基于高斯塞德尔方法的超松弛迭代法MATLAB实现

最新推荐文章于 2025-01-22 22:25:57 发布

原创最新推荐文章于 2025-01-22 22:25:57 发布 · 5.5k 阅读

51 ·

CC 4.0 BY-SA版权

数学学习专栏收录该内容

9 篇文章

订阅专栏

本文介绍了如何使用MATLAB编程实现超松弛迭代(SOR)求解线性方程组，并展示了如何计算谱半径判断收敛性。通过A=[5 1 -1 -2; 2 8 1 3; 1 -2 -4 -1; -1 3 2 7]和b=[-2 -6 6 12]的示例，展示了SOR方法的求解过程和结果，以及与雅可比和高斯塞德尔方法的对比，突出了SOR在迭代效率上的优势。

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 $ω\omega$ ，无返回值。设置精度要求 $ε=10−4\varepsilon=10^{-4}$ 。所得解向量向量直接显示在命令行窗口，同时绘制出解向量的收敛曲线。
判断迭代方法收敛性时计算高斯塞德尔迭代矩阵谱半径以判断。

代码与运行结果

function [] = sor(A,b,w)
%基于高斯塞德尔的超松弛迭代求解向量
G=-(tril(A))\triu(A,1);
R=max(abs(eig(G)));
if(R>=1)
     disp('SOR is not work');
else
     disp('SOR is going well');
     disp('x vector:')
     l=length(b);
     x=zeros(size(b));
     xs=0;
     xe=0;
     for k=1:100
         for i=1:l
            for j=1:i-1
                xs=xs+A(i,j)*x(j,k+1);
            end 
            for j=i:l
                xe=xe+A(i,j)*x(j,k);
            end 
            x(i,k+1)=x(i,k)+(w/A(i,i))*(b(i)-xs-xe);
            xs=0;
            xe=0;
         end
         if(max(abs(x(:,k+1)-x(:,k)))<10^-4)
            break;
         end
     end
     disp(x(:,k+1));
     e=1:k+1;
     plot(e,x,'- o');
     xlabel('generations');
     ylabel('vector x');
end
end

令：
$A=\begin{bmatrix} 5&1&-1&-2\\2&8&1&3\\1&-2&-4&-1\\-1&3&2&7\end{bmatrix} b=\begin{bmatrix} -2\\-6\\6\\12\end{bmatrix}\\$
$ω=1.15\omega=1.15$

A=[5 1 -1 -2;2 8 1 3;1 -2 -4 -1;-1 3 2 7];
b=[-2;-6;6;12];
sor(A,b,1.15);
SOR is going well
x vector:
    1.0000
   -2.0000
   -1.0000
    3.0000

在这里插入图片描述

与雅可比、高斯塞德尔方法比较

$A=\begin{bmatrix} 5&1&-1&-2\\2&8&1&3\\1&-2&-4&-1\\-1&3&2&7\end{bmatrix} b=\begin{bmatrix} -2\\-6\\6\\12\end{bmatrix}\\$
$ω=1.15\omega=1.15$

雅可比方法

在这里插入图片描述

高斯塞德尔方法

在这里插入图片描述

相较之下，SOR方法迭代次数缩短，求解时间减少。但需要选择恰当的松弛因子 $ω\omega$ 。