выч.методы лин. алгебры
.pdf
|
|
|
|
|
|
|
|
= 10 4 |
|
|
|
|
|
|
|
|
= p |
|
|
|
2:0001 |
|
|||||||||||||
k |
|
k2 |
|
|
|
k |
f |
k2 |
2 |
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
k k |
= |
0:5 10 4 ; |
k k2 = |
p |
10 4 |
|
|
; |
|
|
|
|
||||||||||||||||||||||
|
|
A |
|
|
|
|
|
2:0001 |
f |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
k |
|
k |
|
|
|
|
|
|
k |
k2 |
|
|
|
|
2 2:0001 |
|
|
|
|
|
|||||||||||||||
|
k k2 |
|
|
|
|
|
2:0001 104 |
|
|
|
4 |
|
|
|
|
|
|
10 4 |
|
+ 0:5 10 4 |
= |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
||||||||||||||||||||||
k k |
2 |
|
|
|
1 2:0001 10 |
4 |
|
2:0001p |
|
|
|
|
2:0001 |
|
|||||||||||||||||||||
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
0:5 10 |
|
2:0001 10 |
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
1 |
1 |
|
1 |
|
|
|
|
|
|
|
|
2+1 |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
= |
1 0:5 |
(p |
|
+ |
2 ) = 2 |
|
|
2 |
|
|
|
|
= 2 + 1; |
|
|||||||||||||||||||||
2 |
|
|
|
|
|
|
Итерационные методы решения систем линейных алгебраических уравнений.
В итерационных методах решения системы Ax = f определяется некоторая последовательность векторов x(k), такая, что
limk!1 x(k) = x ;
здесь x
стве определяем норму и в дальнейшем будем понимать сходимость последовательности x(k) ê x в смысле: limk!1 kx(k) x k = 0:
Из анализа известно, что в конечномерном пространстве все нормы эквивалентны. Поэтому из сходимости последовательности x(k) в одной норме
будет следовать ее сходимость и в любой другой норме. В дальнейшем мы воспользуемся этим обстоятельством, доказывая сходимость того или иного метода в той норме, в которой это можно сделать наиболее простым образом.
Двухслойные итерационные методы.
Будем рассматривать двухслойные итерационные методы решения системы Ax = f, каждый из которых можно записать в следующем каноническом
âèäå:
B x(k+1) x(k) + Ax(k) = f; k = 0; 1::: (1)
здесь B - некоторая невырожденная матрица, k - итерационный параметр, x(0) - произвольное начальное приближение. Если при 8k k = - òî ìå-
тод называется стационарным. В основном мы будем рассматривать именно стационарные двухслойные итерационные методы.
B |
x(k+1) x(k) |
+ Ax(k) = f; k = 0; 1::: (2) |
|
k |
|||
|
|
Предполагая, что А - невырожденная , покажем, что если метод сходится, то он обязательно сходится к единственному решению x системы Ax = f.
11
Действительно, пусть lim |
x(k) = |
|
. Переходя в методе к lim |
|
|||||
x |
k!1 |
||||||||
|
|
|
k!1 |
|
|
|
|
|
|
B |
|
klim x(k+1) klim x(k) |
+A klim x(k) = f |
|
|||||
|
|
|
|||||||
|
|
|
|||||||
|
|
!1 |
Ax = f |
!1 |
|
||||
|
|
|
|
!1 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
Отсюда в силу единственности решения системы Ax = f следует x = x
Следовательно, выбирая B и нужно позаботиться о самом факте сходимости
последовательности приближений. С другой стороны, вычисляя очередное приближение x(k+1) необходимо решать систему
Bx(k + 1) = (B A)x(k) + f:
Трудоемкость решения этой системы зависит от структуры матрицы B. Поскольку в общем случае приходится решать много таких систем, то B желательно выбрать так, чтобы решение каждой такой системы осущетсвлялось как можно проще. Поэтому в качестве B обычно используют диагональную
или треугольную матрицу.
z(k) = x(k) x( ) - вектор ошибки (погрешности) k-го приближения; r(k) = Ax(k) f - вектор невязки k-го приближения;
Тогда условие сходимости итерационнго процесса принимает вид:
|
kz(k)k ! 0; k ! 1; = klim kz(k)k = 0 |
|
|
|||||||||||
|
|
|
|
|
|
!1 |
|
|
|
|
|
|
|
|
Перепишем итерационный процесс через z(k): |
|
|
|
|
|
|
|
|||||||
B |
x(k+1) x( ) x(k) + x( ) |
+ A(x(k) |
|
x( )) = f |
|
f = 0 |
||||||||
èëè |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
z(k+1) z(k) |
|
|
|
|
|
|
|
|
|
|||
|
B |
+ Az(k) = 0 |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Отсюда: |
|
|
A)z(k); |
|
z(k+1) = (E |
|
B 1A)z(k) |
|||||||
z(k+1) = B 1(B |
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||
èëè |
z(k+1) = Sz(k) (3); |
S = E |
|
|
B 1A (4) |
|
||||||||
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Матрица S - называется матрицей мерехода двухслойного итерационного метода. Оказывается, свойства сходимости метода целиком определяется матрицей перехода.
Важной характеристикой итерационного метода явлется так называемая ассимптотическая скорость сходимости . Для того, чтобы определить это
понятие, найдем число шагов, необходимое для уменьшения нормы начальной погрешности kz(0)k в e-раз (e=exp(1)), т.е. мы пытаемся найти наимень-
шее число k, удовлетворяющее неравенству
kz(k)k = |
1 |
(5) |
e kz(0)k |
12
поскольку z(k) = Sz(0), то (5) будет заведомо выполнено, если
kSkk = |
1 |
èëè k ln kSk 1 (6) |
e |
Естественно, говорить о скорости сходимости можно только для сходящегося ряда. В дальнейшем будет получено достаточное условие сходимости kSk 1. Имея его в виду, из (6) находим: Покажем сначала, что модуль
любого собственного значения матрицы не превосходит ее согласованной нормы.
Пусть Su = u; u 6= 0: Имеем
j j kuk = k uk = kSuk kSk kuk
поделив крайние части неравенства на kuk; u 6= 0, имеем
j j kSk (7)
Пусть теперь kSk < 1. В силу (7) все собственные значения матрицы пере-
хода S по модулю меньше 1, из теоремы 1 следует сходимость метода при любом начальном приближении.
Теорема 2 доказана.
Из теоремы 2 для различных конкретных норм получаем достаточные условия сходимости итерационных методов в терминах матрицы перехода.
|
n |
1maxi n |
Xj |
jSij < 1j |
|
|
=1 |
Метод простой итерации.
Полагая в методе (2) B=E получаем метод простой итерации. Согласно (4) матрица перехода имеет вид, а
S = E B 1A = E A;
решение системы находится по явным формулам
n
x(k+1) = xk (Axk f); x(ik+1) = fi +(1 aii)x(k) Xaijx(jk); i = 1; n;
j=1
Метод Якоби.
Матрицу A представим в виде A = AL+D+AV ; ãäå D = diag(a11; a22; :::; ann);
|
|
0a21 |
0 |
::: |
::: |
1 |
|
|
|
0 |
0 |
0 |
a23 |
::: |
a2n |
1 |
||
|
|
|
0 |
::: |
::: |
::: |
|
|
|
|
|
0 |
a12 |
::: |
a1n |
|
|
|
L |
|
B |
::: |
::: |
::: |
0 |
C |
|
V |
|
B::: |
::: |
0 a |
n 1n |
|
C |
||
A |
= |
B |
a31 |
a31 |
::: |
0 |
C |
; A |
|
= |
B |
::: |
::: |
::: |
|
C |
||
|
|
Ba |
n1 |
a |
::: a |
|
C |
|
|
|
B |
0 |
0 |
::: |
::: |
0 |
C |
|
|
|
B |
n2 |
|
nn 1C |
|
|
|
B |
|
|
|
|
|
C |
|||
|
|
@ |
|
|
|
|
|
A |
|
|
|
@ |
|
|
|
|
|
A |
13
Предположим, что все aii 6= 0, следовательно D - невырождена.
Положим в канонической форме двухслойного итерационного процесса B =
D; = 1
Получаем
D(x(k+1) x(k)) + (D + AL + AV )x(k) = f; k = 0; 1; ::
Dx(k+1) = (AL + AV )x(k) + f x(k+1) = D 1(AL + AV )x(k) + D 1f:
Явные формулы:
1
k ln kSk
Полученное неравенство показывает, что чем больше величина ln kSk, тем
меньшее число шагов требуется выполнить для уменьшения начальной ошибки в e раз. По этой причине величина
R = ln kSk
называется ассмптотической скоростью сходимости нетрадиционного метода с матрицей перехода S = E B 1A. Имеют место следующие теоремы
о сходимости итерационных методов: Теорема (Критерий сходимости)
Для того, чтобы метод (2) сходимся при любом начальном приближении, необходимо и достаточно, чтобы вс собственные значения матриццы перехода (4) были по модулю меньше 1.
Доказательство: Необходимость.
По условию метод (2) сходится 8 начальном приближении x(0). Требуется
доказать, что все собственные значения матрицы S меньше по модулю 1. Предположим противное, а именно, пусть есть хоть одно j j 1.
Пусть u 6= 0 отвечающий этому собственый вектор Su = u В качестве x(0) = x + u возьмем.
Тогда z(0) = x(0) x = u. Вычислим z(k):
z(k) = Skz(0) = Sku = ku Отсюда kz(k)k = k kuk = j kjkuk;
поскольку u 6= 0 - фиксированный вектор, а j j 1, то из полученного следует, что при k ! 1kzkk не стремится к нулю, но это противоречит
условию.
Для доказательства нам понадобится лемма.
Лемма: Пусть все собственные значения i(S) удовлетворяют неравенству:
j i(S)j < q; i = 1; 2; :::; n:
Тогда существует такая невырожденная матрица T, что матрица = T ST 1 удовлетворяет условию k k1 q
Доказательство леммы: рассмотрим величину
= q max j i(S)j
1 i n
14
Очевидно, > 0. Поэтому мы можем рассмотреть матрицу 1S. Из курса
алгебры известно, что существует преобразование подобия, которое приводит матрицу к нормальной жордановой форме:
|
|
1 |
|
(S) |
1 |
0:: |
0 |
1 |
1 |
1 |
0 |
1 |
|
1 2(S) 2 |
0 |
||
T ST |
|
= B |
0 |
|
0 |
::: |
::: |
C |
|
|
B |
::: |
|
::: |
::: |
n 1 |
C |
|
|
B |
|
|
|
|
|
C |
|
|
B |
|
|
|
|
|
C |
|
|
@ |
0 |
|
0 |
::: |
1 n(S) |
A |
|
|
|
|
|
где каждая из величин i равно 0 или 1. Матрица
= T ST 1 = (T 1ST 1) =
0 |
1(S) |
2(S) |
2 |
0 |
1 |
B |
::: |
::: |
::: |
n 1C |
|
= B |
0 |
0 |
::: |
::: |
C |
B |
|
|
|
|
C |
B |
|
|
|
|
C |
@ |
|
|
|
|
A |
00 ::: n(S)
Вычислим и оценим k k1 : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
k k1 max ( |
max ( |
(S) |
|
+ ) |
|
|
max1 i nj i(S)j + = q |
|
|
|||||||||||
1 i n 1 j i |
|
|
j |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
j i(S)j |
|
|
|
|
|
|
|
|
|
|
|||||
Лемма доказана. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доказательство: Достаточность. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Èòàê, j i(S)j < 1; i = 1; 2; :::n |
|
|
|
|
|
|
|
|
|
|
|
|
и покажем, что |
|
(k) |
|
||||
Выберем q < 1 такое, что |
max1 i n 1(j i(S)j < q |
limk!1 kz |
|
k = |
||||||||||||||||
0 ïðè 8z(0): |
|
|
|
|
||||||||||||||||
Из леммы следует, что существует такая невырожденная матрица T, что |
|
|||||||||||||||||||
k k1 < q; ãäå = T ST 1; отсюда следует, что S |
= T ST 1: S2 = |
|
||||||||||||||||||
T 1 T T 1 T = T 1 2T |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Очевидно Sk = T 1 kT; z(k) = Skz(0); |
) |
z(k) = T 1 kT z(0) |
|
|
|
|||||||||||||||
Оценим kz(k)k1 : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
kz(k)k1 = kT 1 kT z(0)k1 kT 1k1 kT k1k k1k kz(0)k1 |
|
|
||||||||||||||||||
|
|
1(T ) qk kz(0)k1 |
|
|
|
|
|
|||||||||||||
|
|
| |
|
{z |
|
} |
|
|
| |
|
{z |
|
} |
|
|
|
|
|
||
|
|
число |
|
|
|
число |
|
|
|
|
|
|||||||||
Отсюда, из-за q < 1, следует, что |
k |
z(k) |
k1 |
|
k!1 |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
! 0 |
|
|
|
|
Достаточность доказана.
Теорема 2. Для сходимости метода при любом начальном приближении достаточно, чтобы хотя бы одна из норм матрицы перехода, согласованных с какой-либо векторной нормой, была меньше 1.
15
Доказательство.
|
|
|
|
|
n |
|
|
|
|
|
|
xi(k+1) = (fi |
aijxj(k)) aii; i = |
|
|
||||
|
|
1; n |
|||||||
|
|
|
|
|
j X6 |
|
|
||
|
|
|
|
|
=1;i=j |
|
|
|
|
|
|
|
|
|
Метод Зейделя. |
||||
Полагая B = AL + D; = 1; получим |
|
|
|
|
|||||
x(k+1) |
|
x(k)) + (A |
+ D + A |
|
)x(k) = f; k = 0; 1; ::: |
||||
(AL + D)( (k+1) |
|
|
(k)L |
|
V |
|
|
|
|
(AL + D)x |
= f AV x |
|
|
|
|
|
|
Òàê êàê AL + D - треугольная нижняя матрица, то явные формулы:
xi(k+1) = fi |
|
n |
i 1 |
|
aii; i = 1; n |
|||||||
|
aijxj(k) |
aijxj(k) |
||||||||||
|
|
|
|
X |
Xj |
|
|
|
|
|
||
|
|
|
|
j=i+1 |
=1 |
|
|
|
|
|
||
|
Метод последовательной верхней релаксации. |
|||||||||||
|
|
|
|
B = D + !AL; = ! |
|
|
|
|
|
|||
|
|
(D + !AL) |
x(k+1) x(k) |
+ !()xk + !f |
|
|
|
|||||
|
|
|
|
|
|
! |
|
|
|
|
|
|
|
(D + !AL)x(k+1) = Dx(k) !(D + AV )xk + !f |
|||||||||||
x |
(D + !AL)x(k+1) = D(1 !)x(k) !AV xk + !f |
|||||||||||
(k+1) |
= D 1 !ALxn + D(1 !)x |
!AV x + !f |
||||||||||
|
|
|
|
k |
|
(k) |
|
|
k |
|||
|
xi(k+1) = |
!fi ! |
aijxj(k) + (1 !)aiixi(k) |
aii |
||||||||
|
|
|
|
|
Xj |
|
|
|
|
|
||
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
Итак, для метода Якоби ( = 1; B = D) |
S = E B 1A = E D 1A = |
|||||||||||
= E D 1(AL + D + AV ) = D 1(AL + AV ); |
|
|
|
|
|
Для выяснения условий сходимости метода Якоби можно воспользоваться критерием сходимости (j i(S) < 1j) и достаточным условием kSk < 1. Обе теоремы формулируют условия в терминах матрицы перехода S. Сформулируем условия в терминах исходной матрицы A.
Определение. Говорят, что матрица A порядка n удовлетворяет строгим условиям Адамара , если для всех i = 1; 2; :::; n справедливо
|
n |
j |
X6 |
jaiij > |
jaijj |
|
=1;j=i |
Определение. Говорят, что матрица A порядка n имеет строгое диагональное преобладание , если она удовлетворяет всем строгим условиям Адамара.
16
Теорема Адамара
Матрица со строгим диагональным преобладанием невырождена.
Доказательство.
Пусть матрица имеет строгое диагональное преобладание и невырождена. Тогда однородная система Ax = 0 имеет нетривиальное решени x 6= 0. Пусть
|
jxkj = 1maxi n jxij > 0 |
|
|||||||
|
|
|
|
|
|||||
Выпишем k - ое уравнение системы Ax = 0 |
|
|
|||||||
|
|
n |
|
|
|
|
|
|
|
|
|
Xj |
akjxj |
|
|
||||
|
|
|
|
|
|
|
|||
|
|
=1 |
|
|
|
|
|
||
|
|
èëè |
|
|
|
|
|||
|
|
|
|
|
|
n |
|
|
|
|
akkxk = |
j X6 |
akjxj |
|
|||||
|
|
|
|
|
=1;j=k |
|
|
||
Отсюда |
n |
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
||
jakkjjxkj |
X |
|
|
|
|
|
|
X |
jakjj |
|
jakjjjxjj jxkj |
||||||||
и следовательно |
j=1;j6=k |
|
|
|
|
j=1;j6=k |
|||
|
|
|
|
n |
|
|
|||
|
|
j |
|
|
|
||||
|
|
|
X6 |
|
|
||||
|
jakkj |
|
|
jakjj; |
|
||||
|
|
|
|
=1;j=k |
|
|
|||
k-ое строгое условие Адамара не выполнено. Теорема доказана. |
|||||||||
По теореме Гершгорина каждое собственное значение |
i(S) может хотя бы |
||||||||
в одном из кругов Гершгорина: |
|
|
|
|
|
|
|
|
|
|
|
aij |
|
1 |
|
n |
|
||
|
X |
|
|
X |
|
||||
j i(S) 0j j=k j |
|
j = |
|
|
j=1;j=k jaijj < 1 |
||||
aii |
jaiij |
||||||||
|
6 |
|
|
|
|
|
|
6 |
|
По условию, имеет место строгое диагональное преобладание, поэтому правая часть последнего неравенства < 1. Тогда
j i(S) < 1j
Следовательно, в силу критерия сходимости метод Якоби сходится. Теорема доказана.
 методе Зейделя параметры итерационного метода равны:
= 1; B = D + AL:
Матрица перехода S = E B 1(A) = E (D + AL) 1(AL + D + AV ) = = (D + AL) 1AV );
Для выяснения условий сходимости воспользуемся критерием сходимости, сформулированные в терминах матрицы перехода, а именно необходимо и
17
достаточно, чтобы все собственные значения j i(S) < 1j; i = 1; n
Собственные значения матрицы S являются корнями уравнения: det[ (AL + D) 1AV E] = 0 ( )
Íî det[ (AL + D) 1AV E] = det[ (AL + D) 1(AV + (AL + D)] = = det[ (AL + D) 1] det[ (AL + D)]
Òàê êàê AL + D - невырожденная матрица, то уравнение (*) эквивалентно уравнению:
det[ (AL + D) + AV ] = 0 ( )
Тем самым доказана теорема (критерий). Для того, чтобы метод Зейделя сходился при любом начальном приближении, необходимо и достаточно , чтобы все корни уравнени (**) det[ (AL + D) + AV ] = 0 были по модулю меньше единицы.
Теорема (достаточное условие)
Если матрица A системы уравнений Ax = f имеет строгое диагонально пре-
обладание, то метод Зейделя сходится при любом начальном приближении. Доказательство.
Пусть - произвольный корень уравнения (**)
Матрица (AL + D) + AV - вырождена, поэтому по следстввию из теоремы Адамара у нее нарушено хотя бы одно из строгих условий Адамара, т.е. существует такое k (1 k n); что
k 1 |
|
n |
|
j akkj j akjj + |
jakjj: |
|
|
j=1 |
j |
=k+1 |
|
X |
X |
|
|
Отсюда легко получить оценку сверху для j j: |
|
||
j j jakkj = j akkj |
k 1 |
n |
|
j jjakjj + |
jakjj |
||
|
j=1 |
=k+1 |
|
отсюда |
X |
j X |
|
k 1 |
|
n |
|
X |
jakjj) |
X |
|
j j(jakkj + |
jakjj |
|
|
j=1 |
|
j=k+1 |
|
По условию матрица A имеет строгое диагональное преобладание т.е. для нее все строгие условия Адамара, в том числе k-ое:
k 1 |
n |
X |
X |
jakkj > jakjj + |
jakjj |
j=1 |
j=k+1 |
отсюда |
|
k 1 |
n |
X |
X |
jakjj < jakkj |
jakjj |
j=1 |
j=k+1 |
18
таким образом j j < 1:
Теорема Если матрица А системы Ax = f симметрическая и положительно опеределенная, то метод Зейделя сходится при 8 начальном прибли-
жении.
Метод Зейделя имеет простую геометрическую интерпритацию:
n
X
aijxj = fi
j=1
системы Ax = f определяет гиперплоскость в n-мерном евклидовом про-
странстве. Обозначим гиперплоскость, определяемую i-ым уравнением че- ðåç Li. Точное решение x есть точка пересечения всех гиперплоскостей Li
, i = 1; n:
Рассмотрим некоторое приближение
y = (x(1k+1); :::; x(ik+1); x(ik); :::; x(nk))
полученное по методу Зейделя, и с помощью расчетной формулы метода Зейделя вычислим
i 1 |
|
n |
xi(k+1) = (fi aijxj(k+1) |
aijxj(k))=aii |
|
X |
|
X |
j=1 |
|
j=i 1 |
последняя формула эквивалентна равенству
in
aijxj(k+1) + |
aijxj(k) |
= fi; |
Xj |
X |
|
=1 |
j=i+1 |
|
это равенство означает, что точка
z = (xk1+1; :::; x(ik+1)1 ; x(ik+1); x(i+1k) ; :::; x(nk))
принадлежит гиперплоскости Li.
Другими словами, в методе Зейделя i-ая компонента очередного приближения находится из условия принадлежности точки z гиперплоскости
Li. Так как вектор предыдущий y также находится по методу Зейделя, то y принадлежит гиперплоскости Li 1. Таким образом, вычисляя x(ik+1) ïî методу Зейделя, мы переходим от точки y, принадлежашей гиперплоско-
ñòè Li 1, к точке z Li, причем этот переход осуществляется вдоь линии, паралельной i-ой координатной оси.
Для случая n = 2 рассмотрим рисунок:
a11x1 + a12x2 = f1
a21x1 + a22x2 = f2
x(1)1 = (f1 a12x(0)2 )a11
19
a11x11 + a12x(0)2 = f1
y = (x(1)1 ; x(1)2 ) z = (x(1)1 ; x(1)2 )
Для того, чтобы наиболее простым способом перейти к следующему методу последовательной релаксации, посмотрим на приближения в методе Зейделя еще с одной точки зрения. Обозначим через t и r соответственно
невязки приближений y и z:
t = Ay f ) ti |
i 1 |
n |
aijxi(k) + |
n |
|
fi |
= aijxj(k+1) + aiixi(k) + |
aijxj(k) |
|||||
|
Xj |
X |
|
X |
|
|
|
=1 |
j=i+1 |
j=i+1 |
|
|
|
t = Az f ) ri = |
i 1 |
n |
n |
aijxj(k) |
fi aii |
|
aijxj(k+1)+aiixi(k+1)+ |
aijxi(k)+ |
|||||
|
Xj |
X |
X |
|
|
|
|
=1 |
j=i+1 |
j=i+1 |
|
|
Из расчетной формулы метода Зейделя следует, что ri = 0. С другой стороны, обозначим = x(ik) x(ik+1) и выразим ri через ti,
ri = ti + aii(x(ik+1) x(ik)) = ti aii
ri = ti aii;
Таким образом, поправка к значению i-ой компоненты находится из усло-
âèÿ:
ri = ti aii = 0
Обнуление i-ой компоненты невязки r обычно называют полной релаксаци-
ей. По этой причине метод Зейделя называют методом полной релаксации. Метод последовательной релаксации
Иногда можно добиться более быстрой сходимости, если требовать не обнуления ri, а всего лишь уменьшения jrij по сравнению с jtij, т.е. проводить не полную, а частичную релаксацию. Итак, потребуем, чтобы
jri = jti aiij < jtij
èëè |
|
|
|
|
|
ti |
|
ti |
||||
|
|
|
|
|
|
|
||||||
|
|
|
|
j |
|
|
j < j |
|
j |
|||
|
|
|
|
aii |
aii |
|||||||
Åñëè |
ti |
> 0, òî 0 < < 2 |
ti |
åñëè |
ti |
|
< 0, òî 2 |
ti |
< < 0; |
|||
aii |
|
|
|
|||||||||
|
aii |
aii |
|
|
|
aii |
И в том, и в другом случае неравенства можно записать в единообразном
âèäå = ! ti , ãäå ! 2 (0; 2)
aii
В том случае i-ая компонента невязки ri будет определяться формулой
ri = ti aii! ti = ti(1 !)
aii
20