数值分析讲义——线性方程组的解法

数值分析讲义——线性方程组的解法

ID:14266632

大小:977.00 KB

页数:45页

时间:2018-07-27

数值分析讲义——线性方程组的解法_第1页
数值分析讲义——线性方程组的解法_第2页
数值分析讲义——线性方程组的解法_第3页
数值分析讲义——线性方程组的解法_第4页
数值分析讲义——线性方程组的解法_第5页
资源描述:

《数值分析讲义——线性方程组的解法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、数值分析讲义第三章线性方程组的解法§3.0引言§3.1雅可比(Jacobi)迭代法§3.2高斯-塞德尔(Gauss-Seidel)迭代法§3.3超松驰迭代法§3.7三角分解法§3.4迭代法的收敛性§3.8追赶法§3.5高斯消去法§3.9其它应用§3.6高斯主元素消去法§3.10误差分析§3作业讲评3§3.11总结§3.0引言重要性:解线性代数方程组的有效方法在计算数学和科学计算中具有特殊的地位和作用.如弹性力学、电路分析、热传导和振动、以及社会科学及定量分析商业经济中的各种问题.分类:线性方程组的解法可分为直接法和迭代法两种方法.(a)直接法:对

2、于给定的方程组,在没有舍入误差的假设下,能在预定的运算次数内求得精确解.最基本的直接法是Gauss消去法,重要的直接法全都受到Gauss消去法的启发.计算代价高.(b)迭代法:基于一定的递推格式,产生逼近方程组精确解的近似序列.收敛性是其为迭代法的前提,此外,存在收敛速度与误差估计问题.简单实用,诱人.§3.1雅可比Jacobi迭代法(AX=b)1基本思想:与解f(x)=0的不动点迭代相类似,将AX=b改写为X=BX+f的形式,建立雅可比方法的迭代格式:Xk+1=BX(k)+f,其中,B称为迭代矩阵.其计算精度可控,特别适用于求解系数为大型稀疏矩

3、阵(sparsematrices)的方程组.2问题:(a)如何建立迭代格式?(b)向量序列{Xk}是否收敛以及收敛条件?3例题分析:考虑解方程组(1)其准确解为X*={1,1.2,1.3}.建立与式(1)相等价的形式:(2)据此建立迭代公式:(3)取迭代初值,迭代结果如下表.JocabiMethodP31.cpp迭代次数x1x2x3000010.720.830.8420.9711.071.1531.0571.15711.248241.085351.185341.2828251.0950981.1950991.29413861.0983381.19

4、83371.29803971.0994421.1994421.29933581.0998111.1998111.29977791.0999361.1999361.299924101.0999791.1999791.299975111.0999931.1999931.299991121.0999981.1999981.299997131.0999991.1999991.299999141.11.21.3151.11.21.34Jocobi迭代公式:设方程组AX=b,通过分离变量的过程建立Jocobi迭代公式,即由此我们可以得到Jacobi迭代公式:

5、[Jacobi迭代公式的算法]1:初始化.n,(aij),(bj),(x1),M.2:执行k=1直到M为止.①执行i=1直到n为止.;②执行i=1直到n为止.;③输出k,(xi).另外,我们也可以建立Jacobi迭代公式的矩阵形式.设方程组AX=b,其中,A=(aij)n为非奇异阵,X=(x1,x2,…,xn)T,b=(b1,b2,…,bn)T将系数阵A分解为:A=U+D+L,U为上三角矩阵,D为对角矩阵,L为下三角矩阵.于是AX=b可改写为(U+D+L)X=bX=D-1b-D-1(U+L)X由此可得矩阵形式的Jocobi迭代公式:Xk+1=BX

6、(k)+f□§3.2高斯-塞德尔Gauss-Seidel迭代法注意到利用Jocobi迭代公式计算时,已经计算好的值,而Jocobi迭代公式并不利用这些最新的近似值计算,仍用.这启发我们可以对其加以改进,即在每个分量的计算中尽量利用最新的迭代值,得到上式称为Gauss-Seidel迭代法.其矩阵形式是X=-(D+L)-1UX+(D+L)-1b,Xk+1=BX(k)+f.迭代次数x1x2x3000010.720.9021.164421.043081.1671881.28205431.093131.1957241.29777141.0991261.19

7、94671.29971951.099891.1999331.29996561.0999861.1999921.29999671.0999981.1999991.29999981.11.21.3§3.3超松驰迭代法SOR方法1基本思想:逐次超松弛迭代法(SuccessiveOverRelaxationMethod,简写为SOR)可以看作带参数ω的高斯-塞德尔迭代法,是G-S方法的一种修正或加速.是求解大型稀疏矩阵方程组的有效方法之一.2SOR算法的构造:设方程组AX=b,其中,A=(aij)n为非奇异阵,X=(x1,x2,…,xn)T,b=(b1,

8、b2,…,bn)T.假设已算出x(k),(1)相当于用高斯-塞德尔方法计算一个分量的公式.若对某个参数ω,作与加权的平均,即(2)其中,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。