第八章ppt线性方程组迭代法.pptVIP

数值计算方法第八章ppt线性方程组迭代法第1页，共36页，星期日，2025年，2月5日一、基本思想若方程组Ax=b可写成等价形式x=Bx+f，(8-1)则给定一个初始向量x(0)，可以得到迭代公式x(k+1)=Bx(k)+f，k=0，1，…(8-2)若上式确定的向量序列{x(k)}收敛于x，则x显然是(8-1)的解，从而为方程组Ax=b的解。形如(8-2)的逐次逼近的方法称为简单迭代法，B称为该迭代法的迭代矩阵。§8.1线性方程组迭代解法第2页，共36页，星期日，2025年，2月5日2.需要讨论的问题：怎样建立迭代格式，迭代过程是否收敛，误差分析，如何加快收敛速度等等。迭代法是一种逐次逼近的方法,与直接法(高斯消元法)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的方程组。常用迭代方法：雅可比迭代，高斯-赛德尔迭代，松弛迭代等。第3页，共36页，星期日，2025年，2月5日二、Jacobi（雅可比）迭代法建立迭代格式：可以缩写为：按此格式迭代求解的方法称为雅可比迭代法,简称J法。第4页，共36页，星期日，2025年，2月5日例1用雅可比迭代法解线性方程组解生成雅可比迭代格式：kx1(k)x2(k)x3(k)10.720.830.8420.9711.071.15……………….……111.0999931.1999931.299991121.0999981.1999981.299997从上表可以看出，迭代序列收敛于x*，若取x(12)作为近似解，则误差不超过10-5第5页，共36页，星期日，2025年，2月5日写成矩阵形式：BJacobi迭代阵，简记为BJ第6页，共36页，星期日，2025年，2月5日Jacobi迭代法的算法第7页，共36页，星期日，2025年，2月5日三、Gauss–Seidel（高斯—塞德尔）迭代法第8页，共36页，星期日，2025年，2月5日…………写成矩阵形式：BGauss-Seidel迭代阵，简记为BGS第9页，共36页，星期日，2025年，2月5日Gauss-Seidel迭代法的分量形式为：例2分别给出以下线性方程组的Jacobi迭代格式和Gauss-Seidel迭代格式：解原方程等价于第10页，共36页，星期日，2025年，2月5日上一页下一页返回建立Jacobi迭代格式如下建立Gauss-Seidel迭代格式如下第11页，共36页，星期日，2025年，2月5日例3用高斯-塞德尔迭代法求解例1中的方程组建立Gauss-Seidel迭代格式解迭代8次可得在本例中Gauss-Seidel迭代法比Jacobi迭代法收敛快。这个结论在多数情况下成立，但高斯-塞德尔的收敛更快是有条件的。注：两种方法都存在收敛性问题。有例子表明：Gauss-Seidel法收敛时，Jacobi法可能不收敛；而Jacobi法收敛时，Gauss-Seidel法也可能不收敛。第12页，共36页，星期日，2025年，2月5日§8.2向量和矩阵的范数 为了研究线性方程组近似解的误差估计和迭代法的收敛性，我们需要对Rn(n维向量空间)中的向量或Rnxn中矩阵的“大小”引入一种度量——向量和矩阵的范数。在一维数轴上，实轴上任意一点x到原点的距离用|x|表示。而任意两点x1，x2之间距离用|x1-x2|表示。第13页，共36页，星期日，2025年，2月5日而在二维平面上，平面上任意一点P(x,y)到原点的距离用表示。而平面上任意两点P1(x1,y1),P2(x2,y2)的距离用表示。推广到n维空间，则称为向量范数。第14页，共36页，星期日，2025年，2月5日定义8.2.1中的三个条件描述了向量范数的三个性质，分别称为非负性、齐次性和三角不等式。常见的向量范数 1-范数2-范数∞-范数第15页，共36页，星期日，2025年，2月5日矩阵范数第16页，共36页，星期日，2025年，2月5日常见的矩阵范数第17页，