搜索资源列表
SVD
- ％ 奇异值分解 (sigular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法， ％ 但是它比QR 分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵， ％ 而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。 ％ 使用SVD分解法的用途是解最小平方误差法和数据压缩。用svd分解法解线性方程组，在Quke2中就用这个来计算图形信息，性能相当的好。在计算线性方程组时，一些不能分
jaccobi&GS
- jaccobi迭代法和GS迭代法求解线性方程组，并有著名病态对称正定矩阵Hilbert矩阵的生成程序和其不同维数下，求解结果的对比作图-jaccobi iteration and GS iterative method for solving linear equations, and a well-known pathological symmetric positive definite matrix Hilbert matrix formation process and the diff
SolvingEquations
- 使用：Gauss消元，列主元Gauss消元，平方根法（对称阵），改进的平方根法 解著名的病态矩阵Hilbert矩阵为系数的方程-Use: Gauss elimination, Gauss out PCA elimination, the square root law (symmetric matrix), the square root method for improved well-known pathological matrix for the coefficient matrix
newLUok
- 数值分析中LU分解的程序，程序采用选取主元的方法有较高的精度，对病态矩阵也有较好效果-LU decomposition of numerical analysis procedures, procedures used to select principal components method with high accuracy, on the ill-conditioned matrix has good results
newQRok
- 数值符号计算中利用QR分解求解方程的程序，经过病态矩阵的验证，程序有较高的精确性-Symbolic computation in numerical solving equations using QR decomposition process, through the ill-conditioned matrix of validation, the program has high accuracy
Linear_solver
- Matlab，线性方程组求解典型算法，含共轭速降法（大规模矩阵），一种正则化方法（处理病态矩阵），含相应算例与user guide-Matlab, solving linear equations typical algorithms the conjugated downhill Act (mass matrix), a regularization method (treatment of morbid matrix) containing the corresponding numeric
AGJDN
- 压缩包包含三个文件： 全主元高斯-约当消元法程序AGJDN.m；基于全主元高斯-约当消元法的迭代求解病态矩阵方法AGJDNM.m；AGJDN.m的测试方程。 程序参考自：Fortran常用算法程序集（第二版） 徐世良编。AGJDN.m能求解部分病态矩阵，而AGJDNM.m对于我的测试矩阵效果不佳，但也一并上传，仅供参考。 错漏之处，还望指正。 -Gaussian-Jordan elimination base on all principal element.
1
- 基于高斯赛德尔法的线性方程组解法（可消去系数矩阵病态）。基于牛顿法及改进的牛顿法实现对 非线性方程的求解。-Based Linear Equations high Sisaideer law (coefficient matrix can be eliminated morbid). Realization of nonlinear equations of Newton' s method for solving and improved Newton method is based
线性方程组计算
- 利用高斯消元法法求解病态矩阵——hilbert 矩阵的线性方程组。通过条件数分析，找出误差较大的原因。再利用 Jacobi 迭代方法、G-S 迭代方法和 SOR 迭代法做了进一步探究。另外，作为要求之外的，还使用共轭梯度法来求解方程以来进行对比，并利用Tikhonov 正则化的方法改善矩阵的条件数，来减小误差。(The Gauss elimination method is used to solve the linear equations of the ill conditioned mat