数值计算方法Matlab实题训练(内附程序,模型).docVIP

《数值计算方法训练》 实习报告 题　　目：　　 6－A组 院　　系：　　上海电力学院数理学院　　 专业年级：　信息与计算科学专业2009级 学生姓名：　　XX远　　　　学号：　 2011年7月8日 第1题：含炭量与时间的关系 在某冶炼过程中，钢的含炭量y与时间t的统计数据如下 t 0 5 10 15 20 25 30 35 40 45 50 55 y 0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64 （1）画出原始数据分布趋势图； （2）用最小二乘法求钢的含炭量y与时间t的拟合曲线； （3）打印出拟合曲线； （4）另外选用进行拟合，比较二种拟合的效果。 解：分析：使用到曲线拟合的最小二乘法，对于拟合函数，尽量转化为可以方便提炼出基函数的方程。在明确基函数的基础上，通过计算，得到各个系数，得到法方程组 （1），程序：function yuan(y) t=[0:5:55]； plot(t,y,*) legend(原始数据分布趋势图) 运行结果：yuan([0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64]) 图1 原始数据分布趋势 （2），使用最小二乘法，就必须先取基函数，对于该题流程如下： ①：取基函数为： ②：由基函数和求法方程组的系数： ③：由这些系数，确定法方程组： ④：解这个法方程组：，得到拟合函数： 程序：function [a,b,c]=xian(y0) t0=[0:5:55]; k1=t0; k2=t0.*t0; k3=t0.*t0.*t0; A=[sum(k1.*k1) sum(k2.*k1) sum(k3.*k1);sum(k1.*k2) sum(k2.*k2) sum(k3.*k2);sum(k1.*k3) sum(k2.*k3) sum(k3.*k3)]; B=[sum(k1.*y0);sum(k2.*y0);sum(k3.*y0)]; x=pinv(A)*B; a=x(1,1); b=x(2,1); c=x(3,1); t=0:55; y=a.*t+b.*t.^2+c.*t.^3; plot(t,y,--) hold on plot(t0,y0,*) legend(y=a*t+b*t^2+c*t^3拟合效果,真实值) 运行结果：[a,b,c]=xian([0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64]) a = 0.2657 b = -0.0053 c = 3.5168e-005 （3）拟合的图形，即上一题显示的图像 图2 拟合函数效果 （4），用于这种非线性模型的拟合 ①：把其化作线性：→两边同时取以e为底的对数→ ②：重复上面第二题的步骤进行，其中需要强调的是（0,0）的点需要另外输入，因为不存在，为了在同图出现，故对第二条拟合函数，取 程序：function [m,n,a,b,c]=fei(y2,y0)%y2=y0除了0以外的数 y1=log(y2); t1=[5:5:55]; n=length(t1); k1=ones(1,n); k2=log(t1); A=[sum(k1.*k1) sum(k2.*k1);sum(k1.*k2) sum(k2.*k2)]; B=[sum(k1.*y1);sum(k2.*y1)]; x=pinv(A)*B; m=exp(x(1,1)); n=x(2,1); t=0:55; y=m*t.^n; plot(t,y,-) hold on [a,b,c]=xian(y0) plot(t,y,--) hold on plot(t1,y2,*,0,0,*) legend(y=m*t.^n拟合效果,y=a*t+b*t^2+c*t^3拟合效果,真实值) 得到的拟合图像： 图3 两种拟合函数拟合效果对比 结论：在实际生活当中，不免需要对一组数据进行拟合，通过采用最佳的拟合，找到一个近似的函数来研究数据的共性。通过这一道题目，发现不同的函数，拟合效果差别也是蛮大的。 第2题：特征值与特征向量 用幂法求下列矩阵的主特征值与相应的特征向量 (1) (2) 解：利用幂法求矩阵A的主特征值与相应的特征向量，首先要给一个初始向量： ①：定义一个和A行数一致的1列全一矩阵，即 ②：,为了方便计算，减少计算量，需要求出中按模最大的那个分量的值,同时得到向量,由此可知 ③：重复第二步，得到 ④：计算，看其是否大于给定的误差，如果大于