共轭梯度实验报告.docxVIP

共轭梯度法求解线性方程组 一.共轭梯度法 共轭梯度法是求解正定系数矩阵线性方程组 的一种迭代方法，该方法的好处是可以用于求解病态问题，大大减少了计算误差。 求解方程组（1）的本质是求二次函数 的极小值点。由于极值的必要条件，在极小点处，函数的梯度满足 即极小点是方程（1）的解，因此线性方程组的解转化为一个求极值问题。 二.共轭的几何意义 从本质上来讲，共轭的方向就是某种意义下的正交方向。当为单位阵时，共轭就是通常意义下的正交。为了便于理解，考虑二维（）情况，函数 的等值线为一族同心圆，而式（2）表示的函数的等值线是一族同心椭圆。从直观上来讲，圆的切线与切点到圆心的连线正交，那么，椭圆的切线与切点到椭圆中心的连线是共轭。图1给出了共轭的几何意义。 （a） 正交方向 （b）共轭方向 图 1 正交与共轭的几何意义 从图1可以看出，如果能找到两个共轭方向，那么沿一个方向前进，找到极小点后，再沿另一个方向继续前进，找到极小点，这个极小点就是椭圆的重心，即二次函数的极小点。 对于维问题，只要能找到个相互共轭的非零方向，从某一点出发，沿每个方向前进，找到一维极小点，然后再从这个点出发，沿第2个方向前进找极小点，当个方向都完成这一动作后，就能够得到维二次函数的极小点。 三.共轭梯度算法程序流程 输入数据 ，置，，精度要求和； 计算 若则停止计算（作为方程组的解）；否则，计算 置，转第2步。 四.共轭梯度算法的调用及应用 程序内容 function [x,k] = cgg(A,b,ep ) b=b; if nargin3,ep=1e-5;end n=length(A); x=zeros(n,1); r=b;d=r;k=0; while kn alpha=(r*r)/(d*A*d); r1=r; s=alpha*d; x=x+s; r=r-A*s; if norm(s)ep break;end beta=(r*r)/(r1*r1); d=r+beta*d; k=k+1; end 其中输入项：A为待求解方程组的系数矩阵，b为方程左端常数项，ep为计算精度，输出项：x为方程组的解，k为迭代次数。直接在matlab命令框里输入命令 [x,k] = cgg(A,b,ep ) 即可。 实际应用 用共轭梯度法求如下解线性方程组，，其中 其中A的阶数n分别取100,200,400，指出计算结果是否可靠。 解：在matlab里产生相关系数矩阵，将精度设置为1e-9,调用共轭算法得出100阶，200阶，400阶的方程组解和对应的迭代次数为 由计算结果可知计算结果是可靠的，用共轭梯度算法求解时，随着方程组的阶数增大，方程组的解是稳定的，而且迭代次数只为对应方程组阶数的一半，远小于方程组的阶数，计算速度很快。