数值计算方法matlab,数值计算方法Matlab实题训练(内附程序,模型).doc

《数值计算方法训练》

实习报告

题　　目：　　 6－A组

院　　系：　　上海电力学院数理学院

专业年级：　信息与计算科学专业2009级

学生姓名：　　XX远　　　　学号：

2011年7月8日

第1题：含炭量与时间的关系

在某冶炼过程中，钢的含炭量y与时间t的统计数据如下

t0510152025303540455055y01.272.162.863.443.874.154.374.514.584.024.64(1)画出原始数据分布趋势图；

(2)用最小二乘法求钢的含炭量y与时间t的拟合曲线；

(3)打印出拟合曲线；

(4)另外选用进行拟合，比较二种拟合的效果。

解：分析：使用到曲线拟合的最小二乘法，对于拟合函数，尽量转化为可以方便提炼出基函数的方程。在明确基函数的基础上，通过计算，得到各个系数，得到法方程组

(1)，程序：function yuan(y)

t=[0:5:55]；

plot(t,y,'*')

legend('原始数据分布趋势图')

运行结果：yuan([0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64])

图1 原始数据分布趋势

(2)，使用最小二乘法，就必须先取基函数，对于该题流程如下：

①：取基函数为：

②：由基函数和求法方程组的系数：

③：由这些系数，确定法方程组：

④：解这个法方程组：，得到拟合函数：

程序：function [a,b,c]=xian(y0)

t0=[0:5:55];

k1=t0;

k2=t0.*t0;

k3=t0.*t0.*t0;

A=[sum(k1.*k1) sum(k2.*k1) sum(k3.*k1);sum(k1.*k2) sum(k2.*k2) sum(k3.*k2);sum(k1.*k3) sum(k2.*k3) sum(k3.*k3)];

B=[sum(k1.*y0);sum(k2.*y0);sum(k3.*y0)];

x=pinv(A)*B;

a=x(1,1);

b=x(2,1);

c=x(3,1);

t=0:55;

y=a.*t+b.*t.^2+c.*t.^3;

plot(t,y,'--')

hold on

plot(t0,y0,'*')

legend('y=a*t+b*t^2+c*t^3拟合效果','真实值')

运行结果：[a,b,c]=xian([0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64])

a =

0.2657

b =

-0.0053

c =

3.5168e-005

(3)拟合的图形，即上一题显示的图像

图2 拟合函数效果

(4)，用于这种非线性模型的拟合

①：把其化作线性：→两边同时取以e为底的对数→

②：重复上面第二题的步骤进行，其中需要强调的是(0,0)的点需要另外输入，因为不存在，为了在同图出现，故对第二条拟合函数，取

程序：function [m,n,a,b,c]=fei(y2,y0)%y2=y0除了0以外的数

y1=log(y2);

t1=[5:5:55];

n=length(t1);

k1=ones(1,n);

k2=log(t1);

A=[sum(k1.*k1) sum(k2.*k1);sum(k1.*k2) sum(k2.*k2)];

B=[sum(k1.*y1);sum(k2.*y1)];

x=pinv(A)*B;

m=exp(x(1,1));

n=x(2,1);

t=0:55;

y=m*t.^n;

plot(t,y,'-')

hold on

[a,b,c]=xian(y0)

plot(t,y,'--')

hold on

plot(t1,y2,'*',0,0,'*')

legend('y=m*t.^n拟合效果','y=a*t+b*t^2+c*t^3拟合效果','真实值')

得到的拟合图像：

图3 两种拟合函数拟合效果对比

结论：在实际生活当中，不免需要对一组数据进行拟合，通过采用最佳的拟合，找到一个近似的函数来研究数据的共性。通过这一道题目，发现不同的函数，拟合效果差别也是蛮大的。

第2题：特征值与特征向量

用幂法求下列矩阵的主特征值与相应的特征向量

(1) (2)

解：利用幂法求矩阵A的主特征值与相应的特征向量，首先要给一个初始向量：

①：定义一个和A行数一致的1列全一矩阵，即

②：,为了方便计算，减少计算量，需要求出中按模最大的那个分量的值,同时得到向量,由此可知

③：重复第二