雅可比迭代法v.s.高斯-赛德尔迭代的C语言实现(数值分析经典算法)

本文介绍了雅可比迭代和高斯-塞德尔迭代法的基本理论,并提供了C语言实现这两种算法的接口定义和思路。在雅可比算法的实现中,详细解释了矩阵调整、迭代过程以及收敛判断的步骤。同时,文章指出高斯-塞德尔迭代法的实现与其相似。
摘要由CSDN通过智能技术生成

算法理论

求解给定线性方程组: A x ⃗ = b ⃗ A\vec{x}=\vec{b} Ax =b
核心思想: A x ⃗ = b ⃗ → x ⃗ ( k + 1 ) = B x ⃗ ( k ) + f A\vec{x}=\vec{b} \to \vec{x}^{(k+1)}=B\vec{x}^{(k)}+f Ax =b x (k+1)=Bx (k)+f,其中 x ⃗ ( 0 ) \vec{x}^{(0)} x (0)为初始向量。

雅可比迭代

  • 雅可比迭代公式为:
    a i i x i ( k + 1 ) = − ∑ j = 1 i − 1 a i j x j ( k ) − ∑ j = i + 1 n a i j x j ( k ) + b i a_{ii}x_i^{(k+1)}=-\sum_{j=1}^{i-1}a_{ij}x_j^{\red{(k)}}-\sum_{j=i+1}^na_{ij}x_j^{(k)}+b_i aiixi(k+1)=j=1i1aijxj(k)j=i+1naijxj(k)+bi
    其中 i = 1 , 2 , ⋯   , n i=1,2,\cdots,n i=1,2,,n
  • 雅可比迭代法的计算公式为:
    x ⃗ ( 0 ) = ( x 1 ( 0 ) , x 2 ( 0 ) , ⋯   , x n ( 0 ) ) ⊤ \vec{x}^{(0)}=(x_1^{(0)},x_2^{(0)},\cdots,x_n^{(0)})^\top x (0)=
评论 8
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