GaussSeidel迭代法求解线性方程组.docxVIP

精品文档 精品文档 PAGE PAGE6 精品文档 PAGE 一． 问题描绘 用Gauss-Seidel迭代法求解线性方程组 由Jacobi迭代法中，每一次的迭代只用到前一次的迭代值。使用了两倍的存储空间，浪 费了存储空间。若每一次迭代充足利用目前最新的迭代值，即在计算第 i个分量xi(k1) 时， 用最新分量x1 ，x2 (k1) (k) (k1) (k1) xi-1代替旧分量x1(k)，x2 (k) xi-1，能够起到节俭存储 空间的作用。这样就得到所谓解方程组的 Gauss-Seidel迭代法。 二． 算法设计 将A分解成A L D U，则Ax b等价于(LD U)x b 则Gauss-Seidel迭代过程 Dx(k 1) b Lx(k1)Ux(k) 故 (D L)x(k1) b Ux(k) 若设(D L)1存在，则 x(k1) (D L)1Ux(k) (D L)1b 令 G (D L)1U，f (D L)1b 则Gauss-Seidel迭代公式的矩阵形式为 x(k1) Gx(k)f 其迭代格式为 x(0) (x1(0)，x2(0)，，xn(0))T (初始向量)， (i1) 1 xi (bi 或许 xi(k1) xi(k) xi(i1)  i1 i1 aijx(jk1) aijx(jk))(k0，1，2，；i 0，1，2，n) j1 ji1 xi (kk0，1，2，；i 0，1，2，n) 1(bi i1 i1 aijx(jk1) aijx(jk)) aii j1 ji1 三． 程序框图 开始 读入数据n，初始向量，增广矩阵 1 k i1 i1 (bi aijx(jk1) aijx(jk))/aiiyi j1 ji1 maxxi yi ? k 1 k yi xi k=N i 1，2,3 ，n 输出迭代失 败标志 结束 四． 结果显示 TestBench 利用Gauss-Seidel迭代法求解下列方程组 5x1 2x2 x3 12 x1 4x2 2x3 20， 其中取x(0) 1。 2x1 3x2 10x3 3  输出 y1,y2 yn 运行程序 依次输入： 1．方阵维数 2．增广矩阵系数 3．初始向量 得到： 迭代12次后算出 x[1]= x[2]= x[3]= 五． 程序 #include #include #include #include #define MAX_n 100 #definePRECISION #defineMAX_Number1000 voidVectorInput(floatx[],intn) //输入初始向量 { inti; for(i=1;i=n;++i) { printf(x[%d]=,i); scanf(%f,x[i]); } } voidMatrixInput(floatA[][MAX_n],intm,intn) //输入增广矩阵 { int i,j; printf(\n输入系数矩阵： \n); for(i=1;i=m;++i) { printf(增广矩阵行数 %d:,i); for(j=1;j=n;++j) scanf(%f,A[i][j]); } } voidVectorOutput(floatx[],intn) {  //输出向量 inti; for(i=1;i=n;++i) printf(\nx[%d]=%f,i,x[i]); } intIsSatisfyPricision(floatx1[],floatx2[],intn)//判断是否在规定精度内 { inti; for(i=1;i=n;++i) if(fabs(x1[i]-x2[i])PRECISION)return1; return0; } intJacobi_(floatA[][MAX_n],floatx[],intn) {  //详细计算 floatx_former[MAX_n]; inti,j,k; printf(\n初始向量x0:\n); VectorInput(x,n); k=0; do{ for(i=1;i=n;++i) { printf(\nx[%d]=%f,i,x[i]); x_former[i]=x[i]; } printf(\n); for(i=1;i=n;++i) { x[i]=A[i][n+1]; for(j=1;j=n;++j) if(j!=i) x[i]-=A[i][j]*x[j]; if(fabs(A[i][i])PRECISION) x[i]/=A[i][i]; else return1; } ++k; }while(IsSatisfyPricision(x,x_former,n)kMAX_Number); if(k=MAX_Number) return1; else { pr