文件名称：最大最小值零点问题的matlab代码-Ax-Solver:斧S
文件大小：638KB
文件格式：ZIP
更新时间：2024-06-10 22:46:55
系统开源
最大预设零点问题的matlab代码乌穆尔·戈格巴坎（Umur Gogebakan） 比尔肯特大学 21702705 CS 问题 我们想要解决在所有数学和工程领域都有主要应用领域的线性方程组： 在这里，当我们尝试在仅具有有限精度算术的计算机上求解该系统时，会随着A的大小，稀疏性，形状等变化而出现许多问题。 一种简单的方法是简单地进行与LU分解相对应的高斯消除。 但是，当A很大时，此方法将变得不可行。 此外，如果A具有稀疏，对称等特殊属性，则可以利用这些属性来有效地计算向量x。 在这里，我们使用了三种方法，其中两种方法（GMRES和CG）是迭代的，而另一种则不是（伪逆）。 当A是对称的时，将另一个（MINRES）作为GMRES的特例。 解决方案的算法 伪逆（） 让我们找到方程的解， 然后可以表示为最小化残差平方和的最小值： 这产生： 让我们称呼为A的伪逆，其中： 以便： 为了在所有情况下都找到A的伪逆，我们必须应用SVD，其结果是： 代码 1个函数[A_psuedo] = psuedo_inverse（A） 2 [U，S，V] = svd（A）; 3 A_psuedo = V *转置（
【文件预览】：
Ax-Solver-main
----images()
--------image35.png(33KB)
--------image2.png(372B)
--------image26.jpg(17KB)
--------image3.png(329B)
--------image10.png(2KB)
--------image4.png(2KB)
--------image20.png(261KB)
--------image17.png(6KB)
--------image34.jpg(17KB)
--------image9.png(2KB)
--------image30.jpg(26KB)
--------image29.jpg(17KB)
--------image12.png(2KB)
--------image31.jpg(17KB)
--------image15.png(4KB)
--------image18.png(2KB)
--------image23.jpg(17KB)
--------image37.jpg(26KB)
--------image6.png(2KB)
--------image33.jpg(17KB)
--------image1.png(637B)
--------image24.jpg(17KB)
--------image13.png(1KB)
--------image32.png(25KB)
--------image25.png(31KB)
--------image27.png(43KB)
--------image21.jpg(26KB)
--------image36.jpg(25KB)
--------image8.png(1KB)
--------image7.png(786B)
--------image22.jpg(17KB)
--------image11.png(2KB)
--------image14.png(3KB)
--------image28.jpg(17KB)
--------error.png(4KB)
--------image19.png(2KB)
--------image16.png(5KB)
--------image5.png(2KB)
----CG.m(788B)
----produce_S.m(410B)
----psuedo_inverse.m(147B)
----GMRES.m(1KB)
----HW2_main.m(5KB)
----README.md(19KB)
----MINRES.m(1KB)