上回书我们讲述了线性方程组的直接求解方法,这些方法利用系数矩阵满足的一些性质降低了求解的计算量。但对于规模较大的方程组来说,基于Gauss消元的直接求解方法就有些力不从心了。本章介绍线性方程组的迭代求解方法。
迭代法解方程的基本原理
1.概述
把
![equation?tex=Ax%3Db](https://i-blog.csdnimg.cn/blog_migrate/eb9ba40e6648620a6332b99547b63a0f.png)
![equation?tex=x%3DBx%2Bf](https://i-blog.csdnimg.cn/blog_migrate/0eb9ec69e1fd64dc2930fa4011b15020.png)
道理很简单:对
![equation?tex=x%5E%7B%28k%2B1%29%7D%3Dbx%5E%7B%28k%29%7D%2Bf](https://i-blog.csdnimg.cn/blog_migrate/f66879643e7a0c75ab7d91bbf6e4893c.png)
![equation?tex=%5Clim_%7Bk%5Crightarrow%5Cinfty+%7D+x%5E%7B%28k%29%7D%3Dx%5E%2A%3DBx%5E%2A%2Bf](https://i-blog.csdnimg.cn/blog_migrate/2ed1916573ff72d50375f074043b400a.png)
![equation?tex=Ax%5E%2A%3Db](https://i-blog.csdnimg.cn/blog_migrate/04268b63d2517111707f6e647b190ccf.png)
迭代方法的本质在于这一次的输出可以当作下一次的输入,从而能够实现循环往复的求解,方法收敛时,计算次数越多越接近真实值。
2.收敛条件
充要条件:迭代格式
![equation?tex=x%3DBx%2Bf](https://i-blog.csdnimg.cn/blog_migrate/0eb9ec69e1fd64dc2930fa4011b15020.png)
![equation?tex=%5Crho+%28B%29%3C1](https://i-blog.csdnimg.cn/blog_migrate/cff0c306dc4dbfcd1c114bf593bb65d0.png)
充分条件:
![equation?tex=%5CVert+B%5CVert+%3C1](https://i-blog.csdnimg.cn/blog_migrate/6fa31ca159cf6df059c46acf0387433d.png)
即
![equation?tex=%5CVert+B%5CVert+%3C1+%5CRightarrow+%5Crho+%28B%29%3C1%5CLeftrightarrow+](https://i-blog.csdnimg.cn/blog_migrate/6fa31ca159cf6df059c46acf0387433d.png+%5CRightarrow+%5Crho+%28B%29%3C1%5CLeftrightarrow+)
一、Jacobi迭代法
怎样改写
![equation?tex=Ax%3Db](https://i-blog.csdnimg.cn/blog_migrate/eb9ba40e6648620a6332b99547b63a0f.png)
![equation?tex=x_i](https://i-blog.csdnimg.cn/blog_migrate/55abd6ee2c07065bfd8875b4e79a1cf9.png)
![equation?tex=a_%7Bii%7D+%5Cne+0](https://i-blog.csdnimg.cn/blog_migrate/59aa7e4393dd92edf206202c57b81500.png)
![equation?tex=%5Csum_%7Bj%3D1%7D%5E%7Bn%7Da_%7Bij%7Dx_j%3Db_i%5CRightarrow+x_i%3D%5Cfrac%7Bb_i-%5Csum_%7Bj%3D1%2Cj%5Cne+i%7D%5E%7Bn%7Da_%7Bij%7Dx_j%7D%7Ba_%7Bii%7D%7D%5Cquad+%5C%5C](https://i-blog.csdnimg.cn/blog_migrate/b005a663475ad485fa1b2b8102a2dc07.png)
这就是Jacobi(雅可比)迭代法。
迭代格式
给定