CG.rar_CG matlab_Cg_call drop_梯度下降CG

%特征向量对CG收敛性的影响 %特征向量均由M矩阵QR分解得到，其中5个M矩阵分别为：全一阵、单位阵、随机数阵、正态分布数阵和魔方矩阵。 clear all; D=zeros(100); for j=1:100 D(j,j)=101-j; end D(1,1)=100;D(100,100)=1; M1=ones(100); M2=eye(100); M3=1+(100-1)*rand(100); M4=1+(100-1)*randn(100); M5=magic(100); [Q1,R1]=qr(M1);[Q2,R2]=qr(M1);[Q3,R3]=qr(M1);[Q4,R4]=qr(M1);[Q5,R5]=qr(M5); A1=Q1*D*Q1'; A2=Q2*D*Q2'; A3=Q3*D*Q3'; A4=Q4*D*Q4'; A5=Q5*D*Q5'; X=ones(100,1); b1=A1*X; b2=A2*X; b3=A3*X; b4=A4*X; b5=A5*X; [cge_aver1,cge_d1]=CG(A1,b1,X); [cge_aver2,cge_d2]=CG(A2,b2,X); [cge_aver3,cge_d3]=CG(A3,b3,X); [cge_aver4,cge_d4]=CG(A4,b4,X); [cge_aver5,cge_d5]=CG(A5,b5,X);