稀疏矩阵计算实验报告.docVIP

东北师范大学 稀疏矩阵计算实验报告 姓名： 孙洋 学号： 2015101763 稀疏矩阵计算实验报告 实验名称 稀疏矩阵计算实验 指导教师 李冰玉 姓名 孙洋 年级 研一 学号 2015101763 成绩 实验 稀疏矩阵计算实验 一、实验目的： 　　1、学习使用matlab编写矩阵计算程序。 2、了解共轭梯度法(CG)和预优共轭梯度法(PCG)的原理和编程方法。 二、实验要求： 1、阐述共轭梯度法(CG)和预优共轭梯度法(PCG)的原理和编程方法。 2、根据共轭梯度法(CG)和预优共轭梯度法(PCG)编写matlab程序，并运行得出结果。 3、Test1: 假定线性方程组Ax=b的系数矩阵A和右端项b分别为 ， 显然，此方程的真解为x*=(1,1,…,1)T，应用共轭梯度法求解该线性方程组，迭代64步后得到的近似解满足 画出迭代过程，其中横坐标为迭代步骤k，纵坐标为，这里rk是第k步得到的剩余向量。 Test2: 考虑实验一中的线性方程组，如果我们选取预优矩阵M为A的对角元构成的对角矩阵，即 M=diag(1,2,…,100), 则预优共轭梯度法迭代在13步之后得到的近似解就满足 画出迭代过程，其中横坐标为迭代步骤k，纵坐标为，这里rk是第k步得到的剩余向量。并与实验一的结果作比较。 三、实验原理： 共轭梯度法(CG)是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。 CG法步骤及格式： 选取步长 选取方向CG法基本格式： =+ =- = = 预优共轭梯度法是将原方程组变形，使其系数矩阵的谱相对集中。简单的说，就是先选择一个适当的对称正定矩阵M，使矩阵M-1A的谱相对集中，在运用共轭梯度法方法到等价的方程组 上即可。PCG法基本格式: =+ =-= 四、实验内容与步骤： 　　1、实验内容：依照实验原理编共轭梯度法(CG)和预优共轭梯度法(PCG)的程序。 　　2、实验步骤： 实验程序如下： 程序代码 Test1 a1=1:100; a2=ones(1,99); A=diag(a1)-diag(a2,-1)-diag(a2,1); %形成三对角矩阵A b=0:97; b=[0 b]; b=[b 99]; %形成100行1列矩阵b x0=zeros(100,1); [x0 R err]=CGmethod(A,b,x0); k0=0:64; err R=log10(R); plot(k0,R,r-o) %画出残差向量图 function [x0 R err]=CGmethod(A,b,x0) r0=b-A*x0; p0=r0; %初始梯度 R=norm(r0); k=0; while k64 h=r0*r0; l=p0*A*p0; elpha=h/l; x1=x0+elpha*p0; r1=r0-elpha*A*p0; R=[R norm(r1)]; h1=r1*r1; beta=h1/h; p1=r1+beta*p0; x0=x1; r0=r1; p0=p1; k=k+1; end x=ones(100,1); err=norm(x0-x); End Test2 a1=1:1:100; a2=ones(1,99); A=diag(a1)-diag(a2,-1)-diag(a2,1); %形成三对角矩阵A b=0:98; b(99)=99; %形成100行1列矩阵b b=[0 b]; x0=zeros(100,1); C=d