計算實習報告1_第1頁
計算實習報告1_第2頁
計算實習報告1_第3頁
計算實習報告1_第4頁
計算實習報告1_第5頁
已閱讀5頁,還剩5頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

數(shù)值分析(B)大作業(yè)(一)姓名:學號:電話:1、算法設計:①求、和的值::表示矩陣的按模最小特征值,為求得直接對待求矩陣A應用反冪法即可。、:若矩陣A的特征值滿足關系且,要求、及時,可按如下方法求解:對矩陣A用冪法,求得按模最大的特征值。按平移量對矩陣A進行原點平移得矩陣,對矩陣B用反冪法求得B的按模最小特征值。則:,即為所求。②求和A的與數(shù)最接近的特征值(k=0,1,…39):求矩陣A的特征值中與P最接近的特征值的大小,采用原點平移的方法:先求矩陣B=A-PI對應的按模最小特征值,則+P即為矩陣A與P最接近的特征值。在本次計算實習中則是先求平移矩陣,對該矩陣應用反冪法求得,則與最接近的A的特征值為:重復以上過程39次即可求得(k=0,1,…39)的值。③求A的(譜范數(shù))條件數(shù)和行列式:在(1)中用反冪法求矩陣A的按模最小特征值時,要用到Doolittle分解方法,在Doolittle分解完成后得到的兩個矩陣分別為L和U,則A的行列式可由U陣求出,即:det(A)=det(U)。求得det(A)不為0,因此A為非奇異的實對稱矩陣,則:,和分別為模最大特征值與模最小特征值。2、程序源代碼:#include"Stdio.h"#include"Conio.h"#include"math.h"http://****************************************************************************////在存儲帶狀矩陣時,下面的幾個量在程序中反復用到,為方便編程故把它們定義成宏.////M:轉換后的矩陣的行數(shù),M=R+S+1。////N:轉換后的矩陣的列數(shù),與原矩陣列數(shù)相等。////S:上半帶寬。////R:下半帶寬。////Epsilon:用來指定求解精度。////****************************************************************************//#defineM5#defineN501#defineR2#defineS2#defineEpsilon0.000000000001voidCreat_MatrixA(doublearray[M+1][N+1]);voidLoad_MatrixA(doublearrayA[M+1][N+1],doublearrayB[M+1][N+1]);voidLoad_vectoru(doubleu[N+1]);doubleMifa(doubleu[N+1],doublearray[M+1][N+1]);doubleFanmifa(doubleu[N+1],doublearrayA[N+1][N+1]);voidSolution_Yushu(doublearray[N+1][N+1],doubleu[N+1],doublenamda1,doublenamda501);voidDoolittle_Dai(doublearray[M+1][N+1]);voidBack_Doolittle_Dai(doublearray[M+1][N+1],doubley[N+1],doublex[N+1]);doublemax(doublea,doubleb);doublemin(doublea,doubleb);main(void){//****************************************************************************////定義主程序中用到的變量////****************************************************************************////MatrixA:用來存儲源矩陣A。////arrayA:用反冪法求矩陣的按模最小特征值時,矩陣的數(shù)據(jù)會被更改。////因此實際計算中,使用源矩陣A的拷貝arrayA。////u:用來存放迭代向量,初始化后的u里存儲的是初始迭代向量。////u_k:u_k=λ(1)+k*(λ(501)-λ(1))/40,用來存儲A的與數(shù)。////cond(A):用來存儲A的條件數(shù)cond(A)=λ(max)/λ(s)。////det_A:用來存儲A的行列式的值。////****************************************************************************//doubleMatrixA[M+1][N+1],arrayA[M+1][N+1],u[N+1];doublenamdas=0,namda1=0,namda2=0,namda501=0;doublecond_A,det_A=1;inti;/*調(diào)用函數(shù)Creat_MatrixA生成帶狀矩陣A*/Creat_MatrixA(MatrixA);//****************************************************************************////求矩陣A的最小、最大和按模最小的特征值////****************************************************************************//printf("/***********************************************************/\n");printf("矩陣A的兩端特征值及按模最小特征值分別為:\n");/*求λ(s):加載矩陣A,對A用反冪法*/Load_MatrixA(MatrixA,arrayA);Load_vectoru(u);namdas=Fanmifa(u,arrayA);/*利用反冪法進行Doolittle分解得到的U陣求矩陣A的行列式的值:det(A)=det(U)*/for(i=1;i<=N;i++) det_A*=arrayA[S+1][i];/*重新加載矩陣A,對A用冪法求得A的按模最大特征值λ(m1)*/Load_MatrixA(MatrixA,arrayA);Load_vectoru(u);namda1=Mifa(u,arrayA);/*計算B=A+λ(m1)I,并對B用反冪法求得λ(m2)*/for(i=1;i<=N;i++) arrayA[S+1][i]+=namda1;/*調(diào)用反冪法,求變換矩陣的按模最小特征值*/namda2=Fanmifa(u,arrayA);namda501=namda2-namda1;printf("λ(1)=%.12e\nλ(501)=%.12e\nλ(s)=%.12e\n",min(namda1,namda501),max(namda1,namda501),namdas);//****************************************************************************////求和A的與數(shù)最接近的特征值的大小////****************************************************************************//printf("/***********************************************************/\n");printf("和A的與數(shù)最接近的特征值λ(i_k)分別為:\n");/*調(diào)用求和A的與數(shù)最接近的特征值的大小子函數(shù)*/Solution_Yushu(MatrixA,u,namda1,namda501);//****************************************************************************////求矩陣A的條件數(shù)cond(A)和行列式的值det(A)////****************************************************************************//printf("/***********************************************************/\n");cond_A=fabs(max(namda1,namda501)/namdas);printf("矩陣A的條件數(shù):cond(A)=%.12e\n",cond_A);printf("A的行列式的值為:det(A)=%.12e\n",det_A);getch();return0;}/*創(chuàng)建源矩陣A,按帶狀特征存儲*/voidCreat_MatrixA(doublearray[M+1][N+1]){inti,j;for(i=0;i<=M;i++)for(j=0;j<=N;j++)array[i][j]=0;for(j=3;j<=N;j++)array[1][j]=-0.064;for(j=2;j<=N;j++)array[2][j]=0.16;for(j=1;j<=N;j++)array[3][j]=(1.64-0.024*j)*sin(0.2*j)-0.64*exp(0.1/j);for(j=1;j<=N-1;j++)array[4][j]=0.16;for(j=1;j<=N-2;j++)array[5][j]=-0.064;/*輸出矩陣A各元素,測試創(chuàng)建矩陣是否正確*//*for(i=1;i<=M;i++)for(j=1;j<=N;j++)printf("%lf",array[i][j]);*/}/*生成矩陣A的拷貝,避免計算過程中對源矩陣A的修改*/voidLoad_MatrixA(doublearrayA[M+1][N+1],doublearrayB[M+1][N+1]){inti,j;for(i=0;i<=M;i++)for(j=0;j<=N;j++)arrayB[i][j]=arrayA[i][j];/*測試輸出矩陣A的拷貝,看加載是否正確*//*for(i=1;i<=M;i++)for(j=1;j<=N;j++)printf("%f",arrayB[i][j]);*/}/*給出迭代初始向量u0*/voidLoad_vectoru(doubleu[N+1]){inti;for(i=0;i<=200;i++)u[i]=1;for(i=201;i<=N;i++)u[i]=0;/*測試輸出迭代初始向量u*//*for(i=1;i<=N;i++)printf("%f",u[i]);*/}/*冪法*/doubleMifa(doubleu[N+1],doublearray[M+1][N+1]){/*定義變量:ita表示η,beta表示β(也即是按模最大的λ值)*/doubleita=0,beta=0,y[N+1],temp=0,namda0=-1;inti,j,flag;flag=0;while(fabs(beta-namda0)>Epsilon||flag<900){ namda0=beta; ita=beta=0;for(i=1;i<=N;i++)ita+=u[i]*u[i];ita=sqrt(ita);/*計算向量y:y_k-1=u_k-1/η_k-1*/for(i=1;i<=N;i++)y[i]=u[i]/ita;/*計算向量u:u_k=A(y_k-1)*//*經(jīng)過轉轉換后的帶狀矩陣A,在與向量的乘法中按元素位置,在左上角、中間和右下角三個地方分別表現(xiàn)出不同的下標變化規(guī)律。*/for(i=1;i<=N;i++) {if(i<=2) {for(j=1;j<=i+2;j++)temp+=array[i-j+S+1][j]*y[j];u[i]=temp;temp=0; }if(i>=3&&i<=499) {for(j=i-2;j<=i+2;j++)temp+=array[i-j+S+1][j]*y[j];u[i]=temp;temp=0; }if(i>=500) {for(j=i-2;j<=N;j++)temp+=array[i-j+S+1][j]*y[j];u[i]=temp;temp=0; }}for(i=1;i<=N;i++)beta+=y[i]*u[i]; flag++;}/*測試輸出用冪法求得的λ*//*printf("λ=%.12e\n",beta);*/returnbeta;}/*反冪法*/doubleFanmifa(doubleu[N+1],doublearray[N+1][N+1]){doubleita=0,beta=0,y[N+1],namda0=-1;/*在這里ita表示η,beta表示β*/inti,flag;flag=0;while(fabs(beta-namda0)>Epsilon||flag<900){namda0=beta; ita=beta=0;for(i=1;i<=N;i++)ita+=u[i]*u[i];ita=sqrt(ita);for(i=1;i<=N;i++)y[i]=u[i]/ita;/*y_k-1=u_k-1/η_k-1*//*用flag作為是否進行Doolittle分解的標志。當flag=0時,是第一次進入反冪法求解子函數(shù),要進行Doolittle分解。Doolittle分解完成后隨即進行回代求解:Au_k=y_k-1*/if(flag==0)Doolittle_Dai(array);Back_Doolittle_Dai(array,y,u);for(i=1;i<=N;i++)beta+=y[i]*u[i]; flag++;}/*測試用反冪法輸出求得的λ*//*printf("λ=%.12e\n",1/beta);*/return1/beta;}/*帶狀矩陣的Doolittle分解*/voidDoolittle_Dai(doublearray[M+1][N+1]){intk,i,j,t;doubletemp;for(k=1;k<=N;k++){for(j=k;j<=min(k+S,N);j++) {temp=0;for(t=max(max(1,k-R),j-S);t<=k-1;t++)temp+=array[k-t+S+1][t]*array[t-j+S+1][j];array[k-j+S+1][j]=array[k-j+S+1][j]-temp; }for(i=k+1;i<=min(k+R,N);i++) {temp=0;for(t=max(max(1,i-R),k-S);t<=k-1;t++)temp+=array[i-t+S+1][t]*array[t-k+S+1][k];array[i-k+S+1][k]=(array[i-k+S+1][k]-temp)/array[S+1][k]; }}}/*帶狀矩陣Doolittle分解的回代過程*//*array[M+1][N+1]:用來傳遞經(jīng)過Dolittle分解后的矩陣A。b[N+1]:用作向量y的拷貝,避免在回代過程中造成對y的修改。*/voidBack_Doolittle_Dai(doublearray[M+1][N+1],doubley[N+1],doublex[N+1]){inti,t;doubletemp,b[N+1];for(i=0;i<=N;i++)b[i]=y[i];for(i=2;i<=N;i++){temp=0;for(t=max(1,i-R);t<=i-1;t++)temp+=array[i-t+S+1][t]*b[t];b[i]=b[i]-temp;}x[N]=b[N]/array[S+1][N];for(i=N-1;i>=1;i--){temp=0;for(t=i+1;t<=min(i+S,N);t++)temp+=array[i-t+S+1][t]*x[t];x[i]=(b[i]-temp)/array[S+1][i];}}/*求和A的與數(shù)最接近的特征值的大小*//*A的與數(shù)uk=λ(1)+k*(λ(501)-λ(1))/40。求矩陣A與uk(k=1,2,……39)最接近的特征值,先求A的原點平移矩陣A-ukI,再求A-ukI按模最小特征值,最后將該特征值加上反向平移量uk。*/voidSolution_Yushu(doubleMatrixA[M+1][N+1],doubleu[N+1],doublenamda1,doublenamda501){inti,k;doubleu_k,namda,array[M+1][N+1];for(k=1;k<=39;k++){/*平移量不同,反冪法的對象A-ukI就不一樣,因此要重新加載A陣*/Load_MatrixA(MatrixA,array);Load_vectoru(u);u_k=namda1+(namda501-namda1)*k/40;for(i=1;i<=N;i++)array[S+1][i]-=u_k;namda=Fanmifa(u,array);namda=u_k+namda;printf("λ(i_%d)=%.12e\n",k,namda);}}/*求兩個數(shù)中的最大、最小值*//*max(a,b):返回a、b中的較大值。min(a,b):返回a、b中的較小值。*/doublemin(doublea,doubleb){if(a<=b)returna;elsereturnb;}doublemax(doublea,doubleb){if(a>=b)returna;elsereturnb;}3、程序運行結果:/***********************************************************/矩陣A的兩端特征值及按模最小特征值分別為:λ(1)=-1.070011361514e+001λ(501)=9.724634099672e+000λ(s)=-5.557910794214e-003/***********************************************************/和A的與數(shù)最接近的特征值λ(i_k)分別為:λ(i_1)=-1.018293403315e+001λ(i_2)=-9.581110544848e+000λ(i_3)=-9.172672423928e+000λ(i_4)=-8.652284007898e+000λ(i_5)=-8.093483808675e+000λ(i_6)=-7.659405407692e+000λ(i_7)=-7.119684648691e+000λ(i_8)=-6.611764339397e+000λ(i_9)=-6.066103226595e+000λ(i_10)=-5.585101052628e+000λ(i_11)=-5.114083529812e+000λ(i_12)=-4.578872176865e+000λ(i_13)=-4.096470926260e+000λ(i_14)=-3.554211215751e+000λ(i_15)=-3.041090018133e+000λ(i_16)=-2.533970311130e+000λ(i_17)=-2.003230769564e+000λ(i_18)=-1.5035576

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論