《数值分析》课程matlab源码Ⅰ——向量范数，矩阵范数，上、下三角回代法

《数值分析》课程matlab源码

（一）向量范数

1.1 定义
范数的定义如下：

1.2 matlab函数实现
通过自定义Vector_norm(a,p)函数实现对向量a的1范数、2范数、p范数和inf范数的计算，具体代码如下：

function X=Vector_norm(a,p)
%%%输入向量a和所求的向量的范数类型（包括1范数,2范数,p范数,inf范数）；
%%%输出向量a的范数值；
n=length(a);
X=0;
Test=0;
switch p
    case 1
        for i=1:n
            X=X+abs(a(i));   %%向量分量取绝对值,再求和；
        end
    case 2
         for i=1:n
            X=X+(abs(a(i)))^2;     %%向量分量取绝对值,再求和；
         end
         X=sqrt(X);
    case inf
        a=abs(a);
        X=max(a);
    case p
        for i=1:n
            X=X+(abs(a(i)))^p;     %%向量分量取绝对值,再求和；
        end
        X=X^(1/p);
end

1.3 函数的调用
在命令行中输入向量a和范数类型p,然后调用Vector_norm(a,p)函数，具体调用如下图中案例所示：

（二）矩阵的范数

2.1 定义
矩阵的范数定义如下：

2.2 matlab函数实现
通过自定义matrix_norm(A,p)函数实现对向量a的1范数、2范数、inf范数和Frobenius范数的计算，具体代码如下：

function X=matrix_norm(A,p)
%%%
a=abs(A);
switch p
    case 1
        X=max(sum(a,1));          %%计算矩阵1范数；
    case 2
        [~,D]=eig(A'*A);           %%计算特征向量、特征值；
        D=diag(D);                 %%提取特征值；
        X=sqrt(max(D));           %%计算矩阵2范数；
    case inf
        X=max(sum(a,2));        %%计算矩阵inf范数；
    case 'fro'
        A_=A.^2;                   %%“.”运算，矩阵元素求平方；
        X=sqrt(sum(A_(:)));       %%计算矩阵Frobenius范数；
end

2.3 函数的调用
在命令行中输入矩阵A和范数类型p,然后调用matrix_norm(a,p)函数，具体调用如下图中案例所示：

(三）上三角回代法求线性方程组的解

3.1 上三角回代法算法

3.2 matlab函数实现

function X=a_Back_subtitution(A,B)
%%%此函数用于通过回代法，计算方程组的解；
%%%输入上三角矩阵(或对角阵)A和右端常数项B（按列输入）；
%%%输出方程组的解X。
[n,~]=size(A);
X=zeros(n,1);
for i=n:-1:1
    S=A(i,i+1:n)*X(i+1:n);
    X(i,1)=1/A(i,i)*(B(i)-S);
end

3.3函数调用
具体调用如下图案例所示：

（四）下三角回代法求线性方程组的解

4.1 算法思想
和上三角的回代法类似，并且计算过程是按顺序回代，即依次计算X1,X2,X3,…,Xn，相比较而言更加容易思考清楚。（所以小编建议可以先弄清楚下三角的回代法，对于上三角的回代法掌握有所帮助）

4.2 matlab函数实现

function X=b_Back_subtitution(A,B)
%%%此函数用于通过回代法，计算方程组的解；
%%%输入下三角矩阵(或对角阵)A和右端常数项B（按列输入）；
%%%输出方程组的解。
[n,~]=size(A);
X=zeros(n,1);
for i=1:1:n
    S=A(i,1:n-1)*X(1:n-1);
    X(i,1)=1/A(i,i)*(B(i)-S);
end

4.3 函数的调用
具体调用如下图案例所示：

注：1、关于上述自定义函数均可以与matlab自带函数或matlab中正确的计算结果进行比较，从而建议函数的正确性。
小编就线性方程组求解的函数（即三角回代法）给出一种检验方法：

Y=A\B;                %正确的计算结果；
error=Y-X;            %其中X表示用自定义函数计算出来的方程的解（列向量）；
Test=norm(error,2)    %用matlab自带的norm（）函数，计算error的2范数，
                        ...如果该范数为0或者接近0即表示函数正确。

2、关于矩阵分析相关算法小编将会持续更新，希望感兴趣的小伙伴给个点个赞，在默默的点亮关注~~
最后，对一直默默关注小编的小伙伴说一声感谢，你们的关注就是小编走下去的动力，谢谢