松弛法介绍
在之前我们所介绍的Jacobi迭代法和G-S迭代法中,我们发现,其在参数选取上都是固定的,没有选择余地,因此无法对于收敛速度进行改进,由此,引出了松弛法的提出。松弛法的关键在于加上松弛因子 w w w。下面我们给出对于一般方程组的迭代法表示: x ( k + 1 ) = x ( k ) − w ( A ( k ) − b ) x^{(k+1)}=x^{(k)}-w(A^{(k)}-b) x(k+1)=x(k)−w(A(k)−b) 这种迭代法称之为Richardson迭代法,其中 w ∈ R w\in\mathbb{R} w∈R称之为松弛因子。对于松弛因子的选取范围,一般而言都在 ( 1 , 2 ) (1,2) (1,2)中进行选取。
基于G-S迭代法的SOR迭代法
先在这里重新写一下G-S迭代法的分量形式
x i ( k + 1 ) = − 1 a i i ( ∑ j = 1 i − 1 a i j x j ( k + 1 ) + ∑ j = i + 1 n a i j x j ( k ) − b i ) i = 0 , 1 , 2 , … , n x^{(k+1)}_i=-\frac{1}{a_{ii}} (\sum_{j=1}^{i-1}a_{ij}x^{(k+1)}_{j}+\sum_{j=i+1}^{n}a_{ij}x^{(k)}_{j}-b_i)\\i=0,1,2,\dots ,n xi(k+1)=−aii1(j=1∑i−1a