雅可比(Jacobi)迭代法的MATLAB代码

雅可比(Jacobi)迭代法的MATLAB代码

数值分析学习（四）

一、迭代原理

考虑线性方程组Ax = b时，A为可逆矩阵，当A的主对角线元素不为0时，A可写为：

A=D+L+U，D,L,U可写为：
$$D=\left[\begin{array}{cccc}{a}_{11}& 0& \dots & 0\\ 0& a_{22}& \dots & 0\\ \dots & \dots & \dots & \dots \\ 0& 0& \dots & a_{nn}\end{array}\right]L=\left[\begin{array}{cccc}0& 0& \dots & 0\\ a_{21}& 0& \dots & 0\\ \dots & \dots & \dots & \dots \\ a_{n1}& a_{n2}& \dots & 0\end{array}\right]U=\left[\begin{array}{cccc}0& a_{12}& \dots & a_{1n}\\ 0& 0& \dots & a_{2n}\\ \dots & \dots & \dots & \dots \\ 0& 0& \dots & 0\end{array}\right]$$

故将L，U移到左边，可得：

$$\begin{gathered} x_i=\frac{1}{a_{ii}}\left[b_i-\sum _{j=1j\ne i}^n{a}_{ij}{x}_j\right],i=1,2\dots n \\ 即x=Bx+f,其中B=I-D^{-1}A=-D^{-1}(L+U) \\ 故可以迭代X^{(k+1)}=B{x}^{(k)}+f \end{gathered}$$

二、迭代收敛性

如果${\lim }_{n\to +\infty }{x}^{(n)}$存在，则迭代法收敛；否则，迭代法不收敛。

三、算法分析

$1、$将矩阵解写为上述形式；
$2、$给定迭代准确度（即误差）与迭代初值；
$3、$逐次迭代.

四、MATLAB代码

function [x,j] = Jacobi(A,b)
  %% A为n×n矩阵
  %% b为n维列向量
  %% x为输出解
  %% j为迭代次数
   n = length(b);
   D = zeros(n,n);
   D = sparse(diag(diag(A)));
   Dinv = sparse(diag(1./diag(A)));

   B = Dinv*(D-A);
   f = Dinv*b;

   TOL = 1.0e-3;
   Max_iter = 1000;
   error = 1;

   j = 0;
   x0 = [0;0;0];
   while error>TOL && j<Max_iter
     xk = B*x0+f;
     error = norm(xk-x0,inf);
     x0=xk;
     j=j+1;
   end
   x=xk;
   j;
end