![db2fb069730d837440dbdeb873bd38bc.png](https://i-blog.csdnimg.cn/blog_migrate/70134c61d32946bcd60e2caab3be741c.png)
前言
逐次逼近法是一种规则,按照这种规则可以通过一直元素或求得的元素求出后继元素,从而形成一个序列,由该序列的极限过程去逐步逼近数值问题的精确解。对已知元素使用不同的规则求后继元素就得到不同的主次逼近法,如果规则可以用数值问题的等价表达式表示,则由此形成的逐次逼近法,我们称之为迭代法。
接下来的几讲内容将会介绍迭代法来求解线性方程组、非线性方程组和特征系统的迭代解法。
一、简单迭代法迭代格式
1.Jacobi迭代法
求解线性方程组
- 直接法:通过优先步四则运算求得问题的精确解
- 舍入误差得问题得近似解;
- 破坏问题得稀疏结构;
- 程序实现相对复杂;
- 适合求解中小规模、稠密得线性方程组
2. 迭代法:设计迭代法则,从初始值出发求得问题的近似解
- 问题的近似解;
- 保持问题的稀疏结构;
- 程序设计相对简单
- 如何构造收敛、快速的迭代公式
迭代法是将
进而我们得到迭代法具体定义:
称使用
求解的方法为迭代法,也成为迭代过程或迭代格式。
迭代法收敛、发散判断
![292df5934c4adc22c43f4cc197c81544.png](https://i-blog.csdnimg.cn/blog_migrate/266bf36c0cab3c70d7e20e0ba6a66f4d.jpeg)
具体迭代过程:
对于最经典的线性方程组,
![f45412ccce721ac5349c516a68123778.png](https://i-blog.csdnimg.cn/blog_migrate/e92684fc78b11dfd41c1abb110fd37bf.png)
对上面的方程组变形,求得对应的
![0ec9a1132af5b0db059684502c2bb54a.png](https://i-blog.csdnimg.cn/blog_migrate/f3608e8ab7a916b1ed3b302542436684.jpeg)
上图这种变形被称为Jacobi迭代法。
举个例子来理解Jacobi迭代法,
![b0891a8d3d9d157ff0c336f5b19c5647.png](https://i-blog.csdnimg.cn/blog_migrate/62d8e8198099f0477d1cf4b7d1c15ca3.jpeg)
通过上面的迭代过程来不断计算各个x的值,当满足终止条件
我们观察到上图中的红框的值都在上一步计算出来了,对已经算出来的信息未加充分利用,所以将红框内容更换为k+1值会加速迭代过程,这个技巧被称为Seidel技巧。
![ceddc8d702fe4e1db20400d6a6de7500.png](https://i-blog.csdnimg.cn/blog_migrate/82fc7c0ae2c4e32e6ddfbf79d33bec1c.png)
简单总结一下这两种迭代法
![20c8995bf907eb3c8fa041b7ae90760c.png](https://i-blog.csdnimg.cn/blog_migrate/f39e50fcfdc0c52233b085b5f04d4a0b.jpeg)
显然我们不喜欢这种形式的计算方法,过于复杂,所以我们通过矩阵分解来简化求解过程。
2.矩阵分裂
将矩阵分裂成三部分,
![88051dd8679d82ebc621a79be5da05b6.png](https://i-blog.csdnimg.cn/blog_migrate/1f853f9e5010bd3cbc65dfda56523c0c.jpeg)
Jacobi迭代法矩阵格式为
![1c596fabf3a56f86e52df20ad0801667.png](https://i-blog.csdnimg.cn/blog_migrate/27c7b5c178b207537955ff832c40ff95.jpeg)
那么Gauss-Seidel迭代法矩阵格式为
![b90e7befc1138fb9d0b76a9a2e4edf4b.png](https://i-blog.csdnimg.cn/blog_migrate/4cef9ff73e43d909c4b21d8c421b188c.jpeg)
3.迭代改善法
对良态或者不十分严重病态的线性方程组,与直接发结合对已得近似解进行精度改善。
1)用三角分解法求
得到计算解
2)求
用双精度计算余向量
令
3)反复对近似解进行改善,即反复2)的过程。
![5b3e29b1b4d41f2ed1b806b2cf1d3b44.png](https://i-blog.csdnimg.cn/blog_migrate/8e917d6bca98545029688e0ec1929929.jpeg)
下面不免要讨论迭代法的收敛性,我们考虑如下问题:
- 如何判断迭代过程是否收敛?
- 迭代格式收敛的充要条件、充分条件是什么?
- 决定迭代收敛速度的因素是什么?
二、迭代法收敛性
证明迭代法收敛的过程如下,
迭代格式
![ea30a6ec9f5d67c4ea2bec0f6c7eaafd.png](https://i-blog.csdnimg.cn/blog_migrate/c59484fcc4b76f738aaa6d5f84d75e4c.png)
显然我们最后要的结果是
![dc33df984eeea8cb27b3d0f4ddffba3e.png](https://i-blog.csdnimg.cn/blog_migrate/980e93cd9c5fd8d653707fa4e09f99be.jpeg)
上图是迭代法收敛性定理的充要条件,下面还有一个充分条件,
![f6a0c170dde11725750c73e17c76072f.png](https://i-blog.csdnimg.cn/blog_migrate/6ddf5c700bd82a250b2e5f174ad85dc9.jpeg)
对于某些特殊的方程组,从方程组本身就可以判定其收敛性。
例题
![14f58d7eb6687beb3a35659f528c3899.png](https://i-blog.csdnimg.cn/blog_migrate/02222214413b11d18064fd41ebb6d433.jpeg)
![32527ef5364b5a711e89622d59551d6e.png](https://i-blog.csdnimg.cn/blog_migrate/042b3abea546f0685be699ae9269c8f8.jpeg)
![702f1c18cd2905f3cd7c999e7c66c238.png](https://i-blog.csdnimg.cn/blog_migrate/24559dbcd4b18fb0766f642cc6add254.jpeg)
因为不想计算逆,因此如上图计算方式。
- 严格(不可约)对角占优矩阵
![ecfbbf49edb63b148f1c1854e06ebb06.png](https://i-blog.csdnimg.cn/blog_migrate/3b5e4bfde378412c4f5b8a0e5fa13633.jpeg)
严格对角阵占优矩阵Jacobi迭代法和Gauss-Seidel迭代法均收敛。
2. 对称正定矩阵
![a4024735bd5893cdf2307dba2cba9ae5.png](https://i-blog.csdnimg.cn/blog_migrate/3987908bf3070df5fde441cfa24e0b90.jpeg)
总结
以上就是经典迭代法求解线性方程组的相关知识,接下来会介绍如何求解非线性方程的求解方法。