一类新的预条件Gauss-Seidel迭代法
![一类新的预条件Gauss-Seidel迭代法](https://img.360docs.net/imgcc/064cw1y17f9glap06cqz-c1.webp)
![一类新的预条件Gauss-Seidel迭代法](https://img.360docs.net/imgcc/064cw1y17f9glap06cqz-02.webp)
一类新的预条件Gauss-Seidel迭代法
摘要:本文给出了一个新的预条件因子
P,证明了在非奇异M矩阵和严
t
格对角占优L矩阵下,该预条件不仅加快了Gauss—Seidel迭代法的收敛速度,而且说明了在该预条件下Gauss—Seidel迭代法的谱半径是单调下降的.最后再用相关的数值例子说明文中给出的预条件
P要优于文献中所给的预条件.
t
关键词:预条件;Gauss—Seidel迭代法;谱半径;收敛性;收敛速度.
A New Class of Preconditioned Gauss-Seidel Interative Method
P.
Abstract: This paper give a new preconditioner large sparse linear equations
t In the pre condition,by using Gauss-Seidel iteration format was linear equations .we first present a preconditions factor and then prove the accelerated convergence of the iteration method by the preconditions under the nonsingular Mmatrix.Discussed the in the the Strictly Diagonally Dominant the L matrix under the conditions of, the pre-conditions to speed up the the the convergence speed of of the Gauss-Seidel iterative method, but also in the the pre-under the conditions of the the Spectral Radius of the Gauss-Seidel iterative method is monotonic declining.Finally,some numerical examples are given to explain our theoretical result.
Key words:pre-conditions factor,Gauss—Seidel iteration method ,spectral radius,weak regular splitting;,convergence rate.
引言
在对自然科学与社会科学许多实际问题进行数值模拟时,人们最后都归结为求解一个或者一些大型稀疏矩阵方程组,因此研究大型稀疏矩阵方程组的解法是人们关注的焦点,后来人们发现迭代法是求解这种线性方程组的一类主要方法之一,但是在实际生活中,迭代矩阵的收敛性和收敛速度的改善不仅取决于迭代方法和迭代矩阵中参数的选取,而且和方程组自身的某些变化密切相关.近几年来,稀疏线性方程组的迭代解法有了很大发展,特别是预条件矩阵的引入,大大加快了迭代的收敛性和收敛速度.因此,对预条件的研究仍是一个意义深刻的课题.
为了加速迭代法的收敛速度,很多学者对线性方程组提出了各种不同的预处理方法.1991年文献[]2中Guwnawardena 等人提出预条件S I P +=α,其中
???
???????
?
?
---=+=-10
10000
010*********,13,221
n n a a a S I P ,α 文献[]5中提出的预条件
?????????
?
??----=+=-101
0000100
00010000011
,3,2
,1
,n n n n n a a a a R I P
β 以及文献[]7中提到的预条件
??????
????
?
?-------=+=--10
1000010
0010
001
1,,1,11
,33,21,221
n n n n n S a
a a a
a a a B I P , 本文主要考虑一种新的预条件因子
???
???
?
?
?
?------=++=---100
00001
11,,11,112321
212
n n n n n n t t a
t a a t a a t a S S I P
并且新的预处理矩阵加速了Gauss-Seidel 迭代法的收敛速度. 此时,预条件Gauss-Seidel 迭代法的迭代矩阵为
[])()()()(1
1S U U S L L D I U L D G S t S S t t -+-+--=-=--αα.
1.预备知识
1.1 相关定义
定义[]21 设矩阵()ij n n A a ?=n n R ?∈,如果对于矩阵主对角线的元素都不小于0,而主对角线外的元素都不大于0,则称矩阵A 为L 矩阵.
定义[]22 设()ij n n A a ?=n n R ?∈,矩阵M 和N 满足N M A -=,其中M 为可选择的非奇异矩阵,且使d Mx =容易求解,称M 为分裂矩阵,N M 1-为迭代矩阵,若01≥-M 和0N ≥,则称 N M A -=是A 的正则分裂;若01≥-M 和10M N -≥,则称分裂N M A -=是若正则的.
定义[]33 如果(){}k x 是由迭代公式()() 2,1,0,1=+=+k f Bx x k k ,产生的序列,且满足,,lim 0n k k R x x x ∈?=*∞
→那么称()()f Bx x k k +=+1是收敛的.
定义[]34 设矩阵()ij n n A a ?=n n R ?∈,A 可表示为,0A sI B B =-≥,I 为n 阶单位阵,并且当谱半径()B s ρ≤,那么A 是M 矩阵.当()B s ρ<时,则称A 是非奇异
M 矩阵.
定义[]45 设矩阵()ij n n A a ?=n n R ?∈,如果A 的元素满足
1,||||n
ii ij j j i a a =≠>∑
i 12,,
n = ,, 则称A 为严格对角占优矩阵. 1.2 相关引理
引理[]41 设A 为非奇异M 矩阵,分裂2211N M A N M A -=-=和是若正则的,若1121M M --≤,20N ≥,则有
111122()()M N M N ρρ--≤.
引理[]32 若系数矩阵A 为严格对角占优L 矩阵,那么经过预处理后的矩阵
A α是严格对角占优M 矩阵.
证明 设经过预处理后所得的矩阵为()ij n n A a α?=.因为矩阵A 是严格对角占
优L 矩阵,则有当i j ≠时
10ij a -<≤,
所以
1101j j a a ≤<,
从而有
1110j j a a ->,(2,,)j n = .
因此矩阵A α的对角元部分是
1221233222112,11,(1,1,,1)t n n n D diag a a a a t a a t a a =---- >0,
对于矩阵A α的非对角元部分有
1,,1,1,1,,12,,,2,,,.
j ij i i i i j i j i a j n a a t a i n a t a a
?=?=-=??-? 其它
因为
0,0,0,1,,1,1,1,,1≤≤-≤-≤j i i j i j i i i i j a a a t a a t a a .
矩阵t A 的非对角元部分是不大于0的,所以矩阵t A 是L 矩阵.记(1,1,,1)a = ,则有
11
1
(,,)0n
n
T j nj j j Aa a a ===∑∑> .
又因为0≥++=S S I P t t ,所以
0>=Aa P A t t .
引理[]43 设矩阵()ij n n A a ?=n n Z ?∈,则有以下两个等价性质 (1)存在向量x ,使得 0>Ax ; (2)矩阵A 是非奇异M 矩阵.
引理[]54 设矩阵()ij n n A a ?=n n Z ?∈为非奇异M 矩阵,n n B Z ?∈,若有B A ≥,则1A -,1B -都存在且110A B --≥≥.
引理[]35 若A 为严格对角占优矩阵且A 为L 矩阵,则10A -≥并且A 为非奇异
M 矩阵.
证明 由于A 是严格对角占优矩阵,则有
1,||||n
ii ij j j i
a a =≠>∑ i 1,2,,,n =
成立,从而有
1,|||0n
ii ij j j i a a =≠-∑>.
记(1,1,,1)a = ,有
11
1
(,,)n n
T j nj j j Aa a a ===∑∑ .
又由于A 为L 矩阵,则对,0ij i j a ?=≥且,0ij i j a ?≠≤,从而有
1
1,1,||||0n n n
ij ii ij ii ij j j j i
j j i
a a a a a ==≠=≠∑=-∑=-∑>.
即0Aa >.所以,由引理2得A 为非奇异M 矩阵.由定义4 知10A -≥.
2.主要结论
2.1 新预条件下Gauss-Seidel 迭代法的收敛定理 定理1 线性方程组
b Ax = , (1) 其中A 为严格的对角占优L 矩阵,若γβ≤,即2,3,,,i n ?= 都有i i γβ≤,
12(,,,)n γγγγ= ,12(,,,),n ββββ= 并且[0,1],[0,1]i i γβ∈∈,2,3,,,i n ?= G γ表示用P I S γγ=++S 预处理矩阵A后的迭代矩阵,G β表示用P I S ββ=++S 预处理矩阵A 得到的迭代矩阵,
I. 若对于(],,,2,1,0n i i =∈α有
1)()(<≤γβρρG G .
II. 若A 为非奇异且是不可约的M 矩阵,则对于任意的
(]1,,110,10,,2,3,,,i i i t i n a a ??
∈= ? ?
??
都有以下结论
1) 若0()1G γρ<<,有()()G G βγρρ≤;
2) 若()1G γρ=,有()()G G βγρρ=; 3) 若()1G γρ>,有 ()()G G βγρρ≥.
证明 I 因为矩阵A 是严格的对角占优L 矩阵,所以A 为非奇异M 矩阵且矩阵,A A βγ是严格对角占优非奇异M 矩阵.若令,A A βγ的分裂如下
()()()ββββββββββF E S U U S L L D I U L D A S S S -=-+--+--=--=,
()()()γγγγγγγγγβF E S U U S L L D I U L D A S S S -=-+--+--=--=,
其中
()()S U U F S L L D I E S S S -+=-+--=ββββββ,,
()()S U U F S L L D I E S S S -+=-+--=γγγγγγ,,
由定理1的证明可知,A E F E F ββγγ=-=-是矩阵A 的两个弱正则分裂. 因为有γβ≤,
()()()()()[]
S U U S L L D I S U U S L L D I E E S S S S S S -+--+----+--+--=-γγγγββββγ
β)( ()()0s s s s D D S S L L γββγγβ=-+-+-≤ , 所以
E E γβ≥,
由引理4可得
11E E γβ--≤,
又0F γ≥.从而由引理1知
11()()1E F E F ββγγρρ--≤<.
由于
11,E F G E F G γγγβββ--==,
所以有
()()1G G βγρρ≤<.
II 因为系数矩阵A 是非奇异不可约M 矩阵,从而由引理3可得
()A S S I A t t ++=
也是非奇异不可约M 矩阵. 由于
,0,0,1
≥+≥--=-t t t t t t t U L D U L D A
则
t t t t U L D A --=
是矩阵t A 的一个M 分裂,(),1
t t t t U L D G --=从而由引理1知,存在一个正向量x ,
使得
(),x G x G t t ρ=
令()t G ρλ=,由定理1知
()()[]()()(
)()[]()x U L D S L L D I x
x S U U S L L D I x x G S S S S S S S S ++-+---=--+-+--=---1
1
1βββλλλ
因为
()()[]()01
≥++-+--=-x U L D S L L D I y S S S S S β,
所以当0()1G γρ<<时,有
01λ<<,(1)0G x x y βλλ-=-≤,
即
G x x βλ≤.
又由引理3得
()λρ≤t G , 则
()()G G βγρρ≤;
同理可证
()1G γρ=,()()G G βγρρ=;()1G γρ>,()()G G βγρρ≥.
2.2 新预条件下矩阵谱半径的分析与比较
定理2 线性方程组(1)的系数矩阵A 为严格对角占优L 矩阵, 矩阵A 的Gauss-Seidel 迭代矩阵用G 表示,在预条件S S I P t t ++=下系数矩阵t A 的Gauss-Seidel 迭代矩阵用t G 表示,
I. 则有对于任意的(]0,1,2,,,i t i n ∈= 都有()()G G t ρρ<. II. 若A 为非奇异不可约M 矩阵,则对任意的
(]1,,110,10,,2,,,i i i t i n a a ??
∈= ? ?
??
有
1) 若0()1G ρ<<,则()()G G t ρρ<; 2) 若()1G ρ=,则()()G G t ρρ=; 3) 若()1G ρ>,则()()G G t ρρ≥.
证明 I 因为矩阵A 是严格对角占优L 矩阵,所以A 为非奇异M 矩阵且矩阵
t A 为严格对角占优非奇异M 矩阵.若令t A 的分裂如下
t t S t S S t t t t F E S U U S L L D I U L D A -=-+--+--=--=)()()(
其中
()S U U F S L L D I E s t t S S t -+=-+--=,)(,
由引理2的证明可知,矩阵t A 的对角元部分都是正的,非对角元部分都是非正的,因此t E 是严格对角占优L 矩阵,又由引理5得
,0F ,0≥≥t t E
所以有
01
≥-t t F E .
令
,)(,)(11t t t t t t F S S I N E S S I M --++=++=
由于
,
0)(1
1≥++=--t t t S S I E M
且
))((11
≥=++++=--t t t t t t t t F E F S S I S S I E N M
又
()()(),1
1
t t t t t t t N M F E S S I A S S I A -=-++=++=--
则分裂t t N M A -=是弱正则.
令L I M -=,U N =,有
N M U L I A -=--=,
由于矩阵A 是严格对角占优L 矩阵,则M 是严格对角占优L 矩阵,又由引 5得10M -≥.又知0N ≥,从而有10M N -≥.所以分裂N M A -=是弱正则的. 由于
()()()()()()[],
1
1t S S t t
t t S L L D I S S I L I E S S I L I M M -+--++--=++--=---
又
0=L S t ,,0=S t D S 0=S t L S ,
因而
0≥++=-S S S t U L D M M ,
所以有t M M ≥,由引理4得
1
1--≤t M M ,0N ≥.
由引理1得
()
()111<≤--N M N M t t ρρ.
由于
1M N G -=,()t t t t t t t t t G F E F S S I S S I E N M ==++++=----1111)(,
因而
()()1<≤G G t ρρ.
II 由于系数矩阵A 是非奇异不可约的M 矩阵,且()A I L U =--为矩 阵A 的一个M 分裂,1()G I L U -=-,由引理1可得,存在一个正向量x ,使得
()Gx G x ρ=,又由引理5可知,()A S S I A t t ++=是一个非奇异M 矩阵.
因为
1221233222112,11,(1,1,,1)t n n n D diag a a a a t a a t a a =---- >0,
所以
()()t S S S L L D I -+--
是非奇异的,且
)()()(S U U S L L D I A S t S S t -+--+--=
是t A 的一个M 分裂. 由于
()()[]()()()()[]()x
U L D S L L D I x
x S U U S L L D I x x G S S S t S S S t S S t ++-+---=--+-+--=---1
1
1λλλ
以及
()()[]()01
≥++-+--=-x U L D S L L D I y S S S t S S ,
所以有当0()1G ρ<<时,
(),01≤-=-y x x G t λλ
即
,x G λα≤
又知,()λρ≤t G ,则
()()G G t ρρ≤.
同理可得
()
1G ρ=,()()G G t ρρ=; ()1G ρ>,()()G G t ρρ≥.
3.数值例子
设线性方程组的系数矩阵
?????
?
? ??------------=14.03.02.02
.012.03.04.03.012
.01.03.03.01
A (1) 取,32n t t t === 分别用t s G G G G ,,,βα表示在预条件t s P P P P ,,,βα预处理矩阵A 后得到的高斯-塞德尔迭代矩阵,当()n i t i ,,3,2 =取不同值时,
()()()()t s G G G G ρρρρβα,,,的所得值如表一
i t
0.1
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
()αρG 0.5578 0.5578 0.5578 0.5578 0.5578 0.5578 0.5578 0.5578 0.5578
()βρG 0.5415 0.5415 0.5415 0.5415 0.5415 0.5415 0.5415 0.5415 0.5415 ()s G ρ 0.5305 0.5305 0.5305 0.5305 0.5305 0.5305 0.5305 0.5305 0.5305
()t G ρ
0.5275 0.5176
0.5061 0.4954 0.4849 0.4716 0.4595 0.4452 0.4298
(表一)
因为s G G G ,,βα中都不含参数()n i t i ,,3,2 =,所以()()()s G G G ρρρβα,,不会受参数i t 的影响,从上表格知:()()()()t s G G G G ρρρρβα>>>=0.5275,因此,该预条件t t S S I P ++=加快了高斯-塞德尔迭代法的收敛速度.
(2) 取n βββ=== 32,t G 表示用t t S S I P ++=预处理矩阵A 后得到的高斯塞德尔迭代矩阵,G β表示用ββS S I P ++=预处理矩阵A 后得到的高斯塞德尔迭代矩阵,当i t 、i β()n i ,,3,2 =取不同的值时,()t G ρ和()G βρ的比较值如表二
(表二)
由上表格可看出,当t ≥β时,有()()t G G ρρβ≤,即该预条件下Gauss-Seidel 迭代法的谱半径是单调下降.
4.结束语
由于预条件的引入能够加快线性方程组的收敛速度,所以得到很多学者的关注.本文给出了一个新的预条件S S I P t t ++=,讨论了当A 为非奇异M 矩阵,严格对角占优L 阵时该方法的收敛性,并得到了相应的结论.虽然该预条件加速了迭代法的收敛性,但收敛速度仍然不能令人满意.因此,高斯塞德尔方法结合预处理技术仍是很多学者感兴趣的问题.随着计算机的发展,预处理技术在不断创新,同时预条件迭代法也越来越广泛的用于解大型稀疏线性方程组.
i t
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
i β 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
()t G ρ
0.5275 0.5176 0.5061 0.4954 0.4849 0.4716 0.4595 0.4452
()G βρ
0.5162 0.5061 0.4953 0.4838 0.4717 0.4595 0.4452 0.4297
参考文献
[1]KOHNO T,KOTAKEMORI H,NIKI H.Improving modified iterative methods for Z·matrices[J].Liner Algebra and Its Application,1997,267:ll3-123
[2] 黄廷祝,杨传胜.特殊矩阵分析及应用[M].北京:科学出版社,2007:1.33.
[3] 宋永忠.线性方程组迭代解法[M].南京:南京师范大学出版社.l992:37.
[4] 张谋成,黎稳.非负矩阵论[M]. 广州:广东高等教育出版社,1995 :43-76.
[5] LI Wen,SUN Weiwei.Modified Gauss·Seidel type methods and Jacobi type methods[J].Linear Algebra and Its Application,2000,3 l 7:227-240.
[6] HIROSHI NIKI,KYOUJI HARADA,MUNENORI MORMOTO,et a1.The survey of preconditiononers used for accelerating the rate of convergence in the Gauss—Seidel method[J].Journal of Computational and Applied Mathematics,2004,1 65(5):587—600.[7] LI W.SUN W W.Modified Gauss-seidel type methods and Jacobi type methods for z—matrices[J].Linear Algebra App1.2000,317(1):227—240.
[8] SONG Y Z.Comparisons of nonnegative splittings of matrices [J].Linear Algebra App1,1991:154—156,433—455.
[9] 徐树方.矩阵计算的理论与方法[M].北京:北京大学出版社,1995:121—122.
[10] 戴华.矩阵论[M].北京:科学出版社,2001:283—284.
[11] 蒋美群.加速松弛迭代法的最优因子[J].数学研究与评论,1995,15(3):423-427.
[12] 胡家赣.推广的迭代矩阵的收敛性[J].计算数学,1984,6(2):174-181.
[13] 张引.SAOR方法的收敛性[J].计算数学,1988,10(2):201-204.
[14] 胡家赣.推广的迭代矩阵的收敛性[J].计算数学,1984,6(2):174-181.
[15] 魏小梅,畅大为.相容次序矩阵SAOR方法的最优参数估计 [J].内蒙古师范大学学报
(自然科学汉文版),2007年第02期.
MATLAB代码 解线性方程组的迭代法
解线性方程组的迭代法 1.rs里查森迭代法求线性方程组Ax=b的解 function[x,n]=rs(A,b,x0,eps,M) if(nargin==3) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值elseif(nargin==4) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-A)*x0+b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多,可能不收敛!'); return; end end 2.crs里查森参数迭代法求线性方程组Ax=b的解 function[x,n]=crs(A,b,x0,w,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-w*A)*x0+w*b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x;
if(n>=M) disp('Warning:迭代次数太多,可能不收敛!'); return; end end 3.grs里查森迭代法求线性方程组Ax=b的解 function[x,n]=grs(A,b,x0,W,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1;%前后两次迭代结果误差 %迭代过程 while(tol>eps) x=(I-W*A)*x0+W*b;%迭代公式 n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多,可能不收敛!'); return; end end 4.jacobi雅可比迭代法求线性方程组Ax=b的解 function[x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps=1.0e-6; M=200; elseif nargin<3 error return elseif nargin==5 M=varargin{1}; end D=diag(diag(A));%求A的对角矩阵 L=-tril(A,-1);%求A的下三角阵
预处理子空间迭代法的一些基本概念
CG 算法的预处理技术:、 为什么要对A 进行预处理:其收敛速度依赖于对称正定阵A 的特征值分布 特征值如影响收敛性:特征值分布在较小的围,从而加速CG 的收敛性 特征值和特征向量的定义是什么?(见笔记本以及收藏的网页) 求解特征值和特征向量的法:Davidson 法:Davidson 法是用矩阵( D - θI)- 1( A - θI) 产生子空间,这里 D 是 A 的对角元所组成的对角矩阵。θ是由 Rayleigh-Ritz 过程所得到的A 的近似特征值。 什么是子空间法: Krylov 子空间叠代法是用来求解形如Ax=b 的程,A 是一个n*n 的矩阵,当n 充分大时,直接计算变得非常困难,而Krylov 法则巧妙地将其变为Kxi+1=Kxi+b-Axi 的迭代形式来求解。这里的K(来源于作者俄国人Nikolai Krylov 姓氏的首字母)是一个构造出来的接近于A 的矩阵,而迭代形式的算法的妙处在于,它将复杂问题化简为阶段性的易于计算的子步骤。 如取正定矩阵Mk 为: Span 是什么?:设 ,称它们的线性组合 为向量 的生成子空间,也称为由成的子空间。记为,也可以记为 什么是Jacobi 迭代法: 什么是G_S 迭代法:请见PPT 《迭代法求解线性程组》 什么是SOR 迭代法: 什么是收敛速度:称收敛速度。度,简 为迭代法的渐近收敛速)(ln )(:5定义B B R ρ-= 什么是可约矩阵与不可约矩阵?:不可约矩阵(irreducible matrix )和可约矩阵(reducible matrix )两个相对的概念。 定义1:对于 n 阶阵 A 而言,如果存在一个排列阵 P 使得 P'AP 为一个分块上三角阵,我们就称矩阵 A 是可约的;否则称矩阵 A 是不可约的。 定义2:对于 n 阶阵 A=(aij) 而言,如果指标集 {1,2,...,n} 能够被划分成两个不相交的非空指标集 J 和 K ,使得对任意的 j ∈J 和任意的 k ∈K 都有 ajk=0, 则称矩阵 A 是可约的;否则称矩阵 A 是不可约的。 n 阶矩阵A 是不可约的当且仅当与矩阵A 对应的有向图是强连通的。 什么是正交?:在三维向量空间中, 两个向量的积如果是零, 那么就说这两个向量是正交的。换句话说, 两个向量正交意味着它们是相互垂直的。若向量α与β正交,则记为α⊥β。 什么是正交矩阵?:如果:AA'=E (E 为单位矩阵,A'表示“矩阵A 的转置矩阵”。)或A ′A=E ,则n 阶实矩阵A 称为正交矩阵, 若A 为单位正交阵,则满足以下条件: 1) AT 是正交矩阵 2)(E 为单位矩阵) 3) A 的各行是单位向量且两两正交 4) A 的各列是单位向量且两两正交 5) (Ax,Ay)=(x,y) x,y ∈R 6) |A| = 1或-1 倒着写的A 和E 都是什么意思啊?:反着的E:谓词逻辑 存在量词 ? x: P(x) 意味着有至
一类新的预条件Gauss-Seidel迭代法
一类新的预条件Gauss-Seidel迭代法 摘要:本文给出了一个新的预条件因子 P,证明了在非奇异M矩阵和严 t 格对角占优L矩阵下,该预条件不仅加快了Gauss—Seidel迭代法的收敛速度,而且说明了在该预条件下Gauss—Seidel迭代法的谱半径是单调下降的.最后再用相关的数值例子说明文中给出的预条件 P要优于文献中所给的预条件. t 关键词:预条件;Gauss—Seidel迭代法;谱半径;收敛性;收敛速度. A New Class of Preconditioned Gauss-Seidel Interative Method P. Abstract: This paper give a new preconditioner large sparse linear equations t In the pre condition,by using Gauss-Seidel iteration format was linear equations .we first present a preconditions factor and then prove the accelerated convergence of the iteration method by the preconditions under the nonsingular Mmatrix.Discussed the in the the Strictly Diagonally Dominant the L matrix under the conditions of, the pre-conditions to speed up the the the convergence speed of of the Gauss-Seidel iterative method, but also in the the pre-under the conditions of the the Spectral Radius of the Gauss-Seidel iterative method is monotonic declining.Finally,some numerical examples are given to explain our theoretical result. Key words:pre-conditions factor,Gauss—Seidel iteration method ,spectral radius,weak regular splitting;,convergence rate.
第五章 结构动力学中常用的数值解法1
第五章结构动力学中常用的数值解法 §5.1概述 数值分析技术为结构的动态分析提供了有力的保障,为工程结构在各种复杂的动力学环境下的模拟和仿真提供了有效工具。 工程结构的动态分析主要包括两个方面:结构的动态特性分析和结构动态响应分析
标准特征值问题和广义特征值问题 1 雅可比方法(Jacobi)、 2.Rayleigh-Ritz 3.子空间迭代法 4. 行列式搜索法 行列式搜索法是求解大型特征值问题的另一种方法。它的特点是综合运用多项式加速割线迭代,移轴向量逆迭代,Sturm序列的性质以及Gram-Schmidt正交化过程,直接计算所需要的任意特征对,通常是计算最小的部分特征值及相应的特征向量。 因此,它是一种计算部分特征对的特殊求解方法。此方法具有计算速度快,精度高,灵活等优点。 https://www.360docs.net/doc/cb14270134.html,nczos法 Lanczos方法目前被认为是求解大型矩阵特征值问题的最有效方法, 与子空间迭代法相比,其计算量要少得多。
响应数值分析: 1.中心差分法 2.Wilson-θ法 3.Newmark法 响应求解方法的选择取决的因素有:载荷、结构、精度要求、非线性影响程度、方法的稳定性等。 对于载荷,一般分为波传导载荷与惯性载荷。 对结构过于复杂的情况,宜采用直接积分法,结构较简单的情况可采用模态迭加法。 对精度要求较低的初步设计阶段,可采用取少数模态的模态迭加法。对精度要求较高的最后设计阶段,宜采用直接积分法 综合各方面的因素,比较、权衡,才能判定所应采取的方法;有时为了互相验证,也可以同时采取两种以上的方法来处理动响应分析
§5.2 求解系统固有频率主振型的近似解法 1.邓柯利法:是邓柯利首先通过实验方法建立起来的一个计 算公式,后来才得到完整的数学证明。 []M []δ设质量矩阵,柔度矩阵为则有 {}[][]{}0x M x δ+= 1894年邓柯利:提出一种近似计算多圆盘轴横向振动基频的实用方法(偏小)
数字图像分割-迭代法讲解
目录 摘要 (2) 1 原理与实现 (3) 1.1图像分割的概述............................................................................. 错误!未定义书签。 1.2 阈值分割的基本原理 (2) 1.3 阈值分割方法的分类 (3) 2 程序设计 (6) 2.1 主程序............................................................................................ 错误!未定义书签。 2.2 OTSU .............................................................................................. 错误!未定义书签。 2.3 全局阈值........................................................................................ 错误!未定义书签。 2.4 迭代法............................................................................................ 错误!未定义书签。3结果与分析.. (11) 4 心得体会................................................................................................... 错误!未定义书签。参考文献....................................................................................................... 错误!未定义书签。
matlab子空间迭代法求结构频率和振型
子空间迭代法求图示结构前2阶频率和振型 syms m k w; K=[k -k 0 0 0 -k 2*k -k 0 0 0 -k 2*k -k 0 0 0 -k 2*k –k 0 0 0 -k 2*k]; %刚度矩阵 M=[m 0 0 0 0;0 m 0 0 0;0 0 m 0 0;0 0 0 m 0;0 0 0 0 m] ; %质量矩阵 fi1=m/k*[ 15, 5; 14, 4;12, 3;9, 2;5,1] %迭代法迭代一次后得fai1作为初始向量 fi10=m/k*[15,14,12,9,5;5,4,3,2,1] %fai1的转置 K0=fi10*K*fi1 % K* M0=fi10*M*fi1 %M* C=K0-w^2*M0 %频率方程矩阵 det(C) %得到5*(10*k^2 - 136*k*m*w + 161*m^2*w^2))/k^2 solve('(5*(10*k^2 - 136*k*m*w + 161*m^2*w^2))/k^2=0','w') %得到w^2= (68*k + 3014^(1/2)*k)/(161*m) =((68 + 3014^(1/2))/(161))*k/m=122.8999*k/m w^2= (68*k - 3014^(1/2)*k)/(161*m) =((68 -3014^(1/2))/(161))*k/m=13.1001*k/m w= ((68*k + 3014^(1/2)*k)/(161*m))^(1/2) D=[ (55*m^2)/k - (671*m^3*w^2)/k^2, (15*m^2)/k - (190*m^3*w^2)/k^2;(15*m^2)/k - (190*m^3*w^2)/k^2, (5*m^2)/k - (55*m^3*w^2)/k^2] factor(D) E=[ ((- (671*3014^(1/2))/161 - 36773/161)*m^2)/k, ((- (190*3014^(1/2))/161 - 10505/161)*m^2)/k; ((- (190*3014^(1/2))/161 - 10505/161)*m^2)/k, ((- (55*3014^(1/2))/161 - 2935/161)*m^2)/k]*k/m^2