解线性方程组的迭代法.pptxVIP

考虑Ax=b，其中detA0。当A为低阶稠密矩阵时，上一章讨论选主元素消去法是有效方法。但对于工程实践中大型稀疏矩阵方程组（A阶数n很大，但零元素较多，如：n)，则利用迭代法解此线性方程组是适当。迭代法在计算机内存和运算两方面，通常都可利用A中有大量零元素特点。下面先举例说明迭代法基本思想。;

;经10次迭代解：;准确解为;由（1），（2）得：，从而递推得：;§2Jacobi迭代法与Gauss-Seidel迭代法;（初始向量），其中：;Jacobi迭代公式简单，由公式（5），（6）可知，每迭代一次只

需计算一次矩阵与向量乘法，计算机中只需要两组工作单元用来保留及且可用来控制迭代终止。由迭代计算公式可知，迭代法一个主要特征是计算过程中原来矩阵A数据一直不变。

前一个例子即为Jacobi法求解，在此不再举例。;在（3）中选用M=D-L（下三角阵），则N=M-A=U。从而（1）

化为等价：（D-L）x=Ux+b(7)

可得Gauss-Seidel迭代公式：;Gauss-Seidel迭代法每迭代一次只需计算一次矩阵与向量乘法，

但G-S迭代法比Jacobi迭代法有一个显著优点，那就是计算机上仅

需一组工作单元用来保留分量（或分量）当计算出

就冲掉旧分量。由G-S迭代公式（9）可看出在

一步迭代中，计算分量时利用了已计算出来新分量

所以，G-S迭代法能够看作是Jacobi迭代法一个修正。;解：由（9）可得本题G-S迭代公式为：;从此例可见，G-S迭代法比Jacobi迭代法收敛快（初始向量相似，抵达同样精度，所须迭代步数较少），但这个结论对Ax=b矩阵A满足某些条件才是对旳，甚至有这样线性方程组，用Jacobi措施是收敛，而用G-S迭代法却是发散。;;;;;（2）;例：考察用Jacobi措施求解前例1中线性方程组收敛性.

解：;;;但要注意当q≈1时，较大，尽管||-||很小，

却有可能误差向量模很大，迭代法收敛很慢。

而且此充分性条件结果（3）能够用来事先确定需要迭代多少次才能确保;（2）若≥0(i=1～n)，且最少有一个不等式严格成立

则称A为弱对角占优矩阵。;另外，A为可约矩阵充要条件：存在指标集J使;2）A为不可约弱对角占优阵。采用反证法。;但对任意从而

A为可约矩阵，这与A为不可约矩阵假设矛盾。;则:;逐次超松弛迭代法（SuccessiveOverRelaxationMethod.简称为SOR法）是Gauss-Seidel法一种加速措施。这是解大型矩阵方程组有效措施之一，具有计算公式简朴，程序设计轻易，占用计算机内存较少等长处，但需要选择好加速因子，即最对旳加速因子。;先用Ｇ－Ｓ迭代法求出辅助量（预测）

;;;解：取。