数值分析实验四方程组的迭代法2.doc

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 会用迭代方法求解线性方程组。 学会用Jacobi，Gauss-Seidel，SOR方法计算方程组的数值解，并分析各算法的优劣。 会用Matlab语言求解线性方程组。 二：基本知识及实验内容 1.迭代法的定义： 对于给定的方程组，用公式逐步代入求近似解的方法称为迭代法（或称为一阶定常迭代法，这里B与k无关）。 2.雅可比迭代法（Jacobi迭代法）： 由，选取M为A的对角元素部分，即选取M=D(对角阵)，A=D-N,由得到解的雅可比（Jacobi）迭代法，其中，称J为解的雅可比迭代法的迭代阵。 3.高斯-塞德尔迭代法（Gauss-Seidel迭代法）： 选取分裂矩阵M为A的下三角部分，即选取(下三角阵)，A=M-N,于是，由得到解的高斯-塞德尔（Gauss-Seidel）迭代法 ，其中。称为解的.高斯-塞德尔迭代法的迭代阵。 4.逐次超松弛迭代法（Successive Over Relaxation Method） 选取分裂矩阵M为A的下三角部分，即选取其中w0为可选择的松弛因子。于是，由可构造一个迭代法，其迭代矩阵为：。从而得到解的）逐次超松弛迭代法（Successive Over Relaxation Method，简称SOR方法） 三：实验问题、方法及步骤 1.实现求解线性方程组的雅可比迭代法的Matlab函数文件Jacobi.M如下: function[x,n]=jacobi(A,b,x0,eps,varargin) % 求解线性方程组的迭代法，其中， % A为方程组的系数矩阵 % b为方程组的右端项 % eps为精度要求，缺省值为1e-5 % varargin为最大迭代次数，缺省值为100 % x为方程组的解 % n为迭代次数 if nargin==3 eps=1.0e-6; M=200; elseif nargin3 Error Return elseif nargin==5 M=varargin{1}; end D=diag(diag(A)); %求A的对角矩阵 L=-tril(A,-1); %求A的下三角阵 U=-triu(A,1); %求A的上三角阵 B=D\(L+U); f=D\b; x=B*x0+f; n=1; %迭代次数 while norm(x-x0)=eps x0=x; x=B*x0+f; n=n+1; if(n=M) disp(‘Warning：迭代次数太多，可能不收敛！’); return; end end 2.实现求解线性方程组的雅可比迭代法的Matlab函数文件Gauseidel.M如下: function[x,n]=gauseidel(A,b,x0,eps,M) % 求解线性方程组的迭代法，其中， % A为方程组的系数矩阵 % b为方程组的右端项 % x0为迭代初始化向量 % eps为精度要求，缺省值为1e-5 % M为最大迭代次数，缺省值为100 % x为方程组的解 % n为迭代次数 if nargin==3 eps=1.0e-6; M=200; elseif nargin==4 M=200; elseif nargin3 error return; end D=diag(diag(A)); %求A的对角矩阵 L=-tril(A,-1); %求A的下三角阵 U=-triu(A,1); %求A的上三角阵 G=(D-L)\U; f=(D-L)\b; x=G*x0+f; n=1; %迭代次数 while norm(x-x0)=eps x0=x; x=G*x0+f; n=n+1; if(n=M) disp(‘Warning：迭代次数太多，可能不收敛！’); return; end end 3. .实现求解线性方程组的雅可比迭代法的Matlab函数文件SOR.M如下: function[x,n]=SOR(A,b,x0,w,eps,M) % 求解线性方程组的迭代法，其中， % A为方程组的系数矩阵 % b为方程组的右端项 % x0为迭代初始化向量 % w为松弛因子 % eps为精度要求，缺省值为1e-5 % M为最大迭代次数，缺省值为100 % x为方程组的解 % n为迭代次数 if nargin==4 eps=1.0e-6; M=200; elseif nargin4 error; return; elseif nargin==5 M=200; end if(w=0 || w=2) error; retur