第四章线性方程组的迭代解法-公开课件（讲义）.ppt

if n~=m error(The rows and columns of matrix A must be equal!); return; end %当方程组与右端项的维数不匹配时，停止计算，并输出出错信息. if m~=nb error(The columns of A must be equal the length of b!); return; end if nargin4 it_max=100;end if nargin3 ep=1e-5;end k=0;x=zeros(n,1);y=zeros(n,1);index=1 线性方程组迭代解法 while 1 y=x; for i=1:n z=b(i); for j=1:n if j~=i z=z-A(i,j)*x(j); end end if abs(A(i,i))1e-10|k== it_max index=0;return; end z=z/A(i,i);x(i)=z; end 线性方程组迭代解法 if norm(y-x,inf)ep break; end k=k+1; end 调用函数Gauss_Seidel.m 解例1. 线性方程组迭代解法 x = 0.9998 k = 4 index = 1 迭代成功，收敛 0.9998 1.0001 得到 输入 A=[10 3 1;2 -10 3;1 3 10]; b=[14 -5 14];ep=0.005; [x,k,index]=Gauss_Seidel(A,b,ep) 例3 分别用雅可比和高斯-赛德尔迭代法解方程组，均取相同初值 1） Jacobi4次达到精度 G-S发散。 线性方程组迭代解法 2） Jacobi发散， G-S发散. 3） Jacobi 89次达到精度 G-S 8次达到同样的精度。 线性方程组迭代解法 4） Jacobi发散，而G-S 10次达到精度 . 雅可比迭代法和高斯-赛德尔迭代法可能同时发散；也可能同时收敛，但一个快另一个慢；可能一个收敛而另一个发散。 线性方程组迭代解法 【注】 4.2.3 逐次超松弛迭代法 SOR迭代法:G-S迭代法基础上,用参数校正残差加速. 一、逐次超松弛迭代公式 G-S迭代公式中加、减 线性方程组迭代解法 【注】（1）G-S：对旧值 ，经残差校正而得新的 近似值，校正量大小为 （2）为加速收敛，将校正量乘加速因子 有 ω为松驰因子: 当 时为低松驰因子； 时 当 G-S公式； 称为超松驰因子. 其中, 为第i个方程的残差. 线性方程组迭代解法 二、逐次超松弛迭代法的矩阵描述 其中， 例4 用SOR解方程组，取 解 方程组的精确解为： 取初值 线性方程组迭代解法 用G-S迭代得 利用SOR方法 初值 迭代计算结果 线性方程组迭代解法 SOR迭代5次，与G-S法迭代10次的结果大体相同，SOR方法的松驰因子起到了加速收敛的重要作用. 逐次超松驰迭代的MATLAB程序：SOR.m function [x,k,index]=SOR(A,b,x0,ep,w,it_max) %解线性方程组的SOR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为初始迭代向量； 【注】 线性方程组迭代解法 %ep为精度要求，缺省值1e-5；%w为超松弛因子，缺 省值为1；%it_max为最大迭代次数，缺省值100； %x为方程组的解；%k为迭代次数； %index为指标变量，index=0表示迭代失败， %index=1表示收敛到指定要求. [n,m]=size(A);nb=length(b); %当方程组行与列的维数不相等时，停止计算，并输出出错信息. if n~=m error(The rows and columns of matrix A must be equal!); return; end%当方程组与右端项的维数不匹配时，停止计算，并输出出错信息. 线性方程组迭代解法 if m~=nb error(The columns of A must be equal the length of b!); return; end if nargin6 it_max=100;end if nargin5 w=1;end if nargin4 ep=1e-5;end k=0;x=x0;y=zeros(n,1);index=1; while 1 y=x; for i=1:n z=b(i); for j=1:n