数值线性代数二版徐树方高立张平文上机习题第三章实验报告.docxVIP

- - PAGE 8 - - 1 - 第三章上机习题 用你所熟悉的的计算机语言编制利用 QR 分解求解线性方程组和线性最小二乘问题的通用子程序，并用你编制的子程序完成下面的计算任务： 求解第一章上机习题中的三个线性方程组，并将所得的计算结果与前面的结果相比较， 说明各方法的优劣； 求一个二次多项式 y=at 2+bt+c ，使得在残向量的 2 范数下最小的意义下拟合表 3.2 中的数据；  表 3.2 在房产估价的线性模型  y ? x 0  a x 1 1  a x 2 2  ? a x ?11 11 ? 中， a , a 1 2 , , a ?11 ? 分别表示税、浴室数目、占地面积、车库数目、房屋数目、居室数目、房 龄、建筑类型、户型及壁炉数目， y 代表房屋价格。现根据表 3.3 和表 3.4 给出的 28 组数据，求出模型中参数的最小二乘结果。 （表 3.3 和表 3.4 见课本 P99-100） 解 分析： 计算一个 Householder 变换H： 由于 H ? I ? 2wwT ? I ? ? vvT ，则计算一个 Householder 变换H 等价于计算相应的? 、v 。 其中v ? x? || x || 2 在实际计算中， e , ? ? 2 /(vT v) 。 1 为避免出现两个相近的数出现的情形，当  时，令 - (x2 ??? x2 ) ； n n x ? 0 1 v ? 2 1 x 1 ? || x || 2 为便于储存，将v 规格化为v ? v / v 1 ，相应的， ? 变为? ? 2v2 /(vT v) 1 为防止溢出现象，用 x / || x || 代替 ? QR 分解： ti-1-0.75-0.5 ti -1 -0.75 -0.5 0 0.25 0.5 0.75 yi 1 0.8125 0.75 1 1.3125 1.75 2.3125 m?n , m ? n 转化为上三角矩阵? ? H H n  n?1 H A ，则有 ?1 ? ??R? ? 0A ? Q? ? ，其中Q ? H H H 0 ? ? 1 2 n ， R ? ?(1: n,:) 。 ~ 在实际计算中，从 j ? 1: n ，若 j ? m ，依次计算 x ? A(( j : m, j)) 对应的(H ) j ( m?k ?1)?( m?k ?1) 即对应的 v j ， ? ，将 v j j (2 : m ? j ? 1) 储存到 A( j ?1: m, j) ， ? j 储存到 d ( j) ，迭代结束 后再次计算Q ，有 H ?I ? ? j ?1 0 ? ~ ? ， Q ? H H ? H  （ n ? m 时Q ? H H ? H ） 0Hj ? ? 0 H ? j ? 1 2 n 1 2 n-1 求解线性方程组 Ax ? b 或最小二乘问题的步骤为 计算 A 的 QR 分解； 计算c ? QT b ，其中Q ? Q(:,1: n) 1 1 1 利用回代法求解上三角方程组Rx ? c 1 对第一章第一个线性方程组，由于 R 的结果最后一行为零，故使用前代法时不计 最后一行，而用运行结果计算x 。 84 运算 matlab 程序为 计算 Householder 变换 [v,belta]=house(x) function [v,belta]=house(x) n=length(x); x=x/norm(x,inf); sigma=x(2:n)*x(2:n); v=zeros(n,1); v(2:n,1)=x(2:n); if sigma==0 belta=0; else alpha=sqrt(x(1)^2+sigma); if x(1)=0 v(1)=x(1)-alpha; else end  v(1)=-sigma/(x(1)+alpha); end  end belta=2*v(1)^2/(sigma+v(1)^2); v=v/v(1,1); 计算 A 的 QR 分解 [Q,R]=QRfenjie(A) function [Q,R]=QRfenjie(A) [m,n]=size(A); Q=eye(m); for j=1:n if jm [v,belta]=house(A(j:m,j)); H=eye(m-j+1)-belta*v*v; A(j:m,j:n)=H*A(j:m,j:n); d(j)=belta; A(j+1:m,j)=v(2:m-j+1); end end R=triu(A(1:n,:)); for j=1:n if jm H=eye(m); temp=[1;A(j+1:m,j)]; H(j:m,j:m)=H(j:m,j:m