分销赏收藏举报申诉 / 8

立即下载开通VIP

当前位置：首页 > 教育专区 > 其他 > 数值线性代数第二版上机习题第二章实验报告.doc

数值线性代数第二版上机习题第二章实验报告.doc

上传人：丰****

文档编号：4365871

上传时间：2024-09-13

格式：DOC

页数：8

大小：32KB

《数值线性代数第二版上机习题第二章实验报告.doc》由会员分享，可在线阅读，更多相关《数值线性代数第二版上机习题第二章实验报告.doc（8页珍藏版）》请在咨信网上搜索。

<p><span id="_baidu_bookmark_start_0" style="display: none; line-height: 0px;">‍</span>（1）估计5到20阶Hilbert矩阵得范数条件数（2）设,先随机地选取,并计算出;然后再用列主元Gauss消去法求解该方程组,假定计算解为。试对n从5到30估计计算解得精度,并且与真实相对误差作比较。解(1)分析:利用使从5循环到20,利用函数得到Hilbert矩阵;先将算法2、5、1编制成通用得子程序,利用算法2、5、1编成得子程序,对求解,得到得一个估计值;再利用得到;则条件数。另,矩阵得范数条件数可由直接算出,两者可进行比较。程序为   1 算法2、5、1编成得子程序 function v=opt(B) k=1; n=length(B); x=1、/n*ones(n,1); while k==1    w=B*x;    v=sign(w);    z=B'*v;    if norm(z,inf)<=z 2="" 67="" 422="" 5079="" 7717="" 943656="" x="zeros(n,1);" v="opt(B);" k="1;" else="" end="" ex2_1="" for="" n="11" a="hilb(n);" b="inv(A、');" k1="v*norm(A,inf);" k2="cond(A,inf);" 0028="" 1232433965549344="" warning:="" matrix="" is="" close="" to="" singular="" or="" badly="" results="" may="" be="" rcond="2、547634e-17、"> In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  2、547634e-17、 > In cond at 47  In ex2_1 at 6 n=12 估计条件数为3、9245e+16 实际条件数为3、9245e+16 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  7、847381e-19、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  7、847381e-19、 > In cond at 47  In ex2_1 at 6 n=13 估计条件数为1、2727e+18 实际条件数为1、2727e+18 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  2、246123e-18、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  2、246123e-18、 > In cond at 47  In ex2_1 at 6 n=14 估计条件数为4、8374e+17 实际条件数为4、8374e+17 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  8、491876e-19、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  8、491876e-19、 > In cond at 47  In ex2_1 at 6 n=15 估计条件数为4、6331e+17 实际条件数为5、234289848563619e+17 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  9、137489e-19、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  9、137489e-19、 > In cond at 47  In ex2_1 at 6 n=16 估计条件数为8、3166e+17 实际条件数为8、3167e+17 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  6、244518e-19、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  6、244518e-19、 > In cond at 47  In ex2_1 at 6 n=17 估计条件数为1、43e+18 实际条件数为1、43e+18 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  4、693737e-19、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  4、693737e-19、 > In cond at 47  In ex2_1 at 6 n=18 估计条件数为2、5551e+18 实际条件数为2、8893e+18 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  4、264685e-19、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  4、264685e-19、 > In cond at 47  In ex2_1 at 6 n=19 估计条件数为2、411858563109357e+18 实际条件数为2、411858563109357e+18 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  1、351364e-19、 > In ex2_1 at 3 Warning: Matrix is close to singular or badly scaled、 Results may be inaccurate、 RCOND =  1、351364e-19、 > In cond at 47  In ex2_1 at 6 n=20 估计条件数为2、31633670586674e+18 实际条件数为6、37335273308473e+18 结果分析随着矩阵阶数增加,估计值误差开始出现,时估计条件数与实际值存在误差;且条件数很大,Hilbert矩阵为病态得。解(2)分析:先根据题目要求,利用与使从5循环到30,作出与随机得,并计算出;然后再利用第一章习题中得到得与用列主元Gauss消去法求解该方程组,假定计算解为,得,利用第(1)问所得函数计算得一个估计值,利用计算得无穷范数,则得相对误差估计为,真实相对误差为。程序为 1 列主元Gauss消去法求解该方程组得程序为得分解: function [L,U,P]=GaussCol(A) n=length(A); for k=1:n-1 [s,t]=max(abs(A(k:n,k))); p=t+k-1; temp=A(k,1:n); A(k,1:n)=A(p,1:n); A(p,1:n)=temp; u(k)=p; if A(k,k)~=0    A(k+1:n,k)=A(k+1:n,k)/A(k,k);    A(k+1:n,k+1:n)=A(k+1:n,k+1:n)-A(k+1:n,k)*A(k,k+1:n); else    break; end end L=tril(A); U=triu(A); L=L-diag(diag(L))+diag(ones(1,n)); P=eye(n); for i=1:n-1    temp=P(i,:);    P(i,:)=P(u(i),:);    P(u(i),:)=temp; end end 高斯消去法解线性方程组 function x=Gauss(A,b,L,U,P) if nargin<5    P=eye(length(A)); end n=length(A); b=P*b; for j=1:n-1    b(j)=b(j)/L(j,j);    b(j+1:n)=b(j+1:n)-b(j)*L(j+1:n,j); end b(n)=b(n)/L(n,n); y=b; for j=n:-1:2    y(j)=y(j)/U(j,j);    y(1:j-1)=y(1:j-1)-y(j)*U(1:j-1,j); end y(1)=y(1)/U(1,1); x=y; end 2 问题(2)求解ex2_2 for n=5:30    A=2*eye(n)+tril(-1*ones(n)); A(1:n-1,n)=ones(n-1,1);    x=100*rand(n,1);    b=A*x;    [L,U,P]=GaussCol(A); x1=Gauss(A,b,L,U,P);    r=b-A*x1;    p1=norm(r,inf)*opt(inv(A、'))*norm(A,inf)/norm(b,inf);    p2=norm(x-x1,inf)/norm(x,inf);    disp(['n=',num2str(n)])    disp(['估计相对误差为',num2str(p1)]) disp(['实际相对误差为',num2str(p2)]) y1(n-4)=p1;y2(n-4)=p2; end plot(5:30,y1,5:30,y2) legend('估计相对误差','实际相对误差') 计算结果为 n=5 估计相对误差为2、8265e-15 实际相对误差为3、1615e-16 n=6 估计相对误差为3、3434e-15 实际相对误差为2、8523e-16 n=7 估计相对误差为9、882e-16 实际相对误差为1、7941e-16 n=8 估计相对误差为4、8733e-14 实际相对误差为1、0891e-14 n=9 估计相对误差为2、2282e-14 实际相对误差为3、6143e-15 n=10 估计相对误差为1、5622e-14 实际相对误差为3、9702e-15 n=11 估计相对误差为1、9668e-14 实际相对误差为5、1566e-15 n=12 估计相对误差为4、808e-14 实际相对误差为8、5677e-15 n=13 估计相对误差为2、8696e-13 实际相对误差为4、0392e-14 n=14 估计相对误差为1、5109e-12 实际相对误差为3、8759e-13 n=15 估计相对误差为4、3829e-13 实际相对误差为1、67e-13 n=16 估计相对误差为8、7941e-13 实际相对误差为2、6417e-13 n=17 估计相对误差为2、4842e-12 实际相对误差为5、8841e-13 n=18 估计相对误差为7、6311e-12 实际相对误差为2、4718e-12 n=19 估计相对误差为1、9214e-11 实际相对误差为5、9876e-12 n=20 估计相对误差为5、612e-11 实际相对误差为1、5802e-11 n=21 估计相对误差为1、7181e-11 实际相对误差为2、1433e-12 n=22 估计相对误差为1、0565e-11 实际相对误差为2、8952e-12 n=23 估计相对误差为6、9651e-12 实际相对误差为1、2037e-12 n=24 估计相对误差为3、1487e-10 实际相对误差为1、4479e-10 n=25 估计相对误差为9、884e-10 实际相对误差为2、3499e-10 n=26 估计相对误差为4、1606e-09 实际相对误差为6、3158e-10 n=27 估计相对误差为5、8332e-09 实际相对误差为1、7298e-09 n=28 估计相对误差为3、9754e-09 实际相对误差为6、9346e-10 n=29 估计相对误差为7、8248e-09 实际相对误差为1、4376e-09 n=30 估计相对误差为1、1681e-07 实际相对误差为2、0748e-08 结果分析 n较小时估计得较好,随着n得增大估计值误差增大</p>

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档保存到电脑，查找使用更方便

6 金币

申诉本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请申请举报、认领或删除 立即下载

配套讲稿：: 如PPT文件的首页显示word图标，表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
特殊限制：: 部分文档作品中含有的国旗、国徽等图片，仅作为作品整体效果示例展示，禁止商用。设计者仅对作品中独创性部分享有著作权。
关键词：: 数值线性代数第二版徐树方高立张平文上机习题实验报告

咨信网温馨提示：
1、咨信平台为文档C2C交易模式，即用户上传的文档直接被用户下载，收益归上传人（含作者）所有；本站仅是提供信息存储空间和展示预览，仅对用户上传内容的表现方式做保护处理，对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿，我们不确定上传用户享有完全著作权，根据《信息网络传播权保护条例》，如果侵犯了您的版权、权益或隐私，请联系我们，核实后会尽快下架及时删除，并可随时和客服了解处理情况，尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确)，网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据，个别因单元格分列造成显示页码不一将协商解决，平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺，下载前须认真查看，确认无误后再购买，务必慎重购买；若有违法违纪将进行移交司法处理，若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传，付费前请自行鉴别，如您付费，意味着您已接受本站规则且自行承担风险，本站不进行额外附加服务，虚拟产品一经售出概不退款（未进行购买下载可退充值款），文档一经付费（服务费）、不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印，是因预览和防盗链等技术需要对页面进行转换压缩成图而已，我们并不对上传的文档进行任何编辑或修改，文档下载后都不会有水印标识（原文档上传前个别存留的除外），下载后原文更清晰；试题试卷类文档，如果标题没有明确说明有答案则都视为没有答案，请知晓；PPT和DOC文档可被视为“模板”，允许上传人保留章节、目录结构的情况下删减部份的内容；PDF文档不管是原文档转换或图片扫描而得，本站不作要求视为允许，下载前自行私信或留言给上传者【丰****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用；网站提供的党政主题相关内容(国旗、国徽、党徽－－等)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
6、文档遇到问题，请及时私信或留言给本站上传会员【丰****】，需本站解决可联系【微信客服】、【 QQ客服】，若有其他问题请点击或扫码反馈【服务填表】；文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“【版权申诉】”（推荐），意见反馈和侵权处理邮箱：1219186828@qq.com；也可以拔打客服电话：4008-655-100；投诉/维权电话：4009-655-100。

关于本文

本文标题：数值线性代数第二版上机习题第二章实验报告.doc
链接地址：https://www.zixin.com.cn/doc/4365871.html

丰****

内容提供者

实名认证

查看上传人更多文档

部分上传会员的收益排行 01、路***（￥15400+），
02、曲****（￥15300+），
03、wei****016（￥13200+）,
04、大***流（￥12600+），
05、Fis****915（￥4200+），
06、h****i（￥4100+），
07、Q**（￥3400+），
08、自******点（￥2400+），
09、h*****x（￥1400+），
10、c****e（￥1100+）,
11、be*****ha（￥800+），
12、13********8（￥800+）。

相似文档

自信AI助手

数值线性代数第二版上机习题第四章实验报告.doc

数值线性代数第二版徐树方高立张平文上机习题第一章实验报告.doc

搜索标签

自信AI导航

数值 线性代数 第二 版徐树方高立张平文 上机习题实验报告