metody cw2 (1)

Eliminacja Gaussa bez wyboru elementu głównego:

function [L, U] = bezwyboru(A)

b=size(A);

b=b(1);

U=A;

L=eye(size(A));

for a=1:(b-1)

for i=a:(b-1)

L(i+1,a)=U(i+1,a)/U(a,a);

U(i+1,:)=U(i+1,:)-U(i+1,a)/U(a,a)*U(a,:);

end

end

Eliminacja Gaussa z częściowym wyborem elementu głównego:

function [L, U] = zwyborem(A)

b=size(A);

b=b(1);

U=A;

L=eye(b);

for a=1:(b-1)

C=0;

for j=1:(b-a+1)

C(j)=abs(U(j-1+a,a));

end

for j=a:b

if max(C)==abs(U(j,a))

index=j;

end

end

if max(C)~=0

D=U(a,:);

U(a,:)=U(index,:);

U(index,:)=D;

for k=-a+1:-1

D=L(a,-k);

L(a,-k)=L(index,-k);

L(index,-k)=D;

end

for i=a:(b-1)

L(i+1,a)=U(i+1,a)/U(a,a);

U(i+1,:)=U(i+1,:)-U(i+1,a)/U(a,a)*U(a,:);

end

end

end

Pomiar czasu

function [iloczyn,wyznacznik,slad,LU]=czas(N)

A=tstcnd(N)

B=tstcnd(N)

tic

for i=1:100

end

toc

p=toc

tic

for i=1:100

C=A*B

end

toc

a=toc

iloczyn=a/100-p;

tic

for i=1:100

det(A)

end

b=toc

wyznacznik=b/100-p;

tic

for i=1:100

trace(A)

end

toc

c=toc

slad=c/100-p;

tic

for i=1:100

lu(A)

end

toc

d=toc

LU=d/100-p;

disp(iloczyn)

disp(wyznacznik)

disp(slad)

disp(LU)

Wielkość macierzy Wyznacznik Ślad Iloczyn LU
2 8.7980e-005 1.0470e-004 2.3030e-005 1.0910e-004
4 2.5573e-005 1.9276e-005 8.3811e-005 2.4059e-004
8 1.6075e-004 8.4109e-005 0.0020 2.4363e-004
16 4.8006e-005 2.1959e-005 7.8761e-004 7.6916e-004
32 5.3571e-005 2.1010e-005 0.0039 0.0039

Macierz dobrze uwarunkowana

A=tstmat(5)

A =

77 -20 -44 46 -198

-3 -106 -126 -187 -346

-5 201 -166 -128 -215

-118 -33 375 -26 49

151 -87 246 117 58

Cond(A)= 8.9687

x=[-3 ;8 ;-4; -2; -4]

b=[485; 1423 ;3403; -1554; -2599]

function []= zaburzenie1()

for i=1:30

%A-macierz ,b-wektor wynikowy

A=[77 -20 -44 46 -198;-3 -106 -126 -187 -346;-5 201 -166 -128 -215; -118 -33 375 -26 49;151 -87 246 117 58];

x=[-3 ;8 ;-4; -2; -4];

b=[485; 1423 ;3403; -1554; -2599];

%zmiana w A

macierzA=inv(A)*b;

epsilon(1,i)=0.001*i;

A(1,1)=(A(1,1)*(1+epsilon(1,i)));

macierzA2=inv(A)*b;

zab(1,i)=norm(macierzA-macierzA2);

%zmiana elementu w b

b(1,1)=(b(1,1)*(1+epsilon(1,i)));

macierzA3=inv(A)*b

zab2(2,i)=norm(macierzA-macierzA3);

end

%wykresy

subplot(2,1,1);plot(epsilon(1,:),zab(1,:),'.r')

xlabel('zaburzenie');

ylabel('norma macierzy');

title('Zaburzenie macierzy (dobrze uwarunkowana)');

subplot(2,1,2);plot(epsilon(1,:),zab2(2,:),'.k')

xlabel('zaburzenie');

ylabel('norma macierzy');

title('Zaburzenie wektora b');

end

:

Macierz źle uwarunkowana

A=tstcnd(5)

A =

-625964 -21959 -119877 -455246 792434

611825 20965 115874 442731 -771741

18887 474 3127 12892 -22852

309459 10879 59323 225163 -391882

617222 21466 117718 448054 -780323

Cond(A)= 8.7748e+006

x =[-3;8;-4;-2;-4]

b=[-77516; 70251;247; 3856;74374]

m-plik

function []= metody3b()

for i=1:30

%A-macierz ,b-wektor wynikowy

A=[-625964 -21959 -119877 -455246 792434; 611825 20965 115874 442731 -771741; 18887 474 3127 12892 -22852; 309459 10879 59323 225163 -391882; 617222 21466 117718 448054 -780323];

x =[-3;8;-4;-2;-4];

b=[-77516; 70251;247; 3856;74374];

%zmiana w A

macierzAA1=inv(A)*b;

epsilon(1,i)=0.001*i;

A(1,1)=(A(1,1)*(1+epsilon(1,i)));

macierzAA2=inv(A)*b;

zab(1,i)=norm(macierzAA1-macierzAA2);

%zmiana elementu w b

b(1,1)=(b(1,1)*(1+epsilon(1,i)));

macierzAA3=inv(A)*b

zab2(2,i)=norm(macierzAA1-macierzAA3);

%wykresy

subplot(2,1,1);plot(epsilon(1,:),zab(1,:),'.r')

xlabel('zaburzenie');

ylabel('norma macierzy');

title('Zaburzenie macierzy (źle uwarunkowana)');

subplot(2,1,2);plot(epsilon(1,:),zab2(2,:),'.m')

xlabel('zaburzenie');

ylabel('norma macierzy');

title('Zaburzenie wektora b');

end


Wyszukiwarka

Podobne podstrony:
metody cw2
TOR cw2 - dr Pusz, metody i srodki ochrony roślin, pusz
Metody statystyczne cw2, Matematyka, Kombinatoryka, prawdopodobieństwo, statystyka, metody statystyc
PISZCZEK M-ćw2 - przewodnik dla n-l cz1, Pedagogika specjalna UAM, Semestr IV, Metodyka z głębszą
TOR cw2 - dr Pusz, metody i srodki ochrony roślin, pusz
T 3[1] METODY DIAGNOZOWANIA I ROZWIAZYWANIA PROBLEMOW
10 Metody otrzymywania zwierzat transgenicznychid 10950 ppt
metodyka 3
organizacja i metodyka pracy sluzby bhp
metodyka, metody proaktywne metodyka wf
epidemiologia metody,A Kusińska,K Mitręga,M Pałka,K Orszulik 3B
GMO metody wykrywania 2
Metody i cele badawcze w psychologii
E learning Współczesne metody nauczania
Tradycyjne metody nauczania w medycynie 2
Fwd dydaktyka, Metody alternatywne

więcej podobnych podstron