首页/文章/ 详情

Gauss-Seidel迭代法解线性方程组

8月前浏览3237

与Jacobi迭代法密切相关的一种迭代方法叫做Gauss-Seidel迭代方法。Gauss-Seidel方法与Jacobi方法之间的差别是:在一个迭代步里,一旦未知变量值有更新,则立马投入使用。而不用像Jacobi方法那样下一个迭代步才使用。对于方程组:3u+v=5,u+2v=5,Gauss-Seidel迭代就这样进行:

注意红圈位置是Gauss-Seidel方法与Jacobi方法之间的差别:v1的计算用到了u1而不是u0。通常情况下Gauss-Seidel方法比Jacobi方法收敛更快。


设D表示系数矩阵A 的主对角部分,L表示A的主对角线下方部分,U表示A的主对角线上方部分。则A=D+L+U,AX=b可改写为(D+L+U)x=b,进一步有

用Gauss-Seidel方法求解方程组

Gauss-Seidel迭代格式为:

使用初值[u0,v0,w0]=[0,0,0]开始迭代,以下是迭代过程:

系数矩阵是严格对角占优的,因此迭代将收敛到精确解[2,-1,1]。


Gauss-Seidel方法的Fortran程序

☆☆☆  往期相关  ☆☆☆


Jacobi迭代法解线性方程组

严格对角占优矩阵



来源:数值分析与有限元编程
科普
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-04-02
最近编辑:8月前
太白金星
本科 慢慢来
获赞 6粉丝 17文章 327课程 0
点赞
收藏
作者推荐

Jacobi迭代法解线性方程组

本文摘要(由AI生成):本文讨论了线性方程组求解的两种方法:高斯消元法和迭代法。当方程组规模较大时,高斯消元法耗时较长,因此采用迭代法。迭代法通过有限步迭代逐渐减小误差,得到近似解。对于系数矩阵为严格对角占优矩阵的方程组,迭代法收敛。文章以Jacobi迭代法为例,展示了迭代求解过程,并给出了Fortran源代码。此外,文章还回顾了严格对角占优矩阵、高斯消元法及其算法改进的相关内容。当线性方程组的规模比较大时,采用高斯消元法需要太多时间。这时就要采用迭代法求解方程组了。高斯消元法是一个O(n^3)的浮点运算的有限序列,在经过有限步计算之后理论上得到的是精确解(无舍入误差时)。而迭代法在经过有限步迭代之后一般不产生精确解,迭代法在计算过程中逐渐减小误差,当误差小于容许值时停止迭代计算。方程组的系数矩阵是严格对角占优矩阵时,迭代总是收敛的。●Jacobi迭代法对于方程组3u+v=5,u+2v=5,将其改写为如下的形式由于方程组的系数矩阵是严格对角占优矩阵时,迭代一定收敛。使用初值[u0,v0]=[0,0]开始迭代,以下是迭代过程:继续迭代过程最终会收敛到解[1,2].这个迭代过程就是Jacobi迭代。对于方程组u+2v=5,3u+v=5,由于方程组的系数矩阵不是严格对角占优矩阵时,因此迭代不收敛。来看迭代过程:设D表示系数矩阵A 的主对角部分,L表示A的主对角线下方部分,U表示A的主对角线上方部分。则A=D+L+U,AX=b可改写为对于上面的方程组3u+v=5,u+2v=5,写成矩阵形式迭代格式为这与之前的迭代格式是一致的。Fortran源代码☆☆☆ 往期相关 ☆☆☆严格对角占优矩阵高斯消去法解线性方程组及MATLAB实现高斯消去法的算法改进来源:数值分析与有限元编程

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈