对于大型方程组
A
x
=
b
Ax=b
Ax=b,若
A
A
A是非奇异矩阵,则方程组有唯一解,将方程组变形为等价的形式
x
=
B
x
+
f
x=Bx+f
x=Bx+f
并由此建立迭代公式
x
(
k
+
1
)
=
B
x
k
+
f
x^{(k+1)}=Bx^{k}+f
x(k+1)=Bxk+f
B
B
B称为迭代矩阵
一、Jacobi迭代和Gauss-Seidel迭代
Jacobi迭代公式为:
x
(
k
+
1
)
=
B
x
k
+
f
x^{(k+1)}=Bx^{k}+f
x(k+1)=Bxk+f
如果在每一步运算的时候,尽量用新的信息,则得到第二种迭代方式
即Gauss-Seidel迭代
二、迭代法基本定理
迭代法
x
(
k
+
1
)
=
B
x
k
+
f
x^{(k+1)}=Bx^{k}+f
x(k+1)=Bxk+f收敛的充分必要条件是迭代矩阵的谱半径
ρ
(
B
)
<
1
\rho(B)<1
ρ(B)<1
PS:
λ
i
\lambda_i
λi为矩阵A的特征值,则称
ρ
(
A
)
=
max
∣
λ
i
∣
\rho(A)=\max|\lambda_i|
ρ(A)=max∣λi∣为矩阵的谱半径
谱半径的重要性质:
ρ
(
A
)
≤
∣
∣
A
∣
∣
\rho(A)\leq||A||
ρ(A)≤∣∣A∣∣即谱半径不大于任意范数
迭代矩阵的谱半径越小,收敛越快
对于方程组
A
x
=
b
Ax=b
Ax=b
我们可以如下计算Jacobi及Gauss-Seidel迭代格式的特征方程,计算出特征值和谱半径,判定其收敛性
其他判定收敛的充分条件:
1、若A为严格对角占优或者不可约弱对角占优,则Jacobi迭代和G-S迭代收敛
2、若A为对称正定,G-S迭代收敛
3、当Jacobi迭代矩阵为非负时,Jacobi和G-S同时收敛或同时发散,若同时收敛,G-S比Jacobi收敛快
PS:非负矩阵对角元素等于0,非对角元素大于等于0