update num and lectures
This commit is contained in:
+1
-1
@@ -213,7 +213,7 @@
|
||||
}
|
||||
% replace all relations with align characters (&) and add the needed padding
|
||||
\regex_replace_all:nnN
|
||||
{ (\c{impliedby}&|&\c{impliedby}|\c{implies}&|&\c{implies}|\c{approx}&|&\c{approx}|\c{equiv}&|&\c{equiv}|=&|&=|\c{le}&|&\c{le}|\c{ge}&|&\c{ge}|&\c{stackrel}{.*?}{.*?}|\c{stackrel}{.*?}{.*?}&|&\c{neq}|\c{neq}&) }
|
||||
{ (\c{iff}&|&\c{iff}|\c{impliedby}&|&\c{impliedby}|\c{implies}&|&\c{implies}|\c{approx}&|&\c{approx}|\c{equiv}&|&\c{equiv}|=&|&=|\c{le}&|&\c{le}|\c{ge}&|&\c{ge}|&\c{stackrel}{.*?}{.*?}|\c{stackrel}{.*?}{.*?}&|&\c{neq}|\c{neq}&) }
|
||||
{ \c{kern} \u{l_tmp_dim_needed} \1 \c{kern} \u{l_tmp_dim_needed} }
|
||||
\l__lec_text_tl
|
||||
\l__lec_text_tl
|
||||
|
||||
+1
-1
Submodule sose2020/ana/lectures updated: 0368910241...ba8188da5c
Binary file not shown.
@@ -248,7 +248,7 @@ NumberType frobeniusNorm(const hdnum::DenseMatrix<NumberType> &A) {
|
||||
|
||||
\item Auszug aus \textit{rohrleitungsnetzwerk.cc}
|
||||
\begin{lstlisting}[language=C++, title=Eigenwertberechnung, captionpos=b]
|
||||
// Funktion zur Berechnung des betragsgrößten Eigenwertes mit Potenzmethode
|
||||
// Funktion zur Berechnung des betragsgroessten Eigenwertes mit Potenzmethode
|
||||
template<class NumberType>
|
||||
NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
|
||||
// Error checking
|
||||
@@ -259,18 +259,33 @@ NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
|
||||
|
||||
// start vektor
|
||||
hdnum::Vector<NumberType> r(N);
|
||||
r[0] = 1;
|
||||
r[0] = 0;
|
||||
// work copy
|
||||
hdnum::Vector<NumberType> r_tmp(N);
|
||||
hdnum::Vector<NumberType> diff(N);
|
||||
// fuehre iterationsschritt 10000 mal aus
|
||||
// finde vektor mit Ar != 0
|
||||
for (int i = 0;;i++) {
|
||||
A.mv(r_tmp, r); // r_tmp = Ar
|
||||
if (r_tmp.two_norm() > 0) {
|
||||
// Ar != 0
|
||||
break;
|
||||
} else if (i >= 100) {
|
||||
// breche ab, wenn kein passender startvektor gefunden werden kann
|
||||
HDNUM_ERROR("Kann keinen Vektor mit Ax != 0 finden. Ist A = 0?");
|
||||
}
|
||||
// Ar = 0, modifiziere start vektor
|
||||
r[i % N] += 1;
|
||||
}
|
||||
// fuehre iterationsschritt maximal 10000 mal aus
|
||||
for (int k=0; k<10000; k++) {
|
||||
A.mv(r_tmp, r); // r_tmp = Ar
|
||||
r_tmp /= r_tmp.two_norm(); // normiere r_tmp
|
||||
if ((r-r_tmp).two_norm() == 0)
|
||||
// breche ab ab, wenn maximale genauigkeit erreicht wurde
|
||||
break;
|
||||
r = r_tmp;
|
||||
}
|
||||
A.mv(r_tmp, r);
|
||||
// berechne eigenwert mit rayleigh quotient
|
||||
A.mv(r_tmp, r); // r_tmp = Ar
|
||||
return (r * r_tmp)/r.two_norm_2();
|
||||
}\end{lstlisting}
|
||||
\end{enumerate}
|
||||
|
||||
@@ -71,7 +71,7 @@ NumberType frobeniusNorm(const hdnum::DenseMatrix<NumberType> &A) {
|
||||
}
|
||||
|
||||
|
||||
// Funktion zur Berechnung des betragsgrößten Eigenwertes mit Potenzmethode
|
||||
// Funktion zur Berechnung des betragsgroessten Eigenwertes mit Potenzmethode
|
||||
template<class NumberType>
|
||||
NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
|
||||
// Error checking
|
||||
@@ -82,61 +82,72 @@ NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
|
||||
|
||||
// start vektor
|
||||
hdnum::Vector<NumberType> r(N);
|
||||
r[0] = 1;
|
||||
r[0] = 0;
|
||||
// work copy
|
||||
hdnum::Vector<NumberType> r_tmp(N);
|
||||
hdnum::Vector<NumberType> diff(N);
|
||||
// fuehre iterationsschritt 10000 mal aus
|
||||
// finde vektor mit Ar != 0
|
||||
for (int i = 0;;i++) {
|
||||
A.mv(r_tmp, r); // r_tmp = Ar
|
||||
if (r_tmp.two_norm() > 0) {
|
||||
// Ar != 0
|
||||
break;
|
||||
} else if (i >= 100) {
|
||||
// breche ab, wenn kein passender startvektor gefunden werden kann
|
||||
HDNUM_ERROR("Kann keinen Vektor mit Ax != 0 finden. Ist A = 0?");
|
||||
}
|
||||
// Ar = 0, modifiziere start vektor
|
||||
r[i % N] += 1;
|
||||
}
|
||||
// fuehre iterationsschritt maximal 10000 mal aus
|
||||
for (int k=0; k<10000; k++) {
|
||||
A.mv(r_tmp, r); // r_tmp = Ar
|
||||
r_tmp /= r_tmp.two_norm(); // normiere r_tmp
|
||||
if ((r-r_tmp).two_norm() == 0)
|
||||
// breche ab ab, wenn maximale genauigkeit erreicht wurde
|
||||
break;
|
||||
r = r_tmp;
|
||||
}
|
||||
A.mv(r_tmp, r);
|
||||
// berechne eigenwert mit rayleigh quotient
|
||||
A.mv(r_tmp, r); // r_tmp = Ar
|
||||
return (r * r_tmp)/r.two_norm_2();
|
||||
}
|
||||
|
||||
// Hauptprogramm
|
||||
int main(int argc, char ** argv)
|
||||
{
|
||||
int main(int argc, char ** argv) {
|
||||
// Anzahl der Knoten
|
||||
const int N(10);
|
||||
std::cout << "Knotenanzahl N: " << N << std::endl;
|
||||
|
||||
// Anzahl der Knoten
|
||||
const int N(10);
|
||||
std::cout << "Knotenanzahl N: " << N << std::endl;
|
||||
// Größe der Matrix
|
||||
const int n(N*N-1);
|
||||
|
||||
// Größe der Matrix
|
||||
const int n(N*N-1);
|
||||
// Datentyp für die Matrix
|
||||
typedef double REAL;
|
||||
|
||||
// Datentyp für die Matrix
|
||||
typedef double REAL;
|
||||
// Matrix initialisieren
|
||||
hdnum::DenseMatrix<REAL> A(n,n);
|
||||
|
||||
// Matrix initialisieren
|
||||
hdnum::DenseMatrix<REAL> A(n,n);
|
||||
// Pretty-printing einmal setzen für alle Matrizen
|
||||
A.scientific(false);
|
||||
A.width(15);
|
||||
|
||||
// Pretty-printing einmal setzen für alle Matrizen
|
||||
A.scientific(false);
|
||||
A.width(15);
|
||||
flussMatrix(A);
|
||||
if (N<=4)
|
||||
std::cout << A << std::endl;
|
||||
|
||||
flussMatrix(A);
|
||||
if (N<=4)
|
||||
std::cout << A << std::endl;
|
||||
|
||||
// Bei Schwierigkeiten mit Teilaufgabe a) können Sie Teilaufgaben b)
|
||||
// und c) mit folgender Matrix testen
|
||||
int size_b = 3;
|
||||
hdnum::DenseMatrix<REAL> B(size_b,size_b);
|
||||
for (std::size_t i=0; i<size_b; ++i)
|
||||
{
|
||||
for (std::size_t j=0; j<size_b; ++j)
|
||||
{
|
||||
B[i][j] = i+j;
|
||||
// Bei Schwierigkeiten mit Teilaufgabe a) können Sie Teilaufgaben b)
|
||||
// und c) mit folgender Matrix testen
|
||||
int size_b = 3;
|
||||
hdnum::DenseMatrix<REAL> B(size_b,size_b);
|
||||
for (std::size_t i=0; i<size_b; ++i) {
|
||||
for (std::size_t j=0; j<size_b; ++j) {
|
||||
B[i][j] = i+j;
|
||||
}
|
||||
}
|
||||
}
|
||||
std::cout << "Zeilen-Summen-Norm: " << A.norm_infty() << std::endl;
|
||||
std::cout << "Spalten-Summen-Norm: " << A.norm_1() << std::endl;
|
||||
std::cout << "Frobenius-Norm: " << frobeniusNorm(A) << std::endl;
|
||||
std::cout << "Maximaler Eigenwert: " << maxEigenwert(A) << std::endl;
|
||||
std::cout << "Zeilen-Summen-Norm: " << A.norm_infty() << std::endl;
|
||||
std::cout << "Spalten-Summen-Norm: " << A.norm_1() << std::endl;
|
||||
std::cout << "Frobenius-Norm: " << frobeniusNorm(A) << std::endl;
|
||||
std::cout << "Maximaler Eigenwert: " << maxEigenwert(A) << std::endl;
|
||||
|
||||
return 0;
|
||||
return 0;
|
||||
}
|
||||
|
||||
Reference in New Issue
Block a user