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
数值计算_病态线性方程组的求解
- 这是数值分析的一些作业实验,文件中有详细的文档对理论,实验和算法的说明,用于病态方程组求解的源代码-This is the numerical analysis of the experimental operation, the paper detailed documentation of theory, experiment and the algorithm shows that morbid equation for solv
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
jacobi
- 利用jacobi法求解病态线性方程,其中矩阵为hilbort矩阵-Jacobi method used to solve ill-linear equations, including matrix hilbort matrix
LSQR
- 计算病态线性方程的LSQR算法,MATLAB汇编程序。-LSQR algorithm of morbid linear equations , MATLAB assembler