matlab迭代的收敛性,《matlab 解线性方程组的迭代法》.ppt

科学计算与MATLAB 主讲：唐建国 中南大学材料科学与工程学院 2013 第十讲　解线性方程组的迭代解法 内容提要 引言 简单迭代法 赛得尔迭代法 迭代解法的收敛性 MATLAB的线性方程组求解函数2 小结 小 结 线性方程组求根方法的几何意义 线性方程组求根函数的理解与应用 谢 谢 ！ * * * * * * * * * * * * * 根据给定方程组，设计出一个迭代公式，构造一数组的序列 ，代入迭代公式，计算出 ，再代入迭代公式，经过k次迭代运算后得到 ，若 收敛于某一极限数组xi，则xi就是方程组的近似解。 迭代过程本质上就是计算极限的过程，一般不能得到精确解。 迭代法的优点是程序简单，适合于大型方程组求解，但缺点是要判断迭代是否收敛和收敛速度问题。 雅可比(Jacobi(1804-1851))迭代法(简单迭代法) 赛得尔 (Seidel (1821 - 1896))迭代法 迭代解法的基本思想 1、引言 设线性代数方程组为 2、简单迭代法 展开为 若对角元素 逐一变量分离得方程组 即 此即为迭代公式 简单迭代解法的过程如下： 1 设定一组初值 第i个变量 第k次迭代 2 第一次迭代： 得到 3 第二次迭代： 得到 4 同样做法，得到第k+1次迭代： 迭代次数k的取值与精度要求有关，按下式判断： 若满足则停止迭代 为了便于编程，迭代公式可改写为： MATLAB程序设计 function [x,n]=richason(A,b,x0,eps,M) if(nargin == 3) eps = 1.0e-6; M = 200; elseif(nargin == 4) M = 200; End I =eye(size(A)); x1=x0; x=(I-A)*x0+b; n=1; 。。。。。。 while(norm(x-x1)>eps) x1=x; x=(I-A)*x1+b; n = n + 1; if(n>=M) disp('Warning: 迭代次数太多，现在退出！'); return; end end 例：求解方程组 clear all; A =[ 1.0170 -0.0092 0.0095; -0.0092 0.9903 0.0136; 0.0095 0.0136 0.9898]; b=[1 0 1]'; x0 = [0 0 0]'; [x,n]=richason(A,b,x0) x = 0.9739 -0.0047 1.0010 n = 5 赛得尔迭代法与简单迭代法类似，只是迭代公式有所改进。 3、赛得尔迭代法 简单迭代法 赛得尔迭代法 MATLAB程序设计 function [x,n]=gauseidel(A,b,x0,eps,M) if nargin==3 eps= 1.0e-6; M = 200; elseif nargin == 4 M = 200; elseif nargin<3 error return; end D=diag(diag(A)); %求A的对角矩阵 L=-tril(A,-1); %求A的下三角阵 U=-triu(A,1); %求A的上三角阵 。。。。。。 G=(D-L)\U; f=(D-L)\b; x=G*x0+f; n=1; %迭代次数 while norm(x-x0)>=eps x0=x; x=G*x0+f; n=n+1; if(n>=M) disp('Warning: 迭代次数太多，可能不收敛！'); return; end end 例：线性代数方程组的迭代解法----赛得尔迭代法 clear all; A = [9 53 381; 53 381 3017; 381 3017 25317]; b=[76 489 3547]'; x0=zeros(3,1); [x,n]=gauseidel(A,b,x0,1e-4,10) Warning: 迭代次数太多，可能不收敛！ x = -0.8037 3.3330 -0.2450 n = 200 迭代解法的前提条件是迭代解出的近似解序列必须具有收