電路計算機輔助設(shè)計基于C#的線性網(wǎng)絡(luò)方程的LU分解法_第1頁
電路計算機輔助設(shè)計基于C#的線性網(wǎng)絡(luò)方程的LU分解法_第2頁
電路計算機輔助設(shè)計基于C#的線性網(wǎng)絡(luò)方程的LU分解法_第3頁
電路計算機輔助設(shè)計基于C#的線性網(wǎng)絡(luò)方程的LU分解法_第4頁
免費預(yù)覽已結(jié)束,剩余1頁可下載查看

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、電路計算機輔助設(shè)計基于c#的線性網(wǎng)絡(luò)方程的lu分解法基于c#的線性網(wǎng)絡(luò)方程的lu分解法1 引言線性網(wǎng)絡(luò)方程是模擬電路常需要處理的問題,也是各個線性系統(tǒng)需要面對的。線性網(wǎng)絡(luò)方程組的解關(guān)系到工程的各個方面,因而研究它的解的算法很有必要。lu分解法是一種線性網(wǎng)絡(luò)方程求解的一種算法,它的效率比較高,具有工程可實踐性。2 算法框圖lu的算法框圖如圖1所示。圖1 lu分解法算法框圖從框圖可以看出,lu分解法的難點在于各階順序主子式的判定和進行l(wèi)u分解求解方程。采用求解各階數(shù)據(jù)主子式的行列式值,我采用了劃三角矩陣的辦法求解。其中最后做成的可視化界面的.exe 中,只校驗了n階行列式。圖2為軟件的主界面圖。圖

2、2 軟件主界面圖3 lu分解法算法描述lu分解法的分解通式為: lim=aim-k=1m-1likukmi=m,m+1,.n (3.1)umi=(ami-k=1m-1lmkuki)/lmm i=m+1,m2,.n (3.2)式(3.1)與(3.2)交替進行分解。正是由于該特性,所以可以將lu矩陣壓縮在一個n*n的矩陣中,從而減少了存儲空間開銷。由ly=b,可以解除參數(shù)矩陣y的值。y1=b1l11, yi=(bi-j=1i-1lijyji=2,3,.n (3.3)由ux=y,可以得出最后的解矩陣x為:xn=yn, xi=yi-j=i+1nuijxji=n-1,n-2,.1 (3.4)4 仿真結(jié)果

3、4.1 lu分解正誤仿真先進行系數(shù)矩陣是否為零判定,再給出解結(jié)果,測試數(shù)據(jù)如下:測試數(shù)據(jù)一:n=6;系數(shù)矩陣為:1 3 4 5 2 33 4 2 1 5 63 2 2 3 4 34 3 2 1 3 45 2 1 2 3 2 3 4 2 1 3 2向量吧為:3 2 4 2 3 2結(jié)果為x向量0.266187050359712 -0.683453237410071 0.978417266187049 0.0791366906474829 0.949640287769783 -0.474820143884892 此結(jié)果用matlab驗證符合。與matlab效率比較以上述6階結(jié)果為例進行效率比較,由于

4、c#各種控件響應(yīng)耽誤測試時間,所以只以裸算法進行效率比較。經(jīng)過實踐,由于階數(shù)太低,行列式計算時間復(fù)雜度為n3(與高斯消元法相似),各階行列式驗證時間復(fù)雜度1+23+n3=n2(n+1)2/4,lu分解法的時間復(fù)雜度為n2加上回代的2n,所以總復(fù)雜度約為n4,所以20階計算量大約為160000,c#測不出時間(都為0),所以無法給出效率比較。通過上網(wǎng)查閱,可以知道lu分解法有超過9種算法,本設(shè)計所用算法,為crout分解,其分解適用于手算,且沒有處理其他情況,而matlab采用更為復(fù)雜的分解,適用于計算機處理,效率應(yīng)該低于本例的crout分解,這里只能給出定性比較。5 算法時間空間復(fù)雜度分析由4

5、.2節(jié)分析lu分解法如果只驗證n階行列式,復(fù)雜度為n3+n2+2n,即o(n3),如果使用高斯消元法,則驗證n階行列式與消元過程類似,只需加上回代的n2,總體來說小于lu分解法+驗證。所以考慮利用驗證n階行列式的算法選擇,可能選擇高斯消元法效率比lu分解法高,但單從解方程角度,lu分解法的效率小于高斯消元法。對于行列式的驗證,化三角矩陣的算法比直接求解n!*(nlogn),行分解n!*(nlogn)方法,效率高的多。但如果不求值的驗證方法,或許有比化三角求值方法效率更高的判定方法,這樣lu分解法效率就可以體現(xiàn)。此外對于lu分解法,crout分解法的l矩陣對角元素不能為零,或是很小的數(shù),否則計算會出現(xiàn)趨近于無窮大的值導(dǎo)致數(shù)據(jù)溢出出錯。數(shù)學(xué)上,可以用選主元的方法避免,但工程上多是進行重新對電路建模來處理,暫時不知道如何來做可以比選主元效率更高,有待研究。至于空間復(fù)雜度,主要是兩個動態(tài)申請的系數(shù)矩陣和lu矩陣,復(fù)雜度為o(n2)。6 心得與體會由于是第一次使用開發(fā)可視化軟件,所以上手起來有一定難度,就選擇了難度相對低的c#語言進行開發(fā),花了一些時間學(xué)習(xí),好在有一些matlab gui編輯經(jīng)驗,學(xué)起來容易一些。我的編程過程是,先對算法進行校驗,再做到可視化中去,這樣的編程流程對開發(fā)降低了很大難度。c#語言功能強大,且容易實現(xiàn)可視化,上手比c+容

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論