考研数学一线性方程组迭代法精讲

考研数学一线性方程组迭代法精讲前言迭代法是考研数学一数值分析模块的核心考点，主要用于求解大型稀疏线性方程组\(Ax=b\)，区别于高斯消元等直接解法，其核心优势为计算量小、存储成本低，是数一专属高频考点，侧重考查迭代格式构造、迭代矩阵求解、收敛性判定三大核心题型。本文严格依据考研数学一考试大纲，系统性梳理迭代法基础理论、经典迭代格式、收敛性定理及解题技巧，兼顾理论严谨性与应试实用性，适配基础夯实、题型突破、冲刺拔高全阶段复习需求。一、迭代法基础理论体系1.1基本思想与等价变形对于n阶非奇异线性方程组\(Ax=b\)（\(A\)为n阶可逆方阵，\(b\)为n维非零常向量），迭代法的核心逻辑是将原方程组等价变形为迭代标准形式\(x=Bx+f\)。其中\(B\)为n阶常数矩阵，称为迭代矩阵，\(f\)为n维常数向量。任意选取初始迭代向量\(x^{(0)}\in\mathbb{R}^n\)，通过递推公式\(x^{(k+1)}=Bx^{(k)}+f\(k=0,1,2,\dots)\)生成向量序列\(\{x^{(k)}\}\)。若该序列收敛，即存在极限\(\lim\limits_{k\to\infty}x^{(k)}=x^*\)，则极限向量\(x^*\)即为原方程组\(Ax=b\)的唯一解。1.2矩阵分裂核心方法考研迭代法均基于系数矩阵分裂构造，是推导各类迭代格式的核心依据。将系数矩阵\(A\)唯一分解为\(A=D-L-U\)，各矩阵定义严格明确：①\(D\)：\(A\)的主对角线元素构成的对角矩阵，对角线元素\(d_{ii}=a_{ii}\)，非对角线元素全为0；②\(L\)：\(A\)的严格下三角部分取负构成的严格下三角矩阵，对角线及上三角元素全为0，下三角元素\(l_{ij}=-a_{ij}\(i\gtj)\)；③\(U\)：\(A\)的严格上三角部分取负构成的严格上三角矩阵，对角线及下三角元素全为0，上三角元素\(u_{ij}=-a_{ij}\(i\ltj)\)。该分裂方式是雅可比迭代、高斯-塞德尔迭代的统一推导基础，所有考研迭代格式均可通过该分裂式直接推导，无需额外变形。1.3迭代收敛核心定义设迭代序列\(\{x^{(k)}\}\)由\(x^{(k+1)}=Bx^{(k)}+f\)生成，若对任意初始向量\(x^{(0)}\)，均有\(\lim\limits_{k\to\infty}x^{(k)}=x^*\)，则称该迭代格式全局收敛，简称收敛；否则称迭代发散。考研试题中若无特殊说明，收敛均指代全局收敛。二、两大经典迭代格式（考研核心）2.1雅可比（Jacobi）迭代法2.1.1迭代格式推导由矩阵分裂\(A=D-L-U\)，原方程组变形为\(Dx=(L+U)x+b\)。因迭代法求解的方程组满足\(a_{ii}\neq0\)（\(D\)可逆），两边左乘\(D^{-1}\)可得标准迭代形式：\(x=D^{-1}(L+U)x+D^{-1}b\)。由此得到雅可比迭代的矩阵迭代格式：\(\boldsymbol{x^{(k+1)}=B_Jx^{(k)}+f_J}\)，其中雅可比迭代矩阵\(B_J=D^{-1}(L+U)\)，常数向量\(f_J=D^{-1}b\)。2.1.2分量迭代格式（计算必考）雅可比迭代的分量形式是考研数值计算的核心考点，无需矩阵运算即可直接迭代计算，公式为：x核心特征：第\(k+1\)次迭代的所有分量，均完全依赖第\(k\)次迭代的全部旧分量，迭代过程中不更新实时分量，所有分量同步迭代更新。2.2高斯-塞德尔（Gauss-Seidel）迭代法2.2.1迭代格式推导高斯-塞德尔迭代是雅可比迭代的优化形式，利用迭代过程中已更新的新分量提升收敛速度。由矩阵分裂式变形得：\((D-L)x=Ux+b\)，因\(D-L\)为严格下三角矩阵且对角线元素非零，必然可逆。两边左乘\((D-L)^{-1}\)得到标准迭代形式，矩阵迭代格式：\(\boldsymbol{x^{(k+1)}=B_{GS}x^{(k)}+f_{GS}}\)，其中高斯-塞德尔迭代矩阵\(B_{GS}=(D-L)^{-1}U\)，常数向量\(f_{GS}=(D-L)^{-1}b\)。2.2.2分量迭代格式（计算必考）高斯-塞德尔迭代分量公式为：x核心特征：迭代计算第\(i\)个分量时，前\(i-1\)个已完成更新的\(k+1\)次新分量直接参与计算，仅后续未更新分量沿用\(k\)次旧分量，分量逐次实时更新，收敛速度整体快于雅可比迭代。2.3两种迭代法核心对比（考研辨析考点）①更新机制：雅可比迭代全量同步更新，高斯-塞德尔迭代逐量实时更新；②收敛速度：同一方程组下，若两种迭代均收敛，高斯-塞德尔迭代收敛速度更快，迭代次数更少；③计算存储：雅可比迭代需存储前后两次全部迭代向量，存储量更大；高斯-塞德尔迭代可就地更新，存储效率更高；④收敛一致性：雅可比迭代收敛时，高斯-塞德尔迭代未必收敛；高斯-塞德尔迭代收敛时，雅可比迭代也未必收敛，二者无必然包含关系。三、迭代法收敛性判定定理（考研重难点）3.1通用充要条件（理论核心）对任意初始向量\(x^{(0)}\)，迭代格式\(x^{(k+1)}=Bx^{(k)}+f\)收敛的充要条件是迭代矩阵的谱半径小于1，即\(\boldsymbol{\rho(B)\lt1}\)。其中谱半径\(\rho(B)=\max\{|\lambda_1|,|\lambda_2|,\dots,|\lambda_n|\}\)，\(\lambda_i\)为迭代矩阵\(B\)的全部特征值。该定理是迭代收敛判定的根本依据，适用于所有定常迭代格式，考研证明题、判断题均以此为核心理论支撑。3.2通用充分条件（快速解题）谱半径计算需求解特征值，计算量较大，考研解题中优先使用以下简便充分条件，满足任意一条即可判定迭代收敛：①若迭代矩阵\(B\)的任意一种算子范数满足\(\|B\|\lt1\)（常用1-范数、无穷范数、2-范数），则迭代收敛；②系数矩阵\(A\)为严格对角占优矩阵（行/列严格对角占优均可），则雅可比迭代、高斯-塞德尔迭代均收敛；③系数矩阵\(A\)为对称正定矩阵，则高斯-塞德尔迭代必然收敛，雅可比迭代不一定收敛。3.3对角占优矩阵核心定义（高频考点）严格行对角占优：对任意\(i=1,2,\dots,n\)，满足\(|a_{ii}|>\sum\limits_{j\neqi}|a_{ij}|\)，即主对角线元素绝对值大于该行其余元素绝对值之和；严格列对角占优：对任意\(j=1,2,\dots,n\)，满足\(|a_{jj}|>\sum\limits_{i\neqj}|a_{ij}|\)，即主对角线元素绝对值大于该列其余元素绝对值之和；考研结论：严格对角占优矩阵必然可逆，且对应的两类迭代法均收敛，是最快的收敛性判定方法。3.4迭代发散判定结论若迭代矩阵谱半径\(\rho(B)\geq1\)，或系数矩阵为弱对角占优且非严格对角占优，则迭代格式必然发散。考研中可通过该结论快速排除收敛可能性，简化解题步骤。四、考研核心题型与解题规范4.1题型一：迭代格式构造解题步骤：①对系数矩阵\(A\)完成\(A=D-L-U\)分裂；②依据迭代类型求解对应迭代矩阵\(B_J\)或\(B_{GS}\)；③写出矩阵迭代格式与分量迭代格式；④明确迭代初始取值规则。规范要点：必须区分矩阵格式与分量格式，计算题优先书写分量格式，理论题优先书写矩阵格式，步骤完整无遗漏。4.2题型二：收敛性判定解题优先级：优先判定矩阵是否严格对角占优/对称正定（快速充分条件），不满足时再计算迭代矩阵特征值、求解谱半径（充要条件），避免无效计算。4.3题型三：迭代精度计算考研迭代终止准则：相邻两次迭代向量的误差满足精度要求，常用判定标准\(\|x^{(k+1)}-x^{(k)}\|\lt\varepsilon\)（\(\varepsilon\)为题目给定精度），达到精度后停止迭代，输出最终近似解。五、考研易错点与避坑指南1.混淆迭代矩阵：雅可比迭代矩阵为\(D^{-1}(L+U)\)，高斯-塞德尔迭代矩阵为\((D-L)^{-1}U\)，切勿颠倒矩阵组合形式，是高频计算失误点。2.收敛性误区：严格对角占优可推出两类迭代均收敛，但两类迭代收敛无法反推矩阵对角占优；对称正定矩阵仅保证高斯-塞德尔迭代收敛，不保证雅可比迭代收敛。3.分量迭代失误：雅可比迭代全程使用旧分量，高斯-塞德尔迭代前序分量用新值、后序分量用旧值，迭代计算时不可混用新旧分量。4.谱半径判定误区：仅谱半径小于1是收敛充要条件，范数小于1只是充分条件，范数大于