数学matlab实验格式及内容.docVIP

某某学校 《Matlab基础与数值计算方法》课程设计 实验报告 用最小二乘法解超定方程组 班 级 1111111111 专 业 数学与应用数学 课程名称 数值计算方法 姓 名 指导教师 一、前言： 1、运用MATLAB使用最小二乘方法解求解超定方程组； 2、当线性方程组方程的个数多于未知数时，方程组没有通常意义下的解，这类方程组称为超定方程组。对题中超定方程组i=1,2,3,4(42),J=最小,可得正则方程组正则方程组的解就是超定方程组的最小二乘解. 参数说明： 计算模型为：最小二乘法求解超定方程组； 程序中所用符号：A为系数矩阵； b为数值列向量； p、q为矩阵A的行数与列数； i、j为循环控制变量； B为A的转置与其本身的乘机产生的矩阵； C为A的转置与b的乘机产生的矩阵； D为B的逆矩阵； x为D与C的乘机产生的矩阵及为所求结果； s为残差的平方和； ztd01(A,b)为求解超定方程解的函数； ztd02(A,b)为求解残差平方和的函数； 三、算法设计： (1)科学计算理论：最小二乘法原理 在我们研究两个变量(x, y)之间的相互关系时，通常可以得到一系列成对的数据(x1, y1、x2, y2... xm , ym)；将这些数据描绘在x -y直角坐标系中(如图1), 若发现这些点在一条直线附近，可以令这条直线方程如(式1-1)。 　　Y计= a0 + a1 X (式1-1) 　　其中：a0、a1 是任意实数 　　为建立这直线方程就要确定a0和a1，应用《最小二乘法原理》，将实测值Yi与利用(式1-1)计算值(Y计=a0+a1X)的离差(Yi-Y计)的平方和〔∑(Yi - Y计)2〕最小为“优化判据”。 　　令: φ = ∑(Yi - Y计)2 (式1-2) 　　把(式1-1)代入(式1-2)中得: 　　φ = ∑(Yi - a0 - a1 Xi)2 (式1-3) 　　当∑(Yi-Y计)平方最小时，可用函数 φ 对a0、a1求偏导数，令这两个偏导数等于零。 　　(式1-4) 　　(式1-5) 　　亦即： 　　m a0 + (∑Xi ) a1 = ∑Yi (式1-6) 　　(∑Xi ) a0 + (∑Xi2 ) a1 = ∑(Xi, Yi) (式1-7) 　　得到的两个关于a0、 a1为未知数的两个方程组，解这两个方程组得出： 　　a0 = (∑Yi) / m - a1(∑Xi) / m (式1-8) 　　a1 = [n∑Xi Yi - (∑Xi ∑Yi)] / [n∑Xi2 - (∑Xi)2 )] (式1-9) 　　这时把a0、a1代入(式1-1)中, 此时的(式1-1)就是我们回归的元线性方程即：数学模型。 　　在回归过程中，回归的关联式是不可能全部通过每个回归数据点(x1, y1、 x2, y2...xm,ym),为了判断关联式的好坏,可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断；“R”越趋近于 1 越好；“F”的绝对值越大越好；“S”越趋近于 0 越好。 　　R = [∑XiYi - m (∑Xi / m)(∑Yi / m)]/ SQR{[∑Xi2 - m (∑Xi / m)2][∑Yi2 - m (∑Yi / m)2]} (式1-10) ＊ 在(式1-1)中，m为样本容量，即实验次数；Xi、Yi分别任意一组实验X、Y的数值。 (2)求解模型： X的求解模型： S的求解模型： 四、Matlab程序流程图： 求解x的流程图： 求解s的流程图： 五、源程序： (1)求解x的程序： function x=ztd01(A,b) [p,q]=size(A); %求A的行数与列数 B=zeros(q); %把B定义为零矩阵 for(i=1:q) for(j=1:q) B(i,j)=sum(A(1:p,i).*A(1:p,j)); %求B=* end; end; C=zeros(q,1); %把C定义为零矩阵 for(i=1:q) for(j=1:1) C(i,1)=sum(A(1:1:p,i