数值计算方法Matlab实题训练(内附程序,模型).docVIP

数值计算方法Matlab实题训练(内附程序,模型).doc

  1. 1、本文档共14页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(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。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《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

文档评论(0)

tzcu242 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档