雅可比迭代实验报告.docVIP

=====WORD完满版----可编写----专业资料分享===== 雅可比迭代法求解线性方程组的实验报告 一、实验题目 分别利用雅可比迭代法和高斯-塞德尔迭代法求解以下线性方程组： 10x1x22x37.2 x110x22x38.3 x1x25x34.2 使得误差不高出0.00001。 二、实验序言 1.实验目的 ①掌握用迭代法求解线性方程组的基本思想和步骤，熟悉计算机fortran语言；②认识雅可比迭代法在求解方程组过程中的优缺点。 2.实验意义 雅克比迭代法就是众多迭代法中比较早且较简单的一种，求解方便合用。 三、算法设计 1.雅可比迭代法原理： 设有线性方程组Ax=b知足aii 0,将方程组变形为:x=Bx+f,则雅可比(Jacobi)迭代 法是指X(k1) Bxk f，即由初始解渐渐迭代即可获得方程组的解。 算法步骤以下： 步骤1.给定初始值x1(0),x2(0),,xn(0) 步骤2.对i=1,2,,n依次计算  ，精度e,最大同意迭代次数M，令k=1。 n x1 (bj aijxj)/aii(aii0,i 1,2,，n) j1 ji ei |xi(1) xi(0)| xi(1) xi(0) 步骤3.求出e max{ei}，若e ，则输出结果xi(0) (i1,2,,n)，停止计算。否则 1 in 履行步骤4. 步骤4.若kM,k 1 k,转步骤2连续迭代。若k M,表示迭代失败，停止计算。 ----完满版学习资料分享---- =====WORD完满版----可编写----专业资料分享===== 2.算法流程图 四、程序设计 programjacobi implicitnone integer::i,j integer::k savek real,parameter::e=0.001 integer,parameter::n=3 real::x(n),y(n),b(n) datab/7.2,8.3,4.2/ real::D real::a(n,n) open(unit=10,file=1.txt) dataa/10,-1,-1,-1,10,-1,-2,-2,5/ write(10,*)矩阵A的形式为 write(10,(1x,3f6.2,/))a ----完满版学习资料分享---- =====WORD完满版----可编写----专业资料分享===== forall(i=1:n) x(i)=0 endforall k=0 D=0 doi=1,ny(i)=b(i) doj=1,n if(i/=j)y(i)=y(i)-a(i,j)*x(j)enddo y(i)=y(i)/a(i,i)enddo doj=1,nD=abs(x(j)-y(j)) enddo forall(i=1:n) x(i)=y(i)endforall if(D=e)thenk=k+1 write(10,*)迭代次数为：,k goto100 else goto200 endif write(10,*)write(10,*)用jacobi方法解得的结果X[t]为：write(10,(1x,3f6.2,/))x(:) stop endprogram 五、结果及讨论 1.实验结果 矩阵A的形式为 10.00-1.00-1.00 ----完满版学习资料分享---- =====WORD完满版----可编写----专业资料分享===== -1.0010.00-1.00 -2.00-2.005.00 迭代次数为： 1 迭代次数为： 2 迭代次数为： 3 迭代次数为： 4 迭代次数为： 5 迭代次数为： 6 迭代次数为： 7 用jacobi方法解得的结果X[t]为： 1.101.201.30 2.讨论分析 （1）误差 从上述输出结果中能够看出，当迭代次数k增大时，迭代值x1,y1,z1 会越来越逼近方程组的精准解x=1.0,y=1.2,z=1.3。 （2）收敛性 在此题目中,用雅可比迭代法和高斯-塞德尔迭代法分别求解该线性方程组，获得的 近似根是收敛的 六、算法讨论 优点：迭代法算法简单，编制程序比较简单。 缺点：迭代法要求方程组的系数矩阵有某种特别性质（比方是所谓对角占优阵）以保 证过程的收敛性。高斯—塞德尔迭代法比雅可比迭代法收敛快(达到同样的精度所需迭代次数少),但这个结论,在必然条件下才是对的,甚至有这样的方程组,雅可比方法收敛，而高斯—塞德尔迭代法倒是发散的。在雅可比迭代法求解线性方程组时，只需 误差截断设计的合理，原则上能够获得很正确的解。而平常我们采纳设计误差限或设计最大迭代次数的方法来控制。由于它的正确性，故在实质应用中比较常有，关于解一般线性方程组特别有效正确。经过该算法以及编程对求解的过程，我们不难发现，雅克比迭代法的优点显然，计算公式简单，每迭代