作为迭代法一种加速方法,超松弛迭代法计算公式简单,只是需要选择合适的松弛因子,保证迭代过程有较快的收敛速度。它是Gauss-Seidel迭代法的优化。而列主元消去法,因为仅按列选主元,相比完全主元消元法,省了主元搜寻时间,提高了效率。
SOR迭代公式:
SOR编程代码如下:
函数:
function [xvect,nvect,xdif]=SOR(A,b,eps,x0,w) %超松弛迭代法 m=length(b); %m为线性方程组的维数,即变量的个数 xvect=[]; %为length(b)行length(nvect)列的矩阵,存储X1~X(length(b))变量的迭代值 nvect=[]; %存贮迭代次数 xdif=[]; %存储误差 max(1<=i<=length(b))abs(xi(k+1)-xi(k)) n=1; xvect=[xvect;x0]; x1=[]; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %计算由初值x0经第一次迭代后的值x1 x1(1)=x0(1)+w/A(1,1)*(b(1)-sum(A(1,[1:m]).*x0([1:m]))); for i=2:m-1 x1(i)=x0(i)+w/A(i,i)*(b(i)-sum(A(i,[1:i-1]).*x1([1:i-1]))-sum(A(i,[i:m]).*x0([i:m]))); end x1(m)=x0(m)+w/A(m,m)*(b(m)-sum(A(m,[1:m-1]).*x1([1:m-1]))-A(m,m)*x0(m)); xvect=[xvect;x1];nvect=[nvect;n];err=max(abs(x0-x1));xdif=[xdif;err]; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %下面是迭代过程 while(err>eps) x2=x1; x1(1)=x1(1)+w/A(1,1)*(b(1)-sum(A(1,[1:m]).*x1([1:m]))); for i=2:m-1 x1(i)=x1(i)+w/A(i,i)*(b(i)-sum(A(i,[1:i-1]).*x1([1:i-1]))-sum(A(i,[i:m]).*x1([i:m]))); end x1(m)=x1(m)+w/A(m,m)*(b(m)-sum(A(m,[1:m]).*x1([1:m]))); n=n+1;err=max(abs(x1-x2)); xvect=[xvect;x1];nvect=[nvect;n];xdif=[xdif;err]; end
脚本:
clear; A=[3 2 1;2 3 1;1 2 3]; b=[39 34 26]; eps=10^(-5);x0=[0 0 0];w=1.2;%给定初值 [x,n,err]=SOR(A,b,eps,x0,w); %调用SOR迭代法 %下面的输出到屏幕上 fprintf(' k x1 x2 x3 err\n'); for i=1:length(n) fprintf('%10.0f %10.6f %10.6f %10.6f %10.6f\n',n(i),x(i,1),x(i,2),x(i,3),err(i)); i=i+1; end
结果:
列主元消去法:
函数:
function [x,U,M]=GaussEliminate_column(A,b) %Gauss选列主元消去法 n=length(b); M=[]; %下面是消元过程 for k=1:n for i=k+1:n if A(k,k)~=0 M(i,k)=A(i,k)/A(k,k); b(i)=b(i)-M(i,k)*b(k); for j=k+1:n A(i,j)=A(i,j)-M(i,k)*A(k,j); end else %遍历当前位置所在的列,进行消元过程 for m=k+1:n if A(m,k)==max(A([k+1;n],k))%找到所在位置所处列以后最大的元素 %将最大元素与当前元素调换位置 B=A(k,[1:n]); A(k,[1:n])=A(m,[1:n]); A(m,[1:n])=B; %将相应在b的元素也调换位置 temp=b(t); b(t)=b(k); b(k)=temp; end end end end end %下三角化零 for i=1:n for j=1:i-1 A(i,j)=0; end end U=A; %下面是回代过程 x(n)=b(n)/A(n,n); for i=n-1:-1:1 x(i)=(b(i)-sum(A(i,[i+1:n]).*x([i+1:n])))/(A(i,i)); end
脚本:
clear; A=[3 2 1;2 3 1;1 2 3];b=[39 34 26]; [x,U,M]=GaussEliminate_column(A,b); %Gauss列主元消去法 %下面的输出到屏幕上 fprintf('x1= x2= x3= \n'); fprintf(' %10.5f %10.5f %10.5f \n',x(1),x(2),x(3)); fprintf('U= \n'); for i=1:length(b) fprintf(' %10.5f %10.5f %10.5f \n',U(i,1),U(i,2),U(i,3)); end
关键代码:
%遍历当前位置所在的列,进行消元过程 for m=k+1:n if A(m,k)==max(A([k+1;n],k))%找到所在位置所处列以后最大的元素 %将最大元素与当前元素调换位置 B=A(k,[1:n]); A(k,[1:n])=A(m,[1:n]); A(m,[1:n])=B; %将相应在b的元素也调换位置 temp=b(t); b(t)=b(k); b(k)=temp; end end
结果:
相关推荐
分别用雅可比迭代法(J)、高斯—塞德尔迭代法(G-S)、超松弛迭代法(SOR)计算方组 = − − − − 0 1 4 1 4 1 4 1 0 3 2 1 x x x = 10 8 10 ...
列主元消去法matlab程序,效率很高,占用内存空间很小
分别取n=20,60,100,200,采用高斯消去法、列主元高斯消去法计算下列n阶线性方程组Ax=b的解:
列主元消去法列主元消去法列主元消去法列主元消去法列主元消去法
求解线性方程组 Ax=b,其中 A 为 nxn 维的已知矩阵,b 为 n 维的已 知向量,x 为 n 维的未知向量。...(2)列主元消去法。 A 与 b 中的元素服从独立同分布的正态分布。令 n=10、50、100、200,测试计算时间并 绘制 曲线。
MATLAB实现列主元消去法求解任意线性方程组的解
Newton迭代法;列主元Gauss消去法;逐次超松弛迭代法;GaussSeidel
高斯消去法 包括顺序消去 列主元消去代码以及实验报告。具有较高精确度保证
数值计算基础的实验之一 直接法解线性方程组 高斯列主元消去法的C语言代码实现
用C语言程序编程实现列主元消去法,包括详细的算例,很好利用。
这个matlab列主元消去法(高斯消去法)代码,是正确的。 里头还有例子
高斯列主元消去法的有效程序 用matlab程序来实现
gauss列主元消去法 gauss列主元消去法 gauss列主元消去法 gauss列主元消去法 gauss列主元消去法
matlab编程实现高斯列主元消去法求解线性方程组
列主元消去法 1 【实验内容】 3 【试验方法与步骤】 3 一、回答下面的问题 3 二、完成下列计算,写出代码 4 【实验结果】 5 一、问题回答 5 1. 什么是线性方程组直接解法和迭代解法,各自的特点和使用问题类型是什么...
用列主元消去法求解线性方程组:AX=b
很不错的高斯列主元消去法,完美运行
C语言实现列主元消去法 计算方法的实验题目 难度不小
此报告是一份完整的数值分析实验报告,其中包含了高斯列主元消去法和追赶法以及对应的流程图和学习心得,值得下载和学习。
这四个程序分别为高斯消去法、列主元消去法、全主元消去法解线性方程组和Gauss-Jordan消元法求矩阵的逆。 程序采用MATLAB语言开发,并在MATLAB6.5下测试通过。