半正定矩阵的判定方法_矩阵与数值计算（8）——解线性方程组的古典迭代法...

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

有两种方式

1. 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

变形得到

，其中

被称为迭代矩阵。

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

迭代法收敛、发散

具体迭代过程：

对于最经典的线性方程组，

线性方程组

对上面的方程组变形，求得对应的

表达式为，

Jacobi迭代法

上图这种变形被称为Jacobi迭代法。

举个例子来理解Jacobi迭代法，

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

时，计算停止得到精确解。

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。

Seidel技巧

简单总结一下这两种迭代法

Jacobi、Gauss-Seidel迭代法

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，

矩阵分裂

Jacobi迭代法矩阵格式为

分裂矩阵的Jacobi迭代法

那么Gauss-Seidel迭代法矩阵格式为

Gauss-Seidel迭代法迭代格式

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

的修正量

用双精度计算余向量

令

，

为近似解

的改进解

3）反复对近似解进行改善，即反复2）的过程。

迭代改善法

下面不免要讨论迭代法的收敛性，我们考虑如下问题：

1. 如何判断迭代过程是否收敛？
2. 迭代格式收敛的充要条件、充分条件是什么？
3. 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

，线性方程组精确解为

，则

，两式相减，

显然我们最后要的结果是

，因此

，而

显然不等于零，那么只能有

，由上一章的矩阵序列收敛定理可以推知，

，因此我们得到迭代法的收敛定理。

迭代法收敛性定理充要条件

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，

迭代法收敛性定理充分条件

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

因为不想计算逆，因此如上图计算方式。

1. 严格（不可约）对角占优矩阵

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

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。