數(shù)值線性代數(shù)課設(shè)課件資料

數(shù)值線性代數(shù)課程設(shè)計報告姓名:陶英學(xué)號:081410124任課教師:楊熙南京航空航天大學(xué)2016年6月22日求解線性方程組的三種迭代法及其結(jié)果比較綱要現(xiàn)在的環(huán)境下，數(shù)值計算愈來愈依靠于計算機(jī)。大規(guī)?？茖W(xué)計算和工程技術(shù)中很多問題的解決，最后究結(jié)為大型稀少線性方程組的求解，其求解時間在整個問題求解時間中據(jù)有很大的比重，有的甚至達(dá)到80%。因為當(dāng)今科學(xué)研究和大型項目中各樣復(fù)雜的能夠?qū)τ嬎憔群陀嬎闼俣鹊囊笥鷣碛?。所以，作為大?guī)?？茖W(xué)計算基礎(chǔ)的線性代數(shù)方程組的高效數(shù)值求解惹起了人們的廣泛關(guān)注。這類方程組的求解一般采納迭代法。對于迭代法，是有好多種解決公式的：Jacobi，G-S和超廢弛迭代法。這三種方法的原理大概相同，Jacobi需要給定初向量，G-S則需要給定初值，超廢弛法是對Guass-Seidel迭代法的加權(quán)均勻改造。而本文則是對大型稀少線性方程組迭代求解與三種迭代法（Jacobi，Gauss-Seidel和超廢弛迭代法）的收斂速度與精準(zhǔn)解的偏差比較做出研究。重點詞：Jacobi迭代法；Gauss-Seidel迭代法；SOR迭代法；線性方程組方法與理論的表達(dá)1.1迭代法簡介1.Jacobi迭代法：對于非奇怪線性方程組Ax=b，令A(yù)=D-L-U，此中則原方程組可改寫為：（2.2）此中給定初始向量：由（2.2）能夠結(jié)構(gòu)迭代公式：其重量形式為：Guass-Seidel迭代法：近似于Jacobi迭代法，給定初值：令則獲得Guass-Seidel公式：其重量形式為：超廢弛迭代法（SOR迭代法）：SOR迭代法是對Guass-Seidel迭代法的加權(quán)均勻改造，即為Guass-Seidel迭代解，即它的重量形式為：此中ω稱為廢弛因子，當(dāng)ω>1時稱為超廢弛；當(dāng)ω<1時叫低廢弛；ω=1時就是Guass-Seidel迭代。上述三種經(jīng)典迭代法收斂的充分必需條件是迭代矩陣譜半徑小于1。譜半徑不易求解，而在必定條件下，經(jīng)過系數(shù)矩陣A的性質(zhì)可判斷迭代法的收斂性。定理1：若系數(shù)矩陣A是嚴(yán)格對角占優(yōu)或不行約對角占優(yōu)，則Jacobi迭代法和Gauss-Seidel迭代法均收斂。定理2：（1）SOR迭代法收斂的必需條件是0<w<2；（2）若系數(shù)矩陣A嚴(yán)格對角占優(yōu)或不行約對角占優(yōu)且0<w<1,則SOR迭代法收斂。w=1時，SOR迭代法退化為Gauss-Seidel迭代法。數(shù)值結(jié)果2.1問題考慮兩點邊值問題：d2ydya,0a1dx2dxy(0)0,y(1)1.x簡單知道它的精準(zhǔn)解為：y1a1/(1e)ax1e為了將微分方程失散，把[0,1]區(qū)間n平分，令h=1/n，xiih,i1,2,...n1，得到差分方程(h)yi1(2h)yiyi1ah2，進(jìn)而獲得迭代方程組的系數(shù)矩陣A。對=1，a=1/2,n=100,分別用jacobi，G-S，超廢弛迭代法分別求線性方程組的解，要求4位有效數(shù)字，而后比較與精準(zhǔn)解的偏差。對=0.1，=0.01，=0.001，考慮相同問題。方程的表示及儲存因為此題中線性方程組的系數(shù)矩陣為三對角矩陣，所以能夠采納收縮方法儲存，即而后在矩陣乘法時對下標(biāo)辦理一下即可?？墒强紤]到三種迭代方法的一般性，且此題中n=200其實不是很大，所以實驗中并無采納收縮儲存，而是采納了直接儲存。邊值條件的辦理因為差分獲得的方程組的第一行和最后一行中分別出現(xiàn)了邊值y(0)與y(1)作為常數(shù)項，所以要在常向量的第一項和最后一項作一些改正：迭代停止條件第一確立要求的精度tol，我們希望當(dāng)則停止迭代。對于迭代格式

，若

且

，則迭代序列

的第k次近似解和精準(zhǔn)解之間有預(yù)計式由題目要求知我們需要有

。，而由上邊的迭代預(yù)計，只需，即即可。而此題中q可近似取為，所以最后令迭代停止條件為4.SOR迭代中最正確廢弛因子的選用因為SOR迭代法的成效和其廢弛因子w的選用相關(guān)，所以有必需選用適合的松弛因子。入選擇最正確廢弛因子時，SOR方法的迭代速度最快。Matlab實現(xiàn)：迭代矩陣是n-1階的，不是n階；等號右端向量b的最后一項，不是ah^2，而是ah^2-eps-h2.2精準(zhǔn)解x1ay1e1/(1e)ax帶入a=1/2,=1代碼：clearx=linspace(0,1);truy=(1-0.5)/(1-exp(-1/1))*(1-exp(-x./1))+x.*0.5;figure;plot(x,truy,'g','LineWidth',1.5);holdon;Grid圖：2.3三種迭代法Jacobi法：代碼見附錄Eps=1結(jié)果：迭代次數(shù)k：22273結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）Eps=0.1結(jié)果：迭代次數(shù)k：8753結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）Eps=0.01結(jié)果：迭代次數(shù)k：661結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）G-S迭代法：代碼見附錄Eps=1結(jié)果：迭代次數(shù)k：11125結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）Eps=0.1結(jié)果：迭代次數(shù)k：4394結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）Eps=0.01結(jié)果：迭代次數(shù)k：379結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）超廢弛法：代碼見附錄Eps=1w=1.56結(jié)果：迭代次數(shù)k：3503結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）Eps=0.1w=1.56結(jié)果：迭代次數(shù)k：1369結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）Eps=0.01w=1.56結(jié)果：迭代次數(shù)k：131結(jié)果與精準(zhǔn)解的比較圖（綠色粗線是精準(zhǔn)解，黑色細(xì)線是迭代結(jié)果）剖析議論及心得領(lǐng)會3.1三種方法的比較Jacobi、G-S、超廢弛法，三者都能夠獲得對精準(zhǔn)解的優(yōu)秀迫近，可是，在相同的精度條件下，三者的收斂速度是不相同的，jacobi<G-S<超廢弛，也就是說，在迭代次數(shù)相同的條件下，精度：jacobi<G-S<超廢弛。3.2心得領(lǐng)會此次課程設(shè)計，平常感覺挺簡單的那些乏味單一的代碼和數(shù)學(xué)公式，真實到了自己運用的時候卻無從下手，可是，解決問題的過程正是不停學(xué)習(xí)的過程：數(shù)學(xué)算法變換為代碼的過程要對題目有深入的認(rèn)識，而后對程序函數(shù)定義還要有一定的掌握能力，經(jīng)過這個的過程讓我穩(wěn)固了自己的數(shù)學(xué)知識，對數(shù)學(xué)專業(yè)知識和MATLAB的操作有了更深的領(lǐng)會。課程設(shè)計中碰到的問題只憑自己冥思苦想是不可以所有解決的，這是同學(xué)老師的建講和網(wǎng)絡(luò)給了我很大的幫助。碰到自己解決不了的問題時，多多向老師同學(xué)討教，也許問題就能水到渠成。參照文件徐樹方.數(shù)值線性代數(shù).北京:北京大學(xué)第一版社,1995.馬昌鳳.現(xiàn)代數(shù)值剖析.北京:國防工業(yè)第一版社.2013.劉春鳳,米翠蘭.適用數(shù)值剖析教程.北京冶金工業(yè)第一版社.2006附錄源代碼1.Jacobi：function[y,k]=jacobi2(a,eps,h,delta)n=1.0/h;A=ones(n-1);y=zeros(n-1,1);z=zeros(n-1,1);k=0;fori=1:n-1forj=1:n-1A(i,j)=0;endendfori=1:n-1A(i,i)=-(2*eps+h);endfori=1:n-1forj=1:n-1ifi==j+1A(i,j)=eps;endifi==j-1A(i,j)=eps+h;endendendb=zeros(n-1,1);fori=1:n-2b(i,1)=a*h^2;endb(n-1,1)=a*h^2-eps-h;D=zeros(n-1);fori=1:n-1D(i,i)=A(i,i);endL=zeros(n-1);fori=1:n-1forj=1:n-1ifi>jL(i,j)=-A(i,j);endendendU=zeros(n-1);fori=1:n-1forj=1:n-1ifi<jU(i,j)=-A(i,j);endendendB=D\(L+U);g=D\b;while1z=B*y+g;ifnorm(z-y,inf)<deltabreak;endy=z;k=k+1;endx=linspace(0,1);truy=(1-a)/(1-exp(-1/eps))*(1-exp(-x./eps))+x.*a;figure;plot(100*x,truy,'g','LineWidth',5);holdon;gridholdon;plot(y,'b')2.G-S:function[y,k]=gs2(a,eps,h,delta)n=1.0/h;A=ones(n-1);y=zeros(n-1,1);z=zeros(n-1,1);k=0;fori=1:n-1forj=1:n-1A(i,j)=0;endendfori=1:n-1A(i,i)=-(2*eps+h);endfori=1:n-1forj=1:n-1ifi==j+1A(i,j)=eps;endifi==j-1A(i,j)=eps+h;endendendb=zeros(n-1,1);fori=1:n-2b(i,1)=a*h^2;endb(n-1,1)=a*h^2-eps-h;D=zeros(n-1);fori=1:n-1D(i,i)=A(i,i);endL=zeros(n-1);fori=1:n-1forj=1:n-1ifi>jL(i,j)=-A(i,j);endendendU=zeros(n-1);fori=1:n-1forj=1:n-1ifi<jU(i,j)=-A(i,j);endendendB=D\(L+U);g=D\b;while1z=(D-L)\U*y+(D-L)\b;ifnorm(z-y,inf)<deltabreak;endy=z;k=k+1;endx=linspace(0,1);truy=(1-a)/(1-exp(-1/eps))*(1-exp(-x./eps))+x.*a;figure;plot(100*x,truy,'g','LineWidth',5);holdon;gridholdon;plot(y,'b')3.SOR：function[y,k]=sor(a,eps,h,delta,w)n=1.0/h;A=ones(n-1);y=zeros(n-1,1);z=zeros(n-1,1);k=0;fori=1:n-1forj=1:n-1A(i,j)=0;endendfori=1:n-1A(i,i)=-(2*eps+h);endfori=1:n-1forj=1:n-1ifi==j+1A(i,j)=eps;endifi==j-1A(i,j)=eps+h;endendendb=zeros(n-1,1);fori=1:n-2b(i,1)=a*h^2;endb(n-1,1)=a*h^2-eps-h;D=zeros(n-1);fori=1:n-1D(i,i)=A(i,i);endL=zeros(n-1);fori=1:n-1forj=1:n-1ifi>jL(i,j)=-A(i,j);endendendU=zeros(n-1);fori=1:n-1forj=1:n-1ifi<jU(i,j)=-A(i,j);endendendB=D\(L+U);g=D\b;Lw=((D-w*L)^-1