sor松弛迭代matlab,数值分析Python实现系列—— 二、逐次超松弛迭代法(SOR)

二、超松弛迭代法(SOR)

1.原理:

​ 回顾:

​ 在一般情况下 : 收敛过慢甚至不收敛的$B$与$f$,经过对系数矩阵$A$分裂成$A = M - N$的形式, 使得迭代公式变为: $x^{k+1}=(I-M^{-1})Ax^{k}+M^{-1}f$

​ 雅克比迭代法选取 : 现将$A$如下分解$A = D-L-U$,$D$为对角阵,$L$为下三角阵,$U$为上三角阵,取$M \equiv D$,取$N \equiv L+U$,

​ 在这一章中我们选取下三角矩阵$M=\frac{1}{\omega}(D-\omega L),\omega>0$,其中$\omega$为松弛因子,我们可以发现当$\omega$为1时,$M=D-L$,正是高思-赛德尔迭代法,下面推导迭代公式: $$ \textbf{x}{k+1}=I-M^{-1}A\textbf{x}{k}+M^{-1}b $$

$$ \textbf{x}{k+1}=I-\omega(D-\omega L)^{-1}A\textbf{x}{k}+\omega (D-\omega L)^{-1}b $$

$$ \textbf{x}{k+1}=(D-\omega L)^{-1}((1-\omega)D+\omega U)\textbf{x}{k}+\omega (D-\omega L)^{-1}b $$

​ 推导完毕,我们较为常用的是下式: $$ (D-\omega L)\textbf{x}{k+1}=((1-\omega)D+\omega U)\textbf{x}{k}+\omega b $$ 以及: $$ \left{ \begin{matrix} \textbf{x}^{(0)} &=& (x_1^{(0)},\textbf{...},x_n^{(0)})^{T}, \ x_i^{(k+1)}