迭代法基本概念和迭代公式、迭代法收敛性理论

《应用数值分析》
《应用数值分析》

目录

5. 线性代数方程组数值解法——迭代法

5.1 迭代法基本概念和迭代公式

解线性代数方程组

AAxx=bb

AARRn×n 非奇异,bb=(b1,b2,,bn)T0xx=(x1,x2,,xn)T 为解向量)的迭代法具体做法是,将上述方程组变形为等价形式:

xx=FF(xx)

特别的,这里仅研究其线性的形式:

xx=BBxx+ff

其中,BBRRn×n 非奇异,ffRRn。构造迭代公式:

xx(k+1)=BBxxk+ff(k=0,1,)
  • 每一步迭代值 xx(k+1) 仅依赖于前一步迭代值 xx(k),这称为单步迭代
  • BBffk 无关,这称为定常情形
  • BB 称为迭代矩阵
  • 按照迭代公式可产生向量序列 {xx(k)}(k=0,1,),如果 limkxx(k)=xx,即序列 {xx(k)} 收敛于 xx

5.2 Jacobi 迭代法

设方程组 AAxx=bbAA=(aij)RRn×nbb=(bi)RRn×naii0 (i=1,2,,n)

假设系数矩阵 A 的对角元 aii0 (i=1,2,,n),则对角矩阵 DD=diag(a11,a22,,ann) 非奇异。可将矩阵 AA 分解为:

AA=DDLLUU

其中,

LL=[0a210an1an2an30],UU=[0a12a1n0a2n0]

此时原方程组可改写为:

xx(k+1)=BBJxx(k)+ff(k=0,1,)

其中,

BBJ=DD1(LL+UU) BBJ=IIDD1AA,ff=DD1bb

Jacobi 迭代公式为:

{xx(0)=(x(0)1,x(0)2,,x(0)n)Tx(k+1)i=(binj=1,jiaijx(k)j)/aii, i=1,2,,n

5.3 Gauss-Seidel 迭代法

原方程组可改写为:

xx(k+1)=BBGSxx(k)+ff(k=0,1,)

其中,

BBGS=(DDLL)1UU, ff=(DDLL)1bb

GaussSeidel 迭代公式为:

{xx(0)=(x(0)1,x(0)2,,x(0)n)Tx(k+1)i=(bii1j=1aijx(k+1)jnj=i+1aijx(k)j)/aii, i=1,2,,n

5.4 迭代法收敛性理论

5.4.1 迭代法收敛性基本定理

设方程组为 xx=BBxx+ff,对任意的初始向量 xx(0),解此方程组的迭代法

xx(k+1)=BBxxk+ff(k=0,1,)

收敛的充分必要条件迭代矩阵 BB 的谱半径 ρ(BB)<1

5.4.2 迭代法收敛性充分条件

如果迭代法 xx(k+1)=BBxxk+ff(k=0,1,) 的迭代矩阵 BB 的某一种算子范数 BB<1,则:

  • 对任意初始向量 xx(0),迭代法收敛;
  • 迭代序列与方程组的解 x 存在误差估计式:
xx(k)BB1BBxx(k)xx(k1)

xx(k)BB(k)1BBxx(1)xx(0)

5.4.3 严格占优对角矩阵

AA=(aij)RRn×n,若满足

|aii|>nj=1,ji|aij|(i=1,2,,n)

则称 AA严格对角占优矩阵;若满足其中至少有一个严格不等式成立,则称 AA弱对角占优矩阵

定理:若方程组 AAxx=bb 中,AA=(aij)RRn×n严格对角占优矩阵,或为不可约弱对角占优矩阵,则解此方程组的 J 法和 GS 法均收敛

5.4.4 收敛速度问题

设迭代法收敛,定义

R(BB)=lnρ(BB)

R(BB) 为迭代法的渐近收敛速度。由定义可知,R(BB) 越大,收敛越快,也即 ρ(BB)(0<ρ(BB)<1) 谱半径越小,收敛速度越快