雅可比迭代和高斯—赛德尔迭代法

这篇具有很好参考价值的文章主要介绍了雅可比迭代和高斯—赛德尔迭代法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、雅可比迭代法

       对于线性方程组AX=b,我们首先将系数矩阵A分解为对角矩阵D、下三角矩阵L和上三角矩阵U:

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

1.1雅可比迭代法的matlab代码

  在这里,我们求解下面的带状方程(以下程序均是以求解该带状方程为例):

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

.............

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵 

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵 

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

function X0=jacobi(A,b,X0,delta,max1)
%输入  -A代表线性方程组AX=b的系数矩阵
%      -b代表线性方程组AX=b右侧的数值
%      -X0代表线性方程组AX=b进行高斯-赛德尔迭代法求解的迭代初值
%      -delta代表余项AX(k)-B的范数允许误差
%      -max1代表迭代的次数
%输出  -X0代表通过雅可比迭代法求解线性方程组AX=b的解
[N,N]=size(A);
L=-tril(A,-1);
U=-triu(A,1);
D=A+L+U;
B=inv(D)*(L+U)
f=inv(D)*b;
for k=1:max1
    X0=B*X0+f;
    err=abs(norm(A(:,:)*X0(:)-b(:),2))
    if err<delta
        break
    end
end   

 1.2雅可比迭代法的python代码

import numpy as np

def jacobi(A,b,X0,max1):
    '''A代表线性方程组AX=b的系数矩阵
           b代表线性方程组AX=b右边的部分
           X0代表高斯—赛德尔迭代的初始值
           max1代表迭代的次数'''
    n = np.shape(A)[0]
    L = -np.tril(A, -1)
    U = -np.triu(A, 1)
    D = A + L + U
    B = np.dot(np.linalg.inv(D),L+U)
    f = np.dot(np.linalg.inv(D),b)
    for i in range(max1):
        X0 = np.dot(B, X0) + f
    return X0

n=50
#线性方程组AX=b右边的部分
b=np.zeros((n,1))
for i in range(n):
    b[i]=5
#线性方程组AX=b的系数矩阵
A=np.zeros((n,n))
for i in range(n):
    A[i,i]=12
    if i>=0 and i<=48:
        A[i,i+1]=-2
    if i>=0 and i<=47:
        A[i,i+2]=1
    if i>=1:
        A[i,i-1]=-2
    if i>=2:
        A[i,i-2]=1
#迭代的初始值
X0=np.zeros((n,1))
for i in range(n):
    X0[i]=0
#进行迭代的次数
max1=50
#进行高斯—赛德尔迭代求解线性方程组AX=b的解
X=jacobi(A,b,X0,max1)
#输出由高斯—赛德尔迭代求得的线性方程组的解
print(X)

二、高斯—赛德尔迭代法

      高斯—赛德尔迭代法是再雅可比迭代法的基础上,在计算用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵时尽可能地用最新的用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵来替换 。同样对于线性方程组 AX=b,我们首先将系数矩阵A分解为对角矩阵D、下三角矩阵L和上三角矩阵U:

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵

用雅可比迭代法和高斯塞德尔解线性方程组ax=b,数值方法,python,算法,线性代数,matlab,矩阵 文章来源地址https://www.toymoban.com/news/detail-824015.html

 2.1高斯—赛德尔迭代法的matlab代码

function X0=Gauss_Saidel(A,b,X0,max1)
%输入  -A代表线性方程组AX=b的系数矩阵
%      -b代表线性方程组AX=b右侧的数值
%      -X0代表线性方程组AX=b进行高斯-赛德尔迭代法求解的迭代初值
%      -max1代表迭代的次数
%输出  -X0代表通过高斯-赛德尔迭代法求解线性方程组AX=b的解
[N,N]=size(A);
L=-tril(A,-1);
U=-triu(A,1);
D=A+L+U;
B=inv(D-L)*U;
f=inv(D-L)*b;
for k=1:max1
    X0=B*X0+f
end

2.2高斯—赛德尔迭代法的python代码

import numpy as np

def Gauss_Saidel(A,b,X0,max1):
    '''A代表线性方程组AX=b的系数矩阵
       b代表线性方程组AX=b右边的部分
       X0代表高斯—赛德尔迭代的初始值
       max1代表迭代的次数'''
    n=np.shape(A)[0]
    L=-np.tril(A,-1)
    U=-np.triu(A,1)
    D=A+L+U
    B=np.dot(np.linalg.inv(D-L),U)
    f=np.dot(np.linalg.inv(D-L),b)
    for i in range(max1):
        X0=np.dot(B,X0)+f
    return X0

n=50
#线性方程组AX=b右边的部分
b=np.zeros((n,1))
for i in range(n):
    b[i]=5
#线性方程组AX=b的系数矩阵
A=np.zeros((n,n))
for i in range(n):
    A[i,i]=12
    if i>=0 and i<=48:
        A[i,i+1]=-2
    if i>=0 and i<=47:
        A[i,i+2]=1
    if i>=1:
        A[i,i-1]=-2
    if i>=2:
        A[i,i-2]=1
#迭代的初始值
X0=np.zeros((n,1))
for i in range(n):
    X0[i]=0
#进行迭代的次数
max1=50
#进行高斯—赛德尔迭代求解线性方程组AX=b的解
X=Gauss_Saidel(A,b,X0,max1)
#输出由高斯—赛德尔迭代求得的线性方程组的解
print(X)

到了这里,关于雅可比迭代和高斯—赛德尔迭代法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Matlab中求解线性方程组——高斯消元法、LU分解法、QR分解法、SVD分解法、迭代法等

    MATLAB迭代的三种方式以及相关案例举例 MATLAB矩阵的分解函数与案例举例 MATLAB当中线性方程组、不定方程组、奇异方程组、超定方程组的介绍 MATLAB语句实现方阵性质的验证 MATLAB绘图函数的相关介绍——海底测量、二维与三维图形绘制 MATLAB求函数极限的简单介绍 文章目录 前言

    2024年02月08日
    浏览(66)
  • 松弛(SOR)迭代法

            松弛迭代法是在雅可比迭代法和高斯——赛德尔迭代法的基础上,以w0为松弛因子,建立迭代格式如下: 即         我们将线性方程组AX=b的系数矩阵A分解成一个对角矩阵D、一个下三角矩阵L和一个上三角矩阵D,即A=D-L-U,则有:                        当w=1时,

    2024年02月04日
    浏览(45)
  • 3.4 迭代法

        雅可比迭代法是一种用于求解线性方程组的迭代算法,其基本思想是将线性方程组中的系数矩阵拆分为对角线矩阵和非对角线矩阵两部分,并利用对角线矩阵的逆矩阵来迭代求解方程组。 具体地,设线性方程组为Ax=b,其中A为系数矩阵,b为常数向量,x为未知向量,雅可

    2024年02月08日
    浏览(46)
  • 34 | 牛顿迭代法

    牛顿迭代法(Newton’s Method)是一种用于寻找方程的实根的数值方法。其基本思想是通过一系列逼近来求解方程的根。对于方程 f ( x ) = 0 f(x) = 0

    2024年02月15日
    浏览(53)
  • python算法二:迭代法

    1.定义:迭代法也称辗转法,是一种不断用变量的旧值递推新值的过程,跟迭代法相对应的是直接法(或者称为一次解法),即一次性解决问题。迭代算法是用计算机解决问题的一种基本方法,它利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令(或一定步

    2024年02月06日
    浏览(56)
  • 程序设计基础实例大全(1.迭代法)

    本博文最先发表于知乎网 程序设计最为常用的计算方法有枚举(Enumeration)、递推和递归(Recursion)等。暴力搜索(Brute-­force search)属于枚举法。 迭代法(Iteration)也是最为常用的一种方法。 1.1 阶乘之和 问题描述 计算S=1!+2!+…+n! 输入 一个正整数n,满足1≤n≤10。 输出 阶

    2024年02月07日
    浏览(45)
  • 牛顿迭代法求解方程根——C语言

    牛顿迭代法是一种求解非线性方程的数值计算方法,它的基本思路是通过不断迭代逼近方程的根。下面我们将介绍如何使用C语言编写牛顿迭代法求解方程根的代码,并利用博客对代码进行解释。 牛顿迭代法的基本原理是利用函数f(x)在点x_0处的切线来逼近函数的零点,将切线

    2024年02月08日
    浏览(48)
  • 【数学】通俗理解泰勒公式(牛顿迭代法有用到)

    最近在看一些机器学习优化相关的方法(梯度下降、牛顿迭代等),里面又涉及到泰勒公式展开等,大学学的奈何都忘的差不多了,于是就看了一些博客,整理一下。 泰勒公式,也称泰勒展开式。是用一个函数在某点的信息,描述其附近取值的公式。如果函数足够平滑,在已

    2024年02月04日
    浏览(48)
  • Jacobi迭代法的matlab程序(《数值分析原理》)

    Jacobi迭代法是常见的几种迭代法之一,迭代格式如下图所示:(图片来自CHD的ztl老师的PPT)(具体内容详见《数值分析原理》) 该例子使用matlab的命令文件格式,命名为jacobi.m。 举例:设有方程组 取初始向量为x (0)=(-3,1,1) (T),用Jacobi方法求解,要求||x (k+1)-x (k)||小于等于10…

    2023年04月08日
    浏览(43)
  • 数值分析——关于非线性方程求根的迭代法

    目录 一、Aitken算法: 二、Steffensen算法: 三、牛顿切线法 四、定端点弦截法 五、动端点弦截法 六、不动点迭代法 七、二分迭代法 Aitken算法是一种加速级数收敛的方法,适用于递推计算和迭代解法,其核心思想是通过利用级数中的部分和之间的线性关系来加速收敛。 对应的迭

    2024年02月03日
    浏览(57)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包