迭代法:
1.雅可比迭代
对于线性方程组:
对其进行转化,可以得到解为:
那么迭代形式为,等号左边为k+1次迭代,右边为K次迭代:
直接带进去算就OK了,这是雅可比迭代公式。
假设有,有
,
,入过矩阵D可逆,那么:
改写一下:
将其展开:
,
那么矩阵D为迭代矩阵,当该矩阵满足:
,
即该矩阵的特征值的绝对值中最大的仍然小于1,说明该方法收敛,可以用于计算。
对角优:对于方阵任意行、列它的主对角线元素要绝对大于该元素分别对应的行、列值之和.
如果:若矩阵M为严格对角优,则M可逆;
若A为严格对角优,说明迭代收敛。
2.高斯迭代
高斯迭代的格式
,
和雅可比公式比较一下,区别在哪里?
首先,雅可比公式等式左边均为k+1次迭代,右边均为k次迭代。
而高斯迭代左边为均为k+1次迭代,右边第一行无k+1,第二行一个,最后均为K+1次迭代:
令:
有
令:,那么S为高斯迭代矩阵,判断方式和前面的雅可比迭代一样,这里不再赘述。
那么矩阵D为迭代矩阵,当该矩阵满足:
,
即该矩阵的特征值的绝对值中最大的仍然小于1,说明该方法收敛,可以用于计算。
对角优:对于方阵任意行、列它的主对角线元素要绝对大于该元素分别对应的行、列值之和.
如果:若矩阵M为严格对角优,则M可逆;
若A为严格对角优,说明迭代收敛。
3.松弛迭代
松弛因子:
关于松弛迭代的公式是:
,
当 = 1时,松弛迭代即为高斯迭代。