Jacobi迭代法求解线性方程组实验报告
仿真平台与工具应用实践
Jacobi迭代法求解线性方程组
实验报告
院系：
（
专业班级：
姓名：
学号：
指导老师：
一、 实验目的
熟悉Jacobi 迭代法原理；
]
学习使用Jacobi 迭代法求解线性方程组；
编程实现该方法；
二、 实验内容
应用Jacobi 迭代法解如下线性方程组：
??
???=++--=+-=+-1552218474321321321x x x x x x x x x ，要求计算精度为710- \
三、 实验过程
（1）、算法理论
Jacobi 迭代格式的引出是依据迭代法的基本思想：构造一个向量系列(){}n X ，使其收敛至某个极限*X ，则*X 就是要求的方程组的准确解。 Jacobi 迭代
将方程组： ???????=+++=+++=+++n
n nn n n n n n n b x a x a x a b x a x a x a b x a x a x a 22112222212111212111 )1(
在假设0≠ii a ，改写成()???
????++++=++++=++++=--n n n n n n n n n n n g x b x b x b x g x b x b x b x g x b x b x b x 112211223231212113132121
)2(
如果引用系数矩阵
??????????=nn n n a a a a A 1111，????
??????=0011 n n b b B 及向量??????????=n x x X 1，??????????=n b b b 1，??????????=n g g g 1， 方程组（1）和（2）分别可写为：b AX =及g BX X +=，这样就得到了jacobi 迭代格式01g BX X k k +=+用jacobi 迭代解方程组b AX =时，就可任意取初值0X 带入迭代可知式g BX X k k +=+1，然后求k k X ∞
→lim 。但是，n 比较大的时候，写方程组)1(和)2(是很麻烦的，如果直接由A ，b 能直接得到B ，g 就是矩阵与向量的运算了，那么如何得到B ，g 呢实际上，如果引进非奇异对角矩阵
()0≠ii a ????
??????=nn a a D 00011 -
将A 分解成：,D D A A +-=要求b AX =的解，实质上就有,)(DX X D A AX +-=而D 是非奇异的，所以1-D 存在，,)(X A D AX DX -+=从而有,11b D AX D X --+=我们在这里不妨令,1A D I B --=b D g 1-=就得到jacobi 迭代格式：g BX X k k +=+1
（2）算法框图
]
（3）、算法程序
m 文件：
function x=jacobi(A,b,P,delta,n)
N=length(b); %返回矩阵b的最大长度
—
for k=1:n
for j=1:N
x(j)=(b(j)-A(j,[1:j-1,j+1:N])*P([1:j-1,j+1:N]))/A(j,j);
end
err=abs(norm(x'-P)); %求（x'-P）模的绝对值 P=x';
if(err break; end end … E=eye(N,N); %产生N行N列矩阵 D=diag(diag(A)); f=A*inv(D); %f是A乘D的逆矩阵 B=E-f; P x=x'; k,err B MATLAB代码： >> clear all A=[4，-1，1;4，-8，1;-2，1，5]; { b=[7，-21，15]'; P=[0,0,0]'; x=jacobi(A,b,P,1e-7,20) （4）、算法实现 用jacobi 迭代法求解方程组：?? ???=++--=+-=+-1552218474333231232221131211x x x x x x x x x 正常计算结果是2，3，4 ，下面是程序输出结果： … P = k = 17 err = B = @ x = 四、 实验体会 MATLAB 是非常实用的软件，能够避免大量计算，简化我们的工作，带来便捷。通过本次试验，我了解了MATLAB 软件，提高了解决实际问题的能力。 五、 参考文献 《科学计算与数学建模实验报告_Jacobi 迭代法求解线性方程组》 迭代法求解线性方程组的研究 【摘要】:本文总结了解线性方程组的三个迭代法，Jacobi 迭代法，Gauss-seidel 迭代法，SOR 迭代法，并且介绍了现代数值计算软件MATLAB 在这方面的应用，即分别给出三个迭代法的数值实验。 【关键字】:Jacobi 迭代法 Gauss-seidel 迭代法 SOR 迭代法 数值实验 一． 引言 迭代法是用某种极限过程去逐步逼近线性方程组精确解的方法，它是解高阶稀疏方程组的重 要方法。 迭代法的基本思想是用逐次逼近的方法求解线性方程组。 设有方程组 b Ax = …① 将其转化为等价的，便于迭代的形式 f Bx x += …② (这种转化总能实现，如令b f A I B =-=,), 并由此构造迭代公式 f Bx x k k +=+)() 1( …③ 式中B 称为迭代矩阵，f 称为迭代向量。对任意的初始向量) 0(x ，由式③可求得向量序列 ∞0)(}{k x ，若*) (lim x x k k =∞ →，则*x 就是方程①或方程②的解。此时迭代公式②是收敛的，否则称为发散的。构造的迭代公式③是否收敛，取决于迭代矩阵B 的性质。 本文介绍三种解线性方程组的最主要的三种迭代法：Jacobi 迭代法，Gauss-Seidel 迭代法和SOR 迭代法。本文结构如下：第二部分介绍Jacobi 迭代法及其数值实验，第三部分介绍Gauss-Seidel 迭代法及其数值实验，第四部分介绍SOR 迭代法及其数值实验，第五部分总结。 二． 雅克比（Jacobi ）迭代法 1. 雅克比迭代法的格式 设有方程组 ),,3,2,1(1 n i b x a j j n j ij ==∑= …① 矩阵形式为b Ax =,设系数矩阵A 为非奇异矩阵，且),,3,2,1(,0n i a ii =≠ 从式①中第i 个方程中解出x ，得其等价形式 )(1 1 1j n j j ij ii i x a b a x ∑≠=-= …② 取初始向量),,,() 0()0(2)0(1) 0(n x x x x =，对式②应用迭代法，可建立相应的迭代公式： )(11 1)() 1(∑≠=++-=n j j i k j ij ii k i b x a a x …③ 也可记为矩阵形式： J x J k F B x k +==) () 1( …④ 若将系数矩阵A 分解为A=D-L-U ，式中 ???? ? ? ? ??=nn a a a D 2211， ?? ? ?? ?? ? ??=--00 00121323121nn n n a a a a a a L ， ?? ? ??? ? ? ? ?=--00 00122311312n n n n a a a a a a D 。 则方程Ax=b 变为 b x U L D =--)( 得 b x U L Dx ++=)( 于是 b D x U L D x 1 1 )(--++= 解线性方程组的迭代法 1.rs里查森迭代法求线性方程组Ax=b的解 function[x,n]=rs(A,b,x0,eps,M) if(nargin==3) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值elseif(nargin==4) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-A)*x0+b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 2.crs里查森参数迭代法求线性方程组Ax=b的解 function[x,n]=crs(A,b,x0,w,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-w*A)*x0+w*b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 3.grs里查森迭代法求线性方程组Ax=b的解 function[x,n]=grs(A,b,x0,W,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1;%前后两次迭代结果误差 %迭代过程 while(tol>eps) x=(I-W*A)*x0+W*b;%迭代公式 n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 4.jacobi雅可比迭代法求线性方程组Ax=b的解 function[x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps=1.0e-6; M=200; elseif nargin<3 error return elseif nargin==5 M=varargin{1}; end D=diag(diag(A));%求A的对角矩阵 L=-tril(A,-1);%求A的下三角阵 姓名 实验报告成绩 评语： 指导教师（签名） 年 月 日 说明：指导教师评分后，实验报告交院（系）办公室保存。 实验一 方程求根 一、 实验目的 用各种方法求任意实函数方程0)(=x f 在自变量区间[a ，b]上，或某一点附近的实根。并比较方法的优劣。 二、 实验原理 (1)、二分法 对方程0)(=x f 在[a ，b]内求根。将所给区间二分，在分点 2a b x -=判断是否0)(=x f ；若是，则有根2a b x -=。否则，继续判断是否0)()( +)(0x f 0))(('0=-x x x f 设0)('0≠x f ,则=x -0x )(') (00x f x f 。取x 作为原方程新的近似根1x ，然后将1x 作为0x 代入上式。迭代公式为：=+1 k x -0x )(')(k k x f x f 。 三、 实验设备：MATLAB 软件 四、 结果预测 （1）11x = （2）5x = （3）2x =0,09052 五、 实验内容 （1）、在区间[0,1]上用二分法求方程0210=-+x e x 的近似根，要求误差不超 过3105.0-?。 （2）、取初值00=x ，用迭代公式=+1 k x -0x )(') (k k x f x f ，求方程0210=-+x e x 的近似根。要求误差不超过3105.0-?。 （3）、取初值00=x ，用牛顿迭代法求方程0210=-+x e x 的近似根。要求误差 不超过3105.0-?。 六、 实验步骤与实验程序 （1） 二分法 第一步：在MATLAB 软件，建立一个实现二分法的MATLAB 函数文件如下： function x=agui_bisect(fname,a,b,e) %fname 为函数名，a,b 为区间端点，e 为精度 fa=feval(fname,a); %把a 端点代入函数，求fa fb=feval(fname,b); %把b 端点代入函数，求fb if fa*fb>0 error('两端函数值为同号'); end 第五章 解线性方程组的迭代法 本章主要内容： 迭代法收敛定义，矩阵序列收敛定义，迭代法基本定理，雅可比迭代法，高斯-塞德尔迭代法，系数矩阵为严格对角占优阵的采用雅可比迭代、高斯-塞德尔迭代的收敛性。 教学目的及要求： 使学生了解迭代法收敛定义，迭代法基本定理，掌握雅可比迭代法、高斯-塞德尔迭代法。 教学重点： 雅可比迭代法，高斯-塞德尔迭代法。 教学难点： 迭代法基本定理的证明以及作用。 教学方法及手段： 应用严格的高等代数、数学分析知识，完整地证明迭代法基本定理，讲清雅可比迭代法与高斯-塞德尔迭代法的关系，介绍雅可比迭代法与高斯-塞德尔迭代法在编程中的具体实现方法。 在实验教学中，通过一个具体实例，让学生掌握雅可比迭代法与高斯-塞德尔迭代法的具体实现，并能通过数值计算实验，揭示高斯-塞德尔迭代法是对雅可比迭代法的一种改进这一事实。 教学时间： 本章的教学的讲授时间为6学时，实验学时4学时。 教学内容： 一 迭代法定义 对于给定的线性方程组x Bx f =+，设它有唯一解*x ，则 **x Bx f =+ (6.1) 又设(0)x 为任取的初始向量，按下述公式构造向量序列 (1)(),0,1,2,k k x Bx f k +=+=L (6.2) 这种逐步代入求近似解的方法称为迭代法（这里B 与f 与k 无关）。如果() lim k k x →∞ 存在 （记为*x ），称此迭代法收敛，显然*x 就是方程组的解，否则称此迭代法发散。 迭代法求方程近似解的关键是是讨论由(6.1)式所构造出来的向量序列() {} k x 是否收敛。为此，我们引入误差向量 (1)(1)*k k x x ε++=- 将(6.2)式与(6.1)式相减，我们可得 (1)*()*()k k x x B x x +-=- (1)(),0,1,2,k k B k εε+==L 递推下去，得 ()(1)2(2)(0)k k k k B B x B x εε--====L 实验五 解线性方程组的迭代法 【实验内容】 对1、设线性方程组 ?? ? ? ?? ? ? ?? ? ? ?? ? ? ??-=???????????????? ?????????????????? ? ?--------------------------211938134632312513682438100412029137264 2212341791110161035243120 536217758683233761624491131512 013012312240010563568 0000121324 10987654321x x x x x x x x x x ()T x 2,1,1,3,0,2,1,0,1,1*--= 2、设对称正定系数阵线性方程组 ?? ? ????? ??? ? ? ??---=????????????? ??????????????? ??---------------------4515229 23206019243360021411035204111443343104221812334161 2065381141402312122 00240424 87654321x x x x x x x x ()T x 2,0,1,1,2,0,1,1*--= 3、三对角形线性方程组 ?? ? ?? ? ????? ??? ? ? ??----=???????????????? ?????????????????? ??------------------5541412621357410000000014100000000141000000001410000000014100000000141000000001410000000014100000000 14100000000 1410987654321x x x x x x x x x x ()T x 1,1,0,3,2,1,0,3,1,2*---= 试分别选用Jacobi 迭代法，Gauss-Seidol 迭代法和SOR 方法计算其解。 【实验方法或步骤】 1、体会迭代法求解线性方程组，并能与消去法加以比较； 2、分别对不同精度要求，如54310,10,10---=ε由迭代次数体会该迭代法的收敛快慢； 3、对方程组2，3使用SOR 方法时，选取松弛因子ω=0.8，0.9，1，1.1，1.2等，试看对算法收敛性的影响，并能找出你所选用的松弛因子的最佳者； 4、给出各种算法的设计程序和计算结果。 程序： 用雅可比方法求的程序： function [x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps=1.0e-6; M=200; 求解线性方程组——超松弛迭代法 #include cout<<"输入松弛因子w (1 线性方程组的迭代法及程序实现 学校代码:11517 学号:200810111217 HENAN INSTITUTE OF ENGINEERING 毕业论文 题目线性方程组的迭代法及程序实现 学生姓名 专业班级 学号 系 (部)数理科学系 指导教师职称 完成时间 2012年5月20日河南工程学院 毕业设计(论文)任务书 题目:线性方程组的迭代法及程序实现专业:信息与计算科学学号 : 姓名一、主要内容: 通过本课题的研究,学会如何运用有限元方法来解决线性代数方程组问题,特别是Gaussie-Seidel迭代法和Jacobi迭代法来求解线性方程组。进一步学会迭代方法的数学思想,并对程序代码进行解析与改进,这对于我们以后学习和研究实际问题具有重要的意义。本课题运用所学的数学专业知识来研究,有助于我们进一步掌握大学数学方面的知识,特别是迭代方法。通过这个课题的研究,我进一步掌握了迭代方法的思想,以及程序的解析与改进,对于今后类似实际问题的解决具有重要的意义。 二、基本要求: 学会编写规范论文,独立自主完成。 运用所学知识发现问题并分析、解决。 3.通过对相关资料的收集、整理,最终形成一篇具有自己观点的学术论文,以期能对线性方程组迭代法的研究发展有一定的实践指导意义。 4.在毕业论文工作中强化英语、计算机应用能力。 完成期限: 2012年月指导教师签名:专业负责人签名: 年月日 目录 中文摘要....................................................................................Ⅰ英文摘要 (Ⅱ) 1 综述 1 2 经典迭代法概述 3 2.1 Jacobi迭代法 3 2.2 Gauss?Seidel迭代法 4 2.3 SOR(successive over relaxation)迭代法 4 2.4 SSOR迭代法 5 2.5 收敛性分析5 2. 6 数值试验 6 3 matlab实现的两个例题8 3.1 例1 迭代法的收敛速度8 3.2 例 2 SOR迭代法松弛因子的选取 12致谢16参考文献17附录19 作业六：分别编写用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组Ax=B的标准程序，并求下列方程组的解。 可取初始向量 X(0) =(0，0，0)’； 迭代终止条件||x(k+1)-x(k)||<=10e-6 （1） = （2） = Jacobi迭代法： 流程图 开 始 判断b中的最大值 有没有比误差大 给x赋初值 进行迭代 求出x，弱到100次还没到，警告不收 结束 程序 clear;clc; A=[8,-1,1;2,10,01;1,1,-5]; b=[1;4;3]; e=1e-6; x0=[0;0;0]'; n=length(A); x=zeros(n,1); k=0; r=max(abs(b)); while r>e for i=1:n d=A(i,i); if abs(d) 程序结果（1） （2） Gauss-Seidel迭代法： 程序 clear;clc; %A=[8,-1,1;2,10,01;1,1,-5]; %b=[1;4;3]; A=[5,2,1;-1,4,2;2,-3,10]; b=[-12;20;3]; m=size(A); if m(1)~=m(2) error('矩阵A不是方阵'); end n=length(b); %初始化 N=0;%迭代次数 L=zeros(n);%分解A=D+L+U,D是对角阵，L是下三角阵，U是上三角阵U=zeros(n); D=zeros(n); G=zeros(n);%G=-inv(D+L)*U d=zeros(n,1);%d=inv(D+L)*b x=zeros(n,1); for i=1:n%初始化L和U for j=1:n if i 迭代法实验报告 一． 实验目的：掌握迭代方法的用处 二． 实验环境：Cfree5.0 三． 实验时间：2013年6月20日 四． 实验地点：电子信息楼1201教室 五． 实验内容：运用编程实现迭代方法可以更好的解线性方程组，得到线性方程的解。 六． 实验理论依据： 高斯-赛德尔（Gauss-Seidel ）迭代公式 我们注意到在雅可比迭代法中并没有对新算出的分量11k x +，12k x +， ， 11k i x +-进行充分利用．不妨设想，在迭代收敛的条件下，我们把 (1)()()()11211331111(1)()()()22112332222(1)()()()1122,111()1(1(k k k k n n k k k k n n k k k k n n n n n n nn x a x a x a x b a x a x a x a x b a x a x a x a x b a +++--?=---+???=---+?????=---+?? 式中第一个方程算出的11k x +立即投入到第二个方程中，代替()1k x 进行计算，当12 k x +算出后代替()2k x 马上投入到第三个方程中计算，依次进行下去，这样也许会得到 更好的收敛效果．根据这种思路建立的一种新的迭代格式，我们称为高斯-赛德尔（Gauss-Seidel ）迭代公式， 高斯=赛德尔迭代法的分量形式： (1)()()()11211331111(1)(1)()()22112332222(1)(1)(1)(1)1122,111()1(1(k k k k n n k k k k n n k k k k n n n n n n nn x a x a x a x b a x a x a x a x b a x a x a x a x b a +++++++--?=---+???=---+?????=---+?? 高斯-赛德尔迭代法的矩阵形式： (1)(),(0,1,2,)k k x Bx f k +=+= 其中 1()B D L U -=- ，1()f D L b -=- B 称为高斯-赛德尔迭代矩阵，f 称为高斯-赛德尔迭代常量.. 七． 运行代码如下： #include"stdio.h" #include"math.h" int main() { bool pan1=true; int n,n1,n2=0,k=0; double num[100][100],L[100][100],U[100][100],x[100],y[100],num1=0,b[100],D[100][100],x1[200][200],x2[200][200]; printf("\n"); printf("*******************************高斯迭代法解如下********************************"); printf("输入要输入矩阵的阶数为(按Enter 输入矩阵数字)：");// 线性方程组的迭代求解 摘要 迭代法是一种逐次逼近方法，在使用迭代法解方程组时，其系数矩阵在计算过程中始终不变。它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令（或一定步骤）进行重复执行。迭代法具有循环的计算方法，方法简单，适宜解大型稀疏矩阵方程组 本文总结了解线性方程组的三个迭代法，Jacobi迭代法，Gauss-Seidel迭代法，SOR 迭代法，并且介绍了软件JA V A在这方面的应用。 关键词： Jacobi迭代法；Gauss-Seidel迭代法；SOR迭代法；计算 SOLUTION OF LINEAR EQUATIONS OF ITERATION WITH THE EXPERIMENTAL ABSTRACT Iteration is a kind of method to solve questions by step-by-step approximation. When we are getting the solution of linear equations by using iteration, the coefficient matrix is always staying the same in computation process. Computer could operate fastly so that it is suitable for operating again and again. Iteration is easy to operate to solve the large matrix equations by using a calculate method called circulation. This summary understanding of linear equations three kind of iteration, Jacobi iteration, Gauss-Seidel iteration, successive over relaxation method ,and introduce modern software JA V A in this respect. Key words:Jacobi iteration; Gauss-Seidel iteration; Successive Over Relaxation method ; calculating 实验三：用SOR 迭代法求解线性方程组 ?????? ? ??=??????? ????????? ??----------74.012.018.168.072.012.006.016.012.001.103.014.006.003.088.001.016.014.001.076.04321x x x x 取初始点T x )0,0,0,0()0(=，松弛因子05.1=ω，精度要求610-=ε。 1，建立SOR.m 函数文件，此函数文件可调用，程序源码如下： function [x,n]=SOR(A,b,x0,w,eps,M) if nargin==4 eps= 1.0e-6;%精度要求 M = 200; elseif nargin<4 error; return elseif nargin ==5 M = 200; 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 的下三角阵 U=-triu(A,1); %求A 的上三角阵 B=inv(D-L*w)*((1-w)*D+w*U); f=w*inv((D-L*w))*b; x=B*x0+f; n=1; %迭代次数 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 2，输入矩阵。并根据要求调用函数，运行结果如下图所示： 即经过7次迭代算出结果，且求得： 1.27151.28440.48581.2843x ?? ? ?= ? ??? Gauss-Seidel迭代法求解线性方程组 一． 问题描述 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。若每一次迭代充分利用当前最新的迭代值，即在计算第i 个分量 ) 1(+k i x 时，用最新分量 ) 1(1 +k x ， ???+) 1(2 k x ) 1(1 -+k i x 代替旧分量 ) (1 k x ， ???) (2 k x ) (1 -k i x ，可以起 到节省存储空间的作用。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U D L A --=，则b x =A 等价于b x =--U)D (L 则Gauss-Seidel 迭代过程 ) ()1()1(k k k Ux Lx b Dx ++=++ 故 ) ()1()(k k Ux b x L D +=-+ 若设1 )(--L D 存在，则 b L D Ux L D x k k 1)(1)1()()(--+-+-= 令 b L D f U L D G 11)()(---=-=， 则Gauss-Seidel 迭代公式的矩阵形式为 f Gx x k k +=+) () 1( 其迭代格式为 T n x x x x ) ()0()0(2)0(1)0(，，，???= (初始向量)， ) (1 1 1 1 1 )()1()1(∑∑-=-+=++--=i j i i j k j ij k j ij i ii i i x a x a b a x )210i 210(n k ???=???=，，，；，，， 或者 ?? ???--=???=???==?+=∑∑-=-+=+++) (1)210i 210(111 1)()1()1()()1(i j i i j k j ij k j ij i ii i i i k i k i x a x a b a x n k k x x x ，，，；，，， 三． 程序框图 用牛顿迭代法求非线性方程的根 一、 实验题目 求方程()013=--=x x x f 在5.1附近的根。 二、 实验引言 （1）实验目的 1. 用牛顿迭代法求解方程的根 2. 了解迭代法的原理 3. 改进和修缮迭代法 （2）实验意义 牛顿迭代法就是众多解非线性方程迭代法中比较普遍的一种，求解方便实用。 三、 算法设计 （1）基本原理 给定初始值0x ，ε为根的容许误差，η为()x f 的容许误差，N 为迭代次数的容许值。 1．如果()0='x f 或迭带次数大于N ，则算法失败，结束；否则执行2. 2．计算()() 0001x f x f x x '-=. 3．若ε<-21x x 或()η<1x f ，则输出1x ，程序结束；否则执行4. 4．令10x x =，转向1. （2）流程图 四、程序设计program nndd01 implicit none real,parameter::e=0.005 real,parameter::n=9 real::x1 real::x0=1.5 integer::k real,external::f,y do k=1,9 if (y(x0)==0) then write(*,*)"失败" else x1=x0-f(x0)/y(x0) if (abs(x1-x0) else x0=x1 end if end if end do end function f(x) implicit none real::f real::x f=x*x*x-x-1 return end function function y(x) implicit none real::y real::x y=3*x*x-1 return end function 五、求解结果 3 1.324718 4 1.324718 5 1.324718 6 1.324718 7 1.324718 8 1.324718 9 1.324718 六、算法评价及讨论 1.在求解在1.5处附近的根，不难发现在输入区间左端值为1时 需要迭代6次，而输入区间左端值为1.5时，却只要4次。初 第4章解线性方程组的迭代法 用迭代法求解线性方程组与第4章非线性方程求根的方法相似，对方程组进行等价变换，构造同解方程组(对可构造各种等价方程组， 如分解，可逆，则由得到)，以此构造迭代关系式 （4.1） 任取初始向量，代入迭代式中，经计算得到迭代序列。 若迭代序列收敛，设的极限为，对迭代式两边取极限 即是方程组的解，此时称迭代法收敛，否则称迭代法发散。我们将看到，不同于非线性方程的迭代方法，解线性方程组的迭代收敛与否完全决定于迭代矩阵的性质，与迭代初始值的选取无关。迭代法的优点是占有存储空间少，程序实现简单，尤其适用于大型稀疏矩阵；不尽人意之处是要面对判断迭代是否收敛和收敛速度的问题。 可以证明迭代矩阵的与谱半径是迭代收敛的充分必要条件，其中是矩阵的特征根。事实上，若为方程组的解，则有 再由迭代式可得到 由线性代数定理，的充分必要条件。 因此对迭代法(4.1)的收敛性有以下两个定理成立。 定理4.1迭代法收敛的充要条件是。 定理4.2迭代法收敛的充要条件是迭代矩阵的谱半径 因此，称谱半径小于1的矩阵为收敛矩阵。计算矩阵的谱半径，需要求解矩阵的特征值才能得到，通常这是较为繁重的工作。但是可以通过计算矩阵的范数等方法简化判断收敛的 工作。前面已经提到过，若||A||p矩阵的范数，则总有。因此，若，则必为收敛矩阵。计算矩阵的1范数和范数的方法比较简单，其中 于是，只要迭代矩阵满足或，就可以判断迭代序列 是收敛的。 要注意的是，当或时，可以有，因此不能判断迭代序列发散。 在计算中当相邻两次的向量误差的某种范数小于给定精度时，则停止迭代计算，视为方程组的近似解（有关范数的详细定义请看3.3节。） 4.1雅可比（Jacobi）迭代法 4.1.1 雅可比迭代格式 雅可比迭代计算 元线性方程组 （4.2） 写成矩阵形式为。若将式（4.2）中每个方程的留在方程左边，其余各项移到方程右边；方程两边除以则得到下列同解方程组： 记，构造迭代形式 迭代法解线性方程组作业 沈欢00986096 北京大学工学院，北京100871 2011年10月12日 摘要 由所给矩阵生成系数矩阵A和右端项b，分析系数矩阵A，并用Jacobi迭代法、GS迭代法、SOR(逐步松弛迭代法)解方程组Ax=b 1生成系数矩阵A、右端项b,并分析矩阵A 由文件”gr900900c rg.mm”得到了以.mm格式描述的系数矩阵A。A矩阵是900?900的大型稀 疏对称矩阵。于是，在matlaB中，使用”A=zeros(900,900)”语句生成900?900的零矩阵。再 按照.mm文件中的描述，分别对第i行、第j列的元素赋对应的值，就生成了系数矩阵A，并 将A存为.mat文件以便之后应用。 由于右端项是全为1的列向量，所以由语句”b=ones(900,1)”生成。 得到了矩阵A后，求其行列式，使用函数”det(A)”,求得结果为”Inf”,证明行列式太大，matlaB无法显示。由此证明，矩阵A可逆，线性方程组 Ax=b 有唯一解。 接着，判断A矩阵是否是对称矩阵(其实，这步是没有必要的，因为A矩阵本身是对称矩阵，是.mm格式中的矩阵按对称阵生成的)。如果A是对称矩阵，那么 A?A T=0 。于是，令B=A?A T,并对B求∞范数。结果显示： B ∞=0,所以，B是零矩阵，也就是：A是对称矩阵。 然后，求A的三个条件数： Cond(A)= A ? A?1 所求结果是，对应于1范数的条件数为：377.2334;对应于2范数的条件数为：194.5739;对应 于3范数的条件数为：377.2334; 1 从以上结果我们看出，A是可逆矩阵，但是A的条件数很大，所以，Ax=b有唯一解并且矩阵A相对不稳定。所以，我们可以用迭代方法来求解该线性方程组，但是由于A的条件数太大迭代次数一般而言会比较多。 2Jacobi迭代法 Jacobi迭代方法的程序流程图如图所示： 图1:Jacobi迭代方法程序流程图 在上述流程中，取x0=[1,1,...,1]T将精度设为accuracy=10?3，需要误差满足： error= x k+1?x k x k+1 数值分析实验五 班级： 10信计二班 学号：59 姓名：王志桃 分数： 一．实验名称 高斯-赛德尔迭代法解线性方程组 二．实验目的 1. 学会利用高斯赛德尔方法解线性方程组 2. 明白迭代法的原理 3. 对于大型稀疏矩阵方程组适用于迭代法比较简单 三．实验内容 利用Gauss-Seidel 迭代法求解下列方程组 ?????=++=-+=+-36123633111420238321 321321x x x x x x x x x ， 其中取→=0)0(x 。 四、算法描述 由Jacobi 迭代法中，每一次的迭代只用到前一次的迭代值，若每一次迭代充分利用当前最新的迭代值，即在计算第i 个分量)1(+k i x 时，用最新分量)1(1+k x ，???+)1(2k x )1(1-+k i x 代替旧分量)(1k x ，???)(2k x )(1-k i x ，就得到所谓解方程组的Gauss-Seidel 迭代法。 其迭代格式为 T n x x x x )()0()0(2)0(1)0(，，，???= (初始向量)， )(11111)()1( ) 1(∑∑-=-+=++--=i j i i j k j ij k j ij i ii i i x a x a b a x )210i 210(n k ???=???=，，，；，，， 或者写为 ?? ???--=???=???==?+=∑∑-=-+=+++)(1)210i 210(1111)( )1()1()()1(i j i i j k j ij k j ij i ii i i i k i k i x a x a b a x n k k x x x ，，，；，，， 五、 编码 #include 牛顿迭代法实验报告 1．功能 本程序采用牛顿法，求实系数高次代数方程 f(x)=a0x n+a1x n-1+…+a n-1x+a n=０（a n≠０）（1） 的在初始值x0附近的一个根。 2.使用说明 （1）函数语句 Y=NEWTON_1(A,N,X0,NN,EPS1) 调用M文件newton_1.m。 （2）参数说明 A n+1元素的一维实数组，输入参数，按升幂存放方程系数。 N整变量，输入参数，方程阶数。 X0 实变量，输入参数，初始迭代值。 NN整变量，输入参数，允许的最大迭代次数。 EPS1实变量，输入参数，控制根的精度。 3．方法简介 解非线性议程f(x)=0的牛顿法是把非线性方程线性化的一种近似方法。把f(x)在x0点附近展开成泰勒级数 f(x)=f(x0)+(x－x0)fˊ(x0)+(x－x0)2 !2) (0x f'' +… 取其线性部分，作为非线性方程f(x)=0的近似方程，则有 f(x0)+fˊ(x0)(x－x0)=0 设fˊ(x0)≠0则其解为 x1=x0－f(x0)/fˊ(x0) 再把f(x)在x1附近展开成泰勒级数，也取其线性部分作f(x)=0的近似方程。若f(x1)≠0，则得 x2=x1－f(x1)/fˊ(x1) 这样，得到牛顿法的一个迭代序列 x n+1=x n－f(x n)/fˊ(x n) 4．newton_1.m程序 function y=newton_1(a,n,x0,nn,eps1) x(1)=x0； b=1； i=1； while(abs(b)>eps1*x(i)) i=i+1； x(i)=x(i-1)-n_f(a,n,x(i-1))/n_df(a,n,x(i-1))； b=x(i)-x(i-1)； if(i>nn)error(ˊnn is fullˊ)； return； end end y=x(i)； i 5．程序附注 （1）程序中调用n_f.m和n_df.m文件。n_f.m是待求根的实数代数方程的函数,n_df.m 是方程一阶导数的函数。由使用者自己编写。 （2）牛顿迭代法的收敛速度：如果f(x)在零点附近存在连续的二阶微商，ξ是f(x)的一个重零点，且初始值x0充分接近于ξ，那么牛顿迭代是收敛的，其收敛速度是二阶的，即平方收敛速度。 6．例题 用牛顿法求下面方程的根 f(x)=x3+2x2+10x-20 7．运行结果 >>a=[1,2,10,-20] ； >>n=3； >>x0=1； >>nn=1000； >>eps1=1e-8； >>y=newton_1(a,n,x0,nn,eps1) 数值分析实验报告 0 a 12 K a 1,n 1 K a 2,n 1 U O M 则有： 第一步： Jacobi 迭代法 a 1n a 2n M , 则有： A D L U a n 1,n Ax b A A x D b L U (D L U)x b Dx (L U)x b x D (L U)x D b 令 J D (L U) 则称 J 为雅克比迭代矩阵 f D b 由此可得雅克比迭代的迭代格式如下： x (0) , 初始向量 x (k 1) Jx (k) f ,k 0,1,2,L 第二步 Gauss-Seidel 迭代法 Ax b (D L U )x b (D L)x Ux b x (D L) Ux (D L) b A D L U a 11 a 12 L a 1n a 11 A a 21 a 22 L a 2n a 22 M MM MO a n1 a n2 L a nn a 11 得到 D a 22 O a nn 由 a 21 0 M M O a n 1,1 a n 1,2 L 0 a nn a n1 a n2 L a n,n a 21 L M M O a n 1,1 a n 1,2 L a n1 a n2 L a n,n 1 a 12 K a 1,n 1 a 1n 0 K a 2,n 1 a 2n O M M a n 1,n 10 令 G (D L) U ，则称G 为Gauss-Seidel 迭代矩阵 f (D L) b 由此可得 Gauss-Seidel 迭代的迭代格式如下： x (0) , 初始向量 第三步 SOR 迭代法 w0 AD L U 1 ( D 1 wL ((1 w)D wU )) (D 1 wL) ((1 w)D wU ) w w w 令M w 1 (D wL), N 1 ((1 w)D wU )则有：A MN w w Ax b AM L W N M (M N )x b Mx Nx b x M Nx M b N M, 令W f Mb 带入 N 的值可有 L W ((1 w)D wU) (D wL) 1((1 w)D wU) (D wL) f 1 b w 1(D wL) 1b 1 (D wL) w 称 L W 为 SOR 迭代矩阵，由此可得 SOR 迭代的迭代格式如下： x (0) ,初始向量 二、算法程序 Jacobi 迭代法的 M 文件： function [y,n]=Jacobi(A,b,x0,eps) %************************************************* %函数名称 Jacobi 雅克比迭代函数 %参数解释 A 系数矩阵 % b 常数项 % x0 估计解向量 x (k 1) Gx (k) f ,k 0,1,2,L (k 1) f,k 0,1,2,L迭代法求解线性方程组的研究
MATLAB代码 解线性方程组的迭代法
MAAB计算方法迭代法牛顿法二分法实验报告
第六章解线性方程组的迭代法
常微分方程的解线性方程组的迭代法
求解线性方程组——超松弛迭代法(c)
线性方程组的迭代法及程序实现
数值分析5-用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组
迭代法实验报告
线性方程组的迭代求解java
SOR迭代法求解线性方程组
Gauss-Seidel迭代法求解线性方程组
牛顿迭代法实验报告
数值计算_第4章 解线性方程组的迭代法
迭代法解线性方程组
高斯-赛德尔迭代法解线性方程组精选.
牛顿迭代法的实验报告
实验解线性方程组的基本迭代法实验
- 求解线性方程组——超松弛迭代法(c)
- 解线性方程组的迭代法
- 迭代法求解线性方程组
- 解线性方程组的迭代法
- MATLAB代码 解线性方程组的迭代法
- 迭代法解线性方程组的矩阵分解解释
- 计算方法 5 解线性方程组的迭代法.
- matlab 解线性方程组的迭代法
- 迭代法求解线性方程组的研究
- 迭代法解线性方程组MATLAB编程实验报告
- 数值分析5-用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组
- 第6章解线性方程组的迭代法
- 解线性方程组的迭代法
- 第五章解线性方程组的迭代法
- G-S迭代法解线性方程组
- 迭代法解线性方程组
- 计算方法 解线性方程组的迭代法
- 计算方法 解线性方程组的迭代法
- 解线性方程组的迭代法
- 解线性方程组的迭代法