高斯赛德尔迭代c语言_超松弛迭代法（SOR）

一般而言，因雅可比迭代收敛速度不够快，所以在工程中应用不多。并且在雅可比迭代收敛速

度很慢的情况下，通常高斯-赛德尔方法也不会很快。我们可以对高斯-赛德尔方法做出一定的

修改，来提高收敛速度。本节，我们介绍超松弛迭代法。

下面我们对该算法进行收敛性分析：

这里我们解释一下什么叫严格对角占优矩阵：严格对角占优矩阵就是矩阵主对角线元素的的模

大于与他同行的其他元素的模的总和。

下面我们具体代码实现一下：

%超松弛（SOR）迭代法，计算线性方程组的解
function [x,k] = SOR_iteration(A,b,x0,w,tol)
% tol为输入误差容限，x0为迭代初始值

% 默认最多迭代300次，超出300次会给出警示
max = 300;

if(w<=0||w>=2)
    % MATLAB中error语句用于报错跳出，并可以给出相应提示
    error('错啦！w的值不符合要求');
    
    % 在MATLAB中遇到return的意思就是结束整个函数的执行，
    % break是仅仅跳出循环体
    return;
end

%  取出X矩阵的对角元，然后构建一个以X对角元为对角的对角矩阵
D = diag(diag(A));

% 求A的下三角矩阵,对角线元素为0，再每个矩阵元素取负号
L = -tril(A,-1);

% 求A的上三角矩阵，对角线元素为0，再每个矩阵元素取负号
U = -triu(A,1);

% 在MATLAB中inv是求矩阵的逆矩阵的意思，同具有一样的功能
B = inv(D-L*w)*((1-w)*D+w*U);
f = w*inv((D-L*w))*b;
x = B*x0+f;
k = 1;

while norm(x-x0)>=tol
    x0 = x;
    x = B*x0+f;
    k = k+1;
    if(k>=max)
        disp('迭代次数超过',max1,'次，方程组可能不收敛');
        return;
    end
    
    [k,x']
end

我们用超松弛迭代法求解一下下面的方程组：

在编辑界面输入如下命令：

A = [4,-2,-1;-2,4,-2;-1,-2,3];

% 注意必须加'表示转置
b = [0,-2,3]';
x0 = [1,1,1]';
[x,k] = SOR_iteration(A,b,x0,1.45,1e-6)

最后计算结果如下：