计算公式为（），迭代矩阵 SOR 法，而废弛因子 ω选择较困难，一般选择  为（）， 对于 A 为对称正定的三对角阵则最好最有因子迭代矩阵。此时 SOR 的迭代矩阵谱半径为的特点值。如例 7.8 中所示，求得  为 ，则  ，此中 为 J法的 ，注意不要详细求 ，更不要去计算 ，进而能够求得 SOR 迭代的收敛 速度  . 【本章小结】 1.本章主要内容是用迭代法求解线性方程组，要点为 J 法，GS 法和 SOR 迭代法，第一一定掌握各 种迭代法的计算公式和迭代矩阵的表达式以及迭代法收敛的充足必需条件和充足条件，并用这些理论鉴别方程组 Ax=b 的收敛性，为此 （ 1）对所结构迭代法能写出详细的迭代矩阵  B 并利用  鉴别方法收敛性。 （ 2）对不知足充足条件的方程组或  A 带有参数的方程组鉴别收敛性往常要求迭代矩阵  B 的特点 值及谱半径  ，并由  ＜ 1 鉴别迭代法能否收敛。 （ 3）要掌握与迭代法有关的向量序列  及矩阵序列  的收敛性结论。 （ 4）利用迭代矩阵谱半径  ，计算迭代法渐近收敛速度