线性方程组的若干解法的比较.doc

线性方程组的若干解法的比较200821001044查月波摘要： 在本实验中主要介绍解线性方程组时常用的三种迭代方法：雅可比迭代法，高斯-赛德尔(G-S)迭代法，松弛迭代法（SOR)。通过对问题的分析来说明它们的收敛的条件和各自的优点。一，问题叙述：分析用下列迭代法解线性方程组： 收敛性，并求出使的近似解及相应的迭代次数，其中取迭代初始向量为零向量雅可比迭代法；高斯_赛德尔迭代法；松弛迭代法（松弛因子依次取 1.334，1.95，0.95）二，问题分析： 该方程组的系数矩阵A是一个严格对角占优的矩阵，因此对于雅可比迭代法和G-S迭代法均收敛，同时对于SOR迭代法而言只要松弛因子选择合适也是收敛的。下面我就对该问题分别使用这三种方法解决该问题。1.雅可比迭代法 雅可比迭代法求解的迭代格式如下：其中迭代矩阵或者.当满足下列收敛充分条件之一时雅可比迭代法收敛：或系数矩阵A对称正定，而且也对称正定。证明：略。高斯-赛德尔迭代法 高斯-赛德尔迭代法求解的迭代格式如下：其中迭代矩阵,当满足下列收敛充分条件之一时，高斯-赛德尔迭代法收敛：或系数矩阵A严格对角占优系数矩阵A为对称正定矩阵。证明：略。松弛迭代法 松弛迭代法求解的迭代格式如下：其中迭代矩阵当满足下列收敛充分条件之一时收敛：或系数矩阵A严格对角占优，松弛因子系数矩阵A对称正定，而且松弛因子证明：略。问题的程序1.雅可比迭代法function Jacobimethod(A,b,x0,Nmax,eps)% 该函数是用雅可比迭代法的分量形式求解线性方程组AX=b的解% 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，是列向量% Nmax表示迭代次数的上限，若迭代次数大于Nmax，则迭代失败% eps表示控制精度% k表示迭代次数% error表示前后两次迭代解的差的向量的2-范数% x表示用迭代法求得的线性方程组的近似解n=length(b);k=1;x1=x0;x2=zeros(n,1);while k=Nmax for i=1:n s=0; for j=1:n if j~=i s=s+A(i,j)*x1(j); end end x2(i)=(b(i)-s)/A(i,i); end error=sqrt(sum(x2-x1).^2); if error=eps x2 k return end k=k+1; x1=x2;endA=[4 -1 0 -1 0 0;-1 4 -1 0 -1 0;0 -1 4 -1 0 -1;-1 0 -1 4 -1 0;0 -1 0 -1 4 -1;0 0 -1 0 -1 4];b=[0 5 -2 5 -2 6]; Jacobimethod(A,b,[0 0 0 0 0 0],500,0.0001);程序的运行结果：x2 = 1.0000 2.0000 1.0000 2.0000 1.0000 2.0000k = 282.高斯-赛德尔迭代法function GaussSeidelmetjod(A,b,x0,Nmax,eps)% 该函数是用雅可比迭代法的分量形式求解线性方程组AX=b的解% 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，是列向量% Nmax表示迭代次数的上限，若迭代次数大于Nmax，则迭代失败% eps表示控制精度% k表示迭代次数% error表示前后两次迭代解的差的向量的2-范数% x表示用迭代法求得的线性方程组的近似解n=length(b);k=1;x1=x0x2=zeros(n,1);while k=Nmax for i=1:n s=0; for j=1:n if ji s=s+A(i,j)*x1(j); end if ji s=s+A(i,j)*x2(j); end end x2(i)=(b(i)-s)/A(i,i); end error=sqrt(sum((x2-x1).^2)); if error=eps x2 k return end k=k+1; x1=x2;endA=[4 -1 0