线性方程组求解与代数特征值求解.pptVIP

例2-6 用gauseidel迭代法求解以下线性方程组： 解:A=[1.4449 0.7948 0.8801; 0.6946 1.9568 0.1730; 0.6213 0.5226 1.9797]; b=[1 0 1]’; x0=zeros(3,1); [x,n]=gauseidel(A,b,x0) 输出结果为： x = 0.5929 -0.2444 0.3836 输出的迭代次数为： n = 11 2.3.4 逐次超松驰迭代法 设系数矩阵的主对角元全不为0，若对A作如下分解： A=(D-L)-U 其中D是由A的主对角元素组成的对角阵，L为下三角矩阵，U为上三角矩阵。 　Ax=b → ωAx=ωb → ω(D-L-U) x=ωb → (ω D-ωL- ωU) x=ωb → D-ωL- (D-ωD +ωU) x=ωb → (D-ωL)x- (D-ωD +ωU) x=ωb → (D-ωL)x- ((1-ω)D +ωU) x=ωb → (D-ωL)x- ((1-ω)D +ωU) x=ωb → (D-ωL)x=((1-ω)D +ωU) x+ωb 则得迭代代公式为 xk+1= (D- ωL )-1 ((1-ω)D +ωU) xk+(D-ω L) -1b。 这种迭代方法称为逐次超松驰(Successive Over Relaxation)迭代法，简称为SOR迭代法。 注：若系数矩阵A对称正定，当0ω2，SOR迭代法收敛。 在MATLAB中编程实现的逐次超松驰迭代函数为SOR。 功能：用逐次超松驰迭代法求线性方程组Ax=b的解。 调用格式：[x,n]= SOR (A,b,x0, w ,eps,M) 其中，A为线性方程组的系数矩阵； b为线性方程组中的常量向量； x0为线性方程组的解； w为松驰因子； eps为解的精度控制（此参数可选）； M为迭代步数控制（此参数可选）； x为线性方程组的解； n为求出所需精度的解的实际的迭代步数。 SOR迭代法的MATLAB程序代码如下： function [x,n]=SOR(A,b,x0, w,eps,M) % 采用SOR迭代法求线性方程组Ax=b的解 % 线性方程组的系数矩阵：A % 线性方程组中的常量向量：b % 迭代初始向量：x0 %松驰因子：w % 解的精度控制： eps %迭代步数控制：M % x为线性方程组的解 %求出所需精度的解的实际的迭代步数：n if nargin==4 eps=1.0e-6; M=200; elseif nargin==5 M=200; elseif nargin4 error return end if (w=0|| w=2) error return end D=diag(diag(A)); %求A的对角矩阵 L=-tril(A,-1); %求A的下三角矩阵 U=-triu(A,1); %求A的上三角矩阵 B=inv(D-w *L )*((1- w)*D+ w*U); f=w*inv(D-w *L )*b; x=B*x0+f; n=1; %迭代次数 %迭 代过程 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 例2-7 用SOR迭代法求解以下线性方程组： 解:A=[4 3 0;3 4 -1;; 0 -1 4]; b=[24 30 -24]’; x0=[0 0 0]’; [x,n]=SOR(A,b,x0,1.25) 输出结果为： x = 3.0000 4.0000 -5.0000 输出的迭代次数为： n = 14 2.4 求矩阵的特征值与特征