数值分析解线性方程组的迭代法.ppt

由此可将方程组的变形过程用矩阵表示为Dx=(L+U)x+b这G-S迭代可表示为Dx(k+1)=Lx(k+1)+Ux(k)+b整理得x(k+1)=(D－L)－1Ux(k)+(D－L)－1b故G-S迭代公式的矩阵形式为第20页,共28页，星期六，2024年，5月注：对有些问题Gauss-Seidel迭代法确实比Jacobi迭代法收敛得快;但也有Gauss-Seidel迭代法比Jacobi迭代法收敛得慢;甚至还有Jacobi迭代法收敛，而Gauss-Seidel迭代法发散的情形。第21页,共28页，星期六，2024年，5月三、超松弛迭代法1.超松弛迭代法的一般形式为了加速迭代过程的收敛，我们通过引入参数，在Gauss-Seidel迭代的基础上得到一种新的迭代法。记其中x(k+1)由G-S方法算出。于是有第22页,共28页，星期六，2024年，5月（i=1,2,…,n）可以把△x看作G-S迭代的修正项，即第k次近似解x(k)以此项修正后得到新的近似解x(k+1)=x(k)+△x松弛法是将△x乘上一个参数因子ω作为修正项而得到新的近似值，其具体公式为：第23页,共28页，星期六，2024年，5月x(k+1)=x(k)+ω△x即按上式计算方程组近似解序列的方法称为松弛法，ω1时，称为低松弛；ω=1时，是G-S法；ω1时，称为超松弛法，简称SOR法第24页,共28页，星期六，2024年，5月2.超松弛迭代法举例例：用超松弛法求解下列方程组，取ω=1.4精确解是x*=(3,2,1)T第25页,共28页，星期六，2024年，5月解：将原方程组改写为则迭代公式为：第26页,共28页，星期六，2024年，5月3.超松弛迭代法的矩阵形式用分解式A=D－Ｌ－Ｕ，则可写为迭代公式也可写为：即显然对任何ω值，(D－ωL)非奇异，故第27页,共28页，星期六，2024年，5月这就是松弛迭代法的矩阵表示。注：松弛法是G-S法的一种加速方法；具有计算公式简单，程序设计容易；但需要选择较好的加速因子。第28页,共28页，星期六，2024年，5月一、迭代法的一般形式同解变形构造迭代公式任取初始向量x(0)，代入迭代公式，产生向量序列{x(k)}，若x(k)收敛，则当k充分大时，以x(k)作为方程组的近似解，就是迭代法.第2页,共28页，星期六，2024年，5月二、向量序列的收敛性定义1设{x(k)}为Rn中的向量序列，x∈Rn，如果其中||.||为向量范数，则称序列{x(n)}收敛于x，记为第3页,共28页，星期六，2024年，5月定理1Rn中的向量序列{x(k)}收敛于Rn中的向量x当且仅当其中第4页,共28页，星期六，2024年，5月三、矩阵序列的收敛性定义2设{A(k)}为n阶方阵序列，A为n阶方阵，如果其中||.||为矩阵范数，则称序列{A(n)}收敛于A，记为第5页,共28页，星期六，2024年，5月定理2设A(k)=(aij)(k=1,2,…)，A=(aij)均为n阶方阵，则矩阵序列{A(n)}收敛于矩阵A的充要条件为第6页,共28页，星期六，2024年，5月请回答:对于任何一个方程组x=Bx+f(由Ax=b变形得到的等价的方程组)，按迭代法作出的向量序列x(k)是否一定逐步逼近方程组的解x*呢？答：不一定！例如用迭代法解方程组其精确解为若选初值x(0)=(0,0)T进行迭代，则不可能收敛到精确解.第7页,共28页，星期六，2024年，5月因此下面我们将要研究几个问题：如何构造迭代公式？如何判断迭代公式收敛？在收敛条件下，如何判断收敛速度？第8页,共28页，星期六，2024年，5月一、Jacobi迭代法§迭代法（2）二、Gauss-Seidel迭代法三、超松弛迭代法第9页,共28页，星期六，2024年，5月一、Jacobi迭代法1.Jacobi迭代法举例例：求解方程组其中精确解是x*=(3,2,1)T第10页,共28页，星期六，2024年，5月解：将原方程组改写为则迭代公式为：若选x(0)=(0,0,0)T,则迭代10次有x(10)=(3.000032,1.999838,0.9998813)T这就是Jacobi迭代法！第1