线性方程组迭代解法详解.docVIP

线性方程组的迭代解法 专业班级： 姓 名： 学 号： 开课时间：2014 – 2015 学年 第 二 学期 成 绩 教师签名 线性方程组的迭代解法 摘 要 求解线性方程组的数值方法大体上可分为直接法和迭代法两大类。直接求解法就是指在没有舍入误差的情况下经过有限次运算求得方程组精确解的方法。因此，直接法又称精确法。迭代法则是采用逐次逼近的方法，即从一个初始向量出发，按照一定的计算格式，构造一个向量的无穷序列，其极限才是方程组的精确解，之经过有限次运算得不到精确解。本文中迭代法介绍了Jacobi迭代法、Gauss-Seidel迭代法、超松弛迭代法和共轭梯度法。 关键词 G-S迭代法、超松弛迭代法、MATLAB 线性方程组 是n阶矩阵，、都是一维列向量。 1.1 直接法 就是将矩阵分解成一个上三角矩阵和一个下三角矩阵，然后解一个方程组 1.2 迭代法 就是将线性方程组整理成的形式，给定一个初始 向量，再由迭代格式，不断迭代，从而求出方程的解，称为迭代矩阵。 二、线性方程组的迭代解法 2.1 Jacobi迭代法 设方程组将系数矩阵分裂为： 其中 如果，原方程可化为 其中 相应的迭代格式 分量形式 2.2 Gauss-Seidel迭代法 G-S迭代法是对Jacobi法的改进，在J法的迭代公式中计算时，已经计算出来了，故用这些值代替前项的值，这种迭代方法就是G-S迭代法。 分量形式： 2.3 超松弛迭代法 类似于G-S迭代法超松弛迭代是进一步的改进，该方法将第k次的迭代值和G-S迭代法的第K+1次做加权平均。计算公式如下： 加权平均： 分量形式： 超松弛迭代的矩阵形式： 记 迭代公式： 三、迭代法的MATLAB程序 3.1 Jacobi迭代法 %Jacobi法 A=[10,3,1;2,-10,3;1,3,10]; b=[14,-5,14]; x=[0,0,0];%初始值 epx=0.001; n=length(b); m=0; for(k=1:20) c=x; for(i=1:n) s_1=0; s_2=0; if(i=2) for(j=1:i-1) s_1=s_1+A(i,j)*c(j); end; else s_1=0; end; for(j=i+1:n) s_2=s_2+A(i,j)*c(j); end; x(i)=(b(i)-s_1-s_2)/A(i,i); end; m=m+1; if(max(abs(c-x))epx) break; end; end; x disp(迭代次数:) m 3.2 Gauss-Seidel迭代法 只需要将Jacobi程序中的c（j）换成x(j)就可以了。 3.3 超松弛迭代法 将G-S迭代法中的“x(i)=(b(i)-s_1-s_2)/A(i,i);”换成 “x(i)=(1-w)*x(i)+w*(b(i)-s_1-s_2)/A(i,i);”； 在程序开头添加：“w=0.5;”。程序就是超松弛迭代法的了。 因而上述三种迭代法具有相似的程序。 四、举例比较各种迭代法 例题： 精度要求 迭代次数 方法 Jacobi法 G-S法 超松弛迭代法（） 超松弛迭代法（） 超松弛迭法（） 0.01 8 5 9 5 9 0.001 10 7 13 6 15 0.0001 13 8 16 7 20 G_S迭代法比Jacobi迭代法收敛速度要快，而超松弛迭代的收敛速度取决于的选取，如果选得好收敛速度比G-S要快，但如果没有合适的，收敛速度会很慢甚至发散。 结束语 线性方程组在生活中有许多的应用，如方程的配平、平板热传导问题等，因而对于线性方程组的求解具有很好的现实意义。本文仅仅对线性方程组的几种迭代解法做了简要的介绍，只是总结了一下方法，至于求解的思想并没有太多的说明。迭代法是一种较广泛的数值求解方法，不仅仅是线性方程组，方程及非线性方程组都可以应用。本文中，通过例题比较各个迭代法的优劣，仅仅是个例，不同的方程组适合的解法会有一定的差异。 参考文献 李维国 同登科 数值计算方法（第二版） 3 5 6