Skip to content

Lab4_Yasmine#5

Open
Mimimmi15 wants to merge 3 commits intodpo-mth8211:mainfrom
Mimimmi15:LabLanczos_Yasmine
Open

Lab4_Yasmine#5
Mimimmi15 wants to merge 3 commits intodpo-mth8211:mainfrom
Mimimmi15:LabLanczos_Yasmine

Conversation

@Mimimmi15
Copy link
Copy Markdown

No description provided.

@github-actions
Copy link
Copy Markdown

Status:
Success--Here-is-the-PDF

```{julia}
# votre code ici
## illc1033
run_experiment("illc1033", "least_squares", ["lsqr", "lsmr"])
Copy link
Copy Markdown
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Inclure le code de cette fonction dans ton rapport.

MatrixMarket = "4d4711f2-db25-561a-b6b3-d35e7d4047d3"
Plots = "91a5bcdd-55d7-5caf-9e0b-520d859cae80"
PrettyTables = "08abe8d2-0d0c-5749-adfa-8a2ac140af0d"
SuiteSparseMatrixCollection = "ac199af8-68bc-55b8-82c4-7abd6f96ed98"
Copy link
Copy Markdown
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Ne pas me remettre ces fichiers.
Qu'est-ce que message.txt ???


Commenter ces résultats sur base de ce qui a été vu en classe.

Les méthodes appliquées aux systèmes augmentés montrent des différences importantes dans le nombre d'itérations nécessaires et leurs statuts finaux. Cela confirme qu'il est essentiel de choisir un critère d'arrêt adapté au problème spécifique, sinon on risque de perdre des informations importantes. Un point particulièrement intéressant est que l'algorithme MINARES produit des résidus qui correspondent exactement aux résidus d'optimalité du problème des moindres carrés. Cette caractéristique fait de MINARES une méthode particulièrement bien adaptée pour résoudre les systèmes de point de selle issus des problèmes aux moindres carrés.
Copy link
Copy Markdown
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Ton commentaire ne porte pas sur le comportement des différentes quantités ...


Commenter ces résultats sur base de ce qui a été vu en classe.

Les résultats montrent que les trois méthodes présentent généralement un comportement prévisible : l'erreur diminue à chaque itération, tandis que la norme de la solution augmente progressivement. Les méthodes CRAIG, LSQR et LSMR convergent vers des solutions de normes similaires pour well1033 et well1850, mais montrent des différences pour les problèmes illc. Le statut final varie selon la méthode et le problème traité, ce qui souligne l'importance du choix de l'algorithme en fonction des caractéristiques de la matrice.
Copy link
Copy Markdown
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Ici non plus.

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

2 participants