6.4超松弛迭代法_第1頁
6.4超松弛迭代法_第2頁
6.4超松弛迭代法_第3頁
6.4超松弛迭代法_第4頁
6.4超松弛迭代法_第5頁
已閱讀5頁,還剩11頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、第六章 線性方程組迭代解法Numerical Analysis 6.4 超松弛迭代法(SOR)1 6.4超松弛迭代法(SOR)一、SOR法迭代公式例6.6 用SOR法求解線性方程組二、SOR法的收斂性SOR法收斂與收斂速度有關(guān)定理SOR法分類與現(xiàn)狀 SOR(Successive Over-Relaxation)法,即超松弛迭代法,是目前解大型線性方程組的一種最常用的方法,是Gauss-Seidel迭代法的一種加速方法。 2一、SOR法迭代公式 設(shè)線性方程組 AX=b其中 A非奇異,且aii 0(i=1,2,n ) 。 如果已經(jīng)得到第k次迭代量x (k) 及第k+1次迭代量x (k+1) 的前i

2、-1個 分量 (x1 (k+1),x2 (k+1) ,xi-1 (k+1) ),在計算xi (k+1) 時,先用Gauss-Seidel迭代法得到 (1) 選擇參數(shù),取 (2)返回引用3把 式(1)代入式(2)即得SOR法其中, 參數(shù)叫做松弛因子; 若 =1,它就是Gauss-Seidel迭代法。 返回引用4例6.6 用SOR法求解線性方程組 解 方程組的精確解為 x=(3,4,-5) T,為了進(jìn)行比較,利用同一初值 x(0)=(1,1,1)T,分別取=1 (即Gauss-Seidel迭代法)和 =1.25兩組算式同時求解方程組。 取=1 ,即Gauss-Seidel迭代: 取=1.25 ,即

3、SOR迭代法: 返回引用5 迭代結(jié)果見表6.3。 表6.3 Gauss-Seidel迭代法與SOR迭代法比較 Gauss-Seidel迭代法SOR迭代法(=1.25)kx1x2x3x1x2x301.00000001.00000001.00000001.00000001.00000001.000000015.25000003.1825000-5.04687506.31250003.9195313-6.650146523.14062503.8828125-5.02929692.62231453.9585266-4.600423833.08789063.9267587-5.01831053.1333

4、0274.0402646-5.096686343.05493163.9542236-5.01144102.95705124.0074838-4.973489753.03433233.9713898-5.00715263.00372114.0029250-5.005713563.02145773.9821186-5.00447032.99632764.0009262-4.998282273.01341103.9888241-5.00279403.00004984.0002586-5.00034866 迭代法若要精確到七位小數(shù), Gauss-Seidel迭代法需要34次迭代; 而用SOR迭代法(=

5、1.25),只需要14次迭代。 可見,若選好參數(shù),SOR迭代法收斂速度會很快。返回節(jié)7二、SOR法的收斂性 為了利用第3節(jié)的收斂定理,要先給出SOR法的矩陣表達(dá)式。由式(2) 以及Gauss-Seidel迭代法的矩陣表達(dá)形式,可以看出 X(k+1) =(1-)X(k)+D-1(b+LX(k+1)+UX(k)DX(k+1) =(1-)DX(k)+(b+LX(k+1)+UX(k))(D-L)X(k+1) =(1-)D+U X(k)+b解得 X(k+1) =(D-L)-1 (1-)D+U X(k)+(D-L)-1b (3) 記 B=(D-L)-1 (1-)D+U 稱為SOR法迭代矩陣。 8 由定理6

6、.1 及定理6.2直接得知: SOR法收斂的充要條件是(B)1。 SOR法收斂的充分條件是 | B|1。 前面我們看到,SOR法收斂與否或收斂速度都與松弛因子有關(guān),關(guān)于的范圍,有如下定理。 9SOR法收斂與收斂速度有關(guān)定理定理6.5 設(shè)ARnn,滿足a ii0 (i=1,2,n),則有(B) |1-| 。 推論 解線性方程組,SOR法收斂的必要條件是 |1-| 1 ,即 0 2。 定理6.6 設(shè)ARnn對稱正定,且 02,則SOR法對任意 的初始向量都收斂。 由于定理6.4只是定理6.6的特殊情況,故定理6.4可以看作定理6.6的推論。 10定理6.7 設(shè)A是對稱正定的三對角矩陣,則(BG)

7、=(BJ) 2 1 時,稱為超松弛算法;當(dāng)1 時,稱為亞松弛算法。 目前還沒有自動選擇因子的一般方法,實際計算中,通常?。?,2)區(qū)間內(nèi)幾個不同的值進(jìn)行試算,通過比較后,確定比較理想的松弛因子。 12例6.7 討論例6.6用SOR法的取值。 解 系數(shù)矩陣 由式(4)得 根據(jù)定理6. 7,有(BG) =(BJ) 2 =0.625, (Bopt)= opt 1 = 0.24 , 可見采用SOR 方法比Jacobi迭代法和Gauss-Seidel迭代法快得多。 返回章返回節(jié)131 Jacobi迭代法、Gauss-Seidel迭代法(和SOR法 簡介)(1)計算公式分量形式、矩陣形式以及它們的迭 代矩陣表示; (2)線性方程組的系數(shù)矩陣為某些特殊情形下, Jacobi迭代法、Gauss-Seidel迭代法的收斂性 的重要結(jié)論。 本章學(xué)習(xí)要點返回章142 迭代法收斂性的判定定理和收斂速度 (1)迭代法收斂的充要條件; (2)從迭代矩陣的范數(shù)判別迭代法的收斂性及其證明; (3)線性方程組的系數(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論