數(shù)值計(jì)算_第4章解線方程組的迭代法.doc

第4章 解線性方程組的迭代法用迭代法求解線性方程組與第4章非線性方程求根的方法相似，對(duì)方程組進(jìn)行等價(jià)變換，構(gòu)造同解方程組(對(duì)可構(gòu)造各種等價(jià)方程組，如分解，可逆，則由得到)，以此構(gòu)造迭代關(guān)系式 （4.1）任取初始向量，代入迭代式中，經(jīng)計(jì)算得到迭代序列。若迭代序列收斂，設(shè)的極限為，對(duì)迭代式兩邊取極限即是方程組的解，此時(shí)稱迭代法收斂，否則稱迭代法發(fā)散。我們將看到，不同于非線性方程的迭代方法，解線性方程組的迭代收斂與否完全決定于迭代矩陣的性質(zhì)，與迭代初始值的選取無(wú)關(guān)。迭代法的優(yōu)點(diǎn)是占有存儲(chǔ)空間少，程序?qū)崿F(xiàn)簡(jiǎn)單，尤其適用于大型稀疏矩陣；不盡人意之處是要面對(duì)判斷迭代是否收斂和收斂速度的問(wèn)題?？梢宰C明迭代矩陣的與譜半徑是迭代收斂的充分必要條件，其中是矩陣的特征根。事實(shí)上，若為方程組的解，則有再由迭代式可得到由線性代數(shù)定理，的充分必要條件。因此對(duì)迭代法(4.1)的收斂性有以下兩個(gè)定理成立。定理4.1 迭代法 收斂的充要條件是。定理4.2 迭代法收斂的充要條件是迭代矩陣的譜半徑因此，稱譜半徑小于1的矩陣為收斂矩陣。計(jì)算矩陣的譜半徑，需要求解矩陣的特征值才能得到，通常這是較為繁重的工作。但是可以通過(guò)計(jì)算矩陣的范數(shù)等方法簡(jiǎn)化判斷收斂的工作。前面已經(jīng)提到過(guò)，若|A|p矩陣的范數(shù)，則總有。因此，若，則必為收斂矩陣。計(jì)算矩陣的1范數(shù)和范數(shù)的方法比較簡(jiǎn)單，其中于是，只要迭代矩陣滿足或，就可以判斷迭代序列是收斂的。要注意的是，當(dāng)或時(shí)，可以有，因此不能判斷迭代序列發(fā)散。在計(jì)算中當(dāng)相鄰兩次的向量誤差的某種范數(shù)小于給定精度時(shí)，則停止迭代計(jì)算，視為方程組的近似解（有關(guān)范數(shù)的詳細(xì)定義請(qǐng)看3.3節(jié)。）4.1雅可比（Jacobi）迭代法4.1.1 雅可比迭代格式雅可比迭代計(jì)算元線性方程組（4.2）寫(xiě)成矩陣形式為。若將式（ 4.2）中每個(gè)方程的留在方程左邊，其余各項(xiàng)移到方程右邊；方程兩邊除以則得到下列同解方程組：記，構(gòu)造迭代形式或 （4.3）迭代計(jì)算式（4.3）稱為簡(jiǎn)單迭代或雅可比迭代。任取初始向量 ，由式（4.3）可得到迭代向量序列雅可比迭代矩陣設(shè)由，得到等價(jià)方程：記不難看出，正是迭代式（4.3）的迭代矩陣，是常數(shù)項(xiàng)向量。于是式（4.3）可寫(xiě)成矩陣形式：（4.4）其中：雅可比迭代算法下面描述解線性方程組的雅可比迭代算法，為了簡(jiǎn)單起見(jiàn)，在算法中假定矩陣滿足雅可比迭代要求，即，并設(shè)由系數(shù)矩陣構(gòu)造迭代矩陣是收斂的。1定義和輸入系數(shù)矩陣與常數(shù)項(xiàng)向量的元素。2FOR i：=1，2，n/假定，形成常數(shù)項(xiàng)向量 FOR j:=1,2,n /形成迭代矩陣元素3 / 賦初始值，x1和x2分別表示和4WHILE x1:=x2 x2:=B*x1+g/ FOR u:=1,2,n/ s:= gu;/FOR v:=1,2,n s:=s+buv*x1v;/ x2u:=s； ENDWHILE5輸出方程組的解例4.1 用雅可比方法解下列方程組：解：方程的迭代格式：或雅可比迭代收斂。取初始值，計(jì)算結(jié)果由表4.1所示。表4.1 計(jì)算結(jié)果0111 1-1.51.60.90.252-1.252.081.090.483-0.9152.0681.0170.3354-0.95751.98640.98470.08165-1.014451.988440.997110.056956-1.007222.002311.00260.013877-0.9975432.001971.000490.009687方程組的準(zhǔn)確解是4.1.2 雅可比迭代收斂條件對(duì)于方程組，構(gòu)造雅可比迭代格式其中，。當(dāng)?shù)仃嚨淖V半徑時(shí)，迭代收斂，這是收斂的充分必要條件。迭代矩陣的某范數(shù)時(shí)，迭代收斂。要注意的是范數(shù)小于1只是判斷迭代矩陣收斂的充分條件，當(dāng)?shù)仃嚨囊环N范數(shù)|B|1，并不能確定迭代矩陣是收斂還是發(fā)散。例如，則，但它的特征值是0.9和0.8。是收斂矩陣。當(dāng)方程組的系數(shù)矩陣具有某些性質(zhì)時(shí)，可直接判定由它生成的雅可比迭代矩陣是收斂的。定理4.3 若方程組的系數(shù)矩陣，滿足下列條件之一，則其雅可比迭代法是收斂的。（1）為行對(duì)角占優(yōu)陣，即（2）為列對(duì)角占優(yōu)陣，即證明：（1）雅可比迭代矩陣其中（2）為列對(duì)角優(yōu)陣，故為行對(duì)角占優(yōu)陣，由系數(shù)矩陣構(gòu)造的迭代矩陣為行對(duì)角占優(yōu)陣，則有又得到而，得由系數(shù)矩陣構(gòu)造的雅可比迭代矩陣收斂。（如矩陣既是行對(duì)角占優(yōu)陣，也是列對(duì)角占優(yōu)陣）定理4.4若方程組系數(shù)矩陣 為對(duì)稱正定陣，并且也為對(duì)稱正定，則雅可比迭代收斂。4.2 高斯-塞德?tīng)枺℅auss-Seidel）迭代法高斯-賽德?tīng)柕?jì)算在雅可比迭代中，用的值代入方程（4.2）中計(jì)算出的值，的計(jì)算公式是事實(shí)上，在計(jì)算前，已經(jīng)得到的值，不妨將已算出的分量直接代入迭代式中，及時(shí)使用最新計(jì)算出的分量值。因此的計(jì)算公式可改為：即用向量計(jì)算出的值，用向量計(jì)算出的值，用向量計(jì)算出的值，這種迭代格式稱為高斯塞德?tīng)柕?。?duì)于方程組AX=y ，如果由它構(gòu)造高斯-塞德?tīng)柕脱趴杀鹊际諗?，那么，多?shù)情況下高斯塞德?tīng)柕妊趴杀鹊氖諗啃Ч?，但是情況并非總是如此。構(gòu)造方程組的高斯-塞德?tīng)柕袷降牟襟E與雅可比類似，設(shè)將式（4.1）中每個(gè)方程的留在方程的左邊，其余各項(xiàng)都移到方程的右邊；方程兩邊除以，得到下列同解方程組：記，對(duì)方程組對(duì)角線以上的取第步迭代的數(shù)值，對(duì)角線以下的取第步迭代的數(shù)值，構(gòu)造高斯塞德?tīng)柕问剑海?.5）例4.2 用高斯-塞德?tīng)柗椒ń夥匠探M：解：方程的迭代格式：取初始值有時(shí)，時(shí)，計(jì)算結(jié)果如表4.2所示。表4.2 計(jì)算結(jié)果012340002.52.11.142.50.88 2.0040.98761.621.0042 1.9984 1.00060.12421.0005 2.0002 1.00000.0037高斯塞德?tīng)柕仃囋O(shè)寫(xiě)成等價(jià)矩陣表達(dá)式：構(gòu)造迭代形式：有 （4.6）則高斯-塞德?tīng)柕剑?.4）為 （4.7） 稱為高斯-塞德?tīng)柕仃?。高?塞德?tīng)柕惴ǜ咚谷聽(tīng)柕某绦驅(qū)崿F(xiàn)與雅可比迭代步驟大致相同，對(duì)于方程組，在前面的雅可比算法中，假定雅可比迭代矩陣為表示表示,其迭代核心部分是。下面的算法給出由和計(jì)算的過(guò)程，省略了形成迭代矩陣和對(duì)初始化的部分。雅可比迭代的核心部分：WHILEfor(u:=1;u=n,u+) x1u:=x2ufor(i:=1;j=n;j+) s:=gi; for(j:=1;i=n;i+) s:=s+bix2j /注意x2jENDWHILE在高斯-賽德?tīng)柕?jì)算中并不需要形成迭代矩陣，由式（4.5）可知在計(jì)算中只要形成矩陣在程序中令向量。它的核心部分是計(jì)算迭代式，計(jì)算中只需及時(shí)將放到的位置上。高斯-塞德?tīng)柕暮诵牟糠郑篧HILE for(u:=1;u=n;u+) x1u:=x2u for(i:=1;j=n;j+) s:=gi; for(j:=1;j=n;j+) s:=s+bix2 j /注意x2jx2i:=s ENDWHILE上列算法是在假定迭代收斂的前提下，使用當(dāng)型（WHILE）結(jié)構(gòu)控制循環(huán)。更一般地，可將上列算法中WHILE循環(huán)改為FOR循環(huán)，通過(guò)控制循環(huán)次數(shù)和觀測(cè)計(jì)算誤差終止循環(huán)。屆將上列算法中WHILE語(yǔ)句改為WHILE 循環(huán)次數(shù)這時(shí)在程序中要增加循環(huán)變量的設(shè)定和運(yùn)算。判斷高斯塞德?tīng)柕諗康姆椒ㄅc判斷雅可比迭代收斂類似，一方面從高斯-塞德?tīng)柕仃嚝@取信息，當(dāng)或的某種范數(shù)時(shí)，迭代收斂；另一方面，直接根據(jù)方程組系數(shù)矩陣的特點(diǎn)作出判斷。定理4.5 若方程組系數(shù)矩陣A為列或行對(duì)角優(yōu)時(shí)，則高斯塞德?tīng)柕諗?。定?.6 若方程組系數(shù)矩陣A為對(duì)稱正定陣，則高斯塞德?tīng)柕諗?。?.3 方程組中，,證明當(dāng) 時(shí)Gauss-Seidel法收斂，而Jacobi迭代法只在時(shí)才收斂。解：對(duì)法，因?yàn)槭菍?duì)稱矩陣，因此只要證時(shí)正定即可，由順序主子得而 得于是得到時(shí)故對(duì)稱正定，法收斂。對(duì) 法，可根據(jù)定理4.2，由于迭代矩陣 即 是 法收斂的充要條件，故法只在時(shí)才收斂。當(dāng)時(shí)，法收斂，而，法不收斂，此時(shí)不是正定的。4.3 逐次超松弛（SOR）迭代法逐次超松弛迭代計(jì)算方程組的雅可比迭代形式記其中是下三角矩陣，是上三角矩陣。得高斯-塞德?tīng)柕牡问剑河洠羞@樣可視為的修正量，而恰是由加修正量而得，如果將改為)加上修正量乘一個(gè)因子，迭代格改為：整理得 (4.8)這里為修正因子，稱為松弛因子，而式（4.8）稱為松弛迭代。迭代的分量形式為(4.9)式（4.9）稱為松弛迭代的計(jì)算格式。例4.4 給定方程組用SOR法求解,取解：用SOR迭代公式可得取初始值：如果用高斯-賽德?tīng)柕ǖ?2次得：用SOR迭代法，只須迭代25次即得： 逐次超松弛迭代算法下列算法假定迭代矩陣收斂，否則要在WHILE循環(huán)中增加判斷條件。1定義和輸入系數(shù)矩陣與常數(shù)項(xiàng)向量的元素，輸入松弛因子的值。2FOR i:=1,2,n / 假定，形成常數(shù)項(xiàng)向量 FOR 34. WHILE ; ENDWHILE5輸出.松弛迭代矩陣將式（4.9）中含有與的項(xiàng)分別放在方程兩邊： 用 代入上式，有 則松弛因子為的迭代矩陣為 其中 定理4.7 逐次超松弛迭代收斂的必要條件。定理4.8 若為正定矩陣，則當(dāng)時(shí)，逐次超松弛迭代恒收斂。以上定理給出了逐次超松弛迭代因子的范圍。對(duì)于每個(gè)給定的方程組，確定究竟取多少為最佳，這是比較困難的問(wèn)題，對(duì)某些特定的方程組，我們可以得到一些理論結(jié)果。通常，把的迭代稱為亞松弛迭代，把的迭代稱為高斯-塞德?tīng)柕?，而把的迭代稱為松弛迭代。4.4逆矩陣計(jì)算在線性代數(shù)中逆矩陣是按其伴隨矩陣定義的，若則方陣可逆，且，其中為的伴隨矩陣。要計(jì)算個(gè)階的列式才能得到一個(gè)伴隨矩陣，在數(shù)值計(jì)算中因其計(jì)算工作量大而不被采用。通常對(duì)做行的初等的效換，在將化成的過(guò)程中得到。在數(shù)值計(jì)算中，這仍然是一種行之有效的方法。由逆矩陣的定義令，有化為個(gè)方程組j是第個(gè)分量為1，其余分量為0的維向量。或記為：。用直接法或迭代法算出也就完成了逆矩陣計(jì)算。如果依次對(duì)用高斯若爾當(dāng)消元法，組合起來(lái)看有（當(dāng)然也能組合起來(lái)做）：這正是在線性代數(shù)中用初等變換計(jì)算逆矩陣的方法。由此可見(jiàn)，計(jì)算一個(gè)階逆矩陣的工作量相當(dāng)于解個(gè)線性方程組。在數(shù)值計(jì)算中常常將計(jì)算矩陣逆的問(wèn)題轉(zhuǎn)化為解線性方程組的問(wèn)題。例如，已知方陣和向量有迭代關(guān)系式，在計(jì)算中不是先算出，再作與的乘積得到；而將作為線性方程組系數(shù)矩陣，求解方程組作為常駐數(shù)項(xiàng)解出。4.5程序示例程序4.1用雅可比迭代求解方程組：算法描述輸入系數(shù)矩陣及常數(shù)項(xiàng)向量c。按雅可比迭代公式：求解。程序源碼/ Purpose:雅可比迭代求解線性方程組 /#include#include#define MAX-N 20 /方程的最大維數(shù)#define MAXREPT 100#define epsilon 0.00001 /求解精度int main( ) int n; int I, j, k; double err; static double a MAX-N MAX-N,bMAX-N MAX-N,cMAX-N,g MAX-N; static double xMAX-N,nxMAX-N; printf(nInput n value(dim of Ax=c):); /輸入方程的維數(shù) scanf(%d,&n); if(nMAX-N) printf(The input n is larger then MAX-N,please redefine the MAX-N.n); if(n=0) printf(please input a number between 1 and %d.n), MAX-N;return 1;/輸入Ax=c的系數(shù)矩陣A.PRINTF(Now input the matrix a(I,j,)=0,，%d:n,n-1);for(i=0; in; i+) /形成迭代矩陣b for(j=0; jn; j+)bij=aij/aii;gi=ci/aij; /為了簡(jiǎn)化程序，假設(shè)aii!0,/否則要附加對(duì)aii的判斷及其相應(yīng)的處理for(i = 0; i MAXREPT; i+) for(j=0; jn; j+ ) nxj=gj; for(j=0, jn; j+ )for(k=0, kn; k+ )if (j=k)continue;nxj+ =bjk*xk; /迭代 err = 0 ;for(j=0, jn; j+ )if (errfabs(nxj-xj)err=fabs(nxj-xj); /誤差for(j=0, jn; j+ )xj=nxj;if(errepsilon)printf(“Solvex_I=n”); /輸出for(i=0, in; i+ )printf(“%fn”,xi);return 0; printf(“After% d repeat, no result n”, MAXREPT ); /輸出return 1; 計(jì)算實(shí)例用雅可比方法解下列方程組： 程序輸入輸出Inprt n value(dim of Ax=c):3Now input the matrix a(j, j), i, j =0,2:64 -13 -1 2 90 1 1 1 40Now input the matrix c(i), i= 0, 2:14 -5 20Solvex_i=0.2295470.0661300.492608程序4.2用逐次超松弛迭代（ 作參數(shù)）求解方程組： 算法描述輸入矩陣及列向量c。按因子為的超松弛迭代公式：求解。程序源碼/Purpose:超松弛迭代求解線性方程組 /# include# include# define MAX_N 20 / /方程的最大維數(shù)# define MAXREPT 100# define epsilon 0.00001 / /求解精度int main( ) int n;int i, j, k ;double err, w;static double aMAX_NMAX_N, bMAX_NMAX_N,cMAX_N,cMAX_N,gMAX_N ;static double aMAX_N , nxMAX_N;PRINTF(“nlnput n value(dim of Ax=c ):”); /輸入方程的維數(shù)Scanf(“% d”, &n);If (nMAX_N) printf(“The input n-is larger then MAX_N, please redefine the MAX_N.n”); return 1;if (n=0) printf(“Please input a number between 1 and % d. n”, MAX_N); return 1； / /輸入的A矩陣printf(“Now input the matrix a(i, j), i, j =0,% d: n”, n-1);for(i=0; in; i+)for(j=0; jn; j+) scanf(“%1f” , &sij);printf(“Now input the matrix c(i), i =0,% d: n”, n-1);for(i=0; in; i+) scanf (“%1f” , &ci);printf(