数值分析第二次程序题
数值分析第二次程序题——插值法
1.对Runge 函数2
1
()125R x x
=+在区间[-1,1]作下列插值逼近，并和R(x)的图像进行比较，并对结果进行分析。
(1) 以-1,0.1,020i x ih h i =+=≤≤为节点，Newton 插值
图1 [-0.7,0.7]上的Newton 插值图2 [-1,1]上的Newton 插值
由上图可以看出，在区间[-0.7,0.7]上，插值多项式可以比较好地逼近被插值函数。而当区间改为[-1,1]时，边界附近插值多项式与被插值函数的差别很大。即出现了Runge 现象。由于边界接近60的误差，图像中间部分的变化几乎不可见。
主要原因是被插值函数的任意阶导数不能达到一致有界。其插值余项
(1)1())()(1)!
n n n f R x x n ξω++=
+（不趋近零。插值多项式不能收敛到被插值函数。 牛顿差值函数 function f=niudun(z,N,n) f=N(1,1); x=-1:0.1:1; for k=2:n a=1; for r=1:(k-1)
a=a*(z-x(r)); end
f=f+N(k,k)*a; end 主程序
x=-1:0.1:1; n=length(x); for i=1:n
y(i)=1/(1+25*x(i)*x(i)); end N=zeros(n,n); N(:,1)=y'; for j=2:n for k=j:n
N(k,j)=(N(k,j-1)-N(k-1,j-1))/(x(k)-x(k-j+1)); end
end for t=1:n c(t)=N(t,t); end z=-1:0.001:1; m=size(z,2); for i=1:m
Runge(i)=1/(1+25*z(i)*z(i)); f(i)=niudun(z(i),N,n); end
plot(z,Runge,'k',z,f,'r')
(2)以21
cos(
,01,22042
i i x i π+==???）（，，，）为节点，Lagrange 插值
图3 以Chebyshev 多项式零点为插值点图4 以等距节点为插值点
如图所示，使用Chebyshev 多项式零点构造的Lagrange 插值多项式比较接近原函数，没有出现Runge 现象，图4为第一小问中的等距节点插值，可以明显的看出以Chebyshev
多项式零点为插值点的优势。主要原因是其多项式误差为(1)
1
()-)2(1)!
n n n
f x L x f n +∞
≤
+（，
在区间内一致收敛。
Lagrange 函数
function lag=lagrange(z,x,y) for i=1:21 l(i)=1; for j=1:21 if j~=i
l(i)=l(i)*(z-x(j))/(x(i)-x(j)); end end end l=l'; lag=y*l;
主程序 for i=1:21
x(22-i)=cos((2*i-1)*pi/42); end for i=1:21
y(i)=1/(1+25*x(i)*x(i)); end z=-1:0.001:1; m=length(z); for i=1:m
f(i)=1/(1+25*z(i)*z(i)); lag(i)=lagrange(z(i),x,y); end
plot(z,f,'k',z,lag,'r')
(3)以-1,0.1,020i x ih h i =+=≤≤为节点，分段线性插值
如下图所示，分段线性插值多项式比较接近原函数，没有出现Runge 现象。但是可以明显地看到在区间[-0.1,0.1]中，线性插值的拟合度较低，因为这一部分的函数的曲率较大，
也就是二阶导数较大。由误差估计公式2
h )max 8
n R x f ''≤
（
可知这一部分的误差较大。
图5线性插值
(4)以-1,0.1,020i x ih h i =+=≤≤为节点，三次自然样条插值
图6 三次自然样条插值函数图像
由上图可以看出，三次样条插值函数的曲线及其光滑，图中并没有将插值函数连起来，否则基本无法分辨出原函数和插值函数的图像，说明得到的函数十分接近被插值函数。另外，题目要求自然样条插值，也就是再两端的二阶导数为0，需在变成过程中加以注意。x=-1:0.1:1; n=length(x); for i=1:n y(i)=1/(1+25*x(i)*x(i)); end for i=1:n-1 h(i)=x(i+1)-x(i); end for i=1:n-2 u(i)=h(i)/(h(i+1)+h(i)); r(i)=1-u(i); end G=zeros(n-2,n-2); for i=1:n-2 G(i,i)=2; end
for i=2:n-2 G(i,i-1)=u(i-1); G(i,i+1)=r(i-1); end
d=zeros(1,n-2); for i=1:n-2
d(i)=6*((y(i+2)-y(i+1))/h(i+1)-(y(i+1)-y(i))/h(i))/(h(i+1)+h(i)); end d=d'; M=G\d; M=[0;M;0]; for i=1:n-1
z=[x(i):0.01:x(i+1)]; m=length(z); for j=1:m
s(j)=M(i)*(x(i+1)-z(j))^3/0.6+M(i+1)*(z(j)-x(i))^3/0.6+(y(i)-M(i)*0.01/6)*(x(i+1)-z(j))/0.1+(y(i+1)-M(i+1)*0.01/6)*(z(j)-x(i))/0.1; end
plot(z,s,'* r','MarkerSize',3) hold on end hold on z=-1:0.01:1; for i=1:201
f(i)=1/(1+25*z(i)*z(i)); end
plot(z,f,'b')
2.对函数：
在区间[-1,1]作下列插值逼近，并和被插值函数的图像进行比较，并对结果进行分析。 (1) 以-1,0.1,020i x ih h i =+=≤≤为节点，Newton 插值
首先对函数进行简要分析，函数f(x)是分段函数，并且在x=0处不连续，对于插值计算，只需要函数值，所以除了函数作图和计算函数值有所不同以外，程序的主体部分没有明显改动，所以将本题程序统一放在最后。
本小题中
图7 [-1,1]上的Newton 插值图8 [-0.7,0.7]上的Newton 插值
由上图可以看出，在区间[-0.7,0.7]上，插值多项式可以已经无法较好地逼近被插值函数了，而当区间改为[-1,1]时，边界附近插值多项式与被插值函数的差别迅速扩大。即出现了Runge 现象。由于边界接近1000的误差，图像中间部分的变化几乎不可见。相比于第一题Runge 现象更为明显。
主要原因是被插值函数不连续，导致其插值余项(1)1())()(1)!
n n n f R x x n ξω++=
+（可能无穷大。插值多项式不能收敛到被插值函数。 (2)以21
cos(
,01,22042
i i x i π+==???）（，，，）为节点，Lagrange 插值
图9 以Chebyshev 多项式零点为插值点
如图所示，使用Chebyshev 多项式零点构造的Lagrange 插值多项式比较接近原函数，没有出现Runge 现象，并且可以看出，在不连续点位置插值效果一般，但是在函数两端的拟合效果明显要好，说明使用Chebyshev 多项式零点构造的Lagrange 插值多项式在连续函数上的应用效果更佳。
(3)以-1,0.1,020i x ih h i =+=≤≤为节点，分段线性插值
图1021个插值点线性插值 图11201个插值点线性插值
如下图所示，分段线性插值多项式比较接近原函数，没有出现Runge 现象。此例中我们看到了线性插值的强大优势，当原函数较为光滑，曲率较小，即使是分段函数对线性插值的影响也极为有限，当插值点个数扩大10倍达到201个时，可以明显的看出线性插值的优势所在。
(4)以-1,0.1,020i x ih h i =+=≤≤为节点，三次自然样条插值
图12三次自然样条插值函数图像
由上图可以看出，三次样条插值函数的曲线及其光滑，但是与其他多项式拟合一样在不连续点处存在较大的误差，但是与第一二小问中的Lagrange 插值多项式相比，三次样条插值可以更快的脱离不连续点的影响，并在其他位置上表现出很好的拟合效果。
综合以上2题我们可以初步得出这样的结论：
当函数连续光滑，使用Chebyshev多项式零点构造的Lagrange插值多项式可以有效地避免Runge现象，但三次样条插值函数的曲线更为优秀。但是当函数出现不连续点时，分段线性插值的优势明显，可以在不连续段处达到很好的拟合效果，并且可以迅速脱离不连续点的影响，所以在做函数插值时在斜率很大的部分可以考虑使用分段线性插值，其他部分采用三次样条效果最好。
牛顿插值
x=-1:0.1:1;
n=length(x);
for i=1:10
y(i)=sin(pi*x(i)); end
for i=11:15
y(i)=cos(pi*x(i)); end
for i=15:n
y(i)=0;
end
N=zeros(n,n); N(:,1)=y'; for j=2:n
for k=j:n
N(k,j)=(N(k,j-1)-N(k-1,j-1))/(x(k)-x(
k-j+1));
end
end
for t=1:n
c(t)=N(t,t);
end
z=-0.1:0.01:0.1;
m=length(z);
for i=1:m
nd(i)=niudun(z(i),N,n);
end
v=linspace(-1,0,100);
u=sin(pi*v);
plot(v,u,'k')
hold on
v=linspace(0,0.5,50);
u=cos(pi*v);
plot(v,u,'k')
hold on
v=linspace(0.5,1,50);
u=0;
plot(v,u,'k')
hold on
plot(z,nd,'r')
以Chebyshev多项式零点为插值点
for i=1:21
x(22-i)=cos((2*i-1)*pi/42);
end
for i=1:21
if x(i)<0
y(i)=sin(pi*x(i));
elseif x(i)>0.5
y(i)=0;
else y(i)=cos(pi*x(i));
end
end
z=-1:0.001:1;
m=length(z);
for i=1:m
lag(i)=lagrange(z(i),x,y);
end
v=linspace(-1,0,100);
u=sin(pi*v);
plot(v,u,'k')
hold on
v=linspace(0,0.5,50);
u=cos(pi*v);
plot(v,u,'k')
hold on
v=linspace(0.5,1,50);
u=0;
plot(v,u,'k')
hold on
plot(z,lag,'r')
线性插值
x=-1:0.01:1; for i=1:201
if x(i)<0
y(i)=sin(pi*x(i)); elseif x(i)>0.5
y(i)=0;
else
y(i)=cos(pi*x(i));
end
end
z=-1:0.001:1;
n=length(z);
m=floor((z+1)/0.01)+1;
for i=1:n-1
l(i)=y(m(i))+(y(m(i)+1)-y(m(i)))/(x( m(i)+1)-x(m(i)))*(z(i)-x(m(i))); end
l(2001)=y(201);
f(2001)=y(201);
v=linspace(-1,0,100); u=sin(pi*v);
plot(v,u,'k')
hold on
v=linspace(0,0.5,50);
u=cos(pi*v);
plot(v,u,'k')
hold on
v=linspace(0.5,1,50);
u=0;
plot(v,u,'k')
hold on
plot(z,l,'r')
三次样条插值
x=-1:0.1:1;
n=length(x);
for i=1:21
if x(i)<0
y(i)=sin(pi*x(i)); elseif x(i)>0.5
y(i)=0;
else
y(i)=cos(pi*x(i));
end
end
for i=1:n-1
h(i)=x(i+1)-x(i);
end
for i=1:n-2
u(i)=h(i)/(h(i+1)+h(i)); r(i)=1-u(i);
end
G=zeros(n-2,n-2); for i=1:n-2
G(i,i)=2;
end
for i=2:n-2
G(i,i-1)=u(i-1);
G(i,i+1)=r(i-1);
end
d=zeros(1,n-2);
for i=1:n-2
d(i)=6*((y(i+2)-y(i+1))/h(i+1)-(y(i+
1)-y(i))/h(i))/(h(i+1)+h(i));
end
d=d';
M=G\d;
M=[0;M;0];
for i=1:n-1
z=[x(i):0.01:x(i+1)];
m=length(z);
for j=1:m
s(j)=M(i)*(x(i+1)-z(j))^3/0.6+M(i+
1)*(z(j)-x(i))^3/0.6+(y(i)-M(i)*0.01
/6)*(x(i+1)-z(j))/0.1+(y(i+1)-M(i+1
)*0.01/6)*(z(j)-x(i))/0.1;
end
plot(z,s,'* r','MarkerSize',3)
hold on
end
v=linspace(-1,0,100);
u=sin(pi*v);
plot(v,u,'k')
hold on
v=linspace(0,0.5,50);
u=cos(pi*v);
plot(v,u,'k')
hold on
v=linspace(0.5,1,50);
u=0;
plot(v,u,'k')
hold on
数值分析实验报告1
实验一误差分析 实验1.1（病态问题） 实验目的：算法有“优”与“劣”之分，问题也有“好”与“坏”之别。对数值方法的研究而言，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。通过本实验可获得一个初步体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 问题提出：考虑一个高次的代数多项式 显然该多项式的全部根为1,2,…,20共计20个，且每个根都是单重的。现考虑该多项式的一个扰动 其中ε（1.1）和（1.221,,,a a 的输出b ”和“poly ε。 （1（2 （3）写成展 关于α solve 来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab 的帮助。 实验过程： 程序： a=poly(1:20); rr=roots(a); forn=2:21 n form=1:9 ess=10^(-6-m);
ve=zeros(1,21); ve(n)=ess; r=roots(a+ve); -6-m s=max(abs(r-rr)) end end 利用符号函数：（思考题一）a=poly(1:20); y=poly2sym(a); rr=solve(y) n
很容易的得出对一个多次的代数多项式的其中某一项进行很小的扰动，对其多项式的根会有一定的扰动的，所以对于这类病态问题可以借助于MATLAB来进行问题的分析。 学号：06450210 姓名：万轩 实验二插值法
数值分析作业答案
数值分析作业答案 插值法 1、当x=1，-1，2时，f(x)=0，-3，4，求f(x)的二次插值多项式。 （1）用单项式基底。 （2）用Lagrange插值基底。 （3）用Newton基底。 证明三种方法得到的多项式是相同的。 解：（1）用单项式基底 设多项式为: ， 所以： 所以f(x)的二次插值多项式为： （2）用Lagrange插值基底 Lagrange插值多项式为： 所以f(x)的二次插值多项式为： (3) 用Newton基底: 均差表如下： xk f(xk) 一阶均差二阶均差 1 0 -1 -3 3/2 2 4 7/ 3 5/6 Newton插值多项式为： 所以f(x)的二次插值多项式为： 由以上计算可知，三种方法得到的多项式是相同的。 6、在上给出的等距节点函数表，若用二次插值求ex的近似值，要使截断误差不超过10-6，问使用函数表的步长h应取多少？ 解：以xi-1,xi,xi+1为插值节点多项式的截断误差，则有 式中 令得 插值点个数
是奇数，故实际可采用的函数值表步长 8、，求及。 解：由均差的性质可知，均差与导数有如下关系： 所以有： 15、证明两点三次Hermite插值余项是 并由此求出分段三次Hermite插值的误差限。 证明：利用[xk，xk+1]上两点三次Hermite插值条件 知有二重零点xk和k+1。设 确定函数k(x): 当或xk+1时k(x)取任何有限值均可； 当时，，构造关于变量t的函数 显然有 在[xk,x][x,xk+1]上对g(x)使用Rolle定理，存在及使得 在，，上对使用Rolle定理，存在，和使得 再依次对和使用Rolle定理，知至少存在使得 而，将代入，得到 推导过程表明依赖于及x 综合以上过程有： 确定误差限： 记为f(x)在[a,b]上基于等距节点的分段三次Hermite插值函数。在区间[xk，xk+1]上有 而最值 进而得误差估计： 16、求一个次数不高于4次的多项式，使它满足，，。
数值分析实验报告
数值分析实验报告 姓名：周茹 学号： 912113850115 专业：数学与应用数学 指导老师：李建良
线性方程组的数值实验 一、课题名字：求解双对角线性方程组 二、问题描述 考虑一种特殊的对角线元素不为零的双对角线性方程组（以n=7为例） ?????????? ?????? ? ???? ?d a d a d a d a d a d a d 766 55 44 3 32 211??????????????????????x x x x x x x 7654321=?????????? ? ???????????b b b b b b b 7654321 写出一般的n （奇数）阶方程组程序（不要用消元法，因为不用它可以十分方便的解出这个方程组） 。 三、摘要 本文提出解三对角矩阵的一种十分简便的方法——追赶法，该算法适用于任意三对角方程组的求解。 四、引言 对于一般给定的d Ax =，我们可以用高斯消去法求解。但是高斯消去法过程复杂繁琐。对于特殊的三对角矩阵，如果A 是不可约的弱对角占优矩阵，可以将A 分解为UL ，再运用追赶法求解。
五、计算公式（数学模型） 对于形如????? ?? ????? ??? ?---b a c b a c b a c b n n n n n 111 2 2 2 11... ... ...的三对角矩阵UL A =，容易验证U 、L 具有如下形式： ??????? ????? ??? ?=u a u a u a u n n U ...... 3 3 22 1 ， ?? ????? ? ?? ??????=1 (1) 1132 1l l l L 比较UL A =两边元素，可以得到 ? ?? ??-== = l a b u u c l b u i i i i i i 111 i=2, 3, ... ,n 考虑三对角线系数矩阵的线性方程组 f Ax = 这里()T n x x x x ... 2 1 = ,()T n f f f f ... 2 1 = 令y Lx =，则有 f Uy = 于是有 ()?????-== --u y a f y u f y i i i i i 1 1 11 1 * i=2， 3, ... ,n 再根据y Lx =可得到
数值计算实验报告
(此文档为word格式，下载后您可任意编辑修改！) 2012级6班###(学号)计算机数值方法 实验报告成绩册 姓名:宋元台 学号： 成绩：
数值计算方法与算法实验报告 学期： 2014 至 2015 第 1 学期 2014年 12月1日课程名称: 数值计算方法与算法专业:信息与计算科学班级 12级5班 实验编号： 1实验项目Neton插值多项式指导教师：孙峪怀 姓名：宋元台学号：实验成绩： 一、实验目的及要求 实验目的： 掌握Newton插值多项式的算法，理解Newton插值多项式构造过程中基函数的继承特点，掌握差商表的计算特点。 实验要求： 1. 给出Newton插值算法 2. 用C语言实现算法 二、实验内容 三、实验步骤(该部分不够填写.请填写附页)
1.算法分析： 下面用伪码描述Newton插值多项式的算法： Step1 输入插值节点数n，插值点序列{x(i),f(i)},i=1,2,……,n,要计算的插值点x. Step2 形成差商表 for i=0 to n for j=n to i f(j)=((f(j)-f(j-1)(x(j)-x(j-1-i)); Step3 置初始值temp=1,newton=f(0) Step4 for i=1 to n temp=(x-x(i-1))*temp*由temp(k)=(x-x(k-1))*temp(k-1)形成 (x-x(0).....(x-x(i-1)* Newton=newton+temp*f(i); Step5 输出f（x）的近似数值newton(x)=newton. 2.用C语言实现算法的程序代码 #include
数值分析实验报告模板
数值分析实验报告模板 篇一：数值分析实验报告(一)(完整) 数值分析实验报告 1 2 3 4 5 篇二：数值分析实验报告 实验报告一 题目：非线性方程求解 摘要：非线性方程的解析解通常很难给出，因此线性方程的数值解法就尤为重要。本实验采用两种常见的求解方法二分法和Newton法及改进的Newton法。利用二分法求解给定非线性方程的根，在给定的范围内，假设f(x,y)在[a,b]上连续，f(a)xf(b) 直接影响迭代的次数甚至迭代的收敛与发散。即若x0 偏离所求根较远，Newton法可能发散的结论。并且本实验中还利用利用改进的Newton法求解同样的方程，且将结果与Newton法的结果比较分析。 前言：（目的和意义） 掌握二分法与Newton法的基本原理和应用。掌握二分法的原理，验证二分法，在选对有根区间的前提下，必是收
敛，但精度不够。熟悉Matlab语言编程，学习编程要点。体会Newton使用时的优点，和局部收敛性，而在初值选取不当时，会发散。 数学原理： 对于一个非线性方程的数值解法很多。在此介绍两种最常见的方法：二分法和Newton法。 对于二分法，其数学实质就是说对于给定的待求解的方程f(x)，其在[a,b]上连续，f(a)f(b) Newton法通常预先要给出一个猜测初值x0，然后根据其迭代公式xk?1?xk?f(xk) f'(xk) 产生逼近解x*的迭代数列{xk}，这就是Newton法的思想。当x0接近x*时收敛很快，但是当x0选择不好时，可能会发散，因此初值的选取很重要。另外，若将该迭代公式改进为 xk?1?xk?rf(xk) 'f(xk) 其中r为要求的方程的根的重数，这就是改进的Newton 法，当求解已知重数的方程的根时，在同种条件下其收敛速度要比Newton法快的多。 程序设计： 本实验采用Matlab的M文件编写。其中待求解的方程写成function的方式，如下 function y=f(x);
北航数值分析大作业第二题精解
目标：使用带双步位移的QR 分解法求矩阵10*10[]ij A a =的全部特征值，并对其中的每一个实特征值求相应的特征向量。已知：sin(0.50.2)() 1.5cos( 1.2)(){i j i j ij i j i j a +≠+== (i,j=1,2, (10) 算法： 以上是程序运作的逻辑，其中具体的函数的算法，大部分都是数值分析课本上的逻辑，在这里特别写出矩阵A 的实特征值对应的一个特征向量的求法： ()[]()() []()[]()111111I 00000 i n n n B A I gause i n Q A I u Bu u λλ-?-?-=-?-?? ?-=????→=??????→= ?? ? 选主元的消元 检查知无重特征值 由于=0i A I λ- ，因此在经过选主元的高斯消元以后，i A I λ- 即B 的最后一行必然为零，左上方变 为n-1阶单位矩阵[]()()11I n n -?-，右上方变为n-1阶向量[]()11n Q ?-，然后令n u 1=-，则 ()1,2,,1j j u Q j n ==???-。
这样即求出所有A所有实特征值对应的一个特征向量。 #include 实验一 误差分析 实验（病态问题） 实验目的：算法有“优”与“劣”之分，问题也有“好”与“坏”之别。对数值方法的研究而言，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。通过本实验可获得一个初步体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 问题提出：考虑一个高次的代数多项式 )1.1() ()20()2)(1()(20 1∏=-=---=k k x x x x x p 显然该多项式的全部根为1,2,…,20共计20个，且每个根都是单重的。现考虑该多项式的一个扰动 )2.1(0 )(19=+x x p ε 其中ε是一个非常小的数。这相当于是对（）中19x 的系数作一个小的扰动。我们希望比较（）和（）根的差别，从而分析方程（）的解对扰动的敏感性。 实验内容：为了实现方便，我们先介绍两个Matlab 函数：“roots ”和“poly ”。 roots(a)u = 其中若变量a 存储n+1维的向量，则该函数的输出u 为一个n 维的向量。设a 的元素依次为121,,,+n a a a ，则输出u 的各分量是多项式方程 01121=+++++-n n n n a x a x a x a 的全部根；而函数 poly(v)b = 的输出b 是一个n+1维变量，它是以n 维变量v 的各分量为根的多项式的系数。可见“roots ”和“poly ”是两个互逆的运算函数。 ;000000001.0=ess );21,1(zeros ve = ;)2(ess ve = ))20:1((ve poly roots + 上述简单的Matlab 程序便得到（）的全部根，程序中的“ess ”即是（）中的ε。 实验要求： （1）选择充分小的ess ，反复进行上述实验，记录结果的变化并分析它们。 如果扰动项的系数ε很小，我们自然感觉（）和（）的解应当相差很小。计算中你有什么出乎意料的发现表明有些解关于如此的扰动敏感性如何 （2）将方程（）中的扰动项改成18x ε或其它形式，实验中又有怎样的现象 出现 （3）（选作部分）请从理论上分析产生这一问题的根源。注意我们可以将 方程（）写成展开的形式， ) 3.1(0 ),(1920=+-= x x x p αα 同时将方程的解x 看成是系数α的函数，考察方程的某个解关于α的扰动是否敏感，与研究它关于α的导数的大小有何关系为什么你发现了什么现象，哪些根关于α的变化更敏感 思考题一：（上述实验的改进） 在上述实验中我们会发现用roots 函数求解多项式方程的精度不高，为此你可以考虑用符号函数solve 来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab 的帮助。 实验报告一 题目：非线性方程求解 摘要：非线性方程的解析解通常很难给出，因此线性方程的数值解法就尤为重要。本实验采用两种常见的求解方法二分法和Newton法及改进的Newton法。 前言：（目的和意义） 掌握二分法与Newton法的基本原理和应用。 数学原理： 对于一个非线性方程的数值解法很多。在此介绍两种最常见的方法：二分法和Newton法。 对于二分法，其数学实质就是说对于给定的待求解的方程f(x)，其在[a,b]上连续，f(a)f(b)<0，且f(x)在[a,b]内仅有一个实根x*，取区间中点c，若，则c恰为其根，否则根据f(a)f(c)<0是否成立判断根在区间[a,c]和[c,b]中的哪一个，从而得出新区间，仍称为[a,b]。重复运行计算，直至满足精度为止。这就是二分法的计算思想。 Newton法通常预先要给出一个猜测初值x0，然后根据其迭代公式 产生逼近解x*的迭代数列{x k}，这就是Newton法的思想。当x0接近x*时收敛很快，但是当x0选择不好时，可能会发散，因此初值的选取很重要。另外，若将该迭代公式改进为 其中r为要求的方程的根的重数，这就是改进的Newton法，当求解已知重数的方程的根时，在同种条件下其收敛速度要比Newton法快的多。 程序设计： 本实验采用Matlab的M文件编写。其中待求解的方程写成function的方式，如下 function y=f(x); y=-x*x-sin(x); 写成如上形式即可，下面给出主程序。 二分法源程序： clear %%%给定求解区间 b=1.5; a=0; %%%误差 R=1; k=0;%迭代次数初值 while (R>5e-6) ; c=(a+b)/2; if f12(a)*f12(c)>0; a=c; else b=c; end R=b-a;%求出误差 k=k+1; end x=c%给出解 Newton法及改进的Newton法源程序：clear %%%% 输入函数 f=input('请输入需要求解函数>>','s') %%%求解f(x)的导数 df=diff(f); 数值分析大作业（2013年5月） 金洋洋（12721512），机自系 1.下列各数都是经过四舍五入得到的近似值，试分别指出它 们的绝对误差限, 相对误差限和有效数字的位数。 X1 =5.420, x 2 =0.5420, x 3=0.00542, x 4 =6000, x 5=50.610? 解：根据定义：如果*x 的绝对误差限 不超过x 的某个数位的半个单位，则从*x 的首位非零数字到该位都是有效数字。 显然根据四舍五入原则得到的近视值，全部都是有效数字。 因而在这里有：n1=4, n2=4, n3=3, n4=4, n5=1 （n 表示x 有效数字的位数） 对x1：有a1=5, m1=1 （其中a1表示x 的首位非零数字，m1表示x1的整数位数） 所以有绝对误差限 143 11 (1)101022 x ε--≤ ?=? 相对误差限 31() 0.510(1)0.00923%5.4201 r x x x εε-?= == 对x2：有a2=5, m2=0 所以有绝对误差限 044 11 (2)101022 x ε--≤ ?=? 相对误差限 42() 0.510(2)0.00923%0.54202 r x x x εε-?= == 对x3：有a3=5, m3=-2 所以有绝对误差限 235 11 (3)101022 x ε---≤ ?=? 相对误差限 53() 0.510(3)0.0923%0.005423 r x x x εε-?= == 对x4：有a4=0, m4=4 所以有绝对误差限 4411(4)1022 x ε-≤?= 相对误差限 4() 0.5 (4)0.0083%6000 4 r x x x εε= = = 对x5：有a5=6, m5=5 所以有绝对误差限 514 11(5)101022 x ε-≤ ?=? 相对误差限 45() 0.510(5)8.3%600005 r x x x εε?= == ￥ 数值分析思考题1 1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 2、相对误差在什么情况下可以用下式代替 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 4、取 ，计算 ，下列方法中哪种最好为什么（1）(3 3-，（2）(2 7-，（3） ()3 1 3+ ，（4） ()6 1 1 ，（5）99- , 数值实验 数值实验综述：线性代数方程组的解法是一切科学计算的基础与核心问题。求解方法大致可分为直接法和迭代法两大类。直接法——指在没有舍入误差的情况下经过有限次运算可求得方程组的精确解的方法，因此也称为精确法。当系数矩阵是方的、稠密的、无任何特殊结构的中小规模线性方程组时，Gauss消去法是目前最基本和常用的方法。如若系数矩阵具有某种特殊形式，则为了尽可能地减少计算量与存储量，需采用其他专门的方法来求解。 Gauss消去等同于矩阵的三角分解，但它存在潜在的不稳定性，故需要选主元素。对正定对称矩阵，采用平方根方法无需选主元。方程组的性态与方程组的条件数有关，对于病态的方程组必须采用特殊的方法进行求解。 数值计算方法上机题目1 1、实验1. 病态问题 实验目的： 算法有“优”与“劣”之分，问题也有“好”和“坏”之别。所谓坏问题就是问题本身的解对数据变化的比较敏感，反之属于好问题。希望读者通过本实验对此有一个初步的体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 $ r e x x e x x ** * ** - == 141 . ≈)61 实验一、误差分析 一、实验目的 1．通过上机编程，复习巩固以前所学程序设计语言及上机操作指令； 2．通过上机计算，了解误差、绝对误差、误差界、相对误差界的有关概念； 3．通过上机计算，了解舍入误差所引起的数值不稳定性。 二．实验原理 误差问题是数值分析的基础，又是数值分析中一个困难的课题。在实际计算中，如果选用了不同的算法，由于舍入误差的影响，将会得到截然不同的结果。因此，选取算法时注重分析舍入误差的影响，在实际计算中是十分重要的。同时，由于在数值求解过程中用有限的过程代替无限的过程会产生截断误差，因此算法的好坏会影响到数值结果的精度。 三．实验内容 对20,,2,1,0 =n ，计算定积分 ?+=10 5dx x x y n n . 算法1：利用递推公式 151--=n n y n y , 20,,2,1 =n , 取 ?≈-=+=1 00182322.05ln 6ln 51dx x y . 算法2：利用递推公式 n n y n y 51511-= - 1,,19,20 =n . 注意到 ???=≤+≤=10 10202010201051515611261dx x dx x x dx x , 取 008730.0)12611051(20120≈+≈y .: 四.实验程序及运行结果 程序一： t=log(6)-log(5); n=1; y(1)=t; for k=2:1:20 y(k)=1/k-5*y(k-1); n=n+1; end y y =0.0884 y =0.0581 y =0.0431 y =0.0346 y =0.0271 y =0.0313 y =-0.0134 y =0.1920 y =-0.8487 y =4.3436 y =-21.6268 y =108.2176 y =-541.0110 y =2.7051e+003 y =-1.3526e+004 y =6.7628e+004 y =-3.3814e+005 y =1.6907e+006 y =-8.4535e+006 y =4.2267e+007 程序2： y=zeros(20,1); n=1; y1=(1/105+1/126)/2;y(20)=y1; for k=20:-1:2 y(k-1)=1/(5*k)-(1/5)*y(k); n=n+1; end 运行结果：y = 0.0884 0.0580 0.0431 0.0343 0.0285 0.0212 0.0188 0.0169 《数值分析》计算实习报告 第二题 院系：机械工程及自动化学院 学号： 姓名： 2017年11月 一、题目要求 试求矩阵A =[a ij ]10×10的全部特征值，并对其中的每一个实特征值求相应的特征向量，已知 a ij ={ sin (0.5i +0.2j ) i ≠j 1.52cos (i +1.2j ) i =j (i,j =1,2, (10) 说明： 1.用带双步位移的QR 方法求矩阵特征值，要求迭代的精度水平为ε=10?12。 2.打印以下内容： （1）全部源程序； （2）矩阵A 经过拟上三角化后所得的矩阵A (n?1)； （3）对矩阵A (n?1)实行QR 方法迭代结束后所得的矩阵； （4）矩阵A 的全部特征值λi =(R i ,I i ) (i =1,2,?,10)，其中R i =Re(λi )，I i = Im(λi ) 。若λi 是实数，则令I i =0； （5）A 的相应于实特征值的特征向量。 3.采用e 型数输出实型数，并且至少显示12位有效数字。 二、算法设计思路和方案 1. 将矩阵A 拟上三角化得到矩阵A (n?1) 为了减少计算量，一般先利用Householder 矩阵对矩阵A 作相似变换，把A 化为拟上三角矩阵A (n?1)，然后用QR 方法计算A (n?1)的全部特征值，而A (n?1)的特征值就是A 的特征值。具体算法如下： 记(1)A A =，()r A 的第r 列至第n 列的元素为(r)(1,2, ,;,1,,)ij a i n j r r n ==+。 对于1,2,,2r n =-执行 （1）若() (2,3,,)r ir a i r r n =++全为零，则令(1)()r r A A +=，转(5)；否则转（2）。 序言 数值分析是计算数学的范畴，有时也称它为计算数学、计算方法、数值方法等，其研究对象是各种数学问题的数值方法的设计、分析及其有关的数学理论和具体实现的一门学科，它是一个数学分支。是科学与工程计算（科学计算）的理论支持。许多科学与工程实际问题（核武器的研制、导弹的发射、气象预报）的解决都离不开科学计算。目前，试验、理论、计算已成为人类进行科学活动的三大方法。 数值分析是计算数学的一个主要部分,计算数学是数学科学的一个分支,它研究用计算机求解各种数学问题的数值计算方法及其理论与软件实现。现在面向数值分析问题的计算机软件有：C,C++,MATLAB,Python,Fortran等。 MATLAB是matrix laboratory的英文缩写，它是由美国Mathwork公司于1967年推出的适合用于不同规格计算机和各种操纵系统的数学软件包，现已发展成为一种功能强大的计算机语言，特别适合用于科学和工程计算。目前，MATLAB应用非常广泛，主要用于算法开发、数据可视化、数值计算和数据分析等，除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。 本实验报告使用了MATLAB软件。对不动点迭代，函数逼近（lagrange插值，三次样条插值，最小二乘拟合），追赶法求解矩阵的解，4RungeKutta方法求解，欧拉法及改进欧拉法等算法做了简单的计算模拟实践。并比较了各种算法的优劣性，得到了对数值分析这们学科良好的理解，对以后的科研数值分析能力有了极大的提高。 目录 序言 (1) 问题一非线性方程数值解法 (3) 1.1 计算题目 (3) 1.2 迭代法分析 (3) 1.3计算结果分析及结论 (4) 问题二追赶法解三对角矩阵 (5) 2.1 问题 (5) 2.2 问题分析（追赶法） (6) 2.3 计算结果 (7) 问题三函数拟合 (7) 3.1 计算题目 (7) 3.2 题目分析 (7) 3.3 结果比较 (12) 问题四欧拉法解微分方程 (14) 4.1 计算题目 (14) 4.2.1 方程的准确解 (14) 4.2.2 Euler方法求解 (14) 4.2.3改进欧拉方法 (16) 问题五四阶龙格-库塔计算常微分方程初值问题 (17) 5.1 计算题目 (17) 5.2 四阶龙格-库塔方法分析 (18) 5.3 程序流程图 (18) 5.4 标准四阶Runge-Kutta法Matlab实现 (19) 5.5 计算结果及比较 (20) 问题六舍入误差观察 (22) 6.1 计算题目 (22) 6.2 计算结果 (22) 6.3 结论 (23) 7 总结 (24) 附录 数值分析第二次大作业 史立峰 SY1505327 一、 方案 （1）利用循环结构将sin(0.50.2)() 1.5cos( 1.2)() {i j i j ij i j i j a +≠+==(i,j=1,2,……,10)进行赋值，得到需要变换的 矩阵A ； （2）然后，对矩阵A 利用Householder 矩阵进行相似变换，把A 化为上三角矩阵A (n-1)。 对A 拟上三角化，得到拟上三角矩阵A (n-1)，具体算法如下： 记A(1)=A ，并记A(r)的第r 列至第n 列的元素为()n r r j n i a r ij ,,1,;,,2,1) ( +==。 对于2,,2,1-=n r 执行 1. 若 ()n r r i a r ir ,,3,2) ( ++=全为零，则令A(r+1) =A(r),转5；否则转2。 2. 计算 () ∑+== n r i r ir r a d 1 2 )( ()( )r r r r r r r r r r d c a d a c ==-=++则取,0sgn ) (,1)(,1若 )(,12r r r r r r a c c h +-= 3. 令 () n T r nr r r r r r r r r R a a c a u ∈-=++) ()(,2)(,1,,,,0,,0 。 4. 计算 r r T r r h u A p /)(= r r r r h u A q /)(= r r T r r h u p t /= r r r r u t q -=ω T r r T r r r r p u u A A --=+ω)()1( 5. 继续。 （3）使用带双步位移的QR 方法计算矩阵A (n-1)的全部特征值，也是A 的全部特征值，具体算法如下： 1. 给定精度水平0>ε和迭代最大次数L 。 2. 记n n ij n a A A ?-==][) 1()1()1(，令n m k ==,1。 学生实验报告实验课程名称 开课实验室 学院年级专业班 学生姓名学号 开课时间至学年学期 if(A(m,k)~=0) if(m~=k) A([k m],:)=A([m k],:); %换行 end A(k+1:n, k:c)=A(k+1:n, k:c)-(A(k+1:n,k)/ A(k,k))*A(k, k:c); %消去end end x=zeros(length(b),1); %回代求解 x(n)=A(n,c)/A(n,n); for k=n-1:-1:1 x(k)=(A(k,c)-A(k,k+1:n)*x(k+1:n))/A(k,k); end y=x; format short;%设置为默认格式显示,显示5位 （2）建立MATLAB界面 利用MA TLAB的GUI建立如下界面求解线性方程组： 详见程序。 五、计算实例、数据、结果、分析 下面我们对以上的结果进行测试，求解： ? ? ? ? ? ? ? ? ? ? ? ? - = ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - - 7 2 5 10 13 9 14 4 4 3 2 1 13 12 4 3 3 10 2 4 3 2 1 x x x x 输入数据后点击和，得到如下结果： 更改以上数据进行测试，求解如下方程组： 1 2 3 4 43211 34321 23431 12341 x x x x ?? ???? ?? ???? ?? ???? = ?? ???? - ?? ???? - ???? ?? 得到如下结果： 《计算方法》期中复习试题 一、填空题： 1、已知3.1)3(,2.1)2(,0.1)1(===f f f ，则用辛普生（辛卜生）公式计算求得 ?≈3 1 _________ )(dx x f ,用三点式求得≈')1(f 。 答案：2.367，0.25 2、1)3(,2)2(,1)1(==-=f f f ，则过这三点的二次插值多项式中2 x 的系数为 ， 拉格朗日插值多项式为 。 答案：-1， )2)(1(21 )3)(1(2)3)(2(21)(2--------= x x x x x x x L 3、近似值*0.231x =关于真值229.0=x 有( 2 )位有效数字； 4、设)(x f 可微,求方程)(x f x =的牛顿迭代格式是( )； 答案 )(1)(1n n n n n x f x f x x x '--- =+ 5、对1)(3 ++=x x x f ,差商=]3,2,1,0[f ( 1 ),=]4,3,2,1,0[f ( 0 )； 6、计算方法主要研究( 截断 )误差和( 舍入 )误差； 7、用二分法求非线性方程f (x )=0在区间(a ,b )内的根时，二分n 次后的误差限为 ( 1 2+-n a b )； 8、已知f (1)＝2，f (2)＝3，f (4)＝5.9，则二次Newton 插值多项式中x 2系数为 ( 0.15 )； 11、 两点式高斯型求积公式?1 0d )(x x f ≈(?++-≈1 )] 321 3()3213([21d )(f f x x f )，代数精 度为( 5 )； 12、 为了使计算 32)1(6 )1(41310-- -+-+ =x x x y 的乘除法次数尽量地少，应将该表 达式改写为 11 ,))64(3(10-= -++=x t t t t y ，为了减少舍入误差，应将表达式 实验一 误差分析 实验1.1（病态问题） 实验目的：算法有“优”与“劣”之分，问题也有“好”与“坏”之别。对数值方法的研究而言，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。通过本实验可获得一个初步体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 问题提出：考虑一个高次的代数多项式 )1.1() ()20()2)(1()(20 1∏=-=---=k k x x x x x p 显然该多项式的全部根为1,2,…,20共计20个，且每个根都是单重的。现考虑该多项式的一个扰动 )2.1(0 )(19=+x x p ε 其中ε是一个非常小的数。这相当于是对（1.1）中19x 的系数作一个小的扰动。我们希望比较（1.1）和（1.2）根的差别，从而分析方程（1.1）的解对扰动的敏感性。 实验内容：为了实现方便，我们先介绍两个Matlab 函数：“roots ”和“poly ”。 roots(a)u = 其中若变量a 存储n+1维的向量，则该函数的输出u 为一个n 维的向量。设a 的元素依次为121,,,+n a a a ，则输出u 的各分量是多项式方程 01121=+++++-n n n n a x a x a x a 的全部根；而函数 poly(v)b = 的输出b 是一个n+1维变量，它是以n 维变量v 的各分量为根的多项式的系数。可见“roots ”和“poly ”是两个互逆的运算函数。 ;000000001.0=ess );21,1(zeros ve = ;)2(ess ve = 大作业 三 1. 给定初值0x 及容许误差 ，编制牛顿法解方程f (x )=0的通用 程序. 解：Matlab 程序如下： 函数m 文件：fu.m function Fu=fu(x) Fu=x^3/3-x; end 函数m 文件：dfu.m function Fu=dfu(x) Fu=x^2-1; end 用Newton 法求根的通用程序Newton.m clear; x0=input('请输入初值x0:'); ep=input('请输入容许误差:'); flag=1; while flag==1 x1=x0-fu(x0)/dfu(x0); if abs(x1-x0) while flag1==1 && m<=10^3 x1=x0-fu(x0)/dfu(x0); if abs(x1-x0) 《数值分析》 实验报告 学院：计算机科学与软件学院姓名：XXX 班级：计算机XX班 学号：XXXXXX 实验一：舍入误差与数值稳定性 实验目的： 1、 通过上机编程，复习巩固以前所学程序设计语言； 2、 通过上机计算，了解舍入误差所引起的数值不稳定性。 3、 通过上机计算，了解运算次序对计算结果的影响，从而尽量避免大数吃小数的现象。 实验内容：用两种不同的顺序计算644834.1100001 2≈∑=-n n ，分析其误差 的变化。 实验流程图： 实验源程序: #include 实验分析：第一次做数值实验，又一次使用C语言编程，没有了刚学习C语言的艰难，能够将实验步骤转换成流程图并编写出完整的实验代码，在经过多次调试、改正后得到正确的程序和结果。这个实验较简单，计算误差时如果输入数据有误差，而在计算过程中舍入误差不增长，则称此算法是稳定的，否则称此算法是数值不稳定的，减少运算次数可以减小舍入误差。在运算中，如果参加运算的数的数量级相差很大，而计算机位数有限，如不注意运算次序就可能出现大数“吃掉”小数的现象，进而影响计算结果的可靠性，所以计算过程中要注意运算次序，避免出现这种现象。 实验二：拉格朗日插值法和牛顿插值法 实验目的：分别用拉格朗日差值和牛顿插值解决数学问题，并比较各方法的优略。 1、拉格朗日插值 实验内容： x i -3.0-1.0 1.0 2.0 3.0 y i 1.0 1.5 2.0 2.0 1.0 作二次插值，并求x 1=-2，x 2 =0，x 3 =2.75时的函数近似值。 《数值分析A》 一、算法设计方案 整个程序主要分为四个函数，主函数，拟上三角化函数，QR分解函数以及使用双步位移求解矩阵特征值、特征向量的函数。因为在最后一个函数中也存在QR分解，所以我没有采用参考书上把矩阵M进行的QR分解与矩阵Ak的迭代合并的方法，而是在该函数中调用了QR分解函数，这样增强了代码的复用性，减少了程序长度；但由于时间关系，对阵中方法的运算速度没有进行深入研究。 1.为了减少QR分解法应用时的迭代次数，首先对给定矩阵进行拟上三角化处理。 2.对经过拟上三角化处理的矩阵进行QR分解。 3.注意到计算特征值与特征向量的过程首先要应用前面两个函数，于是在拟上三角化矩阵的基础上对QR分解函数进行了调用。计算过程中，没有采用goto语句，而是根据流程图采用其他循环方式完成了设计，通过对迭代过程的合并，简化了程序的循环次数，最后在计算特征向量的时候采用了列主元高斯消去法。 二、源程序代码 #include数值分析实验报告1
(完整版)哈工大-数值分析上机实验报告
上海大学_王培康_数值分析大作业
数值分析作业思考题汇总
数值分析实验报告
数值分析第二次大作业
数值分析2016上机实验报告
北航数值分析大作业第二题
数值分析实验报告
《数值计算方法》精彩试题集及问题详解1-6 2
数值分析实验报告1
数值分析大作业 三、四、五、六、七
数值分析实验报告77712
北航数值分析第二次大作业--QR分解