线性方程组解法(雅可比高斯赛德尔SOR).docVIP

实验作业（一） 本章实验内容： 实验题目：Jacobi迭代法，Gauss-Saidel迭代法，SOR迭代法。 实验内容：利用MATLAB ,编制求Ax=b的各迭代计算方法的程序。 实验目的：了解迭代法的运用性，进行各迭代法数值结果的比较，并找出一个计算量小的，使迭代法加速收敛的迭代方法。 编程要求：①利用迭代法，初始向量为x(0) ②同时利用Jacobi法和Gauss-Seidel法来进行对比。 ③利用SOR迭代法来进行对比。 计算算法：①Jacobi迭代法的算法为: ②Gauss-Saidel迭代法的算法为： ③SOR迭代法的算法为： 例1??利用Jacobi方法求方程组 的近似解。 程序源代码及程序实现 一 jacobi 程序： function x=Jacobi(A,b,x0,delta,N) % A：系数矩阵； % b：常数向量； % x0：初值向量（列）； % delta：误差条件； % N：N取适当大值，限制迭代次数； %============================ % error：第k次迭代误差； % k：迭代次数； % B：迭代矩阵； n=length(b); for k=1:N for i=1:n s=0; for j=1:n if j~=i s=s+A(i,j)*x0(j); end end x(i)=(b(i)-s)/A(i,i); end error=abs(norm(x-x0)); x0=x; if(errordelta) break; end end E=eye(n,n); D=diag(diag(A)); B=E-inv(D)*A; x0 x=x; k,error B 命令： A=[10 -1 -2;-1 10 -2;-1 -1 5];b=[7.2 8.3 4.2]; x=Jacobi(A,b,[0 0 0],1e-4,100) 结果： x0 = 1.1000 1.2000 1.3000 k = 10 error = 7.7813e-005 B = 0 0.1000 0.2000 0.1000 0 0.2000 0.2000 0.2000 0 x = 1.1000 1.2000 1.3000 二 Gauss_Seidel 程序： function x=Gauss_Seidel(A,b,x0,delta,N) % A：系数矩阵； % b：常数向量； % x0：初值向量（列）； % delta：误差条件； % N：N取适当大值，限制迭代次数； %============================ % error：第k次迭代误差； % k：迭代次数； n=length(b); for k=1:N for i=1:n s1=0; s2=0; %--------x0为第k次迭代的值--------- for j=i+1:n s1=s1+A(i,j)*x0(j); end %--------x为第k+1次迭代的值-------- for j=1:i-1 s2=s2+A(i,j)*x(j); end %--------------------------------- x(i)=(b(i)-s1-s2)/A(i,i); end error=abs(norm(x-x0)); x0=x; if(errordelta) break; end end x=x; k,error 命令： A=[10 -1 -2;-1 10 -2;-1 -1 5];b=[7.2 8.3 4.2]; x0=[0 0 0]; Gauss_Seidel(A,b,x0,1e-4,50) 结果： k = 7 error = 1.4669e-005 ans = 1.1000 1.2000 1.3000 三 SOR 程序： function x=SOR(A,b,x0,omiga,delta,N) % A：系数矩阵； % b：常数向量； % x0：初值向量（列）； % omiga：松弛因子