数学实验“线性方程组的J迭代,GS迭代,SOR迭代解法”实验报告(内含matlab程序代码),线性方程组的迭代解法,sor迭代法matlab,迭代法求解线性方程组,迭代法解线性方程组,线性方程组迭代法,迭代法解非线性方程,非线性方程迭代法,matlab解线性方程组,matlab求解线性方程组
西京学院数学软件实验任务书
课程名称数学软件实验班级数0901学号0912020107姓名李亚强实验课题线性方程组的J-迭代,GS-迭代,SOR-迭代方法。实验目的
熟悉线性方程组的J-迭代,GS-迭代,SOR-迭代方法。实验要求运用Matlab/C/C++/Java/Maple/Mathematica等其中一种语言完成。实验内容线性方程组的J-迭代;
线性方程组的GS-迭代;
线性方程组的SOR-迭代。
成绩教师实验四实验报告
实验名称:线性方程组的J-迭代,GS-迭代,SOR-迭代。
实验目的:熟悉线性方程组的J-迭代,GS-迭代,SOR-迭代,SSOR-迭代方法,编程实现雅可比方法和高斯-赛德尔方法求解非线性方程组的根,提高matlab编程能力。
实验要求:已知线性方程矩阵,利用迭代思想编程求解线性方程组的解。
实验原理:
1、雅可比迭代法(J-迭代法):
线性方程组,可以转变为:
迭代公式
其中,称为求解的雅可比迭代法的迭代矩阵。以下给出雅可比迭代的分量计算公式,令,由雅可比迭代公式有
,既有,于是,解的雅可比迭代法的计算公式为
高斯-赛德尔迭代法(GS-迭代法):
GS-迭代法可以看作是雅可比迭代法的一种改进,给出了迭代公式:
其余部分与雅克比迭代类似。
逐次超松弛迭代法(SOR-迭代法):
选取矩阵A的下三角矩阵分量并赋予参数w,将之作为分裂矩阵M,,其中,w>0,为可选择的松弛因子,又(1)公式构造一个迭代法,其迭代矩阵为从而得到解的逐次超松弛迭代法。
其中:
由此,解的SOR-迭代法的计算公式为
(2)
观察(2)式,可得结论:
、当w=1时,SOR-迭代法为J-迭代法。
、当w>1时,称为超松弛迭代法,当w<1时,称为低松弛迭代法。
实验内容:
%1.J-迭代
function x1=jacobi(A,b,y);
m=input('请输入迭代次数m:');
eps=input('请输入精度eps:');
D=diag(diag(A));
L=triu(A)-A;
U=tril(A)-A;
M=D\(L+U);
g=D\b;
a=1;
k=0;
while a>eps
x2=M*x1+g;
a=norm(x2-x1,inf);
x1=x2;
k=k+1;
end
%输出方程组的近似解、精确值及误差
disp('近似解:');
disp(x1);
x2=x1-y;
a=norm(x2,inf);
fprintf('误差:%.6f;迭代次数:%d\n',a,k);
%2.GS-迭代
function x1=G_S(A,b,y)
n=100;
m=input('请输入迭代次数m:');
eps=input('请输入精度eps:');
D=diag(diag(A));
L=triu(A)-A;
U=tril(A)-A;
%生成矩阵M,向量g
M=(D-L)\U;
g=(D-L)\b;
%迭代首项
x1=eye(n-1,1);
x2=eye(n-1,1);
for i=1:n-1
x1(i)=1;
x2(i)=0;
end
a=1;
k=0;
while a>eps
x2=M*x1+g;
a=norm(x2-x1,inf);
x1=x2;
k=k+1;
end
%输出方程组的近似解、精确值及误差
disp('近似解:');
x2=x1-y;
a=norm(x2,inf);
fprintf('误差:%.4f;迭代次数:%d\n',a,k);
%3.SOR-迭代
function a=p(A)
[n,n]=size(A);
x=eig(A);
a=0;
for i=1:n
b=abs(x(i));
if b>a
a=x(i);
end
end
a=abs(a);
function x1=SOR(A,b,y) %y为精确解
%超松弛迭代
D=diag(diag(A));
L=triu(A)-A;
U=tril(A)-A;
%求最佳松弛因子w
M=D\(L+U);
w=p(M);
w=2/(1+sqrt(1-w^2));
if w<0||w>2
disp('迭代不收敛');
return;
end
%生成矩阵M,向量g
M=(D-w*L)\((1-w)*D+w*U);
g=(D-w*L)\b*w;
%进行迭代
w=1;
k=0;
%x1=eye(n,1);
while w>1e-6
x2=M*x1+g;
w=norm(x2-x1,inf);
x1=x2;
k=k+1;
end
%输出