数学实验“线性方程组的J-迭代,GS-迭代,SOR-迭代解法”实验报告内含matlab程序代码.doc

 PAGE 10 西京学院数学软件实验任务书 课程名称数学软件实验班级数0901学号0912020107姓名李亚强实验课题线性方程组的J-迭代，GS-迭代，SOR-迭代方法。实验目的 熟悉线性方程组的J-迭代，GS-迭代，SOR-迭代方法。实验要求运用Matlab/C/C++/Java/Maple/Mathematica等其中一种语言完成。实验内容线性方程组的J-迭代； 线性方程组的GS-迭代； 线性方程组的SOR-迭代。 成绩教师 实验四实验报告 实验名称：线性方程组的J-迭代，GS-迭代，SOR-迭代。 实验目的：熟悉线性方程组的J-迭代，GS-迭代，SOR-迭代，SSOR-迭代方法，编程实现雅可比方法和高斯-赛德尔方法求解非线性方程组的根，提高matlab编程能力。 实验要求：已知线性方程矩阵，利用迭代思想编程求解线性方程组的解。 实验原理： 1、雅可比迭代法（J-迭代法）： 线性方程组，可以转变为： 迭代公式 其中，称为求解的雅可比迭代法的迭代矩阵。以下给出雅可比迭代的分量计算公式，令，由雅可比迭代公式有 ，既有，于是，解的雅可比迭代法的计算公式为 高斯-赛德尔迭代法（GS-迭代法）： GS-迭代法可以看作是雅可比迭代法的一种改进，给出了迭代公式： 其余部分与雅克比迭代类似。 逐次超松弛迭代法（SOR-迭代法）： 选取矩阵A的下三角矩阵分量并赋予参数w，将之作为分裂矩阵M，，其中，w0，为可选择的松弛因子，又（1）公式构造一个迭代法，其迭代矩阵为从而得到解的逐次超松弛迭代法。 其中： 由此，解的SOR-迭代法的计算公式为 （2） 观察（2）式，可得结论： 、当w=1时，SOR-迭代法为J-迭代法。 、当w1时，称为超松弛迭代法，当w1时，称为低松弛迭代法。 实验内容： 　　%1.J-迭代 function x1=jacobi(A,b,y); m=input(请输入迭代次数m:); eps=input(请输入精度eps:); D=diag(diag(A)); L=triu(A)-A; U=tril(A)-A; M=D\(L+U); g=D\b; a=1; k=0; while aeps x2=M*x1+g; a=norm(x2-x1,inf); x1=x2; k=k+1; end %输出方程组的近似解、精确值及误差 disp(近似解：); disp(x1); x2=x1-y; a=norm(x2,inf); fprintf(误差：%.6f;迭代次数：%d\n,a,k); %2.GS-迭代 function x1=G_S(A,b,y) n=100; m=input(请输入迭代次数m:); eps=input(请输入精度eps:); D=diag(diag(A)); L=triu(A)-A; U=tril(A)-A; %生成矩阵M,向量g M=(D-L)\U; g=(D-L)\b; %迭代首项 x1=eye(n-1,1); x2=eye(n-1,1); for i=1:n-1 x1(i)=1; x2(i)=0; end a=1; k=0; while aeps x2=M*x1+g; a=norm(x2-x1,inf); x1=x2; k=k+1; end %输出方程组的近似解、精确值及误差 disp(近似解：)； x2=x1-y; a=norm(x2,inf); fprintf(误差：%.4f;迭代次数：%d\n,a,k); %3.SOR-迭代 function a=p(A) [n,n]=size(A); x=eig(A); a=0; for i=1:n b=abs(x(i)); if ba a=x(i); end end a=abs(a); function x1=SOR(A,b,y) %y为精确解 %超松弛迭代 D=diag(diag(A)); L=triu(A)-A; U=tril(A)-A; %求最佳松弛因子w M=D\(L+U); w=p(M); w=2/(1+sqrt(1-w^2)); if w0||w2 disp(迭代不收敛); return; end %生成矩阵M,向量g M=(D-w*L)\((1-w)*D+w*U); g=(D-w*L)\b*w; %进行迭代 w=1; k=0; %x1=eye(n,1); while w1e-6 x2=M*x1+g; w=norm(x2-x1,inf); x1=x2; k=k+1; end %输出方程组的近似解、精确值及误