稀疏矩阵在迭代求解线性方程组中的运用.doc

稀疏矩阵在迭代求解线性方程组中的运用 学 院：自动化院 专 业：电力系统及其自动化 姓 名：张庆磊 学 号：111101112 指导老师：杨 伟 摘要:对于稀疏矩阵的稀疏存储技术进行了研究，研究了按行存储的检索方式，以便于迭代计算，分别对雅克比法和高斯—赛特法的算法进行理论研究和程序实现，并且比较了两种方法的优劣。 关键词：系数技术；线性方程；迭代 大型稀疏矩阵线性化方程组的求解问题，在电力系统中有着广泛的的运用。由于电力网本身的结构限制，节点导纳矩阵节点繁多，而仅有少量的非零元，稀疏度很高，若采用传统存储计算方式，会占用大量的存储空间，并且降低运算效率。在迭代计算中，由于无法分辨零元素，也会无谓地浪费运算时间。因此稀疏技术在求解方程组中的运用显得尤为重要。 1.稀疏矢量与稀疏矩阵的存储 稀疏矢量与稀疏矩阵的存储特点是排零存储,即只存储其中的非零元和有关的检索信息.存储的目的是为了在计算中方便的访问和运用，这就要求既节省内存，又便于搜索。论文采用了按行存储格式。 按行顺序依次存储A中的非零元，同一行元素依次排列在一起，存储格式： VA——按行存储矩阵A中的非零元，共个； JA——按行存储矩阵A中的非零元的列号，共个； IA——记录A中每行第一个非零元在VA中的位置，共n个。 2.迭代法求解线性方程 设,考虑线性方程组 Ax=b 一般的，先将式1变为同解方程组 X=Bx+f 形成迭代式 式中：B为迭代矩阵； 若要求迭代式收敛则需满足，其中为任意范数 式1中，A可以分裂为 A=M+N (1) 其中，M非奇异，则可以得到 (2) 令 (3) (4) 对于以矩阵A，有A=D+L+U 其中D为对角线矩阵，L为严格下三角矩阵，U为严格上三角矩阵 由此构造迭代法，令M=D，N=L+U (5) 式中，向量f和迭代矩阵B为 (6) 上式称为Jacobi迭代。 可简单描述为 (7) 如果令M=D+L，N=U，对应的分裂式有 (8) 便得到Gauss—Seidel迭代法，即 (9) 3.J迭代法和G—S迭代法的收敛性 若满足 (10) 则称A为严格对角占优矩阵。 若A为严格对角占优矩阵，则Ax=b的J迭代法和G—S迭代法均收敛。但特别的是，J迭代法和G—S迭代法的收敛没有相容性，即J迭代法下收敛的矩阵在G—S迭代法上无法确定是否收敛，反之亦然。 4.算法程序的设计 流程图： 具体程序： A=input(Enter Matrix A=) b=input(Enter Matrix B=) b=input(Enter n=) int i; int j; int ia; int ja; int vl; int vu; int vk; int vd; %%vl:存储下三角 vu:存储上三角 vd:对角元素 vk:对应行号 [ia,ja]=size(A); VA=zeros(3,ja); vu=1; for i=1:ia vk=0; for j=1:ja if((A(i,j)~=0)(vk==0)) VA(3,i)=vu; end if(A(i,j)~=0) vk=1; VA(1,vu)=A(i,j); VA(2,vu)=j; vu=vu+1; end end end VA(3,ia+1)=vu; VA(3,ia+2)=vu; vs=1; X=ones(1,ja) s=2 while((s0.0001)(vs100)) vs=vs+1 s=0 for i=1:ia for j=VA(3,i):(VA(3,i+1)-1) if(VA(2,j)==i) vd=j end end vl=vd-1; vu=vd+1; %3??ó??èy?? sl=