数值分析大作业一..docxVIP

数值分析大作业一学院：电子信息工程学院 2系 班级：SY14023班姓名：王健伟 学号：SY1402303一 算法设计①A是一个大型稀疏带状矩阵，采取压缩存储方式在计算机中存储A带中的元素,在程序中，用array表示c矩阵；②A是一个是对称阵，因此一定有，因此用幂法求得的按模最大特征值，在是，时；程序中选择了带原点平移的幂法，函数为power（），在求最大模特征值时，先令平移量p为0，即无原点平移；③按反幂法可以求得按模最小的特征值，程序中选择了带原点平移的反幂法，函数为unpower（），在求最小模特征值时，先令平移量为0，即无原点平移；④采用生成随机数（函数为suijishu（））最为初始迭代向量，为了求得合理解，每一次调用幂法函数powe（）和反幂法函数unpower（）时都对初始迭代向量初始化；（2）①如果很接近，那么将是按模最小的特征值，可以用带原点平移的反幂法求得，此时平移量p为；②每求一次都对初始迭代向量用函数suijishu（）初始化；（3）①A为是对称矩阵，因此可根据cond（A）=求得，其中是A的按模最大特征值，是A的按模最小特征值，，在（1）中已经求得；②det（A）可以将A进行LU分解，此时有==（因为L为单位下三角阵）；二 程序清单程序主要函数描述：程序中有一个类zuoye1。成员函数solution（）计算作业中的三问。成员函数euclidean_norm()计算向量的2范数，成员函数suijishu（）生成0-10的随机数作为初始迭代向量，成员函数power（）是带有原点平移的幂法，并选用2范数迭代，成员函数unpower（）是带有原点平移的反幂法，并选用2范数迭代。程序清单：#includeiostream#includemath.h#includeprocess.h#includemath.h#includetime.h#includeiomanipusing namespace std;class zuoye1{ private: int i,j,n,r,s,m,h,t; double lambda,sum,eta,beta,beta_old,error,lambda1,lambda501,lambdas,miu,p; double *u,*y,*b; double **array; public: void solution(); double euclidean_norm(double *); double power(double**,double*,double );//幂法，采用2范数迭代格式 double unpower(double**,double*,double );//反幂法，采用2范数迭代格式 void lu_decomposition(double**);//矩阵的lu分解 void array_initial();//矩阵初始化，并压缩存储； void suijishu();//产生随机数，作为初始迭代向量 void lu_huidai(double*);//lu分解后，稀疏矩阵的迭代 int max2(int a,int b);//求两个数的最大数 int min2(int a,int b);//求两个数的最小数 int max3(int a,int b,int c);//求解三个数的最大数 ~zuoye1()//释放空间 { for(i=0;im;i++){delete []array[i];} delete []array; delete []u;delete[]y;delete[]b; }};//主函数int main() { zuoye1 eigenpair; eigenpair.solution(); return 0; }void zuoye1::solution() {cout\n输入阶数n:; cinn; cout\n输入上半带宽s:; cins; cout\n输入下半带宽r：; cinr; m=r+s+1; array=new double*[m]; for(i=0;im;i++){array[i]=new double[n];} u=new double[n]; y=new double[n]; b=new double[n]; array_initial(); //初始化迭代向量suijishu(); lambda=power(array,u,0); if(lambda0) { lambda501=lambda; lambda1=power(array,u,lambda501); } else { lambda1=lambda; lambda501=power(array,u,lambda); } cout\n数值分析大作业一输出结果如下：