数值分析实验四 方程组的迭代法1.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 学会用Jacobi,Gauss-Seidel,SOR方法计算方程组的数值解。 分析个算法的优劣。 二：实验内容及基本知识介绍 1、迭代的原理： 设线性方程组Ax=b, （3.13） 这里，A=非奇异，，将式（3.13）变换成映射形式同解方程组 , （3.14） 由此构造迭代格式 （3.15） 对取定的初始向量，得迭代序列 若，由式（3.15）取极限得 从而为式（3.14）的解，即式（3.13）的解.当充分大时， . 2. Jacobi迭代法和Gauss-Seide迭代法 对式（3.13）的系数矩阵做分解： A=L+D+U 其中，L为严格下三角矩阵，D为对角阵，U为严格上三角矩阵，即 ，， 代入式（3.13）得 当D可逆时，有 对应迭代格式为 （3.16） 其中， ， 称式（3.16）为Jacobi迭代格式，它的分量形式为 迭代结束条件一般用为某种向量范数（常用-范数）. Gauss-Seidel迭代法 选取分裂矩阵M为A的下三角部分，即选取M=D-L（下三角矩阵），A=M-N于是得到解Ax=b的Gauss-Seidel迭代法 (2.7) 其中称为解 的Gauss-Seidel迭代法的迭代阵 下面给出Gauss-Seidel迭代法的分量计算公式 记 由（2.7）式有 或 即 于是解的Gauss-Seidel迭代法计算公式为 或 3、迭代加速——逐次超松弛法 考虑Gauss-Seidel迭代格式的加速算法 .方法是选取一个参数（称为超松弛因子），将Gauss-Seidel迭代第步 与第k+1步作适当加权平均得一新的迭代格式 （3.23） 式（3.23）式称为主次超松弛迭代法（SOR）容易验证，式（3.23）定义合理，并可以证明其收敛的必要条件是时，SOR法退化为Gauss-Seidel迭代;当时，称式（3.23）为低松弛法；当时，称式（3.23）为超松弛法.SOR法的加速效果依赖于松弛因子的选取 三：实验问题及方法、步骤 Jacobi、Gauss-Seidel和SOR迭代算法都有向量和分量两种形式的表达形式，Jacobi迭代算法见（3.16）和（3.17），Gauss-Seidel迭代算法见（3.20）和（3.21），SOR迭代算法见（3.23）.这些迭代法都可能不收敛，对于这类大型稀疏线性方程组，可以考虑采用迭代法（主要用分量形式或稀疏存储）来进行计算，可以节省存储空间. 1、程序1 解普通方程组的Gauss-Seidel迭代 根据（3.21）编写 function x=nags(A,b,x0,e,N) %用途：用向量形式（普通存储格式）的Gauss-Seidel迭代解线性方程组A %格式：x=nags(A,bx0,e,N) A为系数矩阵，b为右端向量，x返回解向量， % x0为初值向量（默认原点），e为精度（默认1e-4）设置迭代次数上限以防 % 发散（默认500） n=length(b); if nargin5,N=500;end if nargin4,e=1e-4;end if nargin3,x0=zeros(n,1):end x=x0;x0=x+2*e; k=0;Al=tril(A);iAl=inv(Al); while norm(x0-x,inf)ekn, k=k+1; x0=x;x=-iAl*(A-Al)*x0+iAl*b; disp(x) end if k==N,warning(‘已达迭代次数上限’); end 程序2 分量形式的SOR迭代 根据式3.23编写 function x=nasor(A,b,omega,x0,e,N) %用途：用分量形式的SOR迭代解线性方程组Ax=b %格式：x=nasor(A,b,omega,x0,e,N) A为系数矩阵，b未右端向量，x返回解向量 %x0为初值向量（默认原点），e为精度（默认1e-4）,设置迭代次数上限以防发散 %（默认500），omega是松弛因子，一般取1-2之间的数（默认1.5） n=length(b); if nargin6,N=500;end if nargin5,e=1e-4;end if nargin4,x0=zeros(n,1):end x=x0;x0=x+2*e; k=o;L=tril(A，-1);U=triu(A,l); while norm(x0-x,inf)ekN, k=k+1 x0=x; fori=1:n x1(i)=(b(i)-L(I,1:i-1)*x(1:i-1,1)-U(