迭代法实验资料.doc

实验五 线性方程组的迭代法实验 一. 实验目的 （1）深入理解线性方程组的迭代法的设计思想，学会利用系数矩阵的性质以保证迭 代过程的收敛性，以及解决某些实际的线性方程组求解问题。 （2）熟悉Matlab编程环境，利用Matlab解决具体的方程求根问题。 二. 实验要求 建立Jacobi迭代公式、Gauss-Seidel迭代公式和超松弛迭代公式，用Matlab软件实现线性方程组求解的Jacobi迭代法、Gauss-Seidel迭代法和超松弛迭代法，并用实例在计算机上计算。 三. 实验内容 1. 实验题目 （1）分别利用Jacobi迭代和Gauss-Seidel迭代求解下列线性方程组，取x0={0 ,0,0,0,0-,o}t （2）分别取w=1、1.05、1.1、1.25和1.8，用超松弛法求解上面的方程组，要求精度 为510???。 2. 设计思想 1.Jacobi迭代: Jacobi迭代的设计思想是将所给线性方程组逐步对角化，将一般形式的线性方程组的求解归结为对角方程组求解过程的重复。 2.Gauss-Seidel迭代: Gauss-Seidel迭代的设计思想是将一般形式的线性方程组的求解过程归结为下三角方程组求解过程的重复。 3.超松弛迭代： 基于Gauss-Seidel迭代，对i=1，2，…反复执行计算迭代公式，即为超松弛迭代。 3. 对应程序 1.Jacobi迭代： function [x,k]=Jacobimethod(A,b,x0,N,emg) %A是线性方程组的左端矩阵，b是右端向量，x0是迭代初始值 % N表示迭代次数上限，emg表示控制精度，k表示迭代次数，x是解 n=length(A); x1=zeros(n,1); x2=zeros(n,1); x1=x0;k=0; r=max(abs(b-A*x1)); while remg for i=1:n sum=0; for j=1:n if i~=j sum=sum+A(i,j)*x1(j); end end x2(i)=(b(i)-sum)/A(i,i); end r=max(abs(x2-x1)); x1=x2; k=k+1; if kN disp(迭代失败，返回); return; end end x=x1; 2.Gauss-Seidel迭代： function [x,k]=Gaussmethod(A,b,x0,N,emg) %A是线性方程组的左端矩阵，b是右端向量，x0是迭代初始值 % N表示迭代次数上限，emg表示控制精度，k表示迭代次数，x是解 n=length(A); x1=zeros(n,1); x2=zeros(n,1); x1=x0; r=max(abs(b-A*x1)); k=0; while remg for i=1:n sum=0; for j=1:n if ji sum=sum+A(i,j)*x1(j); elseif ji sum=sum+A(i,j)*x2(j); end end x2(i)=(b(i)-sum)/A(i,i); end r=max(abs(x2-x1)); x1=x2; k=k+1; if kN disp(迭代失败，返回); return; end end x=x1; 3.超松弛(SOR)迭代： function [x,k]=SORmethod(A,b,x0,N,emg,w) %A是线性方程组的左端矩阵，b是右端向量，x0是迭代初始值 % N表示迭代次数上限，emg表示控制精度，k表示迭代次数，x是解 %w表示松弛因子 n=length(A); x1=zeros(n,1);x2=zeros(n,1); x1=x0; r=max(abs(b-A*x1)); k=0; while remg for i=1:n sum=0; for j=1:n if