0线性方程的数值解法分解.docx

姓名 评分 实验报告 实验报告 课程名称： 数值分析 课题名称： 线性方程的数值解法 专 业： 姓 名： 班 级： 实验报告 一、实验名称 线性方程的数值解法 二、 实验目的 （1） 掌握解线性方程的直接法，并编程实现LU分解、三角分解和追赶法； （2） 掌握解线性方程的迭代法，分析比较雅可比迭代和赛德尔迭代的特点； （3） 理解不同ω对松弛迭代法的影响; （4） 学会比较解线性方程的各种算法. 三、 实验要求 （1） 编程实现LU分解、三角分解和追赶法并比较其特点； （2） 利用不同实验体验各种线性方程解法的特性. 四、 实验原理 （1） 矩阵的LU分解法： 设方程组Ax=b的系数矩阵非奇异，且各阶顺序主子Dk≠0,则矩阵A可以分解为：A=LU； L=10…0l211…0…………ln1ln2…1; U=u11u12…u1n0u22…u2n…………00…unn Ly=b; Ux=b; 三角分解法： 若A为对称正定阵，则可以把A分解为：A=GGT或A=LDLT; G=g110…0g21g22…0…………gn1gn2…gnn ; L=10…0l211…0…………ln1ln2…1 ; D=u11?00u220???0?unn ; 追赶法： A=b1c1…0a1b2…0………cn-100an-1bn;L=10…0l11…0…………00ln-11;U=u11c1?00u11…0???cn00?unn （2）雅可比迭代法： 将线性方程组改写为： x1k+1=x1k-1a11a11x1k+a12x2k+…+a1nxnk-b1 x2k+1=x2k-1a22a11x1k+a12x2k+…+a1nxnk-b2 xnk+1=xnk-1anna11x1k+a12x2k+…+a1nxnk-bn 或矩阵迭代形式：A = D + L + U； D=a110?00a11…0???000?ann; L=00…0a210…0…………an1an2…0; U=0a12…a1n00…a2n…………00…0 赛德尔迭代法： x1k+1=x1k-1a11a11x1k+a12x2k+…+a1nxnk-b1 x2k+1=x2k-1a22a11x1k+1+a12x2k+…+a1nxnk-b2 xnk+1=xnk-1anna11x1k+1+a12x2k+1+…+a1nxnk-bn 或：令A = D + L + U；得到：Dxk+1=-Lxk+1-Uxk+b; 令G1=-D+L-1U; d1=D+L-1b; 则：赛德尔迭代格式为： xk+1=G1xk+d1 松弛迭代法： x1k+1=x1k-ωa11a11x1k+a12x2k+…+a1nxnk-b1 x2k+1=x2k-ωa22a11x1k+1+a12x2k+…+a1nxnk-b2 xnk+1=xnk-ωanna11x1k+1+a12x2k+1+…+a1nxnk-bn 令B3=D+ωL-1[1-ωD-ωU]; g3=ωD+ωL-1b; 则松弛你迭代法的矩阵形式为： xk+1=B3xk+g3 五、 实验题目 （1） A=11?112?1????111n,A(i,i)=i,其余元素为1，A为对称正定阵；b=[n,n+1,……,2n-1];x=[1,1……，1]；利用Ax=b来检验LU分解、GGT分解、LDLT分解的正确性和运行时间比较； （2） A=0.00123-13.7124.623 -21.0725.643; b=123; 精确解为x=-0.4904-0.051040.3675 利用上式来检验LU分解法是否会因为小主元导致计算失败； （3） A=5-40-45-10-15; b=7-33 ; 精确解为x=321; 利用上式检验雅可比迭代、赛德尔迭代的收敛速度及运行时间，同时比较这两种格式中使用迭代矩阵对运行时间的影响； （4） 利用（3）中的式子检验不同w对松弛迭代法的影响； （5） 利用（3）中方程组研究初值对收敛速度的影响； （6） 利用（1）中方程组（A为非稀疏对称正定阵）比较直接法和迭代法的效率， 再用对角阵（稀疏对称正定阵）比较两者的效率； 六、 实验步骤 （1） 构造不同阶数的对称正定阵A，输入b，比较直接法中各种算法的特点； （2） 构造不同阶数的对称正定阵A及稀疏和非稀疏矩阵，比较迭代法的各种特点； 七、 实验整体流程图或算法 八、 程序及其运行结果 （1） 追赶法、LU分解、GGT分解、LDLT分解的结果和运行时间比较： 图1：追赶法程序和结果 图2：LU分解、GGT分解、LDLT分解的程序和结果 表1：三种分解法的运行时间 方阵