4. 迭代法不收敛的典型模式

用 Jacobi 或 Gauss-Seidel 解线性方程组时，最让人困惑的不是“算得慢”，而是“算得不对却看不出来”。迭代法不像直接法那样一次给出答案，它每步只产生一个近似解，是否收敛必须靠残差序列来判断。本节把不收敛分成三种典型模式：残差震荡、残差发散和残差停滞，并给出以 Jacobi/Gauss-Seidel 为例的排障步骤。

先统一记号。对线性方程组 Ax = b，第 k 步近似解为 x^(k)，残差定义为 r^(k) = b − A x^(k)。工程上更常用相对残差 ‖r^(k)‖ / ‖b‖ 作为收敛判据，因为绝对残差会随问题规模变化而失去可比性。Jacobi 迭代为 x_i^(k+1) = (b_i − Σ_{j≠i} a_ij x_j^(k)) / a_ii，Gauss-Seidel 则在同一轮内立即使用已更新的分量。两者都要求对角占优或谱半径小于 1 才保证收敛，这是判断的出发点。

一、三种模式的识别特征

残差震荡表现为相对残差在若干量级之间上下摆动，不呈单调下降趋势。常见原因是矩阵只是弱对角占优，Jacobi 迭代矩阵的谱半径接近 1 但仍有部分特征值模长接近 1，导致误差分量来回翻转。此时解本身可能并未发散，但收敛极慢，若容差设得紧，会表现为“永远差一点”。

残差发散表现为相对残差随迭代步数持续增大，几步之内就超过初始残差。这几乎总意味着迭代矩阵谱半径大于 1，典型诱因是对角元绝对值偏小、方程排列不当，或矩阵本身非对角占优。发散是最危险的一种，因为继续迭代只会让数值溢出，必须立即停止。

残差停滞表现为残差先快速下降，随后在某个平台附近几乎不再变化。它有两种可能：一是已经接近机器精度，继续迭代无意义；二是迭代矩阵存在模长接近 1 的特征值，误差的某个分量衰减极慢。区分方法是观察停滞平台是否随容差放宽而移动，以及残差是否已低于 1e-14 量级。

二、以 Jacobi/Gauss-Seidel 为例的排障步骤

第一步，固定记录格式。每步输出迭代序号、相对残差和当前解的最大分量变化量，例如：

k=  0  rel_res=1.000e+00  dx=—
k=  1  rel_res=4.820e-01  dx=2.31e-01
k=  2  rel_res=6.150e-01  dx=1.87e-01   ← 残差回升，疑似震荡
k=  3  rel_res=3.970e-01  dx=2.02e-01
k=  4  rel_res=5.880e-01  dx=1.79e-01

第二步，检查对角占优。对每一行计算 |a_ii| 与 Σ_{j≠i}|a_ij| 的比值，若存在比值小于 1 的行，Jacobi 收敛性没有保证。此时可尝试交换方程顺序，把对角元较大的方程移到对应位置，往往能显著改善。

第三步，估计谱半径。对小型问题可直接计算迭代矩阵 B_J = D^{-1}(L+U) 的特征值；对大型问题可用幂迭代估计。若 ρ(B) ≥ 1，说明该分裂方式本身不收敛，应改用 Gauss-Seidel 或引入松弛因子。

第四步，区分停滞与精度极限。若残差平台在 1e-12 以下且解的变化量已小于机器精度，属于正常终止；若平台在 1e-3 附近不动，则说明收敛因子过小，需要换方法或预处理。

三、一个可复现的示例

考虑示例方程组（参数为教学假设，非实测）：

[ 4  -1   0 ] [x1]   [ 3 ]
[-1   4  -1 ] [x2] = [ 2 ]
[ 0  -1   3 ] [x3]   [ 4 ]

该矩阵严格对角占优，Jacobi 应收敛。若把第一、二行交换，矩阵变为弱对角占优，Jacobi 迭代矩阵谱半径升至接近 1，残差会出现明显震荡。这个对照说明：同一组方程，排列顺序不同，收敛行为可能完全不同。排障时先做行重排，成本最低、收益最直接。

对 Gauss-Seidel，同一矩阵通常收敛更快，因为它在每步内使用了最新分量。但若矩阵非对称或对角占优被破坏，Gauss-Seidel 也可能发散，且发散速度往往比 Jacobi 更快，因此切换方法后要重新观察前几步残差，不能默认“换了就一定好”。

四、排障时的常见误区

• 只看最终是否达到容差，不看残差曲线形态，导致把震荡误判为“算得慢”。
• 容差设得比机器精度还小，把正常的精度极限误判为停滞。
• 发现发散后继续加大迭代上限，浪费计算且可能溢出。
• 忽略方程排列与主元选择，把可修复的收敛问题当成方法本身不可用。

把残差序列当作诊断信号，而不是只当作终止条件，是迭代法排障的核心习惯。震荡查占优与松弛，发散查谱半径与排列，停滞查容差与精度极限，三条路径对应三类形态，判断清楚再动手，比盲目调参有效得多。