数值分析 松弛迭代法中松弛因子.docVIP

安徽建筑大学 数值分析 设计报告书 题 目 松弛迭代法中松弛因子 院 系 数理系 专 业 信息与计算科学 班 级 信息②班 学 号 姓 名 穆海山 时 间 2013-12-10~2013-12-23 指导教师 刘华勇 题目： 选用Jacobi迭代法、Gauss-Seidel迭代法和超松弛迭代法求解下面的方程组（考虑等于150） = 考虑初值的变化和松弛因子的变化收敛效果的影响；对上述方程组还可以采用哪些方法求解？选择其中一些方法编程上机求解上述方程组，说明最适合的是什么方法；将计算结果进行比较分析，谈谈你对这些方法的看法。 一、摘要 本课程设计用matlab就线性方程组数值方法，Jacobi迭代法，Gauss-Seidel迭代法，超松弛法对所设计的问题进行求解，并编写程序在Matlab中实现，在文章中对各种迭代法进行了收敛性分析。接着用几种不同方法对线性方程组进行求解及结果分析，最后对此次课程设计进行了总结。 关键词：线性方程组，迭代，Matlab，结果分析 二、设计目的 用熟悉的计算机语言编程上机求解线性方程组。 三、理论基础 对方程组 做等价变换 如：令 ，则 则，我们可以构造序列 若 同时： 所以，序列收敛，与初值的选取无关 则转化为矩阵形式 (1) 令 或者 故迭代过程(1)化为 (2) 等价线性方程组为 称(2)式为解线性方程组(1)的Jacobi迭代法(J法) 迭代矩阵 考虑迭代式(2) 即 将上式改为 (3) (4) 超松弛迭代 记 则 可以看作在前一步上加一个修正量。若在修正量前乘以一个因子 有 对Gauss－Seidel迭代格式 迭代矩阵 程序代码及运算结果 1.利用Jacobi迭代majacobifun.m的文件，内容如下： function [x,n]=jacobifun(A,b,x0,eps) %jacobifun为编写在雅可比迭代函数 %A为线性方程组的系数矩阵 %b为线性方程组的常数向量 %x0为迭代初始向量 %eps为解的精度 %x为线性方程组的解 %n为求出所需精度的解实际的迭代步数 D=diag(diag(A)); B=D\(D-A); f=D\b; x=B*x0+f; n=0; if max(abs(eig(B)))=1 disp(Warning:不收敛！); return; end while norm(x-x0)=eps x0=x; x=B*x0+f; n=n+1; end 2.利用Gauss-Seidel迭代法求解： 编制名为G_Seidelifun.m的文件，内容如下： nction [x,n]=G_Seidelifun(A,b,x0,eps) %G_Seidelifun为编写在高斯-赛德尔迭代函数 %A为线性方程组的系数矩阵 %b为线性方程组的常数向量 %x0为迭代初始向量 %eps为解的精度 %x为线性方程组的解 %n为求出所需精度的解实际的迭代步数 D=diag(diag(A)); L=-tril(A,-1); U=-triu(A,1); G=(D-L)\U; f=(D-L)\b; x=G*x0+f; n=0; if max(abs(eig(G)))=1 disp(Warning:不收敛！); return; end while norm(x-x0)=eps x0=x; x=G*x0+f; n=n+1; end 3.利用SOR