计算方法jacobi迭代法与高斯seidel迭代法实验.docVIP

计算方法jacobi迭代法与高斯seidel迭代法实验.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
计算方法jacobi迭代法与高斯seidel迭代法实验

实验名称:实验3 jacobi迭代法与Gauss-seidel迭代法 实验题目:给定线性方程组Ax=b如下 实验目的:掌握用jacobi迭代法与Gauss-seidel迭代法求解线性方程组的基本步骤。 基础理论:jacobi迭代法基本思路是方程组Ax=b等价于x=Bx+f,然后通过迭代算出方程组的解;Gauss-seidel迭代法主要是通过对A的分解,构造迭代公式,进而迭代算出方程组的解。 实验环境:操作系统:Windows XP; 实验平台:matlab 实验过程: 方法一: jacobi迭代法 程序: n=4;A=[10,-1,2,0;-1,11,-1,3;2,-1,10,-1;0,3,-1,8]; b=[6,25,-11,15];x0=[0,0,0,0]; x0=zeros(n,1);x=x0; epsilon=input(\n精度=);N=input(\n最大迭代次数N=); fprintf(\n%d:,0); for i=1:n fprintf(\%f,x0(i)); end %以下是迭代过程 for k=1:N %这是第k步迭代,迭代前的向量在x0[]中,迭代后的在x[]中 normal=0; for i=1:n x(i)=b(i); for j=1:n if j~=i x(i)=x(i)-A(i,j)*x0(j); end end x(i)=x(i)/A(i,i);temp=abs(x(i)-x0(i));%求范数与迭代在同一个循环中 if temp normal normal=temp; %这里用的是无穷范数 end end %第i步迭代结束 fprintf(\n%d:,k); for i=1:n x0(i)=x(i); %为下一次迭代准备初值 fprintf(%f,x(i)); %输出迭代过程 end if normal epsilon return; end end fprintf(\n\n迭代%d次后仍未求得满足精度的解\n,N); 结果: 结果分析: jacobi迭代法解线性方程组迭代的次数较多。 方法二:Gauss-seidel迭代法 程序: n=4; A=[10,-1,2,0;-1,11,-1,3;2,-1,10,-1;0,3,-1,8]; b=[6,25,-11,15];x=[0,0,0,0]; epsilon=input(\n精度=); N=input(\n最大迭代次数N=); fprintf(\n%d:,0); for i=1:n fprintf(\%f,x(i)); end %以下是迭代过程 for k=1:N %这是第k步迭代,迭代前的向量在x0[]中,迭代后的在x[]中 normal=0; for i=1:n t=x(i); x(i)=b(i); for j=1:n if j~=i x(i)=x(i)-A(i,j)*x(j); end end x(i)=x(i)/A(i,i); temp=abs(x(i)-t);%求范数与迭代在同一个循环中 if temp normal normal=temp;%这里用的是无穷范数 end end %第i步迭代结束 fprintf(\n%d:,k); for i=1:n fprintf(%f,x(i)); %输出迭代过程 end if normal epsilon return; end end fprintf(\n\n迭代%d次后仍未求得满足精度的解\n,N); 结果: 结果分析: Gauss-seidel迭代法解线性方程组迭代的次数较少。 附 录:

文档评论(0)

panguoxiang + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档