数值分析

第一章绪论

1.数值运算的误差估计

2.绝对误差、相对误差与有效数字

3.避免误差的相关问题

病态问题与条件数

算法的数值稳定性

数值运算中的若干原则

第二章非线性方程求根1.不动点迭代格式

不动点迭代格式的构造、计算

全局收敛性判断

局部收敛性与收敛阶判断（两个方法）

2.Newton迭代

格式、计算及几何意义

局部收敛性及收敛阶（单、重根）非局部收敛性判断（两个方法）3.Steffensen迭代

格式及计算

（具有）二阶的局部收敛性

4.Newton迭代的变形

求重根的迭代法（三种方法）

避免导数计算的弦割法（两种方法）

Newton下山法*

5.二分法

计算

预先估计对分次数

第三章解线性方程组的直接法

1.矩阵三角分解法及其方程组求解 直接三角分解法及其分解的条件

平方根法（Cholesky 分解）

追赶法

列主元三角分解法* 2.Gauss 消去法

Gauss 主元素消去法（列主元素消去法、全主元素消去法） Gauss 顺序消去法

3.方程组的性态与误差分析 向量和矩阵的范数（基础知识） 方程组解的相对误差估计 矩阵的条件数 病态方程组的求解*

第四章解线性代数方程组的迭代法1.迭代法的基本理论

简单迭代法格式的构造、收敛性判断以及方程组的求解

Gauss—Seidel迭代法格式的构造、收敛性判断以及方程组的求解2.三种迭代法的构造、收敛性判断以及方程组的求解Jacobi迭代法

基于Jacobi迭代法的Gauss—Seidel迭代法

逐次超松弛迭代法①掌握简单迭代收敛性判断的方法。

设B为迭代矩阵，如果||B||<1，则用||B||判断迭代的收敛性比用ρ(B)<1更为方便，但此结论仅为充分条件。

如果||B||≥1，判断迭代的收敛性需考察ρ(B)<1是否成立。

如果需证明迭代发散，则需证明ρ(B)≥1。

②简单迭代法的收敛快慢，依赖于迭代矩阵谱半径的大小。当ρ(B)<1，迭代次数k≥(mln10)/(-lnρ(B))，则迭代矩阵谱半径越小，收敛越快。当ρ(B)=0时，则理论上迭代有限步得到精确解。

对简单迭代法而言，有的对任意初始向量都收敛（通常所说的收敛），有的对部分初始向量收敛，有的对任意初始向量(解向量除外)都不收敛。

③对于由简单迭代法导出的Gauss-Seidel迭代法：x(k+1)=B1x(k)+B2x(k)+gk=0,1,…

应用上述结论需首先将由简单迭代法导出的Gauss-Seidel迭代格式改写为简单迭代：x(k+1)=(I–B1)?1B2x(k)+(I?B1)?1gk=0,1,…迭代收敛的充要条件为ρ((I?B1)?1B2)<1 若||(I?B1)?1B2||<1则对于任意的初始向量x(0)，与简单迭代法相应的Gauss-Seidel 迭代收敛。

设B=B1+B2，若||B||∞<1，或||B||1<1，则对于任意初始向量x(0)，与简单迭代法相应的Gauss-Seidel迭代收敛。

④掌握Jacobi迭代及由Jacobi迭代导出的Gauss-Seidel迭代收敛性的判断方法。

对于Jacobi迭代与Gauss-Seidel迭代的收敛性，首先考察系数矩阵A是否严格对角占优。

对于Gauss-Seidel迭代，其次考察系数矩阵A是否对称正定。

其它判断方法与简单迭代以及由简单迭代导出的Gauss-Seidel迭代之收敛性判断方法相同。

⑤掌握SOR迭代收敛性判断的方法。

SOR迭代收敛的必要条件说明：要使SOR迭代收敛，必须选取0<ω<2；但0<ω<2未必能保证SOR迭代收敛。

对SOR迭代首先考察系数矩阵A是否对称正定。

其它判断方法与简单迭代收敛性的判断方法类似。

⑥在Jacobi,Gauss-Seidel,SOR三个常用方法中，其效率与问题及松弛因子的选取有关。

Jacobi迭代与Gauss-Seidel迭代的收敛性没有确定关系。两者可以同时收敛、同时发散或其中某个收敛而另一个发散。

若Jacobi迭代与Gauss-Seidel迭代同时收敛，一般Gauss-Seidel迭代收敛速度较快，但Jacobi迭代具有并行性。

当松弛因子ω适当时，SOR方法收敛很快，不适当时收敛非常慢。但最佳松弛因子的选取依赖一定的理论基础与实际计算经验。

⑦当迭代格式收敛时，可用||x(k)?x(k?1)||∞<ε作为迭代终止的控制条件。

⑧收敛的迭代格式其最终的计算结果与初始向量的选取无关。但初始向量的选取对迭代的工作量有一定影响。若对初始向量的选取无任何工程背景，可取x(0)=0

⑨对于发散的迭代格式有时可以通过方程组变形构造收敛的迭代格式。

⑩在迭代格式x(k+1)=Bx(k)+f中，若I?B是病态阵，那么一般得不到好的结果。

第五章函数插值

https://www.wendangku.net/doc/8917989576.html,grange与Newton插值公式

插值问题的求解

插值余项表达式的运用（导数型及差商型）

反插值问题的求解（用反插值法时必须满足单值性条件）差商的计算及性质

2.Hermite插值公式多项式及其余项表达式的构造Hermite插值多项式的构造

余项表达式的构造(过程)

3.插值多项式的存在惟一性

函数插值问题

导数插值问题

4.等距节点插值公式

等距插值问题的求解

差分的计算及性质

5.分段低次插值

高次插值的问题（很少采用）

分段低次插值公式

指定误差限，估计节点个数或节点间距离6.三次样条插值函数的定义及构造

第六章函数的最佳平方逼近与数据的最小二乘拟合逼近

1.连续函数的最佳平方逼近

最佳平方逼近问题的求解

基于正交函数基的最佳平方逼近问题的求解（利用已知正交基及构造正交基）

平方逼近误差的计算

2.离散数据的曲线拟合

线性与非线性（求倒数、求对数等）拟合模型的求解平方误差的计算

矛盾方程组的求解

3.相关知识

赋范线性空间

内积空间

正交多项式

第七章数值积分与数值微分1.插值型求积公式

低阶Newton-Cotes公式及其截断误差

插值型公式及Newton-Cotes公式代数精确度的结论

求积公式代数精度的判别

求积公式的收敛性与稳定性

2.复化求积算法

复化梯形公式、复化Simpson公式及其余项

运用复化公式的余项估计求积节点的个数（或求积节点间距离）基于误差事后估计法计算积分

3.Romberg求积算法

步长折半的复化梯形公式

用低精度公式构造高精度公式用Romberg求积算法计算积分

外推技巧

4.Gauss型求积公式

Gauss型求积公式的一些理论

Gauss型求积公式的构造（Gauss点的选取及Gauss求积系数的确定）

用Gauss型求积公式计算积分

5.数值微分

用插值法及Taylor级数展开法推导或证明数值微分公式

第八章常微分方程初值问题的数值解法

1.数值公式建立的三种方法 Taylor 展开法

差商直接代替微商

数值积分法

2.线性多步法建立数值公式并计算 基于Taylor 级数展开构造公式并计算

（1）指定局部截断误差（或方法阶数）及节点信息时，构造相应的线性多步法；

（2）对给定的数值公式，判断方法的阶数； （3）指明局部截断误差主项。 基于数值积分构造公式并计算

3.简单单步法的计算、局部截断误差和阶 Euler-梯形预测校正公式

显式Euler公式隐式Euler公式

梯形公式

4.Taylor级数展开法及R—K方法

Runge—Kutta方法

指定局部截断误差（或方法阶数）时，构造相应的Runge—Kutta公式；Taylor级数展开法构造公式并计算5单步法的收敛性和稳定性

给出具体格式的稳定性条件

具体格式的收敛性

第九章矩阵特征值与特征向量的计算1.Givens矩阵与Householder矩阵

用Givens矩阵对向量与矩阵进行约化

旋转阵可将指定的元素变为零。

用Householder对向量与矩阵进行约化

反射阵可将n维向量中后n-1个元素一次变为零。

2.矩阵的约化

实对称矩阵正交约化为三对角阵

一般矩阵正交约化为上Hessenberg阵

运用正交矩阵做出矩阵的QR分解

3.特征值、特征向量计算的方法

变换法

Jacobi方法（对称矩阵）

二分法（对称矩阵）

QR算法（一般矩阵）

迭代法

乘幂法（一般矩阵按模最大）

反幂法（一般矩阵按模最小）

用计算器求超越方程数值解的几个简单有趣的例子

用计算器求超越方程数值解的几个简单有趣的例子 孟也清（原创）REV1.02 01052013 很显然，这些超越方程都可以编个简单程序解决，但这里说的是仅使用普通函数计算器, JUST FOR FUN! 解方程1 X=Cos(X) 这可能是世界上最简单的用函数计算器迭代方式解超越方程的例子了，只要你连续按函数计算器上的COS键。第一个近似解可以是计算器上显示的任何数字，如一开机为0就可按键，或是99999999都无所谓，因为COS是周期函数，所有数字都会以2π为模。 按键若干次后你就看到那个解趋近你使用的计算器的最高精度。 在8位计算器上得到X=0.7390851,约按键50次， 在10位计算器上得到X=0.739085133,约按键52次， 在Windows上的32位计算器上为X=0.73908513321516064165531208767387，约按键200次。 注意上面X是弧度 若X是“度“则收敛更快, 仅10次即可得到32位解X=0.9998477415310881129598107686798 解方程2 X= - LOG(X) 见下图，蓝色为y=log(x), 紫色为y=-x, 交点约为X=0.4 若用X取对数再取正值后再迭代，其过程发散。 所以这样解, 将两次相近的解的几何平均值代回去迭代。有弦位法的意思。 X0=0.4 X1’=-Log(X0) =0.39794 X1=(X0+X1’)/2=0.39897 经过10次迭代可得到 X10=0.399012978260252 用几何平均值代回去迭代，也是10次，因为Xn范围很小。 1

解方程3 X=10LOG(X) 若X为功率，而10LOG(X)表示dBm，则在数值上有两个点它们是相等的。 即求解方程X=10LOG(X)的两个解。 见下图，蓝色为y=x, 紫色为y=10log（x）, 交点2约为X=10，y=10LOG(10)=10，此点可用直接迭代求出，但收敛速度不很快。 交点1约为X=1.4，此点用直接迭代或上面平均值迭代均发散，反而在计算器上用凑数法比较快，为1.371288573~4 当然可考虑牛顿法（切线法）切线法似乎也会发散。弦位法应可以，没试过。 2

东南大学数值分析上机题答案

数值分析上机题 第一章 17.（上机题）舍入误差与有效数 设∑=-= N j N j S 2 2 11 ，其精确值为）111-23（21+-N N 。 （1）编制按从大到小的顺序1 -1 ···1-311-21222N S N +++=，计算N S 的通用 程序； （2）编制按从小到大的顺序1 21 ···1)1(111 222-++--+ -=N N S N ，计算N S 的通用程序； （3）按两种顺序分别计算210S ,410S ,610S ,并指出有效位数（编制程序时用单精度）； （4）通过本上机题，你明白了什么？ 解： 程序： （1）从大到小的顺序计算1 -1 ···1-311-21222N S N +++= ： function sn1=fromlarge(n) %从大到小计算sn1 format long ; sn1=single(0); for m=2:1:n sn1=sn1+1/(m^2-1); end end （2）从小到大计算1 21 ···1)1(111 2 22 -++--+-= N N S N function sn2=fromsmall(n) %从小到大计算sn2 format long ; sn2=single(0); for m=n:-1:2 sn2=sn2+1/(m^2-1); end end （3） 总的编程程序为： function p203()

clear all format long; n=input('please enter a number as the n:') sn=1/2*(3/2-1/n-1/(n+1));%精确值为sn fprintf('精确值为%f\n',sn); sn1=fromlarge(n); fprintf('从大到小计算的值为%f\n',sn1); sn2=fromsmall(n); fprintf('从小到大计算的值为%f\n',sn2); function sn1=fromlarge(n) %从大到小计算sn1 format long; sn1=single(0); for m=2:1:n sn1=sn1+1/(m^2-1); end end function sn2=fromsmall(n) %从小到大计算sn2 format long; sn2=single(0); for m=n:-1:2 sn2=sn2+1/(m^2-1); end end end 运行结果：

北京大学数值分析试题2015 经过订正

北京大学2014--2015学年第一学期 研究生期末考试试题A (闭卷考试) 课程名称：数值分析 注：计算题取小数点后四位 一、填空题(每空3分，共24分) (1) 设1 2A ?-=-?? ，则A 的奇异值为 。 (2) 设0.00013753x =为真值0.00013759T x =的近似值，则x 有 位有效数字。 (3) 设数据123,,x x x 的绝对误差为0.002，那么123x x x -+的绝对误差约为 ____ _。 (4) )x (l ,),x (l ),x (l n 10是以01,, ,,(2)n x x x n ≥为节点的拉格朗日插值基函数， 则 20 (2)()n k k k x l x =+=∑ 。 (5) 插值型求积公式 2 2 =≈∑? ()()n k k k x f x dx A f x 的求积系数之和0 n k k A ==∑ 。 其中2x 为权函数，1≥n 。 （6）已知(3,4),(0,1)T T x y ==，求Householder 阵H 使Hx ky =，其中k R ∈。 H= 。 (7) 数值求积公式 1 1 2()((0)3f x dx f f f -?? ≈ ++???? ? 的代数精度为___。 (8) 下面Matlab 程序所求解的数学问题是 。 （输入向量x , 输出S ） x =input('输入x ：x ='); n=length(x ); S=x (1); for i=2:n if x (i)

东南大学数值分析上机作业汇总

东南大学数值分析上机作业 汇总 -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

数值分析上机报告 院系： 学号： 姓名：

目录 作业1、舍入误差与有效数 (1) 1、函数文件cxdd.m (1) 2、函数文件cddx.m (1) 3、两种方法有效位数对比 (1) 4、心得 (2) 作业2、Newton迭代法 (2) 1、通用程序函数文件 (3) 2、局部收敛性 (4) （1）最大δ值文件 (4) （2）验证局部收敛性 (4) 3、心得 (6) 作业3、列主元素Gauss消去法 (7) 1、列主元Gauss消去法的通用程序 (7) 2、解题中线性方程组 (7) 3、心得 (9) 作业4、三次样条插值函数 (10) 1、第一型三次样条插值函数通用程序： (10) 2、数据输入及计算结果 (12)

作业1、舍入误差与有效数 设∑ =-=N j N j S 2 2 11 ，其精确值为?? ? ??---1112321N N . （1）编制按从小到大的顺序1 1 131121222-? ??+-+-=N S N ，计算N S 的通用程序； （2）编制按从大到小的顺序()1 21 11111222-???+--+-=N N S N ，计算N S 的通用程序； （3）按两种顺序分别计算642101010,,S S S ,并指出有效位数； （4）通过本上机你明白了什么？ 程序： 1、函数文件cxdd.m function S=cxdd(N) S=0; i=2.0; while (i<=N) S=S+1.0/(i*i-1); i=i+1; end script 运行结果（省略>>）： S=cxdd(80) S= 0.737577 2、函数文件cddx.m function S=cddx (N) S=0; for i=N:-1:2 S=S+1/(i*i-1); end script 运行结果（省略>>）： S=cddx(80) S= 0.737577 3、两种方法有效位数对比

东南大学 数值分析 考试要求

第一章绪论 误差的基本概念：了解误差的来源，理解绝对误差、相对误差和有效数的概念，熟练掌握数据误差对函数值影响的估计式。 机器数系：了解数的浮点表示法和机器数系的运算规则。 数值稳定性：理解算法数值稳定性的概念，掌握分析简单算例数值稳定性的方法，了解病态问题的定义，学习使用秦九韶算法。 第二章非线性方程解法 简单迭代法：熟练掌握迭代格式、几何表示以及收敛定理的内容，理解迭代格式收敛的定义、局部收敛的定义和局部收敛定理的内容。 牛顿迭代法：熟练掌握Newton迭代格式及其应用，掌握局部收敛性的证明和大范围收敛定理的内容，了解Newton法的变形和重根的处理方法。 第三章线性方程组数值解法 （1）Guass消去法：会应用高斯消去法和列主元Guass消去法求解线性方程组，掌握求解三对角方程组的追赶法。 （2）方程组的性态及条件数：理解向量范数和矩阵范数的定义、性质，会计算三种常用范数，掌握谱半径与2- 范数的关系，会计算条件数，掌握实用误差分析法。 （3）迭代法：熟练掌握Jacobi迭代法、Guass-Seidel迭代法及SOR方法，能够判断迭代格式的收敛性。 （4）幂法：掌握求矩阵按模最大和按模最小特征值的幂法。 第四章插值与逼近 （1）Lagrange插值：熟练掌握插值条件、Lagrange插值多项式的表达形式和插值余项。（2）Newton插值：理解差商的定义、性质，会应用差商表计算差商，熟练掌握Newton插值多项式的表达形式，了解Newton型插值余项的表达式。 （3）Hermite插值：掌握Newton型Hermite插值多项式的求法。 （4）高次插值的缺点和分段低次插值：了解高次插值的缺点和Runge现象，掌握分段线性插值的表达形式及误差分析过程。 （5）三次样条插值：理解三次样条插值的求解思路，会计算第一、二类边界条件下的三次样条插值函数，了解收敛定理的内容。 （6）最佳一致逼近：掌握赋范线性空间的定义和连续函数的范数，理解最佳一致逼近多项式的概念和特征定理，掌握最佳一致逼近多项式的求法。 （7）最佳平方逼近：理解内积空间的概念，掌握求离散数据的最佳平方逼近的方法，会求超定方程组的最小二乘解，掌握连续函数的最佳平方逼近的求法。

数值分析

数值分析上机报告

前言 随着计算机技术的高速发展，越来越多的科技工作者使用计算机进行科学研究和解决工程技术问题。数值分析（或计算方法）课程的内容是科学工程计算的必备知识，已经成为众多理工科大学生、研究生的必修课程，越来越受到重视。 由于工程实际中所遇到的数学模型求解过程迭代次数很多，计算量很大，所以需要借助很多编程软件来解决，得到一个满足误差限的解。本文所计算题目，均采用C++编程。在本文中使用C++编写了牛顿法、牛顿-Steffensen法方程求解的程序和雅格比法、高斯－赛德尔迭代法求解方程组的程序及Ru n ge-Kutt a4阶算法，并通过实例求解验证了其可行性，比较了求解同一种问题时不同方法之间的优缺性，其中包含解的精确度和解的收敛速度两个重要指标。

一 牛顿法和牛顿-Steffensen 法迭代求解的比较 1. 计算题目 分别用牛顿法，及基于牛顿算法下的Steffensen 加速法 (1) 求ln(x +sin x )=0的根。初值x0分别取0.1, 1,1.5, 2, 4进行计算。 (2) 求sin x =0的根。初值x0分别取1，1.4，1.6, 1.8，3进行计算。 分析其中遇到的现象与问题。 2. 计算过程和结果 1.对方程ln(x +sin x )=0，其导数有些复杂，我们可以对其进行变形，即求解x+sinx=1的解。使用牛顿法，令1sin )(-+=x x x f ，则x x f cos 1)(+='，直至 5 110 1||-+?<-k k x x 时，结束迭代；然后再使用基于牛顿法的Steffensen 加速法进 行计算，直至51101||-+?<-k k x x 时，结束迭代。其迭代结果与迭代次数如下表所示（注N1为牛顿法迭代次数，N2为基于牛顿法Steffensen 加速法迭代次数）： 2.对方程sin x =0，使用牛顿法时，令x x f sin )(=，使用牛顿法计算，直至 5 110 1||-+?<-k k x x 时，结束迭代；然后依据Steffensen 加速法进行编程计算，直 至51101||-+?<-k k x x 时，结束迭代。其迭代结果与迭代次数如下表所示：

数值分析简述及求解应用

数值分析简述及求解应用 摘要：数值分析是研究分析用计算机求解数学计算问题的数值计算方法及其理论的学科，本文主要介绍了数值分析的一些求解方法的原理和过程，并应用在电流回路和单晶硅提拉过程中的，进一步体现数值分析的实际应用。 关键字：解方程组插值法牛顿法 一、引言 随着科学技术的发展，提出了大量复杂的数值计算问题，在建立电子计算机成为数值计算的主要工具以后，它以数字计算机求解数学问题的理论和方法为研究对象。有可靠的理论分析，要有数值实验，并对计算的结果进行误差分析。数值分析的主要内容包括插值法，函数逼近，曲线拟和，数值积分，数值微分，解线性方程组的直接方法，解线性方程组的迭代法，非线性方程求根，常微分方程的数值解法。运用数值分析解决问题的过程包括： 实际问题→数学建模→数值计算方法→程序设计→上机计算求出结果。 在自然科学研究和工程技术中有许多问题可归结为求解方程组的问题,方程组求解是科学计算中最常遇到的问题。如在应力分析、电路分析、分子结构、测量学中都会遇到解方程组问题。在很多广泛应用的数学问题的数值方法中，如三次样条、最小二乘法、微分方程边值问题的差分法与有限元法也都涉及到求解方程组。 在工程中常会遇到求解线性方程组的问题，解线性方程组的方法有直接法和迭代法，直接法就是经过有限步算术运算，可求的线性方程组精确解的方法（若计算过程没有舍入误差），但实际犹如舍入误差的存在和影响，这种方法也只能求得近似解，这类方法是解低阶稠密矩阵方程组级某些大型稀疏矩阵方程组的有效方法。直接法包括高斯消元法，矩阵三角分解法、追赶法、平方根法。迭代法就是利用某种极限过程去逐步逼近线性方程组精确解的方法。将方程组的解看作是某极限过程的极限值，且计算这一极限值的每一步是利用前一步所得结果施行相同的演算步骤而进行。迭代法具有需要计算机的存储单元少，程序设计简单，原始系数矩阵在计算过程始终不变等优点，但存在收敛性级收敛速度问题。迭代法是解大型稀疏矩阵方程组（尤其是微分方程离散后得到的大型方程组）的重要方法。迭代法包括Jacobi法SOR法、SSOR法等多种方法。非线性是实际问题中经常用到出现的并在科学和工程中的低位也越来越重要，很多线性模型都是在一定条件下由非线性简化得到的。所以往往需要非线性的研究。非线性的数值解法有牛顿法，迭代收敛的加速解法，弦解法和抛物线法等。还有很多问题都可用常微分方程的定解来描述，主要有处置问题和边值问题。常微分方程是描述连续变化的数学语言，微分方程的求解是确定满足给定方程的可微函数y(x)。下面就数值分析中常用的一些方法和实例进行阐述。 二、数值分析中的一些方法 1、插值法 许多实际问题都用y=f(x)来表示，有的函数虽然有解析式，但由于计算复杂实用不方便，为了找一个既能反映函数的特性又便于计算的函数，我们利用插值法可以得到这个简单函数，插值法包括拉格朗日插值，牛顿插值，Hermite插值等多种方法。 拉格朗日插值是n次多项式插值，其成功地用构造插值基函数的方法解决了

东南大学《数值分析》-上机题

数值分析上机题1 设2 21 1N N j S j ==-∑ ，其精确值为1311221N N ??-- ?+?? 。 （1）编制按从大到小的顺序222 111 21311 N S N = +++---，计算N S 的通用程序。 （2）编制按从小到大的顺序22 21111(1)121 N S N N =+++----，计算N S 的通用程序。 （3）按两种顺序分别计算210S ，410S ，610S ，并指出有效位数。（编制程序时用单精度） （4）通过本上机题，你明白了什么？ 程序代码（matlab 编程）： clc clear a=single(1./([2:10^7].^2-1)); S1(1)=single(0); S1(2)=1/(2^2-1); for N=3:10^2 S1(N)=a(1); for i=2:N-1 S1(N)=S1(N)+a(i); end end S2(1)=single(0); S2(2)=1/(2^2-1); for N=3:10^2 S2(N)=a(N-1); for i=linspace(N-2,1,N-2) S2(N)=S2(N)+a(i); end end S1表示按从大到小的顺序的S N S2表示按从小到大的顺序的S N 计算结果

通过本上机题，看出按两种不同的顺序计算的结果是不相同的，按从大到小的顺序计算的值与精确值有较大的误差，而按从小到大的顺序计算的值与精确值吻合。从大到小的顺序计算得到的结果的有效位数少。计算机在进行数值计算时会出现“大数吃小数”的现象，导致计算结果的精度有所降低，我们在计算机中进行同号数的加法时，采用绝对值较小者先加的算法，其结果的相对误差较小。

华南理工大学数值分析试题-14年下-C

华南理工大学研究生课程考试 《数值分析》试卷C （2015年1月9日） 1. 考前请将密封线内各项信息填写清楚； 所有答案请按要求填写在本试卷上； 课程代码：S0003004； 4. 考试形式：闭卷； 5. 考生类别：硕士研究生； 本试卷共八大题，满分100分，考试时间为150分钟。 一、（12分）解答下列问题： 1）设近似值0x >，x 的相对误差为δ，试证明ln x 的绝对误差近似为δ。 2）利用秦九韶算法求多项式 542()681p x x x x x =-+-+ 在3x =时的值（须写出计算形式），并统计乘法次数。 （12分）解答下列问题： 1）设()235f x x =+，求[]0,1,2f 和[]0,1,2,3f 。 2）利用插值方法推导出恒等式： 33220,0[]j j i i x j i x i j =≠=-=-∑∏ 。

（1）设{}∞ =0)(k k x q 是区间[]1,0上带权1=ρ而最高次项系数为1的正交多项式族，其中1)(0=x q ，求1()q x 和2()q x 。 （2）求形如2y a bx =+的经验公式，使它与下列数据拟合： 四、（14分）对积分()10I f x dx = ?，试 （1）构造一个以012113,,424 x x x ===为节点的插值型求积公式； （2）指出所构造公式的代数精度； （3）用所得数值求积公式计算积分1 203x dx ?的精确值； （4）指出所得公式与一般的Newton-Cotes 型公式在形式上的重要区别。

（1）设?? ????=4321A ,计算1A 、()Cond A ∞和()A ρ。 （2）用列主元Gauss 消去法解方程组： 12312315410030.112x x x ????????????=????????????-?????? 六、（13分）对2阶线性方程组 11112212112222 a x a x b a x a x b +=??+=? （11220a a ≠ ） （1）证明求解此方程组的Jacobi 迭代与Gauss-Seidel 迭代同时收敛或同时发散； （2）当同时收敛时，试比较它们的收敛速度。

数值分析之幂法及反幂法C语言程序实例

数值分析之幂法及反幂法C 语言程序实例 1、算法设计方案： ①求1λ、501λ和s λ的值： s λ：s λ表示矩阵的按模最小特征值，为求得s λ直接对待求矩阵A 应用反幂法即可。 1λ、501λ：已知矩阵A 的特征值满足关系 1n λλ<< ，要求1λ、及501λ时，可 按如下方法求解： a ． 对矩阵A 用幂法，求得按模最大的特征值1m λ。 b ． 按平移量1m λ对矩阵A 进行原点平移得矩阵1m B A I λ=+，对矩阵B 用反幂法 求得B 的按模最小特征值2m λ。 c ． 321m m m λλλ=- 则：113min(,)m m λλλ=，13max(,)n m m λλλ=即为所求。 ②求和A 的与数5011 140 k k λλμλ-=+最接近的特征值 ik λ（k=0，1，…39）： 求矩阵A 的特征值中与k μ最接近的特征值的大小，采用原点平移的方法： 先求矩阵 B=A-k μI 对应的按模最小特征值k β，则k β+k μ即为矩阵A 与k μ最接近的特征值。 重复以上过程39次即可求得ik λ（k=0，1，…39）的值。 ③求A 的（谱范数）条件数2cond()A 和行列式det A ： 在（1）中用反幂法求矩阵A 的按模最小特征值时，要用到Doolittle 分解方法，在Doolittle 分解完成后得到的两个矩阵分别为L 和U ，则A 的行列式可由U 阵求出，即：det(A)=det(U)。 求得det(A)不为0，因此A 为非奇异的实对称矩阵，则： max 2()s cond A λλ= ，max λ和s λ分别为模最大特征值与模最小特征值。

东南大学-数值分析上机题作业-MATLAB版

2015.1.9 上机作业题报告 JONMMX 2000

1.Chapter 1 1.1题目 设S N =∑1j 2?1 N j=2 ，其精确值为 )1 1 123(21+--N N 。 （1）编制按从大到小的顺序1 1 131121222-+ ??+-+-=N S N ，计算S N 的通用程序。 （2）编制按从小到大的顺序1 21 1)1(111222-+ ??+--+-= N N S N ，计算S N 的通用程序。 （3）按两种顺序分别计算64210,10,10S S S ,并指出有效位数。（编制程序时用单精度） （4）通过本次上机题，你明白了什么？ 1.2程序 1.3运行结果

1.4结果分析 按从大到小的顺序，有效位数分别为：6，4，3。 按从小到大的顺序，有效位数分别为：5，6，6。 可以看出，不同的算法造成的误差限是不同的，好的算法可以让结果更加精确。当采用从大到小的顺序累加的算法时，误差限随着N 的增大而增大，可见在累加的过程中，误差在放大，造成结果的误差较大。因此，采取从小到大的顺序累加得到的结果更加精确。 2.Chapter 2 2.1题目 （1）给定初值0x 及容许误差ε，编制牛顿法解方程f(x)=0的通用程序。 （2）给定方程03 )(3 =-=x x x f ,易知其有三个根3,0,3321= *=*-=*x x x ○1由牛顿方法的局部收敛性可知存在,0>δ当),(0δδ+-∈x 时，Newton 迭代序列收敛于根x2*。试确定尽可能大的δ。 ○2试取若干初始值，观察当),1(),1,(),,(),,1(),1,(0+∞+-----∞∈δδδδx 时Newton 序列的收敛性以及收敛于哪一个根。 （3）通过本上机题，你明白了什么？ 2.2程序

演讲稿数值分析应用实例.doc

非线性方程求根 问题：在相距100m的两座建筑物（高度相等的点）之间悬挂一根电缆，仅允许电缆在中间最多下垂1m，试计算所需电缆的长度。 设空中电缆的曲线（悬链线）方程为 ] , [ , ) ( 50 50 2 - ∈ + = - x e e a y a x a x （1） 由题设知曲线的最低点)) ( , (0 0y与最高点)) ( , (50 50y之间的高度差为1m，所以有 1 2 50 50 + = +- a e e a a a) ( （2） 由上述方程解出a后，电缆长度可用下式计算： ) ( ) (a a a x a x L e e a dx e e dx x y ds L 50 50 50 50 50 2 1- - - - = ? ? ? ? ? ? + = ' + = =? ? ?（3） 相关Matlab命令： 1、描绘函数] , [ , ) ( ) (1500 500 1 2 50 50 ∈ - - + = - a a e e a a y a a 的图形；

2、用fzero 命令求方程在1250=a 附近的根的近似值x ，并计算)(x y 的函数值； 3、编写二分法程序，用二分法求0=)(a y 在],[13001200内的根，误差不超过310-，并给出对分次数； 4、编写Newton 迭代法程序，并求0=)(a y 在],[13001200内的根，误差不超过310-，并给出迭代次数。 5、编写Newton 割线法程序，并求0=)(a y 在],[13001200内的根，误差不超过310-，并给出迭代次数。

线性方程组求解应用实例 问题：投入产出分析 国民经济各个部门之间存在相互依存的关系，每个部门在运转中将其他部门的产品或半成品（称为投入）经过加工变为自己的产品（称为产出），如何根据各部门间的投入产出关系，确定各部门的产出水平，以满足社会需求，是投入产出分析中研究的课题。考虑下面的例子： 设国民经济由农业、制造业和服务业三个部门构成，已知某年它们之间的投入产出关系、外部需求、初始投入等如表1所示（数字表示产值）。 表1 国民经济三个部门间的关系单位：亿元 假定总投入等于总产出，并且每个部门的产出与它的投入成正比，由上表可以确定三个部门的投入产出表：如表2所示。 表2 三个部门的投入产出表

东南大学数值分析上机解剖

第一章 一、题目 设∑ =-=N j N j S 22 1 1，其精确值为)11 123(21+--N N 。 （1）编制按从大到小的顺序1 1 131121222-+ ??+-+-=N S N ，计算SN 的通用程序。 （2）编制按从小到大的顺序1 21 1)1(111222-+ ??+--+-=N N S N ，计算SN 的通用程序。 （3）按两种顺序分别计算64210,10,10S S S ,并指出有效位数。（编制程序时用单精度） （4）通过本次上机题，你明白了什么？ 二、MATLAB 程序 N=input('请输入N(N>1)：'); AccurateValue=single((0-1/(N+1)-1/N+3/2)/2); %single 使其为单精度 Sn1=single(0); %从小到大的顺序 for a=2:N; Sn1=Sn1+1/(a^2-1); end Sn2=single(0); %从大到小的顺序 for a=2:N; Sn2=Sn2+1/((N-a+2)^2-1); end fprintf('Sn 的值 (N=%d)\n',N); disp('____________________________________________________') fprintf('精确值 %f\n',AccurateValue); fprintf('从大到小计算的结果 %f\n',Sn1); fprintf('从小到大计算的结果 %f\n',Sn2); disp('____________________________________________________')

数值分析上机题(matlab版)(东南大学)

数值分析上机题(matlab版)(东南大学)

数值分析上机报告

第一章 一、题目 精确值为)1 1 123(21+--N N 。 1) 编制按从大到小的顺序 1 1 131121222-+??+-+-= N S N ，计算S N 的通用程序。 2) 编制按从小到大的顺序 1 21 1)1(111222-+??+--+-= N N S N ，计算S N 的通用程序。 3) 按两种顺序分别计算6 42 10,10, 10S S S ,并指出有效位 数。（编制程序时用单精度） 4) 通过本次上机题，你明白了什么？ 二、通用程序 clear N=input('Please Input an N (N>1):'); AccurateValue=single((0-1/(N+1)-1/N+3/2)/2); Sn1=single(0); for a=2:N; Sn1=Sn1+1/(a^2-1); end Sn2=single(0); for a=2:N; Sn2=Sn2+1/((N-a+2)^2-1); end fprintf('The value of Sn using different algorithms (N=%d)\n',N); disp('____________________________________________________') fprintf('Accurate Calculation %f\n',AccurateValue); fprintf('Caculate from large to small %f\n',Sn1); fprintf('Caculate from small to large %f\n',Sn2);

西北工业大学数值分析(附答案)

西北工业大学数值分析习题集 第一章 绪 论 1. 设x >0,x 的相对误差为δ,求ln x 的误差. 2. 设x 的相对误差为2％,求n x 的相对误差. 3. 下列各数都是经过四舍五入得到的近似数,即误差限不超过最后一位的半个单位,试指 出它们是几位有效数字: *****123451.1021,0.031,385.6,56.430,7 1.0.x x x x x =====? 4. 利用公式(3.3)求下列各近似值的误差限: ********12412324(),(),()/,i x x x ii x x x iii x x ++其中**** 1234 ,,,x x x x 均为第3题所给的数. 5. 计算球体积要使相对误差限为1％,问度量半径R 时允许的相对误差限是多少? 6. 设 028,Y =按递推公式 1n n Y Y -= ( n=1,2,…) 计算到100Y .27.982(五位有效数字),试问计算100Y 将有多大误差? 7. 求方程2 5610x x -+=的两个根,使它至少具有四位有效数字27.982). 8. 当N 充分大时,怎样求 211N dx x +∞ +? ? 9. 正方形的边长大约为100㎝,应怎样测量才能使其面积误差不超过1㎝2 ? 10. 设 212S gt = 假定g 是准确的,而对t 的测量有±0.1秒的误差,证明当t 增加时S 的绝对 误差增加,而相对误差却减小. 11. 序列 {}n y 满足递推关系1101n n y y -=-(n=1,2,…),若0 1.41y =≈(三位有效数字),计算到 10y 时误差有多大?这个计算过程稳定吗? 12. 计算6 1)f =, 1.4≈,利用下列等式计算,哪一个得到的结果最好? 3 -- 13. ()ln(f x x =,求f (30)的值.若开平方用六位函数表,问求对数时误差有多大?若改用另一等价公式 ln(ln(x x =-

数值分析在生活中的应用举例及Matlab实现

Matlab 实验报告 学院：数学与信息科学学院班级：信息班 学号：20135034027 姓名：马永杉

最小二乘法，用MATLAB实现 1.数值实例 下面给定的是郑州最近1个月早晨7：00左右的天气预报所得到的温度，按照数据找出任意次曲线拟合方程和它的图像。下面用MATLAB编程对上述数据进行最小二乘拟合。 2、程序代码 x=[1:1:30]; y=[9,10,11,12,13,14,13,12,11,9,10,11,12,13,14,12,11,10,9,8,7,8,9,11,9 ,7,6,5,3,1]; a1=polyfit(x,y,3) %三次多项式拟合% a2= polyfit(x,y,9) %九次多项式拟合% a3= polyfit(x,y,15) %十五次多项式拟合% b1=polyval(a1,x) b2=polyval(a2,x) b3=polyval(a3,x) r1= sum((y-b1).^2) %三次多项式误差平方和% r2= sum((y-b2).^2) %九次次多项式误差平方和% r3= sum((y-b3).^2) %十五次多项式误差平方和% plot(x,y,'*') %用*画出x,y图像% hold on plot(x,b1, 'r') %用红色线画出x,b1图像% hold on plot(x,b2, 'g') %用绿色线画出x,b2图像% hold on plot(x,b3, 'b:o') %用蓝色o线画出x,b3图像% 2.流程图

4．数值结果分析 不同次数多项式拟合误差平方和为： r1=67.6659 r2=20.1060 r3=3.7952 r1、r2、r3分别表示三次、九次、十五次多项式误差平方和。 5、拟合曲线如下图

数值分析第五版答案

第一章 绪论 p19 2．设x 的相对误差为2%，求n x 的相对误差。 解：设()n f x x =，则函数的条件数为'() | |() p xf x C f x = 又 1 '()n f x nx -=, 1 ||n p x nx C n n -?∴== 又 ((*))(*)r p r x n C x εε≈? 且(*)r e x 为2% ((*))0.02n r x n ε∴≈ 5计算球体积要使相对误差限为1，问度量半径R 时允许的相对误差限是多少？ 解：球体体积为343 V R π= 则何种函数的条件数为 2 3'4343 p R V R R C V R ππ=== (*)(*)3(*)r p r r V C R R εεε∴≈= 又 (*)1r V ε= 故度量半径R 时允许的相对误差限为1 (*)10.333 r R ε= ?≈ 7．求方程2 5610x x -+=的两个根，使它至少具有427.982 =）。 解：2 5610x x -+= ， 故方程的根应为1,228x =故 128 2827.98255.982x = ≈+= 1x ∴具有5位有效数字 211 280.0178632827.98255.982 x =-= ≈ =≈+ 2x 具有5位有效数字

9．正方形的边长大约为了100cm ，应怎样测量才能使其面积误差不超过2 1cm ？ 解：正方形的面积函数为2 ()A x x = p7 当*100x =时，若(*)1A ε≤, 则21 (*)102 x ε-≤ ? 故测量中边长误差限不超过0.005cm 时，才能使其面积误差不超过2 1cm 第二章 插值法p48 1．当1,1,2 x =-时，()0,3,4f x =-, 分别用单项式基底、拉格朗日基底、牛顿基底求() f x 的二次插值多项式。 解： 0120121200102021101201220211,1,2, ()0,()3,()4;()()1 ()(1)(2)()()2()()1 ()(1)(2) ()()6 ()()1 ()(1)(1) ()()3 x x x f x f x f x x x x x l x x x x x x x x x x x l x x x x x x x x x x x l x x x x x x x ==-===-=--==-+-----==------= =-+-- 则二次拉格朗日插值多项式为 2 20 ()()k k k L x y l x ==∑ 0223()4() 14 (1)(2)(1)(1)23537623 l x l x x x x x x x =-+=---+-+=+- 2．给出()ln f x x =的数值表 用线性插值及二次插值计算的近似值。 解：由表格知，

数值分析第五版全答案

第四章 数值积分与数值微分 1.确定下列求积公式中的特定参数，使其代数精度尽量高，并指明所构造出的求积公式所具有的代数精度： 101210121 12120 (1)()()(0)(); (2)()()(0)(); (3)()[(1)2()3()]/3; (4)()[(0)()]/2[(0)()]; h h h h h f x dx A f h A f A f h f x dx A f h A f A f h f x dx f f x f x f x dx h f f h ah f f h -----≈-++≈-++≈-++''≈++-?? ?? 解： 求解求积公式的代数精度时，应根据代数精度的定义，即求积公式对于次数不超过m 的多项式均能准确地成立，但对于m+1次多项式就不准确成立，进行验证性求解。 （1）若101(1) ()()(0)()h h f x dx A f h A f A f h --≈-++? 令()1f x =，则 1012h A A A -=++ 令()f x x =，则 110A h A h -=-+ 令2 ()f x x =，则 3 221123 h h A h A -=+ 从而解得 01 1431313A h A h A h -?=?? ?=?? ?=?? 令3 ()f x x =，则 3()0h h h h f x dx x dx --==? ? 101()(0)()0A f h A f A f h --++= 故 101()()(0)()h h f x dx A f h A f A f h --=-++? 成立。 令4 ()f x x =，则

东南大学_数值分析_第七章_偏微分方程数值解法

第七章 偏微分方程数值解法 ——Crank-Nicolson 格式 ****（学号） *****（姓名） 上机题目要求见教材P346,10题。 一、算法原理 本文研究下列定解问题(抛物型方程) 22(,) (0,0)(,0)() (0) (0,)(), (1,)() (0)u u a f x t x l t T t x u x x x l u t t u t t t T ?αβ???-=<<≤≤???? =≤≤??==<≤?? (1) 的有限差分法，其中a 为正常数，,,,f ?αβ为已知函数，且满足边界条件和初始条件。关于式(1)的求解，采用离散化方法，剖分网格，构造差分格式。其中，网格剖分是将区域{}0,0D x l t T =≤≤≤≤用两簇平行直线 (0) (0)i k x x ih i M t t k k N τ==≤≤?? ==≤≤? 分割成矩形网格，其中,l T h M N τ==分别为空间步长和时间步长。将式(1)中的偏导数使用不同的差商代替，将得到不同的差分格式，如古典显格式、古典隐格式、Crank-Nicolson 格式等。其中，Crank-Nicolson 格式具有更高的收敛阶数，应用更广泛，故本文采用Crank-Nicolson 格式求解抛物型方程。 Crank-Nicolson 格式推导：在节点(,)2 i k x t τ +处考虑式(1)，有 22(,)(,)(,)222 i k i k i k u u x t a x t f x t t x τττ??+-+=+?? (2) 对偏导数 (,)2 i k u x t t τ ?+?用中心差分展开 []2311+13 1(,)(,)(,)(,) ()224k k i k i k i k i i k i k u u x t u x t u x t x t t t t ττηητ++??+=--<

常州大学数值分析

4.(1)T=1/2(3+1)=2 S=1/6(3+8+1)=2 计算其准确的结果为2 与精确值比较，T的误差为0 S的误差为0 7（1）复合梯形公式T2n的matlab 实现： function I= trapezoid(fun,a,b,n) n=2*n; h=(b-a)/(n-1); x=a:h:b; f=feval(fun,x); I=h* (0.5*f(1)+sum(f(2:n-1))+ 0.5*f(n)); function trapezoid_and_sinpsom clc; format long syms x Iexact= int(x*exp(x^2),x,0,1); a=0; b=1; for n=2:1:4 t=trapezoid(@f,a,b,n) s=simpson(@f,a,b,n) err1=vpa(Iexact-t,5) err2=vpa(Iexact-s,5) end function y=f(x)y= x*exp(x^2); return 从而得出的结果： n=2 t=1.000576811286697 s=0.860997139578795 err1=-0.14144 err2=-0.0018562 n=3 t=0.923798756293777 s=0.859533825596209 err1=-0.064658 err2=-0.00039291 n=4 t=0.895892057505771 s=0.859268455239111 err1=-0.036751 err2=-0.00012754 13.function [Dc,err]=dfDc(f,x0,h) d0=1/x0; Dc=(f(x0+h)-f(x0-h))/(2*h); err=Dc-d0; return function [Sc,err]=dfSc(f,x0,h) d0=1/x0; Sc=4/3*dfDc(f,x0,h/2)... -1/3*dfDc(f,x0,h); err=Sc-d0; return function [Cc,err]=dfCc(f,x0,h) d0=1/x0; Cc=16/15*dfSc(f,x0,h/2)... -1/15*dfSc(f,x0,h); err=Cc-d0;return f=@(x)log(x); x0=2;h=0.1; [Dc,err]=dfDc(f,x0,h) [Sc,err]=dfSc(f,x0,h) [Cc,err]=dfCc(f,x0,h) Dc=0.500417292784913 err=4.172927849132035e-04 Sc=0.499999843400513 err= -1.565994868224507e-07 Cc=0.500000000017481 err=1.748101663423540e-11 14. 3.示位法的MATLAB实现：Function [c,k]=fapo(f,a,b,epsilon,max1) Use false position to find the toot of function Input:f=the function a,b=left and right brachets of root