第05讲 线性代数方程组求解的迭代法.pptVIP

解线性代数方程组的迭代法 迭代法的一般形式 Jacobi迭代法——算法 Jacobi迭代法——程序1 Jacobi迭代法——程序2 Jacobi迭代法——程序3 Gauss-Seidel迭代法——算法 Gauss-Seidel迭代法——程序 Gauss-Seidel迭代法——程序改进 松弛法——算法 松弛法——程序 线性方程组求解与极小化问题 最速下降法——算法 最速下降法——程序 共轭梯度法——原理 共轭梯度法——原理 向量的正交化 共轭向量组 共轭梯度法算例 共轭梯度法的Matlab程序 运行结果 共轭梯度法的特性 理论上可以证明，最多经过n次迭代就能得到准确解。 考虑实际计算时的舍入误差，经过n次迭代一般得不到准确解。 可以将经过n次迭代后得到的解作为初值，再进行一轮n次迭代。 改进后的程序 * * A=[10 -1 -2; -1 10 -2; -1 -1 5]; b=[72; 83; 42]; n=3; x0=[0; 0; 0]; x=[0; 0; 0]; epsilon = 1.0e-6; N=10; k=1; for i=1:n x(i)=b(i); for j=1:n if j~=i x(i) = x(i) - A(i,j)*x0(j); end end x(i)=x(i)/A(i,i); end while k=N for i=1:n … … end if norm(x-x0)epsilon return end k=k+1; x0=x; end clc clear A=[10 -1 -2; -1 10 -2; -1 -1 5]; b=[72; 83; 42]; n=3; x0=[0; 0; 0]; x=[0; 0; 0]; epsilon = 1.0e-6; N=10; k=1; while k=N … … … … … … if norm(x-x0)epsilon return end k=k+1; x0=x; end x(i)=b(i); for j=1:(i-1) x(i) = x(i) - A(i,j)*x(j); end for j=(i+1):n x(i) = x(i) - A(i,j)*x0(j); end x(i)=x(i)/A(i,i); x(n)=b(n); for j=1:(n-1) x(n)=x(n)-A(n,j)*x(j); end x(n)=x(n)/A(n,n); x(1)=b(1); for j=2:n x(1)=x(1)-A(1,j)*x0(j); end x(1)=x(1)/A(1,1); while k=N MaxError = 0; for i=1:n xi=b(i); for j=1:n if i~=j xi = xi - A(i,j)*x(j); end end xi=xi/A(i,i); MaxError=max([MaxError abs(xi-x(i))]); x(i)=xi; end x if MaxErrorepsilon return end k=k+1; x0=x; end while k=N MaxError = 0; for i=1:n xi=b(i); for j=1:n if i~=j xi = xi - A(i,j)*x(j); end end xi=xi/A(i,i); xi = x(i) + omega*(xi-x(i)); MaxError=max([MaxError abs(xi-x(i))]); x(i)=xi; end x if MaxErrorepsilon return end k=k+1; x0=x; end clc clear A=[2 -1 0; -1 2 -1; 0 -1 2];