高斯—赛德尔(Gauss - Seidel)迭代法解线性方程组(Matlab程序)
2012-03-30 18:37
2221 查看
%---高斯—赛德尔迭代法-----
%---Gauss - Seidel iteration method
clear;clc;
% A=[10,-1,-2;-1,10,-2;-1,-1,5];
% b=[72,83,42]';
A=[ 28,-3,0,0,0;
-3,38,-10,0,-5;
-10,0,25,-15,0;
0,0,-15,45,0;
0,-5,0,0,30];
b=[10,0,0,0,0]';
N=length(b); %解向量的维数
fprintf('库函数计算结果:');
x=inv(A)*b %库函数计算结果
x=zeros(N,1);%迭代初始值
%-----(A=D-E-F)------
D=diag(diag(A));
E=-tril(A,-1);%下三角
F=-triu(A,1);%上三角
B=inv(D-E)*F;g=inv(D-E)*b;
eps=0.001;%相邻解的距离小于该数时,结束迭代
%--------开始迭代-------
for k=1:100 %最大迭代次数为100
fprintf('第%d次迭代:',k);
y=B*x+g;
fprintf('\n与上次计算结果的距离(2范数):%f \n',norm(x-y)^2);
if norm(x-y)<eps
break;
end
x=y
end
x
%---Gauss - Seidel iteration method
clear;clc;
% A=[10,-1,-2;-1,10,-2;-1,-1,5];
% b=[72,83,42]';
A=[ 28,-3,0,0,0;
-3,38,-10,0,-5;
-10,0,25,-15,0;
0,0,-15,45,0;
0,-5,0,0,30];
b=[10,0,0,0,0]';
N=length(b); %解向量的维数
fprintf('库函数计算结果:');
x=inv(A)*b %库函数计算结果
x=zeros(N,1);%迭代初始值
%-----(A=D-E-F)------
D=diag(diag(A));
E=-tril(A,-1);%下三角
F=-triu(A,1);%上三角
B=inv(D-E)*F;g=inv(D-E)*b;
eps=0.001;%相邻解的距离小于该数时,结束迭代
%--------开始迭代-------
for k=1:100 %最大迭代次数为100
fprintf('第%d次迭代:',k);
y=B*x+g;
fprintf('\n与上次计算结果的距离(2范数):%f \n',norm(x-y)^2);
if norm(x-y)<eps
break;
end
x=y
end
x
相关文章推荐
- 基于matlab的Guass-Seidel(高斯--赛德尔) 迭代法求解线性方程组
- 高斯-塞德尔迭代法Gauss-Seidel_解线性方程组的迭代法
- 数值分析 jacobi迭代法求解线性方程组 MATLAB程序实现
- 雅克比(Jacobi)迭代法解线性方程组(Matlab程序)
- 数值分析 Gauss-Seidel迭代法求解线性方程组 MATLAB程序实现
- Matlab的Gauss_Seidel迭代方法解线性方程组
- Matlab实现——严格对角占优三对角方程组求解(高斯赛尔德Gauss-Seidel迭代、超松弛)
- 基于matlab的jacobi(雅可比)迭代法求解线性方程组
- 选主元的高斯-约旦(Gauss-Jordan)消元法解线性方程组/求逆矩阵
- 加速子空间迭代法(Accelerated Subspace Iteration)求特征值问题matlab程序
- 信号峰拟合的MATLAB程序,包括高斯拟合,多高斯拟合等多种类型
- Matlab code for Gauss-Seidel and Successive over relaxation iterative methods
- 逐次超松弛迭代法解线性方程组(Matlab程序)
- 共轭梯度法解线性方程组(Matlab程序)
- 高斯消元法解非奇异线性方程组的MATLAB程序
- 代码笔记 | java实现高斯赛德尔算法解线性方程组
- 平方根法和改进的平方根法解线性方程组(Matlab程序)
- 列主消元法解非奇异线性方程组的MATLAB程序
- 高斯-赛德尔迭代法求解线性方程组的MATLAB实现
- 使用随机梯度算法对高斯核模型进行最小二乘学习法的MATLAB程序源码分析