线性方程组的J迭代GS迭代SOR迭代SSOR迭代方法.docVIP

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 0912020119 姓名 王震 实验课题 雅克比迭代、高斯—赛德尔迭代、超松弛迭代 实验目的 熟悉雅克比迭代、高斯—赛德尔迭代、超松弛迭代 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 雅克比迭代法 高斯—赛德尔迭代法、 超松弛迭代法 成绩 教师 【实验课题】 雅克比迭代、高斯—赛德尔迭代、超松弛迭代 【实验目的】 学习和掌握线性代数方程组的雅克比迭代、高斯—赛德尔迭代、超松弛迭代法，并且能够熟练运用这些迭代法对线性方程组进行求解。 【实验内容】 1、问题重述： 对于线性方程组，即： （1）， 其中， 如何运用雅克比迭代、高斯—赛德尔迭代、超松弛迭代法对线性方程组进行求解。 2、方法原理： 2.1雅克比迭代 迭代思想：首先通过构造形如的等式，然后给定一个初值，再通过进行迭代。 step1 ：对（1）相应第行中的用其它元素表示为： 即： Step 2 ：进行迭代 ，， 取它的判断条件为小于一个确定的误差值，跳出循环。其中，为循环次数，则为所求的近视解。（参考程序） 2.2、高斯—赛德尔迭代 迭代思想：以雅克比迭代法为基础，假定每一次迭代得到的数据都优越于，即中的每一个分量都优越于中对应的分量。由于在求解第个分量的过程中，前个分量已经求出，所以可以直接调用所求出来的前个分量。 考虑雅克比迭代： ， 即： 所以， 当可逆时，由于在求解第个分量的过程中，前个分量已经求出，将上式改写为： 即： 所以， 设，，上式改写为： ， 迭代算法： 得出计算步骤： ， 由于再代入数据时尽可能采用最新数值，因此，高斯—赛德尔迭代法的收敛速度大于雅克比迭代法。 2.3、逐次超松弛迭代法（SOR） 逐次超松弛迭代法是对高斯—赛德尔迭代的一种改进，在高斯—赛德尔迭代的基础上加入松弛因子，使得与的误差由控制。 由高斯—赛德尔迭代公式： 得出SOR迭代算法： ，其中，为松弛因子。迭代的控制条件为： ， 得出SOR的计算公式为： ， 则存在， 令，则， 2.4、对称超松弛迭代法 对称超松弛迭代法是对逐次超松弛迭代法的改进，在逐次超松弛迭代法的基础上，首先对线性方程组按照顺序方式依次求解，然后在此基础上对线性方程组逆序求解，得出SSOR迭代法。 求解步骤： Step 1 顺序求解得出： Step 2 逆序求解由得出 得出SSOR公式： 【实验总结】 由以上实验得出SSOR在求解线性方程时最优。当时，逐次超松弛迭代法（SOR）等价于高斯赛德尔迭代法。（参考程序） 【程序】 %%%%%%%%%%%%%%%%%%%%%% 程序 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function maintest1(A,b) N=input(请输入最大迭代次数N（足够大）：); esp=input(请输入近视解的误差限：); X0=input(请输入初始值：); if any(diag(A))==0 error(系数矩阵错误，迭代终止！) end D=diag(diag(A)); U=-triu(A); L=-tril(A); %%%%%%%%%%%%%%%jacobi%%%%%% fJ=inv(D)*b; BJ=inv(D)*(L+U); PJ=max(abs(eig(BJ))); fprintf(用雅克比求解的谱半径为：%2d\n,PJ) %%%%%%%%%%%%%%%GS%%%%%% fG=inv(D-L)*b; BG=inv(D-L)*U; PG=max(abs(eig(BG))); fprintf(用GS求解的谱半径为：%2d\n ,PG) %%%%%%%%%%%%% SOR %%%%%%%%%% omega=1; fS=omega*inv(D-omega*L)*b; BS=inv(D-omega*L)*((1-omega)*D+omega*U); PS=max(abs(eig(BS))); fprintf(用SOR求解的谱半径为：%2d\n ,PS) %%%%%%%%%%%% SSOR %%%%%%%%%%%%%%% Lw=inv(D-omega*L)*((1-omega)*D+omega*U); Uw=inv(D-omega*U)*((1-omega)*D+omega*L); Sw=Uw*Lw; fw=omega*(2-omega)*inv(D-omega*inv(D)*U)*inv(D-omega*inv(D)*L)*inv(D)*b; PSS=max(