基于SOR迭代法的线性方程组求解器

资 源 简 介

本项目实现了数值分析中经典的超松弛(SOR)迭代算法，用于高效求解形如Ax=b的线性方程组。该算法是高斯-赛德尔迭代法的改进版本，通过引入一个介于0与2之间的松弛因子omega对连续两次迭代的解进行加权平均，从而显著提高收敛速度。项目核心功能包括系数矩阵的预处理与分解，即将矩阵A分解为对角矩阵D、严格下三角矩阵L和严格上三角矩阵U。在迭代过程中，利用逐分量更新的策略，并结合松弛因子对解向量的每一维进行修正，直到满足预设的误差容限或达到最大迭代步数。此工具不仅能够处理稠密矩阵，也适用于工程计算中常见的大型稀疏矩阵问题。通过对不同松弛因子的调优，用户可以找到特定问题的最优收敛参数。项目还包含了对收敛性条件的初步自动判断，如检查矩阵是否为严格对角占优或对称正定，以确保迭代过程的数值稳定性。该方法广泛应用于电力系统计算、计算流体力学、有限元分析以及各种物理场模拟。

详 情 说 明

基于MATLAB的线性方程组超松弛(SOR)迭代法求解器

项目介绍

本项目是一个基于MATLAB开发的数值计算工具，专门用于求解线性方程组 Ax=b。它实现了经典的超松弛迭代法（Successive Over-Relaxation, SOR），这是一种旨在提高高斯-赛德尔迭代法收敛效率的改进算法。通过合理选择松弛因子 omega，该工具能够显著加快线性系统求解的收敛速度，尤其适用于处理科学工程计算中出现的大型稀疏矩阵问题。

功能特性

1. 高效线性求解：利用SOR迭代算法，支持通过配置精度容差和最大迭代次数来控制求解过程。
2. 收敛性预判：在计算开始前自动检测系数矩阵的性质，包括严格对角占优（SDD）和对称正定（SPD）检查，为迭代的稳定性提供依据。
3. 参数自动优化：内置松弛因子优化测试功能，能够自动遍历不同的 omega 值并识别出使迭代次数最少的最优参数。
4. 全方位可视化：自动生成残差收敛曲线图以及松弛因子与收敛速度的关系曲线，便于用户直观分析算法性能。
5. 健壮的求解逻辑：采用逐分量更新策略，结合残差范数监控，确保在满足精度要求时及时停止。

实现逻辑与功能细节说明

环境初始化与测试数据生成

程序首先清除工作区变量并关闭图形窗口。生成一个 100 阶的典型三对角矩阵作为测试用例，其对角线元素为4，相邻元素为-1，这种结构确保了矩阵的良好性质。初始解向量设为全零，并预设了松弛因子（1.25）、收敛容差（1e-6）和最大迭代步数。

矩阵属性分析

在执行迭代前，系统会对系数矩阵 A 进行双重校验：

• 严格对角占优检查：计算每一行对角线元素的绝对值是否大于该行其余元素绝对值之和。
• 对称正定检查：首先确认矩阵是否对称，随后尝试进行 Cholesky 分解。如果分解成功则判定为正定。

这些判别结果会实时反馈给用户，作为迭代是否会发散的警告参考。

SOR 核心迭代算法

求解器核心采用了逐分量更新的策略。在每一次迭代循环中：

• 分别计算当前分量之前已更新的解向量部分与矩阵对应行的乘积（前序项）。
• 计算当前分量之后仍为旧解的部分与矩阵对应行的乘积（后序项）。
• 应用 SOR 核心公式，结合当前分量的旧值、前序项、后序项以及松弛因子，计算出新的分量值。
• 更新完所有分量后，计算残差的二范数（||b - Ax||），并将其记录在历史记录中。
• 若残差小于预设精度，则提前终止迭代并返回结果。

松弛因子优化测试

为了寻找特定矩阵的最优收敛速度，程序包含一个自动化测试模块：

• 在 1.0 到 1.95 的范围内，以 0.05 为步长配置多个 omega 候选值。
• 针对每个候选值运行完整的求解器，记录达到收敛所需的迭代次数。
• 自动识别并输出迭代次数最少的最佳 omega 值。

结果分析与可视化

计算完成后，程序会输出解向量的部分元素（前5个）以及最终的迭代次数。同时生成两张图表：

• 收敛曲线图：使用半对数坐标展示残差随迭代次数下降的过程，直观反映收敛的线性特性。
• 性能优化图：展示不同松弛因子对迭代次数的影响曲线，并在图中标注出搜索到的最优解点。

使用方法

1. 确保安装了 MATLAB 环境。
2. 将程序文件放置在 MATLAB 的工作路径下。
3. 直接运行主程序。用户可以在程序代码的初始化部分自行修改矩阵 A、向量 b、初始解、松弛因子以及收敛精度等参数。
4. 程序运行后，控制台会实时显示收敛性判别结果、优化过程及最终解信息，并弹出分析图表。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 依赖项：无需外部库，仅依赖 MATLAB 内置的基础数学函数。