东北大学数值分析上机实验报告
《数值分析》上机实验报告课题三解线性方程组的迭代法
学生姓名：
学生系别：
学生班级：
日期：
上机实践报告
【运行环境】
软件：Windows、Microsoft Visual C++ 6.0
PC一台
【问题提出】
对课题二所列目的和意义的线性方程组，试分别选用Jacobi 迭代法，Gauss-Seidol迭代法和SOR方法计算其解。
【实践要求】
1、体会迭代法求解线性方程组，并能与消去法做比较；
2、分别对不同精度要求，如ε=10-3，10-4，10-5 由迭代次数体会
该迭代法的收敛快慢；
3、对方程组2，3使用SOR方法时，选取松弛因子 =0.8，0.9，1，
1.1，1.2等，试看对算法收敛性的影响，并能找出你所选用的松
弛因子的最佳者；
4、给出各种算法的设计程序和计算结果。
【目的意义】
1、通过上机计算体会迭代法求解线性方程组的特点，并能和消去法
比较；
2、运用所学的迭代法算法，解决各类线性方程组，编出算法程序；
3、体会上机计算时，终止步骤 < 或k >（予给的迭代次数），对迭
代法敛散性的意义；
4、体会初始解 x ，松弛因子的选取，对计算结果的影响。
【程序代码】
//Jacobi.cpp
#include
#include
using namespace std;
#define N 15//最大迭代次数
#define P 10//矩阵的阶数
//#define P 8
static double a[10][10]={4,2,-3,-1,2,1,0,0,0,0,
8,6,-5,-3,6,5,0,1,0,0,
4,2,-2,-1,3,2,-1,0,3,1,
0,-2,1,5,-1,3,-1,1,9,4,
-4,2,6,-1,6,7,-3,3,2,3,
8,6,-8,5,7,17,2,6,-3,5,
0,2,-1,3,-4,2,5,3,0,1,
16,10,-11,-9,17,34,2,-1,2,2,
4,6,2,-7,13,9,2,0,12,4,
0,0,-1,8,-3,-24,-8,6,3,-1};
static double b[10]={5,12,3,2,3,46,13,38,19,-21};
static double x_jing[10]={1,-1,0,1,2,0,3,1,-1,2};//精确解
static double x0[10]={0,0,0,0,0,0,0,0,0,0};
static double x1[10];
static int k,i,j;
//static double a[8][8]={4,2,-4,0,2,4,0,0,
// 2,2,-1,-2,1,3,2,0,
// -4,-1,14,1,-8,-3,5,6,
// 矩阵B 0,-2,1,6,-1,-4,-3,3,
// 2,1,-8,-1,22,4,-10,-3,
// 4,3,-3,-4,4,11,1,-4,
// 0,2,5,-3,-10,1,14,2,
// 0,0,6,3,-3,-4,2,19};
//static double b[8]={0,-6,6,23,11,-22,-15,45};
//static double x_jing[8]={1,-1,0,2,1,-1,0,2};
//static double x0[8]={0,0,0,0,0,0,0,0};
//static double x1[8];
//static double a[10][10]={4,-1,0,0,0,0,0,0,0,0,
// -1,4,-1,0,0,0,0,0,0,0,
// 0,-1,4,-1,0,0,0,0,0,0,
// 0,0,-1,4,-1,0,0,0,0,0,
// 矩阵C 0,0,0,-1,4,-1,0,0,0,0,
// 0,0,0,0,-1,4,-1,0,0,0,
// 0,0,0,0,0,-1,4,-1,0,0,
// 0,0,0,0,0,0,-1,4,-1,0,
// 0,0,0,0,0,0,0,-1,4,-1,
// 0,0,0,0,0,0,0,0,-1,4};
//static double b[10]={7,5,-13,2,6,-12,14,-4,5,-5}; //static double x_jing[10]={2,1,-3,0,1,-2,3,0,1,-1}; //static double x0[10]={0,0,0,0,0,0,0,0,0,0};
double Max(int y)//求算该次迭代的误差
{
double sum,max;
for (i=0;i { sum=0; for (j=0;j sum+=a[i][j]*x0[j]; x1[i]=x0[i]+(b[i]-sum)/a[i][i]; } max=fabs(x_jing[0]-x1[0]); for (i=1;i { if (fabs(x_jing[i]-x1[i])>max) max=fabs(x_jing[i]-x1[i]); } cout<<"第"< return max; } void main() { double e[3]={10e-3,10e-4,10e-5}; double max; int t; cout<<"请选择精确度：0、10e-3 1、10e-4 2、103-5 "; cin>>t; for (k=0;k { max=Max(k); if (max { k=k; break;} else { for (i=0;i x0[i]=x1[i]; } } if (k { cout<<"迭代次数为"< cout<<"方程组的解为"< for (i=0;i cout<<" "< } else { cout<<"迭代次数超过"< cout<<"方程组的解为"< for (i=0;i cout<<" "< } } //Gauss-Seidol.cpp #include #include using namespace std; #define N 15//最大迭代次数 //#define P 10//矩阵的阶数 #define P 8 //static double a[10][10]={4,2,-3,-1,2,1,0,0,0,0, // 8,6,-5,-3,6,5,0,1,0,0, // 4,2,-2,-1,3,2,-1,0,3,1, // 0,-2,1,5,-1,3,-1,1,9,4, // -4,2,6,-1,6,7,-3,3,2,3, // 8,6,-8,5,7,17,2,6,-3,5, // 0,2,-1,3,-4,2,5,3,0,1, // 16,10,-11,-9,17,34,2,-1,2,2, // 4,6,2,-7,13,9,2,0,12,4, // 0,0,-1,8,-3,-24,-8,6,3,-1}; //static double b[10]={5,12,3,2,3,46,13,38,19,-21}; //static double x_jing[10]={1,-1,0,1,2,0,3,1,-1,2};//精确解//static double x0[10]={0,0,0,0,0,0,0,0,0,0}; //static double x1[10]; static int k,i,j; static double a[8][8]={4,2,-4,0,2,4,0,0, 2,2,-1,-2,1,3,2,0, -4,-1,14,1,-8,-3,5,6, 0,-2,1,6,-1,-4,-3,3, 2,1,-8,-1,22,4,-10,-3, 4,3,-3,-4,4,11,1,-4, 0,2,5,-3,-10,1,14,2, 0,0,6,3,-3,-4,2,19}; static double b[8]={0,-6,6,23,11,-22,-15,45}; static double x_jing[8]={1,-1,0,2,1,-1,0,2}; static double x0[8]={0,0,0,0,0,0,0,0}; static double x1[8]; //static double a[10][10]={4,-1,0,0,0,0,0,0,0,0, // -1,4,-1,0,0,0,0,0,0,0, // 0,-1,4,-1,0,0,0,0,0,0, // 0,0,-1,4,-1,0,0,0,0,0, // 矩阵C 0,0,0,-1,4,-1,0,0,0,0, // 0,0,0,0,-1,4,-1,0,0,0, // 0,0,0,0,0,-1,4,-1,0,0, // 0,0,0,0,0,0,-1,4,-1,0, // 0,0,0,0,0,0,0,-1,4,-1 // 0,0,0,0,0,0,0,0,-1,4}; //static double b[10]={7,5,-13,2,6,-12,14,-4,5,-5}; //static double x_jing[10]={2,1,-3,0,1,-2,3,0,1,-1};//精确解 //static double x0[10]={0,0,0,0,0,0,0,0,0,0}; double Max(int y)//求算该次迭代的误差 { double sum1,sum2,max; for (i=0;i { sum1=0; sum2=0; for (j=0;j<=i-1;j++) sum1+=a[i][j]*x1[j]; for (j=i+1;j sum2+=a[i][j]*x0[j]; x1[i]=(b[i]-sum1-sum2)/a[i][i]; } max=fabs(x_jing[0]-x1[0]); for (i=1;i { if (fabs(x_jing[i]-x1[i])>max) max=fabs(x_jing[i]-x1[i]); } cout<<"第"< return max; } void main() { double e[3]={10e-3,10e-4,10e-5}; double max; int t; cout<<"请选择精确度：0、10e-3 1、10e-4 2、103-5 "; cin>>t; for (k=0;k { max=Max(k); if (max { k=k; break;} else { for (i=0;i x0[i]=x1[i]; } } if (k { cout<<"迭代次数为"< cout<<"方程组的解为"< for (i=0;i cout<<" "< } else { cout<<"迭代次数超过"< cout<<"方程组的解为"< for (i=0;i cout<<" "< } } //SOR.cpp #include #include using namespace std; #define N 15//最大迭代次数 #define P 10//矩阵的阶数 //#define P 8 //static double a[10][10]={4,2,-3,-1,2,1,0,0,0,0, // 8,6,-5,-3,6,5,0,1,0,0, // 4,2,-2,-1,3,2,-1,0,3,1, // 矩阵A 0,-2,1,5,-1,3,-1,1,9,4, // -4,2,6,-1,6,7,-3,3,2,3, // 8,6,-8,5,7,17,2,6,-3,5, // 0,2,-1,3,-4,2,5,3,0,1, // 16,10,-11,-9,17,34,2,-1,2,2, // 4,6,2,-7,13,9,2,0,12,4, // 0,0,-1,8,-3,-24,-8,6,3,-1}; //static double b[10]={5,12,3,2,3,46,13,38,19,-21}; //static double x_jing[10]={1,-1,0,1,2,0,3,1,-1,2};//精确解//static double x0[10]={0,0,0,0,0,0,0,0,0,0}; static double x1[P]; static double sumx[P]; static int k,i,j; //static double a[8][8]={4,2,-4,0,2,4,0,0, // 2,2,-1,-2,1,3,2,0, // -4,-1,14,1,-8,-3,5,6, // 矩阵B 0,-2,1,6,-1,-4,-3,3, // 2,1,-8,-1,22,4,-10,-3, // 4,3,-3,-4,4,11,1,-4, // 0,2,5,-3,-10,1,14,2, // 0,0,6,3,-3,-4,2,19}; //static double b[8]={0,-6,6,23,11,-22,-15,45}; //static double x_jing[8]={1,-1,0,2,1,-1,0,2}; //static double x0[8]={0,0,0,0,0,0,0,0}; //static double x1[8]; static double a[10][10]={4,-1,0,0,0,0,0,0,0,0, -1,4,-1,0,0,0,0,0,0,0, 0,-1,4,-1,0,0,0,0,0,0, 0,0,-1,4,-1,0,0,0,0,0, 0,0,0,-1,4,-1,0,0,0,0, 0,0,0,0,-1,4,-1,0,0,0, 0,0,0,0,0,-1,4,-1,0,0, 0,0,0,0,0,0,-1,4,-1,0, 0,0,0,0,0,0,0,-1,4,-1, 0,0,0,0,0,0,0,0,-1,4}; static double b[10]={7,5,-13,2,6,-12,14,-4,5,-5}; static double x_jing[10]={2,1,-3,0,1,-2,3,0,1,-1};//精确解static double x0[10]={0,0,0,0,0,0,0,0,0,0}; double Max(double w,double y) { double sum1,sum2,max; for (i=0;i { sum1=0; sum2=0; for (j=0;j<=i-1;j++) sum1+=a[i][j]*x1[j]; for (j=i;j sum2+=a[i][j]*x0[j]; sumx[i]=w*(b[i]-sum1-sum2)/a[i][i]; x1[i]=x0[i]+sumx[i]; } max=fabs(x_jing[0]-x1[0]); for (i=1;i { if (fabs(x_jing[i]-x1[i])>max) max=fabs(x_jing[i]-x1[i]); } cout<<"第"< return max; } void main() { double e[3]={10e-3,10e-4,10e-5}; double w[5]={0.8,0.9,1,1.1,1.2}; double max; int t,l; cout<<"请选择精确度：0、10e-3 1、10e-4 2、103-5 "; cin>>t; cout<<"请选择松弛因子:0、0.8 1、0.9 2、1 3、1.1 4、1.2 "; cin>>l; for (k=0;k { max=Max(w[l],k); if (max { k=k; break;} else { for (i=0;i x0[i]=x1[i]; } } if (k { cout<<"迭代次数为"< cout<<"方程组的解为"< for (i=0;i cout<<" "< } else { cout<<"迭代次数超过"< cout<<"方程组的解为"< for (i=0;i cout<<" "< } } 【运行结果】 方程A ：???????????????????????? ????????1-421534100368 -24-3-8 1 -0 1202 9 13 7-2621-234179 -11-1003524-31-23-6217758-6233-761-62911-31-512-301-231-2-2010563-5-600 0121-3-20 416084 -0484?? ??????????? ??? ? ?????????????????10987654321x x x x x x x x x x =?? ? ? ? ? ? ??? ? ? ? ? ? ? ??????? ?????????-2119381346323125 Jacobi 迭代 Gauss-Seidol迭代 SOR迭代 方程B Jacobi迭代 Gauss-Seidol迭代 SOR迭代 方程C ????? ?????????? ?????????????????----=????????? ??????? ? ?????????????????????????????????????????????????554141262135741-000000001-000000041-0000001-41-0000001-41-0000001-41-0000001-41-0000001-41-0000001-41-0000001-400000001-000000001-410987654321x x x x x x x x x x Jacobi 迭代 Gauss-Seidol迭代（选取了不同的精度） SOR迭代（选取了不同的松弛因子） 【结果分析】 1、通过实验结果看出（方程C的Gauss-Seidol迭代），取的精度不 同，迭代的次数也不同。精度越大，迭代次数越多。 2、通过实验结果看出（方程C的SOR迭代），取的松弛因子的大小不 同，迭代的次数不同，其中ω=1的时候，为Gauss-Seidol迭代。 而松弛因子的取值影响着迭代次数，最佳松弛因子为使ρ(Lω)达到最小的ω。本实验中方程C最佳的ω为1。 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： 实验报告 插值法 数学实验室 数值逼近 算法设计 级 ____________________________ 号 ____________________________ 名 _____________________________ 实验项目名称 实验室 所属课程名称 实验类型 实验日期 实验概述： 【实验目的及要求】 本次实验的目的是熟练《数值分析》第二章“插值法”的相关内容，掌握三种插 多项式插值，三次样条插值，拉格朗日插值，并比较三种插值方法的 优劣。 本次试验要求编写牛顿多项式插值，三次样条插值，拉格朗日插值的程序编码，并 去实现。 【实验原理】 《数值分析》第二章“插值法”的相关内容，包括：牛顿多项式插值，三次样条插值， 拉格朗日 插值的相应算法和相关性质。 【实验环境】（使用的软硬件） 软件： MATLAB 2012a 硬件： 电脑型号：联想 Lenovo 昭阳E46A 笔记本电脑 操作系统： Win dows 8专业版 处理器：In tel ( R Core ( TM i3 CPU M 350 @2.27GHz 2.27GHz 实验内容： 【实验方案设计】 第一步，将书上关于三种插值方法的内容转化成程序语言，用 MATLA B 现; 第二步，分别用牛顿多项式插值，三次样条插值，拉格朗日插值求解不同的问题。 【实验过程】（实验步骤、记录、数据、分析） 实验的主要步骤是：首先分析问题，根据分析设计 MATLA 程序，利用程序算出 问题答案，分析所得答案结果，再得出最后结论。 实验一： 已知函数在下列各点的值为 试用4次牛顿插值多项式 P 4（ x ）及三次样条函数 S （ x ）（自然边界条件）对数据进行插值。 用图给出{（ X i , y i ）, X i =0.2+0.08i , i=0 , 1, 11, 10 } , P 4 （ x ）及 S （ x ）。 值方法：牛顿 在MATLAB 件中 数值分析实习报告 姓名：gestepoA 学号：201******* 班级：***班 序言 随着计算机技术的迅速发展，数值分析在工程技术领域中的应用越来越广泛，并且成为数学与计算机之间的桥梁。要解决工程问题，往往需要处理很多数学模型，不仅要研究各种数学问题的数值解法，同时也要分析所用的数值解法在理论上的合理性，如解法所产生的误差能否满足精度要求：解法是否稳定、是否收敛及熟练的速度等。而且还能减少大量的人工计算。 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，所以需要借助如MATLAB，C++，VB，JAVA的辅助软件来解决，得到一个满足误差限的解。本文所计算题目，均采用MATLAB进行编程，MATLAB被称为第四代计算机语言，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来MATLAB最突出的特点就是简洁，它用更直观的、符合人们思维习惯的代码。它具有以下优点： 1友好的工作平台和编程环境。MATLAB界面精致，人机交互性强，操作简单。 2简单易用的程序语言。MATLAB是一个高级的矩阵/阵列语言，包含控制语言、函数、数据结构，具有输入、输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编好一个较大的复杂的应用程序（M 文件）后再一起运行。 3强大的科学计算机数据处理能力。包含大量计算算法的集合，拥有600多个工程中要用到的数学运算函数。 4出色的图像处理功能，可以方便地输出二维图像，便于我们绘制函数图像。 目录 1 第一题 (4) 1.1 实验目的 (4) 1.2 实验原理和方法 (4) 1.3 实验结果 (5) 1.3.1 最佳平方逼近法 (5) 1.3.2 拉格朗日插值法 (7) 1.3.3 对比 (8) 2 第二题 (9) 2.1实验目的 (9) 2.2 实验原理和方法 (10) 2.3 实验结果 (10) 2.3.1 第一问 (10) 2.3.2 第二问 (11) 2.3.3 第三问 (11) 3 第三题 (12) 3.1实验目的 (12) 3.2 实验原理和方法 (12) 3.3 实验结果 (12) 4 MATLAB程序 (14) 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 数值分析上机实验报告 《数值分析》上机实验报告 1.用Newton 法求方程 X 7-X 4+14=0 在（0.1，1.9）中的近似根（初始近似值取为区间端点，迭代6次或误差小于0.00001）。 1.1 理论依据： 设函数在有限区间[a ，b]上二阶导数存在，且满足条件 {}α?上的惟一解在区间平方收敛于方程所生的迭代序列 迭代过程由则对任意初始近似值达到的一个中使是其中上不变号 在区间],[0)(3,2,1,0,) (') ()(],,[x |))(),((|,|,)(||)(|.4;0)(.3],[)(.20 )()(.110......b a x f x k x f x f x x x Newton b a b f a f mir b a c x f a b c f x f b a x f b f x f k k k k k k ==- ==∈≤-≠>+ 令 )9.1()9.1(0)8(4233642)(0)16(71127)(0)9.1(,0)1.0(,1428)(3 2 2 5 333647>?''<-=-=''<-=-='<>+-=f f x x x x x f x x x x x f f f x x x f 故以1.9为起点 ?? ?? ? ='- =+9.1)()(01x x f x f x x k k k k 如此一次一次的迭代，逼近x 的真实根。当前后两个的差<=ε时，就认为求出了近似的根。本程序用Newton 法求代数方程(最高次数不大于10)在（a,b ）区间的根。 1.2 C语言程序原代码： #include 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 数值分析设计实验实验报告 课题一 迭代格式的比较 一、问题提出 设方程f 3 - 3x –1=0 有三个实根 x * 1 =1.8793 , x *2=-0.34727 ,x *3=-1.53209现采用下面三种不同计算格式，求 f(x)=0的根 x * 1 或x *2 1、 x = 21 3x x + 2、 x = 3 1 3-x 3、 x = 313+x 二、要求 1、编制一个程序进行运算，最后打印出每种迭代格式的敛散情况； 2、用事后误差估计k k x x -+1? ε来 3、初始值的选取对迭代收敛有何影响； 4、分析迭代收敛和发散的原因。 三、目的和意义 1、通过实验进一步了解方程求根的算法； 2、认识选择计算格式的重要性； 3、掌握迭代算法和精度控制； 4、明确迭代收敛性与初值选取的关系。 四、程序设计流程图 五、源程序代码 #include a: if(a 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); 数值分析上机实验报告 课程名称：数值分析上机实验 学院：机械工程学院专业：机械制造 姓名：张法光学号：2012021691 年级：12级任课教师：代新敏老师 2012年12月30日 一．已知A 与b 12.38412 2.115237 -1.061074 1.112336 -0.1135840.718719 1.742382 3.067813 -2.031743 2.11523719.141823 -3.125432 -1.012345 2.189736 1.563849 -0.784165 1.112348 3.123124 -1.061074 -3.125A =43215.567914 3.123848 2.031454 1.836742-1.056781 0.336993 -1.010103 1.112336 -1.012345 3.12384827.108437 4.101011-3.741856 2.101023 -0.71828 -0.037585 -0.113584 2.189736 2.031454 4.10101119.8979180.431637- 3.111223 2.121314 1.784317 0.718719 1.563849 1.836742 -3.741856 0.4316379.789365-0.103458 -1.103456 0.238417 1.742382 -0.784165 -1.056781 2.101023-3.111223-0.1034581 4.7138465 3.123789 -2.213474 3.067813 1.112348 0.336993-0.71828 2.121314-1.103456 3.12378930.719334 4.446782 -2.031743 3.123124 -1.010103-0.037585 1.7843170.238417-2.213474 4.44678240.00001[ 2.1874369 33.992318 -2 5.173417 0.84671695 1.784317 -8 6.612343 1.1101230 4.719345 -5.6784392]T B ????? ? ?? ? ? ???? ? ? ???? ? ? ????? ?=（2）用超松弛法求解Bx=b （取松弛因子ω=1.4，x （0）=0，迭代9次）。 （3）用列主元素消去法求解 Bx=b 。 解：（3）、用列主元素消去法求解Bx=b （一）、理论依据： 其基本思想是选取绝对值尽量大的元素作为主元素，进行行与列的交换，再进行回代，求出方程的解。 将方阵A 和向量b 写成C=（A b ）。将C 的第1列中第1行的元素与其下面的此列的元素逐一进行比较，找到最大的元素1j c ，将第j 行的元素与第1行的元素进行交换，然后通过行变换，将第1列中第2到第n 个元素都消成0。将变换后的矩阵(1)C 的第二列中第二行的元 素与其下面的此列的元素逐一进行比较，找到最大的元素(1) 2k c ，将第k 行的元素与第2行的 元素进行交换，然后通过行变换，将第2列中第3到第n 个元素都消成0。以此方法将矩阵的左下部分全都消成0。 （二）、计算程序： #include "math.h" #include "stdio.h" void main() { double u[9],x1[9],y[9],q[9],b1[9][10],x[9],a[9][9]={ {12.38412,2.115237,-1.061074,1.112336,-0.113584,0.718719,1.742382,3.067813,-2.031743 }, 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 Λ 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 Λ，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 Λ 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 + 1.给定n 阶方程组Ax b =，其中 6186186186A ?? ? ? ?= ? ? ??? ，7151514b ?? ? ? ?= ? ? ??? 则方程组有解(1,1,,1)T x = 。对10n =和84n =，分别用Gauss 消去法和列主元消去法解方程组，并比较计算结果。 Gauss 消去法： Matlab 编程（建立GS.m 文件）： function x=GS(n) A=[];b=[]; for i=1:n-1 A(i,i)=6; A(i,i+1)=1; A(i+1,i)=8; b(i)=15; end A(n,n)=6;b(1)=7;b(n)=14;b=b'; for k=1:n-1 for i=k+1:n m(i,k)=A(i,k)/A(k,k); A(i,k:n)=A(i,k:n)-m(i,k)*A(k,k:n); b(i)=b(i)-m(i,k)*b(k); end end b(n)=b(n)/A(n,n); for i=n-1:-1:1 b(i)=(b(i)-sum(A(i,i+1:n).*b(i+1:n)'))/A(i,i); end clear x; x=b; disp( 'AX=b 的解x 是') end 计算结果： 在matlab 命令框里输出GS （10）得： >> GS(10) AX=b 的解x 是 ans = 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 在matlab命令框里输出GS（84）得：>> GS(84) AX=b的解x是 ans = 1.0e+008 * 0.0000 … … … 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0001 0.0002 -0.0003 0.0007 -0.0013 0.0026 -0.0052 0.0105 -0.0209 0.0419 -0.0836 0.1665 -0.3303 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); 数值分析试题 2007.12 一、简答下列各题：（每题4分，共20分） 1．为了提高计算精度，求方程x 2－72x+1=0的根，应采用何种公式，为什么？ 2．设??? ? ??=2112A ，求)(A ρ和2)(A Cond 。 3．设??? ? ? ??=131122321A ，求A 的LU 分解式。 4．问23221)2(x x x x ++=是不是3R 上的向量范数,为什么？ 5．求数值积分公式?-≈b a a b a f dx x f ))(()(的截断误差R[?]。 二、解答下列各题：（每题8分，共56分） 1．已知线性方程组??? ??=-+=-+=-+3 53231 4321 321321x x x x x x x x x ，问能用哪些方法求解？为什么？ 2.解线性方程组b Ax =的Gauss-Seidel 迭代法是否收敛？为什么？其中： ???? ? ??--=211111112A 3.设]2,0[)(4C x f y ∈=，且0)0(,0)2(,2)1(,1)0(='===f f f f ，试求)(x f 的三次插值多项式)(3x H ，并写出余项)()()(33x H x f x R -=。 4．给定离散数据 试求形如3bx a y +=的拟合曲线。 5．求区间[0，1]上权函数为x x =)(ρ的正交多项式)(0x p ，)(1x p 和)(2x p 。 6．确定求积系数321,,A A A ,使求积公式： ? +++- ≈3 1 321)5 32()2()532()(f A f A f A dx x f 具有尽可能高的代数精度，并问代数精度是多少？ 7. 利用2=n 的复化Simpson 公式计算计算定积分 ，并估计误差][f R 。 三、（12分）已知方程0cos 2=-x x ， 1.证明此方程有唯一正根α； 2.建立一个收敛的迭代格式，使对任意初值]1,0[0∈x 都收敛，说明收敛理由和收敛阶。 3.若取初值00=x ，用此迭代法求精度为510-=ε的近似根，需要迭代多少步？ 四、（12分）已知求解常微分方程初值问题： ?? ?∈=='] ,[,)(),(b a x a y y x f y α 的差分公式： ?? ??????? =++==++=+α 0121211 ) 32 ,32() ,()3(4 y hk y h x f k y x f k k k h y y n n n n n n 1．证明：此差分公式是二阶方法； 2．用此差分公式求解初值问题1)0(,10=-='y y y 时，取步长h=0.25,所得数值解是否稳定,为什么？ ?1 0sin xdx 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 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 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： 数值分析第一次实验报告 姓名： 学号： 实验1： 1. 实验项目的性质和任务 通过上机实验，使学生对病态问题、线性方程组求解和函数的数值逼近方法有一个初步理解。 2．教学内容和要求 1）对高阶多多项式 20 1()(1)(2)(20)()k p x x x x x k ==---=-∏ 编程求下面方程的解 19()0p x x ε+= 并绘图演示方程的解与扰动量ε的关系。（实验） 2）对2~20n =，生成对应的Hilbert 矩阵，计算矩阵的条件数；通过先确定解获得常向量b 的方法,确定方程组 n H x b = 最后，用矩阵分解方法求解方程组，并分析计算结果。（第三章，实验题4） 3）对函数 2 1()[1,1]125f x x x =∈-+ 的Chebyshev 点 (21)cos( ) 1,2,...,12(1) k k x k n n π -==++ 编程进行Lagrange 插值，并分析插值结果。（第四章 实验1） 项目涉及核心知识点 病态方程求解、矩阵分解和方程组求解、Lagrange插值。 重点与难点 算法设计和matlab编程。 1）a．实验方案： 先创建一个20*50的零矩阵X，然后利用Matlab中的roots（）和poly（）函数将50个不同的ess扰动值所产生的50个解向量分别存入X矩阵中。然后再将ess向量分别和X的20个行向量绘图。即可直观的看出充分小的扰动值会产生非常大的偏差。即证明了这个问题的病态性。 b．编写程序： >> X=zeros(20,50); >> ve=zeros(1,21); >> ess=linspace(0,,50);k=1; >> while k<=50 ve(2)=ess(k); X(1:20,k)=roots(poly(1:20)+ve); k=k+1; end >> m=1; >> while m<=20 figure(m),plot(ess,X(m,:)); 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 = 思考题一： 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。 分别使用roots函数和solve函数对多项式求根的代码如下： roots计算方程根 solve计算方程根两种函数对同一方程的求根结果计算如下表所示，可见solve的计算精度高于roots。 roots solve 1.000000 1.000000 2.000000 2.000000 3.000000 3.000000 4.000000 4.000000 5.000000 5.000000 6.000000 6.000001 6.999973 6.999995 8.000284 8.000023 8.998394 8.999924 10.006060 10.000189 10.984041 10.999640 12.033449 12.000531 12.949056 12.999393 14.065273 14.000539 14.935356 14.999632 16.048275 16.000190 16.971132 16.999928 18.011222 18.000019 18.997160 18.999997 20.000325 20.000000 思考题三：（一个简单公式中产生巨大舍入误差的例子） 可以用下列式子计算自然对数的底数 n n n e e )1 1(lim 1+==∞→ 这个极限表明随着n 的增加，计算e 值的精度是不确定的。现编程计算 n n n f )1 1()(+=与exp(1)值的差。 n 大到什么程度的时候误差最大？你能解释其中的原因吗？ 用代码实现了对自然常数真实值与计算值相同小数位数的计算，代码如下 容易知道，自然常数e 的真实值为2.718281828。经代码运算得出下表数据，通过比较可以知道真实值与计算值相同的小数位数。可以得出如下结论：当n 小于8110×时，随着n 的增大，误差越来越小；当n 大于8110×时，由于1/n 小到无法忽视舍入误差的存在，经过误差积累导致计算结果越来越偏离真实值。 n 的数量级 e 的计算值 相同位数 n 的数量级 e 的计算值 相同位数 1 2.59374246 0 9 2.718282052 5 2 2.704813829 1 10 2.718282053 5 3 2.716923932 2 11 2.718282053 5 4 2.718145927 3 12 2.718523496 3 5 2.718268237 4 13 2.716110034 2 6 2.718280469 5 14 2.716110034 2 7 2.718281694 6 15 3.035035207 0 8 2.718281798 6东南大学数值分析上机题答案
数值分析实验报告176453
数值分析MATLAB上机实验
数值分析实验报告1
数值分析上机实验报告
数值分析实验报告
东北大学数值分析实验报告
数值分析实验报告模板
贵州大学数值分析上机实验
数值分析实验报告
矩阵与数值分析上机实验题及程序
(完整版)哈工大-数值分析上机实验报告
东北大学 数值分析 07(研)数值分析
数值分析实验报告
数值分析2016上机实验报告
数值分析实验报告
数值分析试验一
数值分析实验报告1
数值分析上机实验思考题——误差分析