Gauss-Seidel迭代法求解线性方程组.docxVIP

问题描述用Gauss-Seidel迭代法求解线性方程组由Jacobi迭代法中，每一次的迭代只用到前一次的迭代值。使用了两倍的存储空间，浪费了存储空间。若每一次迭代充分利用当前最新的迭代值，即在计算第个分量时，用最新分量，代替旧分量，，可以起到节省存储空间的作用。这样就得到所谓解方程组的Gauss-Seidel迭代法。算法设计将分解成，则等价于则Gauss-Seidel迭代过程故若设存在，则令则Gauss-Seidel迭代公式的矩阵形式为其迭代格式为 (初始向量)，或者程序框图结果显示TestBench利用Gauss-Seidel迭代法求解下列方程组，其中取。运行程序依次输入：方阵维数增广矩阵系数初始向量得到：迭代12次后算出x[1] = -4.0x[2] = 3.0x[3] = 2.0程序#includestdio.h#includestdlib.h#includeconio.h#includemath.h#defineMAX_n 100#define PRECISION0.0000001#define MAX_Number1000void VectorInput(float x[],int n) //输入初始向量{int i;for(i=1;i=n;++i){printf(x[%d]=,i);scanf(%f,x[i]);}}void MatrixInput(float A[][MAX_n],int m,int n) //输入增广矩阵{int i, j;printf(\n输入系数矩阵：\n);for(i=1;i=m;++i){printf(增广矩阵行数%d : ,i);for(j=1;j=n;++j)scanf(%f,A[i][j]);}}void VectorOutput(float x[],int n) //输出向量{int i;for(i=1;i=n;++i)printf(\nx[%d]=%f,i,x[i]);}int IsSatisfyPricision(float x1[],float x2[],int n) //判断是否在规定精度内{int i;for(i=1;i=n;++i)if(fabs(x1[i]-x2[i])PRECISION) return 1;return 0;}int Jacobi_(float A[][MAX_n],float x[],int n) //具体计算{float x_former[MAX_n];int i,j,k;printf(\n初始向量x0:\n);VectorInput(x,n);k=0;do{for(i=1;i=n;++i){printf(\nx[%d]=%f,i,x[i]);x_former[i]=x[i];}printf(\n);for(i=1;i=n;++i){x[i]=A[i][n+1];for(j=1;j=n;++j)if(j!=i) x[i]-=A[i][j]*x[j];if(fabs(A[i][i])PRECISION)x[i]/=A[i][i];elsereturn 1;}++k;}while(IsSatisfyPricision(x,x_former,n) kMAX_Number);if(k=MAX_Number)return 1;else{printf(\nGauss-Seidel迭代次数为%d 次,k);return 0;}}int main() //主函数{int n;float A[MAX_n][MAX_n],x[MAX_n];printf(\n方阵维数n=);scanf(%d,n);if(n=MAX_n-1){printf(\n\007n must %d!,MAX_n);exit(0);}MatrixInput(A,n,n+1);if(Jacobi_(A,x,n))printf(\nGauss-Seidel迭代失败!);else{printf(\n结果:);VectorOutput(x,n);}printf(\n\n\007Press any key to quit!\n);getch();}