简单迭代法求解线性方程组(附C++)

首先了解一下什么事简单迭代法:

        简单迭代法,也称为雅可比迭代法,是一种用于求解线性方程组的迭代方法。其基本思想是通过不断迭代更新一个初始解向量,直到解向量收敛到方程组的解。

在代码中,简单迭代法的实现步骤如下:

初始化解向量: 在迭代过程中,需要一个初始的解向量,通常可以初始化为全0向量。

进行迭代: 在每次迭代中,通过对每个方程进行计算,更新解向量的值。

计算误差: 在每次迭代中,计算当前解向量与上一次迭代得到的解向量之间的差,以判断迭代是否收敛。

判断收敛: 如果误差足够小,即解向量的变化小于设定的阈值(EPSILON),则认为迭代已经收敛,退出迭代。

简单迭代法的迭代公式如下:

[ x_i^{(k+1)} = \frac{b_i - \sum_{j \neq i} a_{ij} x_j^{(k)}}{a_{ii}} ]

其中,( x_i^{(k)} ) 表示第 ( k ) 次迭代中解向量的第 ( i ) 个分量的值,( a_{ij} ) 是系数矩阵 ( A ) 中第 ( i ) 行第 ( j ) 列的元素,( b_i ) 是右端向量 ( b ) 中的第 ( i ) 个分量的值。

在每次迭代中,通过这个公式可以计算出新的解向量中每个分量的值。不断迭代直到满足收敛条件。

下面是简单迭代法求解n元一次线性方程组的C++代码:

#include <iostream>
#include <vector>
#include <cmath>

using namespace std;

// 定义一个常量,表示迭代的最大次数
const int MAX_ITERATIONS = 100;

// 定义一个较小的数,作为迭代收敛的判断标准 1乘以10的负6次方,即0.000001
const double EPSILON = 1e-6;

// 简单迭代法求解n元一次线性方程组
vector<double> solveLinearEquations(vector<vector<double>>& A, vector<double>& b) {
    int n = A.size();
    vector<double> x(n, 0); // 初始化解向量为全0

    // 进行迭代
    for (int iter = 0; iter < MAX_ITERATIONS; ++iter) {
        vector<double> x_new(n, 0); // 保存迭代后的新解向量
        double max_error = 0; // 保存本次迭代中的最大误差

        // 对每个方程进行迭代
        for (int i = 0; i < n; ++i) {
            double sum = 0;
            for (int j = 0; j < n; ++j) {
                if (i != j) {
                    sum += A[i][j] * x[j];
                }
            }
            // 计算新的解向量中第i个分量的值
            x_new[i] = (b[i] - sum) / A[i][i];

            // 计算本次迭代中的最大误差
            max_error = max(max_error, abs(x_new[i] - x[i]));
        }

        // 更新解向量
        x = x_new;
        
        // 每一轮迭代结果
        cout << "第" << iter + 1 << "轮迭代结果:";
        for (int i = 0; i < x.size(); i++) {
            cout << "x"<< i+1 << "=" << x[i] << "\t";
        }
        cout << endl;
        // 如果误差足够小,则认为迭代已经收敛,退出迭代
        // cout << "误差数:" << max_error << endl;
        if (max_error < EPSILON) {
            break;
        }
    }

    return x;
}

int main() {
    // 示例方程组:
    // 2x + y = 5
    // x + 3y = 9

    int a = 1; // 循环结束标识 
    while (a == 1) {
       // int N; // 定义迭代次数N  
        // cout << "请输入迭代次数N" << endl;
        // cin >> N;
        int n; // 系数矩阵的阶数 
        cout << "请输入系数矩阵的阶数n" << endl;
        cin >> n;

        // 系数矩阵A
        vector<vector<double>> A(n, vector<double>(n));  // 给定vector大小
        // 常数项矩阵b
        vector<double> b; // 动态大小

        for (int i = 0; i < n; i++) {
            cout << "请依次输入系数矩阵A第" << i+1 << "行系数" << endl;
            for (int j = 0; j < n; j++) {
                cout << "Enter value for A[" << i << "][" << j << "]: ";
                cin >> A[i][j];
            }
        }
        // 输出以验证输入
        for (int i = 0; i < n; ++i) {
            for (int j = 0; j < n; ++j) {
                cout << A[i][j] << ' ';
            }
            cout << endl;
        }
        double ib; // 输入矩阵b的值
        cout << "对应的常数矩阵b(空格隔开):" << endl;
        for (int j = 0; j < n; j++) {
            cin >> ib;
            // 动态大小用push_back 赋值, b[j]=ib这种方式存在错误
            b.push_back(ib);
        }

        // 求解线性方程组
        printf("-----------------------开始迭代---------------------\n");
        vector<double> solution = solveLinearEquations(A, b);

        // 输出解向量
        printf("-----------------------最终结果---------------------\n");
        // cout << "最终结果:" << endl;
        for (int i = 0; i < solution.size(); ++i) {
            cout << "x" << i + 1 << " = " << solution[i] << endl;
        }
        
        printf("是否继续(1继续 0结束):");
        cin >> a;
    }
    
    
    return 0;
}

下面是测试和输出:

请输入系数矩阵的阶数n
2
请依次输入系数矩阵A第1行系数
Enter value for A[0][0]: 2
Enter value for A[0][1]: 1
请依次输入系数矩阵A第2行系数
Enter value for A[1][0]: 1
Enter value for A[1][1]: 3
2 1
1 3
对应的常数矩阵b(空格隔开):
5 9
-----------------------开始迭代---------------------
第1轮迭代结果:x1=2.5   x2=3
第2轮迭代结果:x1=1     x2=2.16667
第3轮迭代结果:x1=1.41667       x2=2.66667
第4轮迭代结果:x1=1.16667       x2=2.52778
第5轮迭代结果:x1=1.23611       x2=2.61111
第6轮迭代结果:x1=1.19444       x2=2.58796
第7轮迭代结果:x1=1.20602       x2=2.60185
第8轮迭代结果:x1=1.19907       x2=2.59799
第9轮迭代结果:x1=1.201 x2=2.60031
第10轮迭代结果:x1=1.19985      x2=2.59967
第11轮迭代结果:x1=1.20017      x2=2.60005
第12轮迭代结果:x1=1.19997      x2=2.59994
第13轮迭代结果:x1=1.20003      x2=2.60001
第14轮迭代结果:x1=1.2  x2=2.59999
第15轮迭代结果:x1=1.2  x2=2.6
第16轮迭代结果:x1=1.2  x2=2.6
第17轮迭代结果:x1=1.2  x2=2.6
第18轮迭代结果:x1=1.2  x2=2.6
-----------------------最终结果---------------------
x1 = 1.2
x2 = 2.6
是否继续(1继续 0结束):0

  • 13
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用迭代法求解线性方程组的C语言代码: ```c #include <stdio.h> #include <stdlib.h> #include <math.h> #define N 3 void gauss_seidel(double a[N][N], double b[N], double x[N], int max_iter, double tol) { int iter = 0; double error = 0.0, sum = 0.0; double x_new[N]; while (iter < max_iter) { for (int i = 0; i < N; i++) { sum = 0.0; for (int j = 0; j < N; j++) { if (j != i) { sum += a[i][j] * x[j]; } } x_new[i] = (b[i] - sum) / a[i][i]; } error = fabs(x_new[0] - x[0]); for (int i = 0; i < N; i++) { error = fmax(error, fabs(x_new[i] - x[i])); x[i] = x_new[i]; } if (error < tol) { printf("Converged after %d iterations\n", iter + 1); return; } iter++; } printf("Failed to converge after %d iterations\n", max_iter); } int main() { double a[N][N] = {{4.0, 1.0, -1.0}, {2.0, 7.0, 1.0}, {1.0, -3.0, 12.0}}; double b[N] = {3.0, -5.0, 14.0}; double x[N] = {0.0, 0.0, 0.0}; int max_iter = 1000; double tol = 1e-6; gauss_seidel(a, b, x, max_iter, tol); for (int i = 0; i < N; i++) { printf("x[%d] = %g\n", i, x[i]); } return 0; } ``` 其中,`a`是系数矩阵,`b`是常数向量,`x`是待求解的未知向量。`max_iter`是最大迭代次数,`tol`是容差。在函数`gauss_seidel`中,使用了高斯-塞德尔迭代法求解线性方程组。循环中,每次更新`x_new`后,计算当前解的误差,如果误差小于容差,则认为已经收敛,函数返回。如果迭代次数达到最大值,但仍未收敛,则函数返回。最后在`main`函数中,给定系数矩阵、常数向量、初始解、最大迭代次数和容差,调用`gauss_seidel`函数求解线性方程组,并输出结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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