数值分析实验四 方程组的迭代法5.docVIP

数值分析实验四 方程组的迭代法 组号 班级 学号 姓名 分数 一：实验目的 掌握雅可比迭代方法。 掌握高斯-赛德尔迭代方法。 掌握超松弛迭代方法。 通过实例学习雅可比迭代法，高斯-赛德尔迭代法与超松弛迭代法的区别。 二：实验内容及基本知识介绍 设n元线性方程组 （1.1） 简记为 其中，系数矩阵 ， 。 如果将系数矩阵A分解成 , 且M非奇异， 则 （3.13）可写成等价形式 或 ， 记 ， 则上式可写成 （1.2） 与原方程同解。 任取一个向量，由（3.14）均可以构造迭代公式为 （1.3） 称（1.3）式为迭代公式，G为迭代矩阵。 对取定的初值向量 ，得迭代序列 若 等价于 ，‖·‖为某种向量范数。 由（1.3）取极限得 从而， 为式（1.2）的解，即式（1.1）的解，当k充分大时 。 Jacebi迭代法原理: 设线性方程组（1.1）的系数矩阵A满足条件，则方程组（1.1）可改写为 （1.4） 记 其中L、U分别表示A的主对角线以下和以上的元素组的严格下、上三角形，D为A的对角方阵。这样，系数矩阵A可分解为 由 D可逆 迭代公式 （1.5） （1.5）式成为Jacobi迭代格式。其迭代矩阵，式（1.5）分量形式为 （1.6） 为了编写程序方便，可将式（1.6）改写为下面的形式，即 （1.7） Gauss—Seidel 迭代法原理： 设线性方程组（1.1）的系数矩阵A满足条件，系数矩阵A有 在一般迭代形式中，取，，由于，M可逆，式（1.1）可改写为 故可以形成以下迭代公式 (1.8) 其中，任取。式（1.8）表示的迭代法称为高斯-赛德尔迭代法。其迭代矩阵。在实际计算时，为了避免计算，可将式（1.8）改写为 其分量表达式为 （1.9） 为了编写程序方便，可将式（1.9）改写为下面的形式，即 （1.10） 超松弛迭代法原理： 给定一个线性方程组 将系数矩阵A分解成，则该方程组等价位为 于是可将构造迭代公式 （1.11） 由于第k次近似值并不是方程组的解，从而。令，称为剩余向量，于是式（1.11）可改写为 上式说明，迭代法过程实际上式用剩余向量来改进解的第k次近似值，即第k+1次近似值是由第k次近似值加上剩余向量得到的。为了加快收敛速度，可以考虑给乘上一个适当的因子，从而得到一个加速迭代公式 （1.12） 其中，称为松弛因子。 在高斯—赛德尔迭代公式（1.10）中的括号前添加上一个松弛因子，便得到逐次超松弛迭代公式 （1.13） 当松弛因子时，式（1.13）便称为低松弛法；当时，式1.13）便称为超松弛法。时，超松弛迭代法即为高斯—赛德尔迭代法。 迭代公式（1.13）可写为 （1.14） 用分解式，则上式用矩阵形式可写为 将上式整理得 因为，所以，故超松弛迭代法的矩阵形式为 其迭代矩阵为 （1.15） 三：实验问题及方法、步骤 1．试分别用雅可比迭代法、高斯-赛德尔迭代法和超松弛迭代法解线性方程组。 当是迭代终止，方程组的精确解为。 Jacobi迭代法编程如下：