雅可比（Jacobi)及高斯-塞德尔（Gauss_Seidel)迭代法求解线性方程组的matlab现实

雅可比迭代法的实现代码：

function X=Jacobi(A,B,P,delta,max1)
%Input -A is a X*N nosingular matrix
%     -B is a N*1 matrix
%     -P is a N*1 matrix ;the initial guess
%     _delta is the tolerance of P
%     -max1 is the maximum numbers of iterations
%Output -X is a N*1 matrix;the jacobi approximation to the solution of AX=B
N=length(B);
for i=1:max1%X(1)=(B(1)-A(1,2:N)*P(2:N))/A(1,1);for j=1:length(B)X(j)=(B(j)-(A(j,[1:j-1,j+1:N])*P([1:j-1,j+1:N])))/A(j,j);enderr=abs(norm(X'-P));relerr=err/((norm(X)+eps));P=X';if err<delta||relerr<deltabreak;end
endend

高斯-塞德尔迭代法的实现代码：

function X=Gseid(A,B,P,delta,max1)
%Input -A is a X*N nosingular matrix
%     -B is a N*1 matrix
%     -P is a N*1 matrix ;the initial guess
%     _delta is the tolerance of P
%     -max1 is the maximum numbers of iterations
%Output -X is a N*1 matrix;the jacobi approximation to the solution of AX=B
N=length(B);
for i=1:max1for j=1:length(B)if j==1X(1)=(B(1)-A(1,2:N)*P(2:N))/A(1,1);elseif j==NX(N)=(B(N)-A(N,1:N-1)*X(1:N-1)')/A(N,N);elseX(j)=(B(j)-(A(j,1:j-1)*X(1:j-1)'+A(j,j+1:N)*P(j+1:N)))/A(j,j);endenderr=abs(norm(X'-P));relerr=err/((norm(X)+eps));P=X';if err<delta||relerr<deltabreak;end
endend

现在用的高斯-塞德尔迭代法小试牛刀：

求解的代码如下：

%creaet a 50*50 matrix A satisfing conditions
A=zeros(50,50);
A(1,1)=12;
A(1,2)=-2;
A(1,3)=1;A(2,1)=-2;
A(2,2)=12;
A(2,3)=-2;
A(2,4)=1;
j=1;
for i=3:48A(i,j)=1;A(i,j+1)=-2;A(i,j+2)=12;A(i,j+3)=-2;A(i,j+4)=1;j=j+1;
end
A(49,47)=1;
A(49,48)=-2;
A(49,49)=12;
A(49,50)=-2;A(50,48)=1;
A(50,49)=-2;
A(50,50)=12;
%creat a 50*1 matrix B
B=5*ones(50,1);

求解结果如下：
1 至 13行

0.4638    0.5373    0.5090    0.4982    0.4989    0.5000    0.5001    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000

14 至 26 行

0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000

27 至 39 行

0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000    0.5000

40 至 50 行

0.5000    0.5000    0.5000    0.5000    0.5001    0.5000    0.4989    0.4982    0.5090    0.5373    0.4638

雅可比（Jacobi)及高斯-塞德尔（Gauss_Seidel)迭代法求解线性方程组的matlab现实相关推荐

运用雅可比(Jacobi)和高斯-赛德尔(GS公式)求解方程组
实验名称: 运用雅克比和高斯赛德尔公式求解方程组实验目的: a. 比较两种方法的收敛速度 b. 验证收敛条件的正确性实验内容 1.比较两种方法的收敛速度 Jacobi公式原理 xi(k+1)=1a ...
[计算机数值分析]高斯-塞德尔迭代公式解线性方程组
在雅可比迭代公式的基础上,对于收敛的迭代过程,所求出的"新值"常比"老值"更准确些,因此可以用它替代老值作进一步的计算,这样的思想就是著名的高斯-塞德尔迭代公式 ...
三种迭代法解方程组（雅可比Jacobi、高斯-赛德尔Gaisi_saideer、逐次超松弛SOR）
分析用下列迭代法解线性方程组 4 -1 0 -1 0 0 0 -1 4 -1 0 -1 0 5 0 -1 4 -1 0 -1 -2 -1 0 -1 4 -1 0 ...
MATLAB实现雅可比与高斯塞德尔迭代
概述用MATLAB编程实现,形成m函数文件.输入A,b矩阵,无返回值,解得x向量直接显示在命令行窗口,同时绘制出x向量的收敛曲线. A = [ 2 − 1 1 1 1 1 1 1 − 2 ] b = ...
计算方法：列主元消去法，LU分解法，雅可比迭代法，高斯塞德尔迭代法解线性方程（C++）
Matrix.h包括矩阵类Matrix的定义,Matrix.cpp包括该类成员函数的实现,LinearEqu.h包括线性方程类LinearEqu的定义,继承自Matrix类,其中solve()方法为列 ...
基于高斯塞德尔方法的超松弛迭代法MATLAB实现
概述用MATLAB编程实现,形成m函数文件.输入A,b矩阵,与松弛因子 ω \omega ω,无返回值.设置精度要求 ε = 1 0 − 4 \varepsilon=10^{-4} ε=10−4.所 ...
方程组求解matlab实现（朴素高斯求解、LU分解、雅可比迭代方法、高斯-塞德尔方法、连续过松弛（SOR））
朴素高斯求解 function x= oridinarygauss(a,b) n=length(b); for j=1:n-1for i=j+1:nmult=a(i,j)/a(j,j);for k=j ...
分别用雅可比（Jacobi）迭代法和高斯—塞德尔（Gauss—Seidel）迭代法求解线性方程组(转载)
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/yyywww666/article/details/42805071 算法介绍(迭代法介绍): 代码C ...
分别用雅可比（Jacobi）迭代法和高斯—塞德尔（Gauss—Seidel）迭代法求解线性方程组
算法介绍(迭代法介绍): 代码C语言实现; # include<stdio.h> # include<math.h> # define N 6 /* *使用雅可比迭代法和高斯- ...

雅可比（Jacobi)及高斯-塞德尔（Gauss_Seidel)迭代法求解线性方程组的matlab现实

雅可比（Jacobi)及高斯-塞德尔（Gauss_Seidel)迭代法求解线性方程组的matlab现实相关推荐

最新文章

热门文章