代码拉取完成,页面将自动刷新
同步操作将从 黑影/goNum 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
// LEs_SORIterate
/*
------------------------------------------------------
作者 : Black Ghost
日期 : 2018-11-22
版本 : 0.0.0
------------------------------------------------------
解n阶线性方程组的SOR(逐次超松弛, successive over
relaxation)迭代法
理论:
参考 李信真, 车刚明, 欧阳洁, 等. 计算方法. 西北工业大学
出版社, 2000, pp 68-72.
收敛的条件:(B为变化后的系数矩阵)
1. 系数矩阵A严格对角占优,且0 < omega <= 1,或者
2. 系数矩阵A对称正定,且0 < omega < 2
------------------------------------------------------
输入 :
A 系数矩阵
b 常数值向量
tol 最大容许误差
omega 松弛因子,0 < omega < 2, omega = 1: Siedel,
omega < 1: 低松弛, omega > 1: 超松弛
n 最大迭代步数
输出 :
sol 解向量
err 解出标志:false-未解出或达到步数上限;
true-全部解出
------------------------------------------------------
*/
package goNum
import "math"
// LEs_SORIterate 解n阶线性方程组的SOR(逐次超松弛, successive over relaxation)迭代法
func LEs_SORIterate(A, b, x0 Matrix, tol, omega float64, n int) ([]float64, bool) {
/*
解n阶线性方程组的SOR(逐次超松弛, successive over relaxation)迭代法
输入 :
A 系数矩阵
b 常数值向量
tol 最大容许误差
omega 松弛因子,0 < omega < 2, omega = 1: Siedel,
omega < 1: 低松弛, omega > 1: 超松弛
n 最大迭代步数
输出 :
sol 解向量
err 解出标志:false-未解出或达到步数上限;
true-全部解出
*/
x1 := ZeroMatrix(A.Rows, 1)
sol := ZeroMatrix(A.Rows, 1)
var err bool = false
//求解
for i := 0; i < n; i++ {
for i0 := 0; i0 < A.Rows; i0++ {
sum0 := 0.0
for j := 0; j < i0; j++ {
sum0 += A.GetFromMatrix(i0, j) * x1.GetFromMatrix(j, 0)
}
sum1 := 0.0
for j := i0 + 1; j < A.Columns; j++ {
sum1 += A.GetFromMatrix(i0, j) * x0.GetFromMatrix(j, 0)
}
x1.SetMatrix(i0, 0, (1-omega)*x0.GetFromMatrix(i0, 0)+omega*(b.Data[i0]-sum0-sum1)/A.GetFromMatrix(i0, i0))
}
//判断收敛
sol = SubMatrix(x1, x0)
max, _, _ := Max(sol.Data)
if math.Abs(max) < tol {
sol = x1
err = true
return sol.Data, err
}
//准备下次迭代
for i0 := 0; i0 < x0.Rows; i0++ {
x0.Data[i0] = x1.Data[i0]
}
}
return make([]float64, A.Rows), err
}
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。