郑州师范学院
毕业论文
题目迭代法及其在数值求解
线性方程组中的应用姓名陈丹丹
学号 1
院系数学与统计学院
专业数学与应用数学
年级班级B12数应2班
指导教师王明建
2016年 5 月20 日
毕业论文作者声明
本人郑重声明：所呈交的毕业论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
本人完全了解有关保障、使用毕业论文的规定，同意学校保留并向有关毕业论文管理机构送交论文的复印件和电子版。同意省级优秀毕业论文评选机构将本毕业论文通过影印、缩印、扫描等方式进行保存、摘编或汇编；同意本论文被编入有关数据库进行检索和查阅。
本毕业论文内容不涉及国家机密。
论文题目：迭代法及其在数值求解线性方程组中的应用
作者单位：郑州师范学院
作者签名：
目录
摘要 (3)
引言 (3)
1.预备知识 (3)
1.1迭代法的基本形式 (3)
1.2 Jocabi迭代法 (3)
1.2.1分量形式的Jacobi迭代法 (3)
1.2.2矩阵形式的Jacobi迭代法 (3)
1.2.3 Jacobi迭代法的算法实现步骤 (3)
1.3 Gauss-Seidel迭代法 (3)
1.3.1分量形式的Gauss-seidel迭代法 (3)
1.3.2矩阵形式的Gauss-seidel迭代法 (3)
1.3.3 Gauss-Seidel迭代法的算法实现步骤 (3)
1.4超松弛迭代法（SOR迭代法） (3)
1.4.1分量形式的SOR方法 (3)
1.4.2矩阵形式的SOR方法 (3)
1.4.3 SOR迭代法的算法实现步骤 (3)
1.5迭代法的收敛性 (3)
2. 数值求解线性方程组 (3)
2.1用Jacobi迭代法求解 (3)
2.2用Gauss-Seidel迭代法求解 (3)
2.3用超松弛迭代法求解 (3)
小结 (3)
参考文献 (3)
致谢 (3)
迭代法及其在数值求解线性方程组中的应用
摘要：迭代解法就是通过逐次迭代逼近来得到的近似解的方法。而线性方程组的求解问题是科学研究及工程计算中最常出现的问题，如结构分析、网络分析、数据分析、大地测量等，都需求解线性方程组。由于从不同的问题而导出的线性方程组的系数矩阵不同，因此对于大型稀疏矩阵(零元素很多的多阶矩阵，一般410>n )所对应的线性代数方程组，用迭代法求解，在某些精度要求比较高的问
题中，经常用迭代法求解。其基本思想为：从某一初始向量()()()()()002
010,,n x x x X =出发，按照某种迭代规则，不停地对上一次的近似值进行修正，得到近似解的向
量(){}k X 。当近似解()()()()()002
010,,n x x x X =收敛于方程组的精确解向量()
****=n x x x X ,,21时，满足给定精度要求的近似解向量()k X 就可看作是*X 的数值解。
关键词：线性方程组；迭代法；Jacobi 法；Gauss-Seidel 法；逐次超松弛法
Iterative Method and Its Application to Numerical Solution
of Linear Equations
Abstract：Iterative method is the approximate solution obtained by successive iteration. The problem of solving linear equations is the most common problems in scientific research and engineering calculation, such as structural analysis, network analysis, data analysis, geodetic survey, etc., all need solution of linear equations. Due to the different problems of different and the coefficient matrix of the linear equations derived from, so for large sparse matrix corresponding to the system of linear algebraic equations, is solved by iterative method. In certain accuracy requirement is relatively high, often solved by iterative method. The basic idea is as follows: starting from a certain initial vector, according to some kind of iterative rule, the last time approximation is corrected, and the approximate solution is obtained. When the approximate solution converges to the exact solution of the equation, the approximate solution vector which satisfies the given accuracy requirement can be regarded as the numerical solution.
Keywords：linear equations; iterative method; Jacobi method; Gauss-Seidel method; successive over relaxation method
引言
一般情况下，对于中小型方程组，直接法是非常有效并且迅速的，而对于高阶并且系数矩阵稀疏的线性方程组，尤其是大型线性方程组，却遇到了难题。因为直接法的计算量大，存储量大，连非零元素也要存储。
因而对于大型的线性方程组，常常用迭代法来求解。迭代法与直接法是有差异的，它不能直接通过有限次的算术运算求出方程的精确解，而是间接的通过迭代来逐步逼近此方程组的精确解。因此，考虑其收敛性是使用迭代法的关键问题。迭代法较直接法有明显的优势：程序设计简洁，存储量和计算量少等。尤为重要的是，迭代法是解决具有大型稀疏矩阵的线性方程组的重要方法之一。
1.预备知识
为了更深入的学习迭代法在数值求解线性方程组中的应用，我们有必要回顾一下迭代法的基本知识。
1.1迭代法的基本形式
设有线性方程组
b Ax =， （1.1.1）
其中A 为非奇异矩阵，向量0≠b ，因此有唯一的解*x 。下面介绍迭代法的基本格式。
将方程组（1.1.1）变形可得到等价的线性方程组
f Bx x +=， （1.1.2）
任取初值向量()R x ∈0为（1.1.1）的近似解，由公式
()()， ,2,1,0,1=+=+k f Bx x k k （1.1.3）
可构造出向量序列(){}k x ，若(){}k x 满足下面的式子
()*∞
→=x x k k lim ， （1.1.4） 则迭代法收敛，*x 就是方程组（1.1.1）的解，反之，迭代法就发散。而式子（1.1.3）为迭代格式，B 为迭代矩阵，()k x 为第k 次迭代的近似的解，而
()()k k x x e -=*为第k 次的近似误差。
1.2 Jocabi 迭代法
1.2.1分量形式的Jacobi 迭代法
对线性方程组b Ax =，有分量形式：
，???????=+++=+++=+++n
n nn n n n n n n b x a x a x a b x a x a x a b x a x a x a
22112222212111212111 （1.2.1） （1）设()n j jj ,,2,10a =≠，用其它的1-n 个变元来表示线性方程组的第j 个方程中的第j 个变元j x ，就可得到：
()
()()，?????
??????----=----=----=--11,22112323121222213132121111111n n n n n n nn n n n n n x a x a x a b a x x a x a x a b a x x a x a x a b a x (1.2.2) 也既是：
jj n i j i i ji j j a x a b x ?
?
??? ??-=∑≠=1()，n j ,,2,1 = (1.2.3)
（2）用迭代格式写出来就是：
()()()()()()()()()()()()()()()
，???????????----=----=----=--+++k n n n k n k n n nn k n k n n k k k k n n k k k x a x a x a b a x x a x a x a b a x x a x a x a b a x 11,22111232312122212131321211111111 (1.2.4) 也就是：
()()jj n i j i k i ji j k j a x a b x ?
?
??
? ??-=∑≠=+11()，n j ,,2,1 = (1.2.5)
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 )(--++=
第二章 线性方程组的数值解法 在科技、工程技术、社会经济等各个领域中很多问题常常归结到求解线性方程组。例如电学中的网络问题，样条函数问题，构造求解微分方程的差分格式和工程力学中用有限元方法解连续介质力学问题，以及经济学中求解投入产出模型等都导致求解线性方程组。 n 阶线性方程组的一般形式为 ?? ???? ?=+++=+++=+++n n nn n n n n n n b x a x a x a b x a x a x a b x a x a x a L K K K K L L 22112 222212********* （1.1） 其矩阵形式为 b Ax = （1.2） 其中 ????? ???????=??? ?????????=? ? ????? ?????= n n nn n n n n b b b b x x x x a a a a a a a a a A M M L K K K K L L 2121212222111211 ),,2,1,(n j i a ij L =，),,2,1(n i b i L =均为实数，i b 不全为0，且A 为非奇异。 关于线性方程组的数值解法一般分为两类： 1．直接法 就是不考虑计算机过程中的舍入误差时，经有限次的四则运算得到方程组准确解的方法。 而实际中由于计算机字长的限制，舍入误差的存在和影响，这种算法也只能求得线性方程组的近似解。本章将阐述这类算法中最基本的消去法及其某些变形。这些方法主要用于求解低阶稠密系数矩阵方程组。 2．迭代法 从某个解的近似值出发，通过构造一个无穷序列，用某种极限过程去逐步逼近线性方程组的精确解的方法。本章主要介绍迭代法与迭代法。迭代法是解大型稀疏矩阵（矩阵阶数高而且零元素较多）的线性方程组的重要方法。 §1 高斯)(Gauss 消去法 1.1 Gauss 消去法 Gauss 消去法是将线性方程组化成等价的三角形方程组求解。首先举例说明Gauss
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
线性方程组的数值解法 实验 题目 用Gauss消元法和Seidel迭代法求线性方程组的解。 实验目的 通过本次实验了解Gauss消元法和Seidel迭代法的基本原理，掌握其算法,学会用Matlab编程进行计算，并能用这些方法解决实际问题。 Gauss 顺序消元法的基本原理算法： （1）输入：,. A b （2）对1,2,,1 k n =???-做 1）if0 kk a=then输出算法失败信息，停机； 2）对1,, i k n =+???做 1/; ik ik ik kk a l a a ←= 2; i i ik k b b l b =- 3对1,, j k n =+???做; ij ij ik kj a a l a =- （3）if0 nn a=then输出算法失败信息，并停机else做 1）/; n n n nn b x b a ←= 2）对1,,2,1 i n =-???做 1 ()/; n i i i ij j ii j i b x b a x a =+ ←=-∑ （4）输出方程组的解.X
流程图见附页 Seidel 迭代法的基本原理算法： （1）输入：,; A b （2）输入：初始解向量 ;x （3）对1,2,, i n =???做 1） 1 ()/; n i i ij j ii j j i y b a x a = ≠ =-∑ 2）; i i i e y x =- 3）; i i x y = （4）if 1 {||} max i i n eε ≤≤
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 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 ?? ? ?= ? ??? . 计算法实验 题目： 班级：学号：： 目录 计算法实验 (1) 1 实验目的 (3) 2 实验步骤 (3) 2.1环境配置： (3) 2.2添加头文件 (3) 2.3主要模块 (3) 3 代码 (3) 3.1主程序部分 (3) 3.2多项式程部分 (3) 3.3核心算法部分 (3) 3.4数据结构部分 (3) 4运行结果 (3) 4.1列主元高斯消去法运行结果 (3) 4.2LU三角分解法运行结果 (3) 4.3雅克比迭代法运行结果 (3) 边界情况调试 (3) 5总结 (3) 输入输出 (3) 列主元高斯消元法 (3) 雅克比迭代法 (3) 6参考资料 (3) 1 实验目的 1.通过编程加深对列主元高斯消去法、LU三角分解法和雅克比迭代法等求解多 项式程法的理解 2.观察上述三种法的计算稳定性和求解精度并比较各种法利弊 2 实验步骤 2.1环境配置： VS2013，C++控制台程序 2.2添加头文件 #include "stdio.h" #include "stdlib.h" #include "stdafx.h" #include 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 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 好久没来论坛，刚刚发现以前的帖子现在那么火很欣慰，谢谢大家支持！ 今天趁着不想做其他事情，把线性方程组的数值解法总结下，有不足的地方希望大神指教！数学建模中也会用到线性方程组的解法，你会发现上10个的方程手动解得话把你累个半死，而且不一定有结果，直接用matlab的函数，可以，关键是你不理解用着你安心吗？你怎么知道解得对不对？ 我打算开个长久帖子，直到讲完为止！这是第一讲，如有纰漏请多多直接，大家一起交流！线性方程组解法有两大类：直接法和迭代法 直接法是解精确解，这里主要讲一下Gauss消去法，目前求解中小型线性方程组（阶数不超过1000），它是常用的方法，一般用于系数矩阵稠密，而有没有特殊结构的线性方程组。 首先，有三角形方程组的解法引入Gauss消去法，下三角方程组用前代法求解， 这个很简单，就是通过第一个解第二个，然后一直这样直到解出最后一个未知数，代码如下：前代法： function [b]= qiandai_method(L,b) n=size(L,1); %n 矩阵L的行数 for j=1:n-1 %前代法求解结果存放在b中 b(j)=b(j)/L(j,j); b(j+1:n)=b(j+1:n)-b(j)*L(j+1:n,j); end b(n)=b(n)/L(n,n); 上三角方程组用回代法，和前面一样就是从下面开始解x，代码： 后代法： function [y]=houdai_method(U,y) n=size(U,1); %n 矩阵L的行数 for j=n:-1:2 %后代法求解结果存放在y中 y(j)=y(j)/U(j,j); y(1:j-1)=y(1:j-1)-y(j)*U(1:j-1,j); end y(1)=y(1)/U(1,1); Gauss消去的前提就是这两个算法： 具体思想是把任何一个线性方程组的系数矩阵A，分解为一个上三角和一个下三角的乘积，即A=LU，其中L为下三角，U为上三角。 那么具体怎么做呢？ 有高斯变换，什么是高斯变换？由于时间有限我不可能去输入公式，所以我用最平白的话把它描述出来。 你先想一下怎么把一个矩阵的某一列的从第j个分量后全部变0？ 高斯变换就是通过每次一个矩阵Li把A的第i列对角线元素以下的都变为0，最后把这么多Li一次左乘起来就是一个矩阵L’=L(n-1)L(n-2)…L2L1，而L’A=U, 那么L=L’的转置，这样就得到了A得分解。 我们要求Ax=b A=LU 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 第三章线性方程组地数值解法 范数 (1> 常用范数 ① 向量 1- 范数: ② 向量 2- 范数: ③ 向量∞- 范数: ④ 向量 p- 范数: 向量1- 范数,向量2- 范数,向量∞- 范数实际上为任意 p- 范数地特例. (2> 矩阵范数 设,则 (1>,A地行范数 (2>,A地列范数 (3>,A地 2- 范数,也称谱范数 (4>, F- 范数 其中指矩阵地最大特征值 (3>谱半径(用于判断迭代法地收敛值> 设为矩阵A地特征值,则 称为A地谱半径 谱半径小于任何半径,若,则 (4>设A为非奇异矩阵,称 为A地条件数 矩阵地条件数与范数选取有关,通常有 显然当A对称时 直接法 Gauss消去法 ①Gauss顺序消去法 对线性方程组Ax=b,设,按顺序消元法,写出增广矩阵(A┆b>第一步,写出,将2～n行中地变为0 第k步,写出,将k+1～n行中地变为0 具体步骤可参照下面地例题 例5:用Gauss消去法解方程组 解: Guass列主元消去法 消去过程与Guass消元法基本相同,不同地是每一步消元时,都要将所选到地绝对值最大元素作为主元. 具体分析参见习题详解1 ②矩阵三角(LU>分解法 基本思想:将Ax=b化为LUx=b,令Ux=y 可得Ly=b,Ux=y,相当于先求出y,再求出x 其中,L,U分别为下三角矩阵和上三角矩阵 若L为单位下三角矩阵,则称为Doolittle分解。若U为单位上三角矩阵,则称为Crout分解. ③矩阵Doolittle分解法 计算公式 具体解题见习题详解2 注意计算顺序,先行再列,用简图表示为 虚线上地元素为对角元,划为行元. ④ 分解法 计算公式 数值分析方法中方程求解的直接法和迭代法 第3章 解线性方程组的直接法 一、 消元法 1. 高斯消元法(加减消元)：首先将A 化为上三角阵，再回代求解。 11121121222212n n n n nn n a a a b a a a b a a a b ?? ? ? ? ??? (1)(1)(1)(1)(1)11 121311(2)(2)(2)(2)222322 (3)(3)(3)3333()()000 00 n n n n n nn n a a a a b a a a b a a b a b ?? ? ? ? ? ? ?? ? 步骤如下： 第一步：1 11 1,2,,i a i i n a -? +=第行第行 11121121222212 n n n n nn n a a a b a a a b a a a b ?? ? ? ? ??? 111211(2)(2)(2)2222 (2)(2)(2)2 00n n n nn n a a a b a a b a a b ?? ? ? ? ??? 第二步：(2)2 (2)222,3, ,i a i i n a -?+=第行第行 111211(2)(2)(2)2222 (2)(2)(2)200n n n nn n a a a b a a b a a b ?? ? ? ? ?? ? 111213 11 (2)(2)(2)(2) 222322 (3)(3)(3) 33 33(3)(3)(3) 3 00000n n n n nn n a a a a b a a a b a a b a a b ?? ? ? ? ? ? ?? ? 类似的做下去，我们有： 第k 步：() ()k ,1, ,k ik k kk a i i k n a -?+=+第行第行。 n －1步以后，我们可以得到变换后的矩阵为： 解线性方程组的几种迭代算法 内容摘要: 本文首先总结了分裂法解线性方程组的一些迭代算法,在此基础上分别通过改变系数矩阵A的分裂形式和对SSOR算法的改进提出了两种新的算法,并证明了这两种算法的收敛性.与其它方法相比,通过改变系数矩阵A的分裂形式得到的新算法具有更好的收敛性,改进的SSOR算法有了更快的收敛速度.最后通过数值实例验证了这两种算法在有些情况下确实可以更有效的解决问题. 关键词: 线性方程组迭代法算法收敛速度 Several kinds of solving linear equations iterative algorithm Abstract: In this paper, we firstly summarize some Iterative algorithms of Anti-secession law solution of linear equations. Based on these, two new algorithms are put forward by changing the fission form of coefficient matrix A and improving the algorithm of SSOR, and the convergence of the two algorithms is demonstrated. Compared with other methods, the new algorithm acquired by changing the fission form of coefficient matrix A is possessed of a better convergence. And the improved SSOR algorithm has a faster convergence speed. Finally, some numerical examples verify that the two algorithms can solve problems more effectively in some cases. Key words: Linear equations Iteration method algorithm Convergence speed 重庆大学 学生实验报告实验课程名称计算方法 开课实验室DS1421 学院年级专业 学生姓名学号 开课时间至学年第学期 1．实验目的 （1）高斯列主元消去法求解线性方程组的过程 （2）熟悉用迭代法求解线性方程组的过程 （3）设计出相应的算法，编制相应的函数子程序 2．实验内容 分别用高斯列主元消去法 ,Jacobi 迭代法,Gauss--Saidel 迭代法,超松弛迭代法求解线性方程组 ????? ???????-=????????????????????????------725101391444321131243301024321x x x x 3.实验过程 解：（1）高斯列主元消去法 编制高斯列主元消去法的M 文件程序如下： %高斯列主元消元法求解线性方程组Ax=b %A 为输入矩阵系数,b 为方程组右端系数 %方程组的解保存在x 变量中 format long;%设置为长格式显示,显示15位小数 A=[2,10,0,-3;-3,-4,-12,13;1,2,3,-4;4,14,9,-13] b=[10,5,-2,7]' [m,n]=size(A); %先检查系数正确性 if m~=n error('矩阵A 的行数和列数必须相同'); return; end if m~=size(b) error('b 的大小必须和A 的行数或A 的列数相同'); return; end %再检查方程是否存在唯一解 if rank(A)~=rank([A,b]) error('A 矩阵的秩和增广矩阵的秩不相同,方程不存在唯一解'); return; end c=n+1; A(:,c)=b; %(增广) for k=1:n-1 用Gauss-Seidel迭代法解线性方程组的C语言源代码：#include ptr2->link=ptr1; ptr2=ptr1; } } j++; } if(ptr2!=NULL){ ptr2->link=NULL; ptr2=NULL; } if(Rhead!=NULL){ p1=(struct Line*)malloc(sizeof(Line)); if(p1==NULL){ printf("内存分配错误!\n"); exit(1); } p1->L=i; p1->head=Rhead; if(p2==NULL){ Lhead=p1; p2=p1; } else{ p2->next=p1; p2=p1; } } i++; Rhead=NULL; j=1; } if(p2!=NULL) p2->next=NULL; return Lhead; } struct Line *Change(struct Line*Lhead,int n){ struct Line*p1,*p2,*p3,*p; struct Row*ptr; int i=1,k,j; float max,t; if(Lhead==NULL){ printf("链表为空!\n");线性方程组的迭代法及程序实现
线性方程组的迭代求解java
SOR迭代法求解线性方程组
线性方程组数值解法
数值计算_第4章 解线性方程组的迭代法
高斯-赛德尔迭代法解线性方程组精选.
线性方程组数值解法总结
Gauss-Seidel迭代法求解线性方程组
线性方程组的数值解法
解线性方程组的直接法和迭代法
解线性方程组的几种迭代算法
计算方法实验报告-线性方程组的数值解法
迭代法解线性方程组(C语言描述)
相关主题
文本预览