第4章解线性方程组的迭代法
用迭代法求解线性方程组与第4章非线性方程求根的方法相似，对方程组进行等价变换，构造同解方程组(对可构造各种等价方程组，
如分解，可逆，则由得到)，以此构造迭代关系式
（4.1）
任取初始向量，代入迭代式中，经计算得到迭代序列。
若迭代序列收敛，设的极限为，对迭代式两边取极限
即是方程组的解，此时称迭代法收敛，否则称迭代法发散。我们将看到，不同于非线性方程的迭代方法，解线性方程组的迭代收敛与否完全决定于迭代矩阵的性质，与迭代初始值的选取无关。迭代法的优点是占有存储空间少，程序实现简单，尤其适用于大型稀疏矩阵；不尽人意之处是要面对判断迭代是否收敛和收敛速度的问题。
可以证明迭代矩阵的与谱半径是迭代收敛的充分必要条件，其中是矩阵的特征根。事实上，若为方程组的解，则有
再由迭代式可得到
由线性代数定理，的充分必要条件。
因此对迭代法(4.1)的收敛性有以下两个定理成立。
定理4.1迭代法收敛的充要条件是。
定理4.2迭代法收敛的充要条件是迭代矩阵的谱半径
因此，称谱半径小于1的矩阵为收敛矩阵。计算矩阵的谱半径，需要求解矩阵的特征值才能得到，通常这是较为繁重的工作。但是可以通过计算矩阵的范数等方法简化判断收敛的
工作。前面已经提到过，若||A||p矩阵的范数，则总有。因此，若，则必为收敛矩阵。计算矩阵的1范数和范数的方法比较简单，其中
于是，只要迭代矩阵满足或，就可以判断迭代序列
是收敛的。
要注意的是，当或时，可以有，因此不能判断迭代序列发散。
在计算中当相邻两次的向量误差的某种范数小于给定精度时，则停止迭代计算，视为方程组的近似解（有关范数的详细定义请看3.3节。）
4.1雅可比（Jacobi）迭代法
4.1.1 雅可比迭代格式
雅可比迭代计算
元线性方程组
（4.2）
写成矩阵形式为。若将式（4.2）中每个方程的留在方程左边，其余各项移到方程右边；方程两边除以则得到下列同解方程组：
记，构造迭代形式
或
（4.3）
迭代计算式（4.3）称为简单迭代或雅可比迭代。任取初始向量，由式（4.3）可得到迭代向量序列
雅可比迭代矩阵
设
由，得到等价方程：
记
不难看出，正是迭代式（4.3）的迭代矩阵，是常数项向量。于是式（4.3）可写成矩阵形式：
（4.4）
其中：
雅可比迭代算法
下面描述解线性方程组的雅可比迭代算法，为了简单起见，在算法中假定矩阵
满足雅可比迭代要求，即，并设由系数矩阵构造迭代矩阵是收敛的。
1．定义和输入系数矩阵与常数项向量的元素。
2．FOR i：=1，2，…，n
{ //假定，形成常数项向量
FOR j:=1,2,…,n
} //形成迭代矩阵元素
3．
// 赋初始值，x1和x2分别表示和
4．WHILE
x1:=x2
x2:=B*x1+g // FOR u:=1,2,…,n
// s:= g[u];
// FOR v:=1,2,…,n s:=s+b[u][v]*x1[v]; // x2[u]:=s；
ENDWHILE
5．输出方程组的解
例4.1用雅可比方法解下列方程组：
解：方程的迭代格式：
或
雅可比迭代收敛。
取初始值，计算结果由表4.1所示。
表4.1 计算结果
0 1 1 1
1 -1.5 1.6 0.9 0.25
2 -1.25 2.08 1.09 0.48
3 -0.915 2.068 1.017 0.335
4 -0.957
5 1.9864 0.9847 0.0816
5 -1.01445 1.98844 0.99711 0.05695
6 -1.00722 2.00231 1.0026 0.01387
7 -0.997543 2.00197 1.00049 0.009687
方程组的准确解是
4.1.2 雅可比迭代收敛条件
对于方程组，构造雅可比迭代格式其中，。当迭代矩阵的谱半径时，迭代收敛，这是收敛的充分必要条
件。迭代矩阵的某范数时，迭代收敛。要注意的是范数小于1只是判断迭代矩阵收敛的充分条件，当迭代矩阵的一种范数||B||>1，并不能确定迭代矩阵是收敛还是发散。例如，
，则，但它的特征值是0.9和0.8。是收敛矩阵。
当方程组的系数矩阵具有某些性质时，可直接判定由它生成的雅可比迭代矩阵是收敛的。
定理4.3若方程组的系数矩阵，满足下列条件之一，则其雅可比迭代法是收敛的。
（1）为行对角占优阵，即
（2）为列对角占优阵，即
证明：（1）雅可比迭代矩阵其中
（2）为列对角优阵，故为行对角占优阵，由系数矩阵构造的迭代矩阵为行对角占优阵，则有
又
得到
而，
得
由系数矩阵构造的雅可比迭代矩阵收敛。
（如矩阵既是行对角占优阵，也是列对角占优阵）
定理4.4若方程组系数矩阵为对称正定阵，并且也为对称正定，则雅可比迭代收敛。
4.2 高斯-塞德尔（Gauss-Seidel）迭代法
高斯-赛德尔迭代计算
在雅可比迭代中，用的值代入方程（4.2）中计算出
的值，的计算公式是
事实上，在计算前，已经得到的值，不妨将已算出的分量直接代入迭代式中，及时使用最新计算出的分量值。因此的计算公式可改为：
即用向量计算出的值，用向量计算出
的值，用向量计算出的值，这种迭代格式称为高斯—塞德尔迭代。
对于方程组AX=y ，如果由它构造高斯-塞德尔迭代和雅可比迭代都收敛，那么，多数情况下高斯—塞德尔迭代比雅可比迭代的收敛效果要好，但是情况并非总是如此。
构造方程组的高斯-塞德尔迭代格式的步骤与雅可比类似，设
将式（4.1）中每个方程的留在方程的左边，其余各项都移到方程的右边；方程两边除以，得到下列同解方程组：
记，对方程组对角线以上的取第步迭代的数值，对角线以下的取第步迭代的数值，构造高斯—塞德尔迭代形式：
（4.5）
例4.2用高斯-塞德尔方法解方程组：
解：方程的迭代格式：
取初始值有
时，
时，
计算结果如表4.2所示。
表4.2 计算结果
1
2
3
4
000
－2.5 2.1 1.14 2.5
－0.88 2.0040.9876 1.62
－1.0042 1.9984 1.00060.1242
－1.0005 2.0002 1.00000.0037 高斯—塞德尔迭代矩阵
设
写成等价矩阵表达式：
构造迭代形式：
有（4.6）
则高斯-塞德尔迭代式（4.4）为
（4.7）
称为高斯-塞德尔迭代矩阵。
高斯-塞德尔迭代算法
高斯—塞德尔迭代的程序实现与雅可比迭代步骤大致相同，对于方程组，在前面的雅可比算法中，假定雅可比迭代矩阵为表示表示,其迭代核心部分是。下面的算法给出由和计算的过程，省略了形成迭代矩阵和对初始化的部分。
雅可比迭代的核心部分：
WHILE
for(u:=1;u<=n,u++) x1[u]:=x2[u]
for(i:=1;j<=n;j++)
{ s:=g[i];
for(j:=1;i<=n;i++)
{ s:=s+b[i]x2[j]} //注意x2[j]
}
ENDWHILE
在高斯-赛德尔迭代计算中并不需要形成迭代矩阵，由式（4.5）可知在计算中只要形成矩阵在程序中令向量
。它的核心部分是计算迭代式，计算中只需及时将放到的位置上。
高斯-塞德尔迭代的核心部分：
WHILE
for(u:=1;u<=n;u++) x1[u]:=x2[u]
for(i:=1;j<=n;j++)
{ s:=g[i];
for(j:=1;j<=n;j++)
{ s:=s+b[i]x2[ j ]} //注意x2[j]
x2[i]:=s }
ENDWHILE
上列算法是在假定迭代收敛的前提下，使用当型（WHILE）结构控制循环。更一般地，可将上列算法中WHILE循环改为FOR循环，通过控制循环次数和观测计算误差终止循环。届将上列算法中WHILE语句改为
WHILE 循环次数
这时在程序中要增加循环变量的设定和运算。
判断高斯塞德尔迭代收敛的方法与判断雅可比迭代收敛类似，一方面从高斯-塞德尔迭
代矩阵获取信息，当或的某种范数时，迭代收敛；另一方面，直接根据方程组系数矩阵的特点作出判断。
定理4.5若方程组系数矩阵A为列或行对角优时，则高斯塞德尔迭代收敛。
定理4.6若方程组系数矩阵A为对称正定阵，则高斯塞德尔迭代收敛。
例4.3方程组中，,
证明当时Gauss-Seidel法收敛，而Jacobi迭代法只在时才收敛。
解：对法，因为是对称矩阵，因此只要证时正定即可，由顺序主子
得
而得于是得到
时故对称正定，法收敛。
对法，可根据定理4.2，由于迭代矩阵
即
是法收敛的充要条件，故法只在时才收敛。
当时，法收敛，而，法不收敛，此时不是正定的。
4.3 逐次超松弛（SOR）迭代法
逐次超松弛迭代计算
方程组的雅可比迭代形式记其中是下三角矩阵，是上三角矩阵。
得高斯-塞德尔的迭代形式：
记，有
这样可视为的修正量，而恰是由加修正量而得，如果将改为)加上修正量乘一个因子，迭代格改为：
整理得
(4.8)
这里为修正因子，称为松弛因子，而式（4.8）称为松弛迭代。迭代的分量形式为
(4.9)
式（4.9）称为松弛迭代的计算格式。
例4.4给定方程组
用SOR法求解,取
解：用SOR迭代公式可得
取初始值：
如果用高斯-赛德尔迭代法迭代72次得：
用SOR迭代法，只须迭代25次即得：
逐次超松弛迭代算法
下列算法假定迭代矩阵收敛，否则要在WHILE循环中增加判断条件。
1．定义和输入系数矩阵与常数项向量的元素，输入松弛因子的值。2．FOR i:=1,2,…,n
// 假定，形成常数项向量
FOR
}
3．
4. WHILE
;
}
ENDWHILE
5．输出.
松弛迭代矩阵
将式（4.9）中含有与的项分别放在方程两边：
用代入上式，有
则松弛因子为的迭代矩阵为
其中
定理4.7逐次超松弛迭代收敛的必要条件。
定理4.8若为正定矩阵，则当时，逐次超松弛迭代恒收敛。
以上定理给出了逐次超松弛迭代因子的范围。对于每个给定的方程组，确定究竟取多少为最佳，这是比较困难的问题，对某些特定的方程组，我们可以得到一些理论结果。
通常，把的迭代称为亚松弛迭代，把的迭代称为高斯-塞德尔迭代，而把的迭代称为松弛迭代。
4.4 逆矩阵计算
在线性代数中逆矩阵是按其伴随矩阵定义的，若则方阵可逆，且，其中为的伴随矩阵。要计算个阶的列式才能得到一个伴随矩阵，在数值计算中因其计算工作量大而不被采用。通常对做行的初等的效换，在将化成的过程中得到。在数值计算中，这仍然是一种行之有效的方法。
由逆矩阵的定义令，有
化为个方程组
j
是第个分量为1，其余分量为0的维向量。或记为：。
用直接法或迭代法算出也就完成了逆矩阵计算。
如果依次对用高斯若尔当消元法，组合起来看有（当然也能组合起来做）：
这正是在线性代数中用初等变换计算逆矩阵的方法。
由此可见，计算一个阶逆矩阵的工作量相当于解个线性方程组。在数值计算中常常将计算矩阵逆的问题转化为解线性方程组的问题。
例如，已知方阵和向量有迭代关系式，在计算中不是先算出，再作与的乘积得到；而将作为线性方程组系数矩阵，求解方程组作为常驻数项解出。
4.5程序示例
程序4.1用雅可比迭代求解方程组：
算法描述
输入系数矩阵及常数项向量c。
按雅可比迭代公式：
求解。
程序源码
迭代法求解线性方程组的研究 【摘要】:本文总结了解线性方程组的三个迭代法，Jacobi 迭代法，Gauss-seidel 迭代法，SOR 迭代法，并且介绍了现代数值计算软件MATLAB 在这方面的应用，即分别给出三个迭代法的数值实验。 【关键字】:Jacobi 迭代法 Gauss-seidel 迭代法 SOR 迭代法 数值实验 一． 引言 迭代法是用某种极限过程去逐步逼近线性方程组精确解的方法，它是解高阶稀疏方程组的重 要方法。 迭代法的基本思想是用逐次逼近的方法求解线性方程组。 设有方程组 b Ax = …① 将其转化为等价的，便于迭代的形式 f Bx x += …② (这种转化总能实现，如令b f A I B =-=,), 并由此构造迭代公式 f Bx x k k +=+)() 1( …③ 式中B 称为迭代矩阵，f 称为迭代向量。对任意的初始向量) 0(x ，由式③可求得向量序列 ∞0)(}{k x ，若*) (lim x x k k =∞ →，则*x 就是方程①或方程②的解。此时迭代公式②是收敛的，否则称为发散的。构造的迭代公式③是否收敛，取决于迭代矩阵B 的性质。 本文介绍三种解线性方程组的最主要的三种迭代法：Jacobi 迭代法，Gauss-Seidel 迭代法和SOR 迭代法。本文结构如下：第二部分介绍Jacobi 迭代法及其数值实验，第三部分介绍Gauss-Seidel 迭代法及其数值实验，第四部分介绍SOR 迭代法及其数值实验，第五部分总结。 二． 雅克比（Jacobi ）迭代法 1. 雅克比迭代法的格式 设有方程组
),,3,2,1(1 n i b x a j j n j ij ==∑= …① 矩阵形式为b Ax =,设系数矩阵A 为非奇异矩阵，且),,3,2,1(,0n i a ii =≠ 从式①中第i 个方程中解出x ，得其等价形式 )(1 1 1j n j j ij ii i x a b a x ∑≠=-= …② 取初始向量),,,() 0()0(2)0(1) 0(n x x x x =，对式②应用迭代法，可建立相应的迭代公式： )(11 1)() 1(∑≠=++-=n j j i k j ij ii k i b x a a x …③ 也可记为矩阵形式： J x J k F B x k +==) () 1( …④ 若将系数矩阵A 分解为A=D-L-U ，式中 ???? ? ? ? ??=nn a a a D 2211， ?? ? ?? ?? ? ??=--00 00121323121nn n n a a a a a a L ， ?? ? ??? ? ? ? ?=--00 00122311312n n n n a a a a a a D 。 则方程Ax=b 变为 b x U L D =--)( 得 b x U L Dx ++=)( 于是 b D x U L D x 1 1 )(--++=
解线性方程组的迭代法 1.rs里查森迭代法求线性方程组Ax=b的解 function[x,n]=rs(A,b,x0,eps,M) if(nargin==3) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值elseif(nargin==4) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-A)*x0+b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 2.crs里查森参数迭代法求线性方程组Ax=b的解 function[x,n]=crs(A,b,x0,w,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-w*A)*x0+w*b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x;
if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 3.grs里查森迭代法求线性方程组Ax=b的解 function[x,n]=grs(A,b,x0,W,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1;%前后两次迭代结果误差 %迭代过程 while(tol>eps) x=(I-W*A)*x0+W*b;%迭代公式 n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 4.jacobi雅可比迭代法求线性方程组Ax=b的解 function[x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps=1.0e-6; M=200; elseif nargin<3 error return elseif nargin==5 M=varargin{1}; end D=diag(diag(A));%求A的对角矩阵 L=-tril(A,-1);%求A的下三角阵
科学计算—理论、方法 及其基于MATLAB 的程序实现与分析 微分方程（组）数值解法 §1 常微分方程初值问题的数值解法 微分方程（组）是科学研究和工程应用中最常用的数学模型之一。如揭示质点运动规律的Newton 第二定律： ()()()?????'='==0 00022x t x x t x t F dt x d m （１） 和刻画回路电流或电压变化规律的基尔霍夫回路定律等，但是，只有一些简单的和特殊的常微分方程及常微分方程组，可以求得用公式给出的所谓“解析解”或“公式解”，如一阶线性微分方程的初值问题： () ()0 0y y t f ay dt dy =+= （２） 的解为： ()()()τττd f e y e t y t t a at ?-+=00 （３） 但是，绝大多数在实际中遇到的常微分方程和常微分方程组得不到“解析解”，因此，基于如下的事实：
１、绝大多数的常微分方程和常微分方程组得不到（有限形式的）解析解； ２、实际应用中往往只需要知道常微分方程（组）的解在（人们所关心的）某些点处的函数值（可以是满足一定精度要求的近似值）； 如果只需要常微分方程（组）的解在某些点处的函数值，则没有必要非得通过求得公式解，然后再计算出函数值不可，事实上，我们可以采用下面将介绍的常微分方程（组）的初值问题的数值解法，就可以达到这一目的。 一般的一阶常微分方程（组）的初值问题是指如下的一阶常微分方程（组）的定解问题： ()()0 00,y t y t t t y t F dt dy f =≤≤= （７） 其中 ()()()()???? ?? ? ??=t y t y t y t y n 21 （８） ()()()()???? ?? ? ??=y t f y t f y t f y t F n ,,,,21 （９） 常微分方程（组）的初值问题通常是对一动态过程（动态系统、动力系统）演化规律的描述，求解常微分方程（组）的初值问题就是要了解和掌握动态过程演化规律。 §１.1 常微分方程（组）的Cauch 问题数值解法概论
第五章 解线性方程组的迭代法 本章主要内容： 迭代法收敛定义，矩阵序列收敛定义，迭代法基本定理，雅可比迭代法，高斯-塞德尔迭代法，系数矩阵为严格对角占优阵的采用雅可比迭代、高斯-塞德尔迭代的收敛性。 教学目的及要求： 使学生了解迭代法收敛定义，迭代法基本定理，掌握雅可比迭代法、高斯-塞德尔迭代法。 教学重点： 雅可比迭代法，高斯-塞德尔迭代法。 教学难点： 迭代法基本定理的证明以及作用。 教学方法及手段： 应用严格的高等代数、数学分析知识，完整地证明迭代法基本定理，讲清雅可比迭代法与高斯-塞德尔迭代法的关系，介绍雅可比迭代法与高斯-塞德尔迭代法在编程中的具体实现方法。 在实验教学中，通过一个具体实例，让学生掌握雅可比迭代法与高斯-塞德尔迭代法的具体实现，并能通过数值计算实验，揭示高斯-塞德尔迭代法是对雅可比迭代法的一种改进这一事实。 教学时间： 本章的教学的讲授时间为6学时，实验学时4学时。 教学内容： 一 迭代法定义 对于给定的线性方程组x Bx f =+，设它有唯一解*x ，则 **x Bx f =+ (6.1) 又设(0)x 为任取的初始向量，按下述公式构造向量序列 (1)(),0,1,2,k k x Bx f k +=+=L (6.2) 这种逐步代入求近似解的方法称为迭代法（这里B 与f 与k 无关）。如果() lim k k x →∞ 存在 （记为*x ），称此迭代法收敛，显然*x 就是方程组的解，否则称此迭代法发散。 迭代法求方程近似解的关键是是讨论由(6.1)式所构造出来的向量序列() {} k x 是否收敛。为此，我们引入误差向量 (1)(1)*k k x x ε++=- 将(6.2)式与(6.1)式相减，我们可得 (1)*()*()k k x x B x x +-=- (1)(),0,1,2,k k B k εε+==L 递推下去，得 ()(1)2(2)(0)k k k k B B x B x εε--====L
实验五 解线性方程组的迭代法 【实验内容】 对1、设线性方程组 ?? ? ? ?? ? ? ?? ? ? ?? ? ? ??-=???????????????? ?????????????????? ? ?--------------------------211938134632312513682438100412029137264 2212341791110161035243120 536217758683233761624491131512 013012312240010563568 0000121324 10987654321x x x x x x x x x x ()T x 2,1,1,3,0,2,1,0,1,1*--= 2、设对称正定系数阵线性方程组 ?? ? ????? ??? ? ? ??---=????????????? ??????????????? ??---------------------4515229 23206019243360021411035204111443343104221812334161 2065381141402312122 00240424 87654321x x x x x x x x ()T x 2,0,1,1,2,0,1,1*--= 3、三对角形线性方程组
?? ? ?? ? ????? ??? ? ? ??----=???????????????? ?????????????????? ??------------------5541412621357410000000014100000000141000000001410000000014100000000141000000001410000000014100000000 14100000000 1410987654321x x x x x x x x x x ()T x 1,1,0,3,2,1,0,3,1,2*---= 试分别选用Jacobi 迭代法，Gauss-Seidol 迭代法和SOR 方法计算其解。 【实验方法或步骤】 1、体会迭代法求解线性方程组，并能与消去法加以比较； 2、分别对不同精度要求，如54310,10,10---=ε由迭代次数体会该迭代法的收敛快慢； 3、对方程组2，3使用SOR 方法时，选取松弛因子ω=0.8，0.9，1，1.1，1.2等，试看对算法收敛性的影响，并能找出你所选用的松弛因子的最佳者； 4、给出各种算法的设计程序和计算结果。 程序： 用雅可比方法求的程序： function [x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps=1.0e-6; M=200;
求解线性方程组——超松弛迭代法 #include
cout<<"输入松弛因子w (1 线性方程组的迭代法及程序实现 学校代码:11517 学号:200810111217 HENAN INSTITUTE OF ENGINEERING 毕业论文 题目线性方程组的迭代法及程序实现 学生姓名 专业班级 学号 系 (部)数理科学系 指导教师职称 完成时间 2012年5月20日河南工程学院 毕业设计(论文)任务书 题目:线性方程组的迭代法及程序实现专业:信息与计算科学学号 : 姓名一、主要内容: 通过本课题的研究,学会如何运用有限元方法来解决线性代数方程组问题,特别是Gaussie-Seidel迭代法和Jacobi迭代法来求解线性方程组。进一步学会迭代方法的数学思想,并对程序代码进行解析与改进,这对于我们以后学习和研究实际问题具有重要的意义。本课题运用所学的数学专业知识来研究,有助于我们进一步掌握大学数学方面的知识,特别是迭代方法。通过这个课题的研究,我进一步掌握了迭代方法的思想,以及程序的解析与改进,对于今后类似实际问题的解决具有重要的意义。 二、基本要求: 学会编写规范论文,独立自主完成。 运用所学知识发现问题并分析、解决。 3.通过对相关资料的收集、整理,最终形成一篇具有自己观点的学术论文,以期能对线性方程组迭代法的研究发展有一定的实践指导意义。 4.在毕业论文工作中强化英语、计算机应用能力。 完成期限: 2012年月指导教师签名:专业负责人签名: 年月日 目录 中文摘要....................................................................................Ⅰ英文摘要 (Ⅱ) 1 综述 1 2 经典迭代法概述 3 2.1 Jacobi迭代法 3 2.2 Gauss?Seidel迭代法 4 2.3 SOR(successive over relaxation)迭代法 4 2.4 SSOR迭代法 5 2.5 收敛性分析5 2. 6 数值试验 6 3 matlab实现的两个例题8 3.1 例1 迭代法的收敛速度8 3.2 例 2 SOR迭代法松弛因子的选取 12致谢16参考文献17附录19 作业六：分别编写用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组Ax=B的标准程序，并求下列方程组的解。 可取初始向量 X(0) =(0，0，0)’； 迭代终止条件||x(k+1)-x(k)||<=10e-6 （1） = （2） = Jacobi迭代法： 流程图 开 始 判断b中的最大值 有没有比误差大 给x赋初值 进行迭代 求出x，弱到100次还没到，警告不收 结束 程序 clear;clc; A=[8,-1,1;2,10,01;1,1,-5]; b=[1;4;3]; e=1e-6; x0=[0;0;0]'; n=length(A); x=zeros(n,1); k=0; r=max(abs(b)); while r>e for i=1:n d=A(i,i); if abs(d) 程序结果（1） （2） Gauss-Seidel迭代法： 程序 clear;clc; %A=[8,-1,1;2,10,01;1,1,-5]; %b=[1;4;3]; A=[5,2,1;-1,4,2;2,-3,10]; b=[-12;20;3]; m=size(A); if m(1)~=m(2) error('矩阵A不是方阵'); end n=length(b); %初始化 N=0;%迭代次数 L=zeros(n);%分解A=D+L+U,D是对角阵，L是下三角阵，U是上三角阵U=zeros(n); D=zeros(n); G=zeros(n);%G=-inv(D+L)*U d=zeros(n,1);%d=inv(D+L)*b x=zeros(n,1); for i=1:n%初始化L和U for j=1:n if i 线性方程组的迭代求解 摘要 迭代法是一种逐次逼近方法，在使用迭代法解方程组时，其系数矩阵在计算过程中始终不变。它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令（或一定步骤）进行重复执行。迭代法具有循环的计算方法，方法简单，适宜解大型稀疏矩阵方程组 本文总结了解线性方程组的三个迭代法，Jacobi迭代法，Gauss-Seidel迭代法，SOR 迭代法，并且介绍了软件JA V A在这方面的应用。 关键词： Jacobi迭代法；Gauss-Seidel迭代法；SOR迭代法；计算 SOLUTION OF LINEAR EQUATIONS OF ITERATION WITH THE EXPERIMENTAL ABSTRACT Iteration is a kind of method to solve questions by step-by-step approximation. When we are getting the solution of linear equations by using iteration, the coefficient matrix is always staying the same in computation process. Computer could operate fastly so that it is suitable for operating again and again. Iteration is easy to operate to solve the large matrix equations by using a calculate method called circulation. This summary understanding of linear equations three kind of iteration, Jacobi iteration, Gauss-Seidel iteration, successive over relaxation method ,and introduce modern software JA V A in this respect. Key words:Jacobi iteration; Gauss-Seidel iteration; Successive Over Relaxation method ; calculating 实验三：用SOR 迭代法求解线性方程组 ?????? ? ??=??????? ????????? ??----------74.012.018.168.072.012.006.016.012.001.103.014.006.003.088.001.016.014.001.076.04321x x x x 取初始点T x )0,0,0,0()0(=，松弛因子05.1=ω，精度要求610-=ε。 1，建立SOR.m 函数文件，此函数文件可调用，程序源码如下： function [x,n]=SOR(A,b,x0,w,eps,M) if nargin==4 eps= 1.0e-6;%精度要求 M = 200; elseif nargin<4 error; return elseif nargin ==5 M = 200; end if(w<=0 || w>=2) 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 B=inv(D-L*w)*((1-w)*D+w*U); f=w*inv((D-L*w))*b; x=B*x0+f; n=1; %迭代次数 while norm(x-x0)>=eps x0=x; x =B*x0+f; n=n+1; if(n>=M) disp('Warning: 迭代次数太多，可能不收敛！'); return; end end 2，输入矩阵。并根据要求调用函数，运行结果如下图所示： 即经过7次迭代算出结果，且求得： 1.27151.28440.48581.2843x ?? ? ?= ? ??? 郑州大学研究生课程（2012-2013学年第一学期）数值分析 Numerical Analysis 习题课 第八章常微分方程数值解法 待求解的问题：一阶常微分方程的初值问题/* Initial-Value Problem */: ?????=∈=0 )(] ,[),(y a y b a x y x f dx dy 解的存在唯一性（“常微分方程”理论）：只要f (x , y ) 在[a , b ] ×R 1 上连续，且关于y 满足Lipschitz 条件，即存在与x , y 无关的常数L 使 对任意定义在[a , b ] 上的y 1(x ) 和y 2(x ) 都成立，则上述IVP 存在唯一解。 1212|(,)(,)||| f x y f x y L y y ?≤?一、要点回顾 §8.2 欧拉(Euler)法 通常取(常数),则Euler 法的计算格式 h h x x i i i ==?+1?? ?=+=+) (),(001x y y y x hf y y i i i i i =0,1,…,n ( 8.2 ) §8.2 欧拉(Euler)法(1) 用差商近似导数 )) (,()()()()(1n n n n n n x y x hf x y x y h x y x y +=′+≈+?? ?=+=+) (),(01a y y y x hf y y n n n n 差分方程初值问题向前Euler 方法h x y x y x y n n n ) ()()(1?≈ ′+)) (,() ()(1n n n n x y x f h x y x y ≈?+))(,()(n n n x y x f x y =′ Gauss-Seidel迭代法求解线性方程组 一． 问题描述 用Gauss-Seidel 迭代法求解线性方程组 由Jacobi 迭代法中，每一次的迭代只用到前一次的迭代值。使用了两倍的存储空间，浪费了存储空间。若每一次迭代充分利用当前最新的迭代值，即在计算第i 个分量 ) 1(+k i x 时，用最新分量 ) 1(1 +k x ， ???+) 1(2 k x ) 1(1 -+k i x 代替旧分量 ) (1 k x ， ???) (2 k x ) (1 -k i x ，可以起 到节省存储空间的作用。这样就得到所谓解方程组的Gauss-Seidel 迭代法。 二． 算法设计 将A 分解成U D L A --=，则b x =A 等价于b x =--U)D (L 则Gauss-Seidel 迭代过程 ) ()1()1(k k k Ux Lx b Dx ++=++ 故 ) ()1()(k k Ux b x L D +=-+ 若设1 )(--L D 存在，则 b L D Ux L D x k k 1)(1)1()()(--+-+-= 令 b L D f U L D G 11)()(---=-=， 则Gauss-Seidel 迭代公式的矩阵形式为 f Gx x k k +=+) () 1( 其迭代格式为 T n x x x x ) ()0()0(2)0(1)0(，，，???= (初始向量)， ) (1 1 1 1 1 )()1()1(∑∑-=-+=++--=i j i i j k j ij k j ij i ii i i x a x a b a x )210i 210(n k ???=???=，，，；，，， 或者 ?? ???--=???=???==?+=∑∑-=-+=+++) (1)210i 210(111 1)()1()1()()1(i j i i j k j ij k j ij i ii i i i k i k i x a x a b a x n k k x x x ，，，；，，， 三． 程序框图 第4章解线性方程组的迭代法 用迭代法求解线性方程组与第4章非线性方程求根的方法相似，对方程组进行等价变换，构造同解方程组(对可构造各种等价方程组， 如分解，可逆，则由得到)，以此构造迭代关系式 （4.1） 任取初始向量，代入迭代式中，经计算得到迭代序列。 若迭代序列收敛，设的极限为，对迭代式两边取极限 即是方程组的解，此时称迭代法收敛，否则称迭代法发散。我们将看到，不同于非线性方程的迭代方法，解线性方程组的迭代收敛与否完全决定于迭代矩阵的性质，与迭代初始值的选取无关。迭代法的优点是占有存储空间少，程序实现简单，尤其适用于大型稀疏矩阵；不尽人意之处是要面对判断迭代是否收敛和收敛速度的问题。 可以证明迭代矩阵的与谱半径是迭代收敛的充分必要条件，其中是矩阵的特征根。事实上，若为方程组的解，则有 再由迭代式可得到 由线性代数定理，的充分必要条件。 因此对迭代法(4.1)的收敛性有以下两个定理成立。 定理4.1迭代法收敛的充要条件是。 定理4.2迭代法收敛的充要条件是迭代矩阵的谱半径 因此，称谱半径小于1的矩阵为收敛矩阵。计算矩阵的谱半径，需要求解矩阵的特征值才能得到，通常这是较为繁重的工作。但是可以通过计算矩阵的范数等方法简化判断收敛的 工作。前面已经提到过，若||A||p矩阵的范数，则总有。因此，若，则必为收敛矩阵。计算矩阵的1范数和范数的方法比较简单，其中 于是，只要迭代矩阵满足或，就可以判断迭代序列 是收敛的。 要注意的是，当或时，可以有，因此不能判断迭代序列发散。 在计算中当相邻两次的向量误差的某种范数小于给定精度时，则停止迭代计算，视为方程组的近似解（有关范数的详细定义请看3.3节。） 4.1雅可比（Jacobi）迭代法 4.1.1 雅可比迭代格式 雅可比迭代计算 元线性方程组 （4.2） 写成矩阵形式为。若将式（4.2）中每个方程的留在方程左边，其余各项移到方程右边；方程两边除以则得到下列同解方程组： 记，构造迭代形式 图５畅２ 令珔h ＝h λ，则y n ＋１＝１＋珔 h ＋１２珔h ２ ＋１６珔h ３＋１２４ 珔 h ４y n ．由此可知，绝对稳定性区域在珔h ＝h λ复平面上满足 ｜１＋珔 h ＋１２珔h ２＋１６珔h ３＋１２４珔h ４ ｜≤１的区域，也就是由曲线 １＋珔h ＋ １２珔h ２＋１６珔h ３＋１２４ 珔h ４＝e i θ 所围成的区域．如图５畅２所示． 例22 用Euler 法求解 y ′＝－５y ＋x ，y （x ０）＝y ０， x ０≤x ≤X ． 从绝对稳定性考虑，对步长h 有何限制？ 解 对于模型方程y ′＝λy （λ＜０为实数）这里λ＝抄f 抄y ＝－５．由 ｜１＋h λ｜＝｜１－５h ｜＜１ 得到对h 的限制为：０＜h ＜０畅４． 四、习题 １畅取步长h ＝０畅２，用Euler 法解初值问题 y ′＝－y －x y ２ ， y （０）＝ １． （０≤x ≤０畅６）， ２畅用梯形公式解初值问题 y ′＝８－３y ， （１≤x ≤２）， 取步长h＝０畅２，小数点后至少保留５位． ３畅用改进的Euler公式计算初值问题 y′＝１x y－１x y２， y（１）＝０畅５， １＜x＜１畅５， 取步长h＝０畅１，并与精确解y（x）＝ x １＋x比较． ４畅写出用梯形格式的迭代算法求解初值问题 y′＋y＝０， y（０）＝１ 的计算公式，取步长h＝０畅１，并求y（０畅２）的近似值，要求迭代误差不超过１０－５． ５畅写出用四阶经典Runge唱Kutta法求解初值问题 y′＝８－３y， y（０）＝２ 的计算公式，取步长h＝０畅２，并计算y（０畅４）的近似值，小数点后至少保留４位． ６畅证明公式 y n＋１＝y n＋h９（２K１＋３K２＋４K３）． K１＝f（x n，y n）， K２＝f x n＋h２，y n＋h２K１， K３＝f x n＋３４h，y n＋３４h K２， 至少是三阶方法． ７畅试构造形如 y n＋１＝α（y n＋y n－１）＋h（β０f n＋β１f n－１） 迭代法解线性方程组作业 沈欢00986096 北京大学工学院，北京100871 2011年10月12日 摘要 由所给矩阵生成系数矩阵A和右端项b，分析系数矩阵A，并用Jacobi迭代法、GS迭代法、SOR(逐步松弛迭代法)解方程组Ax=b 1生成系数矩阵A、右端项b,并分析矩阵A 由文件”gr900900c rg.mm”得到了以.mm格式描述的系数矩阵A。A矩阵是900?900的大型稀 疏对称矩阵。于是，在matlaB中，使用”A=zeros(900,900)”语句生成900?900的零矩阵。再 按照.mm文件中的描述，分别对第i行、第j列的元素赋对应的值，就生成了系数矩阵A，并 将A存为.mat文件以便之后应用。 由于右端项是全为1的列向量，所以由语句”b=ones(900,1)”生成。 得到了矩阵A后，求其行列式，使用函数”det(A)”,求得结果为”Inf”,证明行列式太大，matlaB无法显示。由此证明，矩阵A可逆，线性方程组 Ax=b 有唯一解。 接着，判断A矩阵是否是对称矩阵(其实，这步是没有必要的，因为A矩阵本身是对称矩阵，是.mm格式中的矩阵按对称阵生成的)。如果A是对称矩阵，那么 A?A T=0 。于是，令B=A?A T,并对B求∞范数。结果显示： B ∞=0,所以，B是零矩阵，也就是：A是对称矩阵。 然后，求A的三个条件数： Cond(A)= A ? A?1 所求结果是，对应于1范数的条件数为：377.2334;对应于2范数的条件数为：194.5739;对应 于3范数的条件数为：377.2334; 1 从以上结果我们看出，A是可逆矩阵，但是A的条件数很大，所以，Ax=b有唯一解并且矩阵A相对不稳定。所以，我们可以用迭代方法来求解该线性方程组，但是由于A的条件数太大迭代次数一般而言会比较多。 2Jacobi迭代法 Jacobi迭代方法的程序流程图如图所示： 图1:Jacobi迭代方法程序流程图 在上述流程中，取x0=[1,1,...,1]T将精度设为accuracy=10?3，需要误差满足： error= x k+1?x k x k+1 数值分析实验五 班级： 10信计二班 学号：59 姓名：王志桃 分数： 一．实验名称 高斯-赛德尔迭代法解线性方程组 二．实验目的 1. 学会利用高斯赛德尔方法解线性方程组 2. 明白迭代法的原理 3. 对于大型稀疏矩阵方程组适用于迭代法比较简单 三．实验内容 利用Gauss-Seidel 迭代法求解下列方程组 ?????=++=-+=+-36123633111420238321 321321x x x x x x x x x ， 其中取→=0)0(x 。 四、算法描述 由Jacobi 迭代法中，每一次的迭代只用到前一次的迭代值，若每一次迭代充分利用当前最新的迭代值，即在计算第i 个分量)1(+k i x 时，用最新分量)1(1+k x ，???+)1(2k x )1(1-+k i x 代替旧分量)(1k x ，???)(2k x )(1-k i x ，就得到所谓解方程组的Gauss-Seidel 迭代法。 其迭代格式为 T n x x x x )()0()0(2)0(1)0(，，，???= (初始向量)， )(11111)()1( ) 1(∑∑-=-+=++--=i j i i j k j ij k j ij i ii i i x a x a b a x )210i 210(n k ???=???=，，，；，，， 或者写为 ?? ???--=???=???==?+=∑∑-=-+=+++)(1)210i 210(1111)( )1()1()()1(i j i i j k j ij k j ij i ii i i i k i k i x a x a b a x n k k x x x ，，，；，，， 五、 编码 #include 数值分析实验报告 0 a 12 K a 1,n 1 K a 2,n 1 U O M 则有： 第一步： Jacobi 迭代法 a 1n a 2n M , 则有： A D L U a n 1,n Ax b A A x D b L U (D L U)x b Dx (L U)x b x D (L U)x D b 令 J D (L U) 则称 J 为雅克比迭代矩阵 f D b 由此可得雅克比迭代的迭代格式如下： x (0) , 初始向量 x (k 1) Jx (k) f ,k 0,1,2,L 第二步 Gauss-Seidel 迭代法 Ax b (D L U )x b (D L)x Ux b x (D L) Ux (D L) b A D L U a 11 a 12 L a 1n a 11 A a 21 a 22 L a 2n a 22 M MM MO a n1 a n2 L a nn a 11 得到 D a 22 O a nn 由 a 21 0 M M O a n 1,1 a n 1,2 L 0 a nn a n1 a n2 L a n,n a 21 L M M O a n 1,1 a n 1,2 L a n1 a n2 L a n,n 1 a 12 K a 1,n 1 a 1n 0 K a 2,n 1 a 2n O M M a n 1,n 10 令 G (D L) U ，则称G 为Gauss-Seidel 迭代矩阵 f (D L) b 由此可得 Gauss-Seidel 迭代的迭代格式如下： x (0) , 初始向量 第三步 SOR 迭代法 w0 AD L U 1 ( D 1 wL ((1 w)D wU )) (D 1 wL) ((1 w)D wU ) w w w 令M w 1 (D wL), N 1 ((1 w)D wU )则有：A MN w w Ax b AM L W N M (M N )x b Mx Nx b x M Nx M b N M, 令W f Mb 带入 N 的值可有 L W ((1 w)D wU) (D wL) 1((1 w)D wU) (D wL) f 1 b w 1(D wL) 1b 1 (D wL) w 称 L W 为 SOR 迭代矩阵，由此可得 SOR 迭代的迭代格式如下： x (0) ,初始向量 二、算法程序 Jacobi 迭代法的 M 文件： function [y,n]=Jacobi(A,b,x0,eps) %************************************************* %函数名称 Jacobi 雅克比迭代函数 %参数解释 A 系数矩阵 % b 常数项 % x0 估计解向量 x (k 1) Gx (k) f ,k 0,1,2,L (k 1) f,k 0,1,2,L 一． 问题描述 用Gauss-Seidel 迭代法求解线性方程组 由Jacobi 迭代法中，每一次的迭代只用到前一次的迭代值。使用了两倍的存储空间，浪 费了存储空间。若每一次迭代充分利用当前最新的迭代值，即在计算第i 个分量) 1(+k i x 时， 用最新分量) 1(1 +k x ，???+) 1(2 k x ) 1(1 -+k i x 代替旧分量)(1k x ，???) (2 k x ) (1-k i x ，可以起到节省存储 空间的作用。这样就得到所谓解方程组的Gauss-Seidel 迭代法。 二． 算法设计 将A 分解成U D L A --=，则b x =A 等价于b x =--U)D (L 则Gauss-Seidel 迭代过程 ) ()1()1(k k k Ux Lx b Dx ++=++ 故 )()1()(k k Ux b x L D +=-+ 若设1 )(--L D 存在，则 b L D Ux L D x k k 1)(1)1()()(--+-+-= 令 b L D f U L D G 11)()(---=-=， 则Gauss-Seidel 迭代公式的矩阵形式为 f Gx x k k +=+)()1( 其迭代格式为 T n x x x x )()0()0(2)0(1)0(，，，???= (初始向量)， )(1111 1 )() 1()1(∑∑-=-+=++--=i j i i j k j ij k j ij i ii i i x a x a b a x )210i 210(n k ???=???=，，，；，，， 或者 ?? ???--=???=???==?+=∑∑-=-+=+++) (1)210i 210(111 1)() 1()1()()1(i j i i j k j ij k j ij i ii i i i k i k i x a x a b a x n k k x x x ，，，；，，， 三． 程序框图 《偏微分方程数值解法》 课程设计 题目: 六点对称差分格式解热传导方程的初边 值问题 姓名: 王晓霜 学院: 理学院 专业: 信息与计算科学 班级: ０91１01２ 学号: ０９１10１218 指导老师：翟方曼 ２０12年12月14 日 一、题目 用六点对称差分格式计算如下热传导方程的初边值问题 222122,01,01(,0),01 (0,),(1,),01x t t u u x t t x u x e x u t e u t e t +???=<<<≤?????=≤≤??==≤≤??? 已知其精确解为 2(,)x t u x t e += 二、理论 1.考虑的问题 考虑一维模型热传导方程 （1.１) )(22x f x u a t u +??=??,T t ≤<0 其中a 为常数。)(x f 是给定的连续函数。（1.１)的定解问题分两类: 第一,初值问题（Cauch ｙ 问题)：求足够光滑的函数()t x u ,,满足方程（１.1）和初始条件： (1.２) ()()x x u ?=0,， ∞<<∞-x 第二,初边值问题（也称混合问题）:求足够光滑的函数()t x u ,，满足方程(１.１)和初始条件： ()13.1 ()()x x u ?=0,， l x l <<- 及边值条件 ()23.1 ()()0,,0==t l u t u ， T t ≤≤0 假定()x f 和()x ?在相应的区域光滑,并且于()0,0，()0,l 两点满足相容条件,则上述问题有唯一的充分光滑的解。 现在考虑边值问题（１.1),（1.３)的差分逼近 取 N l h = 为空间步长,M T =τ为时间步长,其中N ,M 是自然数,线性方程组的迭代法及程序实现
数值分析5-用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组
线性方程组的迭代求解java
SOR迭代法求解线性方程组
郑州大学研究生课程数值分析复习---第八章 常微分方程数值解法
Gauss-Seidel迭代法求解线性方程组
数值计算_第4章 解线性方程组的迭代法
数值分析_第五章_常微分方程数值解法
迭代法解线性方程组
高斯-赛德尔迭代法解线性方程组精选.
实验解线性方程组的基本迭代法实验
Gauss-Seidel迭代法求解线性方程组
偏微分方程数值解法
相关主题
文本预览