当我们计算线性方程组的解时,
可以把方程组变换为上面的下面这张图所示,即左右两边都有x,改图是写成矩阵的形式,如果我们写成方程组的形式,变为
我们手写计算通常都是待定系数法,如计算下面:
a+b=10;
a+2b=16;
待定系数即可算出a=4,b=6;但是计算机计算这些数量巨大的方程式使用迭代法,尤其当矩阵是大型稀疏矩阵(矩阵中有大部分元素都为0)时。
Jacobi迭代法也是依据上图方程式变形得到,
即:
这里的每一个x的下标i表示第i个x值,上标k+1表示迭代到了k+1次。
迭代求解的思想:
简单迭代法的求根过程分成两步,第一步先提供根的某个猜测值,即所谓迭代初值,然后将迭代初值逐步加工成满足精度要求的根。迭代法的设计思想是:f (x) = 0等价变换成 然后由迭代公式 逐步球的满足精度的解。实际迭代中不同迭代函数的求解可能影响求的精确解的运算量,甚至可能因为函数发散而无法求解。解题时可通过对导函数的判断而判断函数是否发散,而编写代码时可以通过判断循环次数——即循环过多次而不能从循环中出来时就判断为死循环,无法求得正解。
//c++代码
/*雅可比算法的代码实现*/
#include<iostream>
#include<iomanip>
#include<string>
#include<vector>
using namespace std;
//函数求数组中的最大值
double MaxOfList(vector<double>x){
double max=x[0];
int n=x.size();
for(int i=0;i<n;i++)
if(x[i]>max) max=x[i];
return max;
}
//雅可比迭代公式
void Jacobi(vector<vector<double> > A,vector<double> B,int n){
vector<double> X(n,0);
vector<double> Y(n,0);
vector<double> D(n,0);
int k=0; //记录循环次数
do{
X=Y;//注意到这一行代码与高斯赛德尔迭代法的区别
for(int i=0;i<n;i++){
double tem=0;
for(int j=0;j<n;j++){
if(i!=j) tem += A[i][j]*X[j];
}
Y[i]=(B[i]-tem)/A[i][i];
cout<<left<<setw(8)<<Y[i]<<" ";
}
cout<<endl;
k++;
if(k>100){
cout<<"迭代失败!(可能是函数不收敛)"<<endl;
return ;
}
for(int a=0;a<n;a++){
D[a]=X[a]-Y[a];
}
}while( MaxOfList(D)>0.00001 || MaxOfList(D)<-0.00001);
return ;
}
int main(){
int n;
cout<<"请输入方程组未知数的个数n:";
cin>>n;
cout<<endl;
vector<vector<double> >A(n,vector<double>(n,0));
vector<double>B(n,0);
cout<<"请输入方程组的系数矩阵:"<<endl;
for(int i=0;i<n;i++){
for(int j=0;j<n;j++){
cin>>A[i][j];
}
}
cout<<endl;
cout<<"请输入方程组的值向量:"<<endl;
for(int k=0;k<n;k++){
cin>>B[k];
}
cout<<endl;
cout<<"您输入的方程组为:"<<endl;
for(int a=0;a<n;a++){
for(int b=0;b<n;b++){
cout<<A[a][b]<<" ";
}
cout<<" "<<B[a]<<endl;
}
cout<<endl;
cout<<"由雅可比迭代公式求的方程组的解为:"<<endl;
Jacobi(A,B,n);
return 0;
}