NA-PTA-NA Lab4 Jacobi迭代 与 Gauss-Seidel迭代

最新推荐文章于 2022-10-12 18:14:43 发布
最新推荐文章于 2022-10-12 18:14:43 发布
阅读量427 收藏 1
点赞数
分类专栏： 数值分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SydneyCarton_/article/details/115187907
版权
本文介绍了使用雅可比和高斯-塞德尔迭代方法来求解给定的n×n线性系统Ax=b的程序实现。在雅可比方法中，通过检查每行最大绝对值来交换非零元素到对角线位置。高斯-塞德尔方法则在迭代过程中考虑当前行的更新。函数返回值包括找到解的迭代次数、超过最大迭代次数、零列矩阵和未收敛情况。提供的样例程序展示了这两种方法的输出，并给出了不同的测试用例，包括无唯一解、未达到收敛和超出最大迭代次数的情况。
摘要由CSDN通过智能技术生成

Compare Methods of Jacobi with Gauss-Seidel
Use Jacobi and Gauss-Seidel methods to solve a given n×n linear system Ax=b​ with an initial approximation x​(0)​​ .

Note: When checking each a​ii​​ , first scan downward for the entry with maximum absolute value (a​ii​​ included). If that entry is non-zero, swap it to the diagonal. Otherwise if that entry is zero, scan upward for the entry with maximum absolute value. If that entry is non-zero, then add that row to the i-th row.

Format of functions:

int Jacobi( int n, double a[][MAX_SIZE], double b[], double x[], double TOL, int MAXN );

int Gauss_Seidel( int n, double a[][MAX_SIZE], double b[], double x[], double TOL, int MAXN );

在这里插入图片描述

The function must return:

  • k if there is a solution found after k iterations;
  • 0 if maximum number of iterations exceeded;
  • -1 if the matrix has a zero column and hence no unique solution exists;
  • -2 if there is no convergence, that is, there is an entry of x​(K) that is out of the range [-bound, bound] where bound is a constant defined by the judge.

Sample program of judge:

#include <stdio.h>
#include <math.h>

#define MAX_SIZE 10
#define bound pow(2, 127)
#define ZERO 1e-9 /* X is considered to be 0 if |X|<ZERO */

enum bool { false = 0, true = 1 };
#define bool enum bool

int Jacobi( int n, double a[][MAX_SIZE], double b[], double x[], double TOL, int MAXN );

int Gauss_Seidel( int n, double a[][MAX_SIZE], double b[], double x[], double TOL, int MAXN );

int main()
{
    int n, MAXN, i, j, k;
    double a[MAX_SIZE][MAX_SIZE], b[MAX_SIZE], x[MAX_SIZE];
    double TOL;

    scanf("%d", &n);
    for (i=0; i<n; i++) {
        for (j=0; j<n; j++)
            scanf("%lf", &a[i][j]);
        scanf("%lf", &b[i]);
    }
    scanf("%lf %d", &TOL, &MAXN);

    printf("Result of Jacobi method:\n");
    for ( i=0; i<n; i++ )
        x[i] = 0.0;
    k = Jacobi( n, a, b, x, TOL, MAXN );
    switch ( k ) {
        case -2:
            printf("No convergence.\n");
            break;
        case -1: 
            printf("Matrix has a zero column.  No unique solution exists.\n");
            break;
        case 0:
            printf("Maximum number of iterations exceeded.\n");
            break;
        default:
            printf("no_iteration = %d\n", k);
            for ( j=0; j<n; j++ )
                printf("%.8f\n", x[j]);
            break;
    }
    printf("Result of Gauss-Seidel method:\n");
    for ( i=0; i<n; i++ )
        x[i] = 0.0;
    k = Gauss_Seidel( n, a, b, x, TOL, MAXN );
    switch ( k ) {
        case -2:
            printf("No convergence.\n");
            break;
        case -1: 
            printf("Matrix has a zero column.  No unique solution exists.\n");
            break;
        case 0:
            printf("Maximum number of iterations exceeded.\n");
            break;
        default:
            printf("no_iteration = %d\n", k);
            for ( j=0; j<n; j++ )
                printf("%.8f\n", x[j]);
            break;
    }

    return 0;
}

/* Your function will be put here */

Sample Input 1:

3
2    -1    1    -1
2    2    2    4
-1    -1    2    -5
0.000000001 1000

Sample Output 1:

Result of Jacobi method:
No convergence.
Result of Gauss-Seidel method:
no_iteration = 37
1.00000000
2.00000000
-1.00000000

Sample Input 2:

3
1    2    -2    7
1    1    1    2
2    2    1    5
0.000000001 1000

Sample Output 2:

Result of Jacobi method:
no_iteration = 232
1.00000000
2.00000000
-1.00000000
Result of Gauss-Seidel method:
No convergence.

Sample Input 3:

5
2 1 0 0 0 1
1 2 1 0 0 1
0 1 2 1 0 1
0 0 1 2 1 1
0 0 0 1 2 1
0.000000001 100

Sample Output 3:

Result of Jacobi method:
Maximum number of iterations exceeded.
Result of Gauss-Seidel method:
no_iteration = 65
0.50000000
0.00000000
0.50000000
0.00000000
0.50000000

基本的Jacobi和Gauss-Seidel迭代的应用，分别如下：
在这里插入图片描述
注意在实际代码中不宜选择矩阵形式，因为计算很复杂。

My Answer:

/* Your function will be put here */
#define max(a,b) ((a)>(b)?(a):(b))
#include <stdlib.h>

bool ZeroConlumn(double a[][MAX_SIZE], int n)
{
	for (int j = 0; j < n; j++) {
		bool allzero = true;
		for (int i = 0; i < n; i++) {
			if (a[i][j] != 0) {
				allzero = false;
				break;
			}
		}
		if (allzero)return true;
	}
	return false;
}

bool NoConverge(double x[], int n)
{
	for (int i = 0; i < n; i++)
		if (x[i] > bound || x[i] < -bound) return true;
	return false;
}

void Swap(double a[], double b[], int n)
{
	double* t = (double*)malloc(n * sizeof(double));
	for (int i = 0; i < n; i++) {
		t[i] = a[i]; a[i] = b[i]; b[i] = t[i];
	}

}

double DiffNorm(double a[], double b[], int n)
{
	double m = 0.0;
	for (int i = 0; i < n; i++)
		m = max(m, fabs(a[i] - b[i]));
	return m;
}

int Jacobi(int n, double a[][MAX_SIZE], double b[], double x[], double TOL, int MAXN)
{
	if (ZeroConlumn(a, n))return -1;

	double* x1 = (double*)malloc(n * sizeof(double));
	double* x2 = (double*)malloc(n * sizeof(double));

	for (int i = 0; i < n; i++) x1[i] = x[i];

	int k;
	double sum;
	for (k = 0; k < MAXN; k++) {
		for (int i = 0; i < n; i++) {
			sum = 0;
			for (int j = 0; j < n; j++) {
				if (j == i)continue;
				sum += a[i][j] * x1[j];
			}
			x2[i] = (b[i] - sum) / a[i][i];
		}
		if (DiffNorm(x2, x1, n) < TOL) {						// find the solution
			for (int cnt = 0; cnt < n; cnt++) x[cnt] = x2[cnt];
			return k + 1;
		}
		if (NoConverge(x2, n))return -2;
		Swap(x1, x2, n);
	}
	if (NoConverge(x1, n))return -2;
	if (k == MAXN)return 0;
}

int Gauss_Seidel(int n, double a[][MAX_SIZE], double b[], double x[], double TOL, int MAXN)
{
	if (ZeroConlumn(a, n))return -1;

	double* x1 = (double*)malloc(n * sizeof(double));
	double* x2 = (double*)malloc(n * sizeof(double));

	for (int i = 0; i < n; i++) x1[i] = x[i];

	int k;
	double sum;
	for (k = 0; k < MAXN; k++) {
		for (int i = 0; i < n; i++) {
			sum = 0;
			for (int j = 0; j < n; j++)
			{
				if (j < i) sum += a[i][j] * x2[j];
				if (j > i) sum += a[i][j] * x1[j];
			}
			x2[i] = (b[i] - sum) / a[i][i];
		}
		if (DiffNorm(x2, x1, n) < TOL) {						// find the solution
			for (int cnt = 0; cnt < n; cnt++) x[cnt] = x2[cnt];
			return k + 1;
		}
		if (NoConverge(x2, n))return -2;
		Swap(x1, x2, n);
	}
	if (NoConverge(x1, n))return -2;
	if (k == MAXN)return 0;

}
SydneyCarton_
关注
专栏目录
Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组的根
05-08
《矩阵与数值分析》上机作业，采用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组的根。采用C语言编程，程序简单实用，有运行结果，修改方程组系数即可求解不同维数线性方程组的根。
6-4 Compare Methods of Jacobi with Gauss-Seidel (50分)
HGGshiwo的博客
11-03 1770
Use Jacobi and Gauss-Seidel methods to solve a given n×n linear system A ​x ​⃗ ​​ = ​b ​⃗ ​​ with an initial approximation ​x ​⃗ ​​ ​(0) ​​ . Note: When checking each a ​ii ​​ , first scan downward for the entry with maximum absolute value (a ​ii ​​ incl
Gauss–Seidel方法和Jacobi 方法
热门推荐
無名黑洞
10-20 1万+
Gauss–Seidelmethod 对应于形如Ax = b的方程（A为对称正定矩阵或者Diagonally dominant），可求解如下：         Jacobi method 另一种方法是Jacobimethod，它与Gauss–Seidelmethod类相似，但是要求A必须是Diagonally dominant。把A分解成D+U+L，仅求D的逆矩阵。 Dx = b
【源码】Gauss-Seidel与Jacobi方法仿真
weixin_42825609的博客
03-17 400
雅可比迭代法是求解对角占优线性方程组解的一种算法。 Jacobi iterative method is an algorithm for determining the solutions of a diagonally dominant system of linear equations. 对每个对角线元素进行求解，并插入一个近似值。 Each diagonal element is so...
Jacobi and Guass-Seidel Iteration Update
#+!
03-22 1806
Background     Iterative schemes require time to achieve sufficient accuracy and are reserved for large systems of equations where there are a majority of zero elements in the matrix. Often times t
数值计算大作业：Jacobi与Gauss -Seidel迭代求解线性方程组（Matlab实现）
qq_37262461的博客
10-12 4206
我把Jacobi与Gauss -Seidel迭代求解线性方程组的数值计算作业在MATLAB中编程实现。具体的程序详细标注后放在文章附录了，需要的同学自取。
Jacobi迭代算法_jacobi迭代_Jacobi迭代法_SOR迭代法_Gauss-Seidel迭代法_迭代法_
09-30
在本主题中，我们将详细探讨Jacobi迭代法、Gauss-Seidel迭代法以及SOR（Successive Over-Relaxation）迭代法这三种常见的迭代算法，并结合MATLAB语言进行实现。 1. Jacobi迭代法： Jacobi迭代法是由德国数学家Carl...
Jacobi 和 Gauss-Seidel 方法：用于求解线性方程组的迭代方法-matlab开发
05-29
Jacobi和Gauss-Seidel方法是两种迭代法，用于求解这些方程组，尤其适用于矩阵是稀疏的情况。这两种方法都是基于矩阵分解的思想，通过迭代的方式逐步逼近线性方程组的解。 **1. Jacobi方法** Jacobi方法源于离散微分...
MATLAB实现Jacobi 迭代法，Gauss-Seidel 迭代法，逐次超松弛迭代法，共轭梯度法
03-18
求解线性⽅方程组 Ax=b，其中 A 为 ...比较 Jacobi 迭代法、Gauss-Seidel 迭代法、逐次超松弛迭代法、 共轭梯度法与高斯消去法、列主元消去法的计算时间。改变逐次超松弛迭代法的松弛因⼦， 分析其对收敛速度的影响。
Jacobi迭代法求解线性方程组以及Gauss-Seidel迭代法求解线性方程组的程序
10-17
本文将详细讨论两种常用的迭代法：雅可比迭代法（Jacobi Iteration）和高斯-赛德尔迭代法（Gauss-Seidel Iteration），并以C语言实现为例进行讲解。 **雅可比迭代法**是求解线性方程组的一种迭代方法，适用于对角占...
使用迭代法（雅可比Jacobi与高斯-赛德尔Gausss-Seidel迭代法）和直接求解法（消元法）求解线性方程组（C++）
Huanyuaner的博客
10-27 3750
分别使用迭代法（Jacobi与Gausss-Seidel迭代法）和直接求解法（消元法）求解线性方程组： 要求：使误差不超过。
数值分析(NA)PTA题解索引
HGGshiwo的博客
12-13 2777
完结撒花！ emmm,虽然我做的时候也磕磕绊绊，网上到处搜题解，但是想着还是把自己所思所想以及一些经历记录下来。 如果对大家有帮助那最好了。如果没有的话，就当我自娱自乐吧。 分享一句话哦：我从地狱而来，梦想天堂，正路过人间。 想着生活太难了的时候，咬咬牙再坚持一下吧，想着可能会好起来的，说不定真的就好起来了呀。 索引 6-1 Numerical Summation of a Series (40) 6-2 Root of a Polynomial (50分) 6-3 There is No Free L.
Jacobi迭代法 Gauss-Seidel迭代法
porly的专栏
08-17 8202
按照算法(Jacobi迭代法)编写Matlab程序(Jacobi.m) function [x, k, index]=Jacobi(A, b, ep, it_max) % 求解线性方程组的Jacobi迭代法，其中 %   A --- 方程组的系数矩阵 %   b --- 方程组的右端项 %   ep --- 精度要求。省缺为1e-5 %   it_max --- 最大迭代次数，省缺为1
机器学习算法（四） 支持向量机
fyh1420的博客
02-28 341
一、介绍 1、SVM （分类算法） （1）分类的决策边界称为超平面，在超平面一侧的所有数据属于某一类，在另一侧的所有数据属于另一类。 （2）希望找到离超平面最近的点，确保它们离超平面的距离尽可能的远。这里点到超平面的距离被称为间隔（margin）。 （3）支持向量（support vector）就是指离分隔超平面最近的那些点。 2、SVM分类：线性SVM、非线性SVM （1）在线性支持...
[NA]Lab4:雅可比迭代与高斯塞德尔迭代的比较
qq_32096491的博客
10-19 3191
任务概述分别用雅可比迭代算法和高斯塞德尔算法求解给定的线性方程组Ax⃗ =b⃗ A\vec{x}=\vec{b} 函数接口定义：int Jacobi( int n, double a[][MAX_SIZE], double b[], double x[], double TOL, int MAXN );int Gauss_Seidel( int n, double a[][MAX_SIZE], d
[NA]Lab5:反幂法求矩阵特征根
qq_32096491的博客
10-24 1325
任务概述 给定一个n*n矩阵A以及A的某一个特征根的近似值p，从一个给定向量x⃗ (0){\vec{x}}^{(0)}出发，求该特征根的高精度近似值，并且求出其对应的无穷范数下的单位特征向量。 函数接口定义： int EigenV(int n, double a[][MAX_SIZE], double *lambda, double v[], double TOL, int MAXN);
comparable 与comparator的区别？
jercy的专栏
10-26 888
comparable 与comparator的区别？（这是这两天接的一个帖子，整理一下） Comparable & Comparator 都是用来实现集合中的排序的， 只是 Comparable 是在集合内部定义的方法实现的排序， Comparator 是在集合外部实现的排序， 所以，如想实现排序，就需要在集合外定义 Comparator 接口的方法或在集合内实现 Comparable
Matlab中的Jacobi与Gauss-Seidel迭代法实现及应用
Gauss-Seidel迭代法与Jacobi迭代法类似，但不同之处在于每次迭代时，新的估计值会立即用于下一个元素的计算，而不是等到所有元素都更新后再使用。换句话说，Gauss-Seidel方法在计算新解向量的元素时，使用的是前一个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值