第六章第三节逐次超松弛迭代法

k 1,2
T 取初始得量 x0 0,0,0,0 ，迭代六次得结果见表 6.2．
图表6.2
5
从表6．2得到
算法6．3
输人
5.56 10 4 应用SOR方法解方程组 Ax b
x6 x
方程组的阶数 n ； A 的元素 aij (i, j 1,, n) ； b 的分量 bi (i 1,, n) ；初始向量 x 0 的分量
10
则说 A 是具有相容次序的矩阵．
注意：
若矩阵 A aij 具有相容次序， 则属于同一子集的元素之间没有联系， 即若 i, j Wk ， aij 则
0, ， a ji 0 ． 且
例3
0 0 1 4 1 4 1 0 A 0 1 4 0 0 4 1 0
i 1,2,, n
x 这里，引入一个中间量 ~i 和一个加速收敛的参数 (限于实数)，称。为松弛因子 xi(k ) 可 ( k 1) 以看作是 xi 和 ~i( k ) 的加权平均．当 1时(3．1)就是 Gauss-Seidel 迭代法． 1 时， x
(k )
(3．1)称为逐次超松弛迭代法； 1 时，(3．1)称为逐次低松弛迭代法．通常，统称为逐次超 松弛迭代法，或简称为 SOR 迭代法．
定义3
1 给定一个 n 阶矩阵 A aij ，记 W ,2,, n．若存在 W 的两个不相交的子集 S1 , S 2 使得
(1) (2)
S1 S 2 W ;
若 i, j 有联系，则 i, j 分别属于这两个子集，
11
则称矩阵 A 具有性质 A
注意：定义 3 中 S1 或 S 2 可以是空集．若有一个是空集，则矩阵 A 必为对角阵．从定义 3 还 可看到，若矩阵 A 具有性质 A ，则属于同一子集的元素之间没有联系，即若 i, j S1 ：或 i, j S 2 ， 则 aij 0 或 a ji 0
3．3 相容次序、性质A和最佳松弛因子
我们从例 1 看到，SOR 方法收敛得快慢与松驰因子。的选择有关．松弛因子选择得好，会加快 SOR 方法的收敛速度．这一段，我们将对一类特殊的矩阵(在偏微分方程数值解法中常遇到的)， 简要地叙述最佳松弛因子如何选取的问题．
定义 1
定义 2
给定一个 n 阶矩阵 A aij ，对 i j ，若或 a ji 0 ，则说 i, j 是有联系的．
( ( ( x1( k ) 0.2 x1( k 1) 0.24 x2k 1) 0.24 x3k 1) 0.24 x4k 1) 0.96
( ( ( ( x2k ) 0.12 x1( k ) 0.2 x2k 1) 0.12 x3k 1) 0.12 x4k 1) 1.44
立解方程组 Ax b 的遥次超松弛迭代法(SOR 方法)
i 1 ~ ( k ) 1 (b a x ( k ) xi ij j i aii j 1
j i 1
a
n
ij
x (jk 1)
(3.1)
xi( k ) xi( k 1) ( ~i( k ) xi( k 1) ) x
(3．2)
上式的矩阵表示形式是
xk ( Lx k Ux k 1 D 1b) (1 ) xk 1
或者
(3．3)
xk T xk 1 ( I L) 1 D 1b
其中
(3．4)
Tw ( I L) 1 ((1 ) I U )
取三个互不相交子集， W1 {1} ， W2 {2,4} ,W3 {3} ．容易验证它们满足定义 2 中的条件（1）和(2)． 例如， i 1 W1 , a2,1 1 0,2 W2 , a14 1 0,4 W2 , i 2 W2 , a21 1 0 1 W1 , a23 1 0,3 W3 因此矩阵 A 具有相容次序．
的迭代矩阵了。的谱半径大于等于 1 ，即
(T ) 1
且 SOR 方法收敛的必要条件是
0 2
(3．6)
证明 由(3．5)式，有
det(T ) det((I L) 1 ) det((1 ) I U ) det((1 ) I U ) (1 ) n
x0i (i 1,, n) ；参数 ；容限 TOL ；最大迭代次数 m
输出 近似解 x1 , x2 , x n 或迭代次数超过 m 的信息．
step 1
对 k 1,, n 做 step2—4． 对 i 1,2,, n
step 2
xi (1 ) x0i
step 3 step 4 对 i 1,2,, n
或
((1 ) I U ) x ( I L) x
H 用 x D 左乘上式两端得
(1 ) x H D x H DUx x H D x H DLx ，
其中 D diag(a11 ,, ann ) , x H 表示 x 的共轭转置．记 x H Dx q , x H DLx i ，由(2．8)式
定理 1 设方程组 Ax b 的系数矩阵 A 的主对角元素 aij 0, i 1,, n ，则 SOR 方法
收敛的充分必要条件为
(T ) 1
其中 T 是 SOR 方法的迭代矩阵．
定理 2
设方程组 Ax b 的系数矩阵 A 的主对角元素 aij 0, i 1,, n ，则 SOR 方法
( ( ( ( x3k ) 0.24 x1( k ) 0.24 x2k ) 0.2 x3k 1) 0.24 x4k 1) 1.92
( ( ( ( x4k ) 0.12 x1( k ) 0.12 x2k ) 0.12 x3k ) 0.2 x4k 1) 4.08
§3 逐次超松弛迭代法（SOR方法）
By alex
1
一般说来，Jacobi 迭代法收敛太慢，在实践中很少使用．在 Jacobi 迭代法收敛很慢的情 况下，Gauss-Seidel 迭代法也并不明显快一些．因此，欲对 Gauss-Seidel 迭代法作简单的修 改，以提高其收敛速度．
T 假设方程组 Ax b 的系数矩阵 A aij nn , aii 0(i 1,, n), b b1 ,, bn ．我们用下面的迭代格式来建
7
n 从 (T ) 1 而，迭代矩阵了-的所有特征值之积等于 (1 ) ．因此有
(T ) 1
据定理 1，若 SOR 方法收敛，则 (T ) 1 ，因此 1 1 ．由于。取实数，故有 0 2
定理 2 说明，若要 SOR 方法收敛，必须选取松弛因子 ，使 (0,2) ．但当 (0,2) 时，未必 对任何线性方程组，SOR 方法都收敛．
1 就例 3，取 S1 ,3 ， S 2 2,4 ，易知它们满足定义 3 中的条件(1)和(2)．因此例 1 的矩阵 A
具有性质 A ．
例4
考虑 ( x, y ) 平面的区域 G 内的 Dirichlet 问题：
2u 2u 0 , ( x, y ) G ; x 2 y 2
定理 3 若线性方程组 Ax b 的系数矩阵 A 是对称正定的，则 0 2 当时，SOR 方法收敛．
证明
设 是 SOR 方法的迭代矩阵
Tw ( I L) 1 ((1 ) I U )
的任意一个特征值， x 为与其相应的特征向量，则有等式
( I L) 1 (((bi aij x j
j 1
i 1
j i 1
a
n
ij
xoj
若 x x0 TOL ，则输出 ( x1 ,, x n ) ；停机．
x 0 i xi
step5 输出(‘Maximun number of iterations exceeded，)； 停机．
6
3．2 SOR方法的收敛性 现在，我们来讨论逐次超松弛迭代法的收敛性问题．
(3．5)
1 它是 SOR 方法的迭代矩阵．特别，若取 1，则 T1 ( I L) U 是 Gauss-Seidel 迭代法的
迭代矩阵． 若将矩阵 A 分裂成
A 1

( D DL)
1

((1 ) D DU ), 0
按§1 所述的建立相容迭代法的方法，立即可得 SOR 方法．因此，SOR 方法与方程组 Ax b 是完 全相容的．
( x4k )
1 ( ( (34 x1( k ) x2k ) x3k ) ) 10
k 1,2,
4
取初始向量 x0 0,0,0,0T ，迭代六次得结果见表 6．1． 从表 6.1 得到
x6 x

1.022 10 3
图表6.1
应用 SOR 方法(取 O＝1．2)的迭代公式为
给定一个 n 阶矩阵 A aij ，记自然数集合 W 1,2,, n．若存在W 的 t 个
互不相交的子集 W1 ,W2 ,,Wt 使得 (1) (2)
W
k 1
t
k
W
对 i Wk ，若 i, j 有联系，则当 j i 时， j Wk 1 ；当 j i 时， j Wk 1 ，
1 ( ( ( x1( k ) (4 x2k 1) x3k 1) x4k 1) ) 5 1 ( ( ( x2k ) (12 x1( k ) x3k 1) x4k 1) ) 10
1 ( ( ( x3k ) (8 x1( k ) x2k ) x4k 1) ) 5
3
例1 方程组
5 x1 x 2 x3 x 4 4 x 10 x x x 12 2 3 4 x1 x 2 5 x3 x 4 8 x1 x 2 x3 10 x 4 34