下载文档原格式
一、实验目的通过本次综合实验，掌握数值分析中常用的插值方法、方程求根方法以及数值积分方法，了解这些方法在实际问题中的应用，提高数值计算能力。
二、实验内容1. 插值方法（1）拉格朗日插值法：利用已知数据点构造多项式，以逼近未知函数。
（2）牛顿插值法：在拉格朗日插值法的基础上，通过增加基函数，提高逼近精度。
2. 方程求根方法（1）二分法：适用于函数在区间内有正负值的情况，通过不断缩小区间来逼近根。
（2）Newton法：利用函数的导数信息，通过迭代逼近根。
（3）不动点迭代法：将方程转化为不动点问题，通过迭代逼近根。
3. 数值积分方法（1）矩形法：将积分区间等分，近似计算函数值的和。
（2）梯形法：将积分区间分成若干等分，用梯形面积近似计算积分。
（3）辛普森法：在梯形法的基础上，将每个小区间再等分，提高逼近精度。
三、实验步骤1. 拉格朗日插值法（1）输入已知数据点，构造拉格朗日插值多项式。
（2）计算插值多项式在未知点的函数值。
2. 牛顿插值法（1）输入已知数据点，构造牛顿插值多项式。
（2）计算插值多项式在未知点的函数值。
3. 方程求根方法（1）输入方程和初始值。
（2）选择求解方法（二分法、Newton法、不动点迭代法）。
（3）迭代计算，直到满足精度要求。
4. 数值积分方法（1）输入被积函数和积分区间。
（2）选择积分方法（矩形法、梯形法、辛普森法）。
（3）计算积分值。
四、实验结果与分析1. 插值方法（1）拉格朗日插值法：通过构造多项式，可以较好地逼近已知数据点。
（2）牛顿插值法：在拉格朗日插值法的基础上，增加了基函数，提高了逼近精度。
2. 方程求根方法（1）二分法：适用于函数在区间内有正负值的情况，计算简单，但收敛速度较慢。
（2）Newton法：利用函数的导数信息，收敛速度较快，但可能存在数值不稳定问题。
（3）不动点迭代法：将方程转化为不动点问题，收敛速度较快，但可能存在初始值选择不当的问题。
3. 数值积分方法（1）矩形法：计算简单，但精度较低。
数值实验报告二一、实验名称解线性方程组的列主元素高斯消去法和LU 分解法二、实验目的通过数值实验，从中体会解线性方程组选主元的必要性和LU 分解法的优点，以及方程组系数矩阵和右端向量的微小变化对解向量的影响。
三、实验内容解下列两个线性方程组（1） ⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--11134.981.4987.023.116.427.199.103.601.3321x x x （2） ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----15900001.582012151526099999.23107104321x x x x 四、算法描述1、 列主元素高斯消去法记： ij ij a a =1)( (i, j = 1,2,3n )i i b b =1)( (i = 1,2,3n )消元过程：对于k = 1,2,3n(1) 选行号k i ，使)()(max k i ni k k k i k k a a ≤≤=。
(2) 交换)(k kj a 与)(k j i k a （j = k, k+1,k+2n ）以及)()(k i k k k b b 与所含的数值。
（3）对于i = k, k+1,k+2n ,计算)()(k kkk ik ik a a m =)()()1(k kj ik k ij k ij a m a a -=+ （j = k, k+1,k+2n ）)()()1(k k ik k i k i b m b b -=+回代过程：)(n nnn n a b x = )()1)()(/(k kk j n k j k kj k k k a x a a x ∑+=-= （k = n-1, n-2, n-3 1 ）在此算法中的)(k k i k a 称为第k 个列主元素，它的数值总要被交换到第k 个主对角线元素的位置上。
2、 LU 分解法通过MATLAB 自有的函数，把系数矩阵A 分解成A=LU ，其中：L 是下三角矩阵，U 是上三角矩阵，这时方程组Ax=b 就可以分解成两个容易求解的三角形方程组Ly=b ，Ux=y 。
第1篇一、实验目的本次实验旨在通过数值分析的方法，研究几种常见的数值积分方法，包括梯形法、辛普森法、复化梯形法和龙贝格法，并比较它们在计算精度和效率上的差异。
通过实验，加深对数值积分理论和方法的理解，提高编程能力和实际问题解决能力。
二、实验内容1. 梯形法梯形法是一种基本的数值积分方法，通过将积分区间分割成若干个梯形，计算梯形面积之和来近似积分值。
实验中，我们选取了几个不同的函数，对积分区间进行划分，计算积分近似值，并与实际积分值进行比较。
2. 辛普森法辛普森法是另一种常见的数值积分方法，它通过将积分区间分割成若干个等距的区间，在每个区间上使用二次多项式进行插值，然后计算多项式与x轴围成的面积之和来近似积分值。
实验中，我们对比了辛普森法和梯形法的计算结果，分析了它们的精度差异。
3. 复化梯形法复化梯形法是对梯形法的一种改进，通过将积分区间分割成多个小区间，在每个小区间上使用梯形法进行积分，然后计算所有小区间积分值的和来近似积分值。
实验中，我们对比了复化梯形法和辛普森法的计算结果，分析了它们的精度和效率。
4. 龙贝格法龙贝格法是一种通过外推加速提高计算精度的数值积分方法。
它通过比较使用不同点数（n和2n）的积分结果，得到更高精度的积分结果。
实验中，我们使用龙贝格法对几个函数进行积分，并与其他方法进行了比较。
三、实验步骤1. 编写程序实现梯形法、辛普森法、复化梯形法和龙贝格法。
2. 选取几个不同的函数，对积分区间进行划分。
3. 使用不同方法计算积分近似值，并与实际积分值进行比较。
4. 分析不同方法的精度和效率。
四、实验结果与分析1. 梯形法梯形法在计算精度上相对较低，但当积分区间划分足够细时，其计算结果可以接近实际积分值。
2. 辛普森法辛普森法在计算精度上优于梯形法，但当积分区间划分较细时，计算量较大。
3. 复化梯形法复化梯形法在计算精度上与辛普森法相当，但计算量较小。
4. 龙贝格法龙贝格法在计算精度上优于复化梯形法，且计算量相对较小。
一、实验目的1. 理解数值分析的基本概念和常用算法；2. 掌握数值方法在求解实际问题中的应用；3. 培养编程能力，提高对数值分析软件的使用熟练度。
二、实验内容本次实验主要涉及以下内容：1. 拉格朗日插值法；2. 牛顿插值法；3. 线性方程组的求解方法；4. 方程求根的数值方法；5. 最小二乘法曲线拟合。
三、实验步骤1. 拉格朗日插值法（1）输入数据：给定一组数据点（x1, y1）、（x2, y2）、...、（xn, yn）。
（2）计算拉格朗日插值多项式L(x)。
（3）利用L(x)计算待求点x0的函数值y0。
2. 牛顿插值法（1）输入数据：给定一组数据点（x1, y1）、（x2, y2）、...、（xn, yn）。
（2）计算牛顿插值多项式N(x)。
（3）利用N(x)计算待求点x0的函数值y0。
3. 线性方程组的求解方法（1）输入数据：给定线性方程组的系数矩阵A和常数向量b。
（2）采用高斯消元法求解线性方程组Ax=b。
4. 方程求根的数值方法（1）输入数据：给定函数f(x)和初始值x0。
（2）采用二分法求解方程f(x)=0的根。
5. 最小二乘法曲线拟合（1）输入数据：给定一组数据点（x1, y1）、（x2, y2）、...、（xn, yn）。
（2）建立线性最小二乘模型y=F(x)。
（3）利用最小二乘法求解模型参数。
四、实验结果与分析1. 拉格朗日插值法与牛顿插值法的比较通过实验，我们发现牛顿插值法的精度高于拉格朗日插值法。
这是因为牛顿插值法在计算过程中考虑了前一项的导数信息，从而提高了插值多项式的平滑性。
2. 线性方程组的求解方法高斯消元法在求解线性方程组时，计算过程较为繁琐，但稳定性较好。
在实际应用中，可根据具体问题选择合适的方法。
3. 方程求根的数值方法二分法在求解方程时，收敛速度较慢，但具有较好的稳定性。
对于初始值的选择，应尽量接近真实根。
4. 最小二乘法曲线拟合最小二乘法在拟合曲线时，误差较小，适用于数据点较多的情况。
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12345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);y=-x*x-sin(x);写成如上形式即可，下面给出主程序。
一、实验目的1. 了解数值分析的基本概念和主要内容；2. 掌握数值计算的基本方法，如插值、求根、数值积分等；3. 培养使用计算机进行数值计算的能力；4. 增强对数值分析在实际问题中的应用意识。
二、实验内容1. 插值法：拉格朗日插值、牛顿插值；2. 求根法：二分法、牛顿法、不动点迭代法；3. 数值积分：矩形法、梯形法、辛普森法。
三、实验步骤1. 插值法实验（1）编写拉格朗日插值程序，以x1, x2, ..., xn为节点，y1, y2, ..., yn为函数值，求插值多项式P(x)。
（2）编写牛顿插值程序，以x1, x2, ..., xn为节点，y1, y2, ..., yn为函数值，求插值多项式P(x)。
2. 求根法实验（1）编写二分法程序，求方程f(x) = 0在区间[a, b]上的根。
（2）编写牛顿法程序，求方程f(x) = 0在初始值x0附近的根。
（3）编写不动点迭代法程序，求方程f(x) = 0在初始值x0附近的根。
3. 数值积分实验（1）编写矩形法程序，求定积分∫f(x)dx在区间[a, b]上的近似值。
（2）编写梯形法程序，求定积分∫f(x)dx在区间[a, b]上的近似值。
（3）编写辛普森法程序，求定积分∫f(x)dx在区间[a, b]上的近似值。
四、实验结果与分析1. 插值法实验（1）使用拉格朗日插值法，以x1, x2, ..., xn为节点，y1, y2, ..., yn为函数值，求插值多项式P(x)。
（2）使用牛顿插值法，以x1, x2, ..., xn为节点，y1, y2, ..., yn为函数值，求插值多项式P(x)。
2. 求根法实验（1）使用二分法，求方程f(x) = 0在区间[a, b]上的根。
（2）使用牛顿法，求方程f(x) = 0在初始值x0附近的根。
（3）使用不动点迭代法，求方程f(x) = 0在初始值x0附近的根。
3. 数值积分实验（1）使用矩形法，求定积分∫f(x)dx在区间[a, b]上的近似值。
误差分析实验1.1（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()(201∏=-=---=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 =))20:1((ve poly roots +上述简单的Matlab 程序便得到（1.2）的全部根，程序中的“ess ”即是（1.2）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。
数值实验题1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，所谓坏问题是指问题本身对扰动敏感，反之属于好问题。
本实验通过对一个高次多项式方程的求解，初步认识病态问题。
实验内容：考虑一个高次的代数多项式201()(1)(2)(20)()k p x x x x x k ==---=-∏ (E.1.1)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(也称为简单的)。
现考虑该多项式的一个扰动 19()0p x x ε+=， (E.1.2)其中，ε是一个非常小的数。
这相当于是对方程(E.1.1)中x 19的系数作一个小的扰动。
比较方程(E.1.1)和方程(E.1.2)根的差别，从而分析方程(E.1.1)的解对扰动的敏感性。
实验步骤与结果分析：(一) 实验源程序function t_charpt1_1% 数值实验1.1病态问题% 输入：[0 20]之间的扰动项及小的扰动常数 % 输出：加扰动后得到的全部根 clcresult=inputdlg({'请输入扰动项:在[0 20]之间的整数:'},'charpt 1_1',1,{'19'}); Numb=str2num(char(result));if((Numb>20)|(Numb<0))errordlg('请输入正确的扰动项:[0 20]之间的整数!');return;endresult=inputdlg({'请输入(0 1)之间的扰动常数:'},'charpt 1_1',1,{'0.00001'}); ess=str2num(char(result)); ve=zeros(1,21); ve(21-Numb)=ess;root=roots(poly(1:20)+ve);x0=real(root); y0=imag(root); plot(x0',y0', '*');disp(['对扰动项 ',num2str(Numb),'加扰动',num2str(ess),'得到的全部根为:']); disp(num2str(root));(二)实验结果分析(1)对于x19项的扰动ess，不同的取值对应的结果如下所示。
一、实验名称数值分析实验二、实验目的1. 掌握数值分析的基本概念和方法。
2. 理解并应用插值法、数值积分、数值微分、数值解法等数值分析的基本方法。
3. 提高数值计算能力和编程能力。
三、实验内容1. 插值法1.1 拉格朗日插值法1.2 牛顿插值法1.3 线性插值法1.4 拉格朗日插值法与牛顿插值法的比较2. 数值积分2.1 牛顿-科特斯公式2.2 帕普斯公式2.3 比较牛顿-科特斯公式与帕普斯公式的精度3. 数值微分3.1 前向差分法3.2 后向差分法3.3 中点差分法3.4 比较三种差分法的精度4. 数值解法4.1 线性方程组的迭代法4.2 非线性方程的迭代法4.3 比较不同迭代法的收敛速度四、实验步骤1. 插值法1.1 输入插值点的数据，使用拉格朗日插值法计算插值多项式。
1.2 使用牛顿插值法计算插值多项式。
1.3 使用线性插值法计算插值多项式。
1.4 比较三种插值法的精度。
2. 数值积分2.1 输入被积函数和积分区间，使用牛顿-科特斯公式进行数值积分。
2.2 使用帕普斯公式进行数值积分。
2.3 比较两种数值积分方法的精度。
3. 数值微分3.1 输入函数和求导点的数据，使用前向差分法、后向差分法和中点差分法计算导数。
3.2 比较三种差分法的精度。
4. 数值解法4.1 输入线性方程组或非线性方程，使用迭代法求解方程组或方程。
4.2 比较不同迭代法的收敛速度。
五、实验结果与分析1. 插值法通过比较三种插值法的精度，得出以下结论：- 线性插值法精度最低。
- 拉格朗日插值法与牛顿插值法精度较高，但牛顿插值法在计算过程中需要计算多项式的导数，增加了计算量。
2. 数值积分通过比较牛顿-科特斯公式与帕普斯公式的精度，得出以下结论：- 牛顿-科特斯公式精度较高。
- 帕普斯公式精度较低。
3. 数值微分通过比较三种差分法的精度，得出以下结论：- 中点差分法精度最高。
- 后向差分法次之。
- 前向差分法精度最低。
4. 数值解法通过比较不同迭代法的收敛速度，得出以下结论：- 牛顿迭代法收敛速度最快。
数值分析实验报告数值分析实验报告姓名：张献鹏学号：173511038专业：冶金工程班级：重冶二班目录1拉格朗日插值 (1)11.1问题背景.....................................................................................................11.2数学模型.....................................................................................................1.3计算方法1.....................................................................................................21.4数值分析.....................................................................................................2复化辛普森求积公式 (2)2.1问题背景2.....................................................................................................32.2数学模型.....................................................................................................32.3计算方法.....................................................................................................2.4数值分析5.....................................................................................................3矩阵的 LU 分解 (6)63.1问题背景.....................................................................................................3.2数学模型6.....................................................................................................3.2.1理论基础 (6)3.2.2实例 (7)73.3计算方法.....................................................................................................3.4小组元的误差 (8)4二分法求方程的根 (9)94.1问题背景.....................................................................................................94.2数学模型.....................................................................................................4.3计算方法9.....................................................................................................4.4二分法的收敛性 (11)5雅可比迭代求解方程组 (11)115.1问题背景...................................................................................................5.2数学模型11...................................................................................................5.2.1理论基础 (11)5.2.2实例 (12)5.3计算方法 (12)5.4收敛性分析 (13)6Romberg 求积法 (14)6.1问题背景 (14)6.2数学模型： (14)6.2.1理论基础 (14)6.2.2实例 (14)6.3计算方法 (15)6.4误差分析 (16)7幂法 (16)7.1问题背景 (16)7.2数学模型 (16)7.2.1理论基础 (16)7.2.2实例 (17)7.3计算方法 (17)7.4误差分析 (18)8改进欧拉法 (18)8.1问题背景 (18)8.2数学模型 (19)8.2.1理论基础 (19)8.2.2实例 (19)8.3数学模型 (19)8.4误差分析 (21)1拉格朗日插值1.1问题背景1f ( x)2, 5 x 5 求拉格朗日插值。
数值分析实验报告第一题1、题目及要求题目：1、运用按列选主元的Gauss 消去法求解下列线性代数方程组：⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡ 4.89- 7.58 8.12 8.56- 1.05 4.12- 8.25 6.14 1.01 1.21- 8.45- 9.25 8.54 9.12 7.12 3.54 0.05 2.01 0.12 9.25 5.25 7.12- 4.12- 7.58- 6.21- 1.02- 0.128.65- 1.05- 6.14- 4.12- 9.95- 9.25 0.03 1.02 3.217.15 6.18 4.93 1.05- 4.18- 7.25- 2.48 3.89 4.29 3.27 5.67- 3.91- 6.42 9.57 1.48 0.45- 9.26 6.48 6.12 3.87 0.89 1.48 9.24 7.56 0.45- 3.78- 4.45 4.36 7.01 0.24 0.95 5.12 7.24- 6.89 7.21- 7.450.45- 8.87 4.99 0.78 6.14- 4.85 6.45 7.45 5.45⎪⎪⎪⎪⎪⎪⎭⎪⎪⎪⎪⎪⎪⎬⎫⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧987654321x x x x x x x x x =⎪⎪⎪⎪⎪⎪⎭⎪⎪⎪⎪⎪⎪⎬⎫⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧145.8299.7113.1-164-164.4264.5293.8175.7225.5 实验要求及目的：1、要求编程完成，不能使用现存的函数2、流程图3、源代码4、运行截图5、实验心得第二题1、题目及要求题目：2、将区间[-1,1]上取n =10，对函数 21()125f x x=+取等距节点完成下述工作 （1） 求多项式插值和三次样条插值，并画出相应的图形；（2） 求三次曲线拟合，并画出相应的图形；（3） 将上述结果进行比较实验要求及目的：2、流程图3、源代码4、运行截图5、实验心得第三题1、题目及要求题目：3、多项式求根是一个病态问题，考虑多项式P(x)=(x-1)(x-2)…(x-10)=a 0+a 1x 1+…+a 8x 8+a 9x 9+x 10求解扰动方程 p(x)+εx 9=0.（1） 产生系数a 0,a 1,…a 9.（2） 取ε=10-6，10-8，10-10用MATLAB 求根函数计算扰动方程的根。
南京信息工程大学数值分析实验报告（一）实验名称数值分析 实验日期 2016.5.13得分指导教师专业 数学与应用数学 年级 大二 班级 应用数学1班 姓名 丁晨 学号 20141323001一、 实验目的（1） 了解插值的基本原理（2） 了解拉格朗日插值，牛顿差值和样条差值的基本思想； 二、实验内容试用4次牛顿插值多项式P 4（x ）及三次样条函数S （x ）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 ）2.在区间[1,1]上，取n=10，20用两组等距节点对龙格函数f(x)=22511x作三次样条差值，对每个n 分别画出差值函数和f （x ）的图形。
3.三、实验求解 1.程序代码： clc;x1=[0.2 0.4 0.6 0.8 1.0];y1=[0.98 0.92 0.81 0.64 0.38]; n=length(y1); c=y1(:);for j=2:n %求差商 for i=n:-1:jc(i)=(c(i)-c(i-1))/(x1(i)-x1(i-j+1)); end endsyms x df d;df(1)=1;d(1)=y1(1);for i=2:n %求牛顿差值多项式 df(i)=df(i-1)*(x-x1(i-1)); d(i)=c(i-1)*df(i); endP4=vpa(sum(d),5) %P4即为4次牛顿插值多项式,并保留小数点后5位数 pp=csape(x1,y1, 'variational');%调用三次样条函数 q=pp.coefs;q1=q(1,:)*[(x-.2)^3;(x-.2)^2;(x-.2);1]; q1=vpa(collect(q1),5)q2=q(1,:)*[(x-.4)^3;(x-.4)^2;(x-.4);1]; q2=vpa(collect(q2),5)q3=q(1,:)*[(x-.6)^3;(x-.6)^2;(x-.6);1]; q3=vpa(collect(q3),5)q4=q(1,:)*[(x-.8)^3;(x-.8)^2;(x-.8);1]; q4=vpa(collect(q4),5)%求解并化简多项式运行matlab 程序结果如下：P4 =0.98*x - 0.3*(x - 0.2)*(x - 0.4) - 0.625*(x - 0.2)*(x - 0.4)*(x - 0.6) - 0.20833*(x - 0.2)*(x - 0.4)*(x - 0.8)*(x - 0.6) + 0.784q1 =- 1.3393*x^3 + 0.80357*x^2 - 0.40714*x + 1.04q2 =- 1.3393*x^3 + 1.6071*x^2 - 0.88929*x + 1.1643q3 =- 1.3393*x^3 + 2.4107*x^2 - 1.6929*x + 1.4171q4 =- 1.3393*x^3 + 3.2143*x^2 - 2.8179*x + 1.86290.10.20.30.40.50.60.70.80.910.40.50.60.70.80.911.1所以4次牛顿差值多项式4()P x =0.98*x - 0.3*(x - 0.2)*(x - 0.4) - 0.625*(x - 0.2)*(x- 0.4)*(x - 0.6) - 0.20833*(x - 0.2)*(x - 0.4)*(x - 0.8)*(x - 0.6) + 0.784三次样条差值多项式()Q x323232321.33930.803570.40714 1.04,[0.2,0.4]1.3393 1.60710.88929 1.1643,[0.4,0.6]1.3393 2.4107 1.6929 1.4171,[0.6,0.8]1.3393 3.21432.8179 1.8629,[0.8,1.0]x x x x x x x x x x x x x x x x ⎧-+-+∈⎪-+-+∈⎪⎨-+-+∈⎪⎪-+-+∈⎩2.三次样条差值： 1.M 文件： x=-1:0.0001:1; y=1./(1+25*x.^2); x1=-1:0.2:1;y1=interp1(x,y,x1,'spline'); plot(x1,y1,'o',x,y) grid on xlabel('x') ylabel('y') y1matlab 运行结果如下： y1 =0.0385 0.0588 0.1000 0.2000 0.5000 1.0000 0.5000 0.2000 0.1000 0.05880.0385。
《数值分析》实验报告一**: **学号: PB********实验一一、实验名称方程求根二、实验目的与要求：通过对二分法和牛顿法作编程练习和上机运算，进一步体会它们在方程求根中的不同特点；比较二者的计算速度和计算精度。
三、实验内容：通过对二分法和牛顿迭代法作编程练习和上机运算，进一步体会它们在方程求根中的不同特点 。
（一）二分法算法：给定区间[a,b]，并设f （a ）与f （b ）符号相反，取δ为根的容许误差，ε为值的容许误差。
（1）令c=(a+b)/2（2）如果(c-a)< δ或)(c f <ε，则输出c ，结束；否则执行（3）（3）如果f(a)f(c)<0，则令)()(,c f b f c b ←←；否则，则令)()(,c f a f c a ←←，重复（1），（2），（3）。
（二）牛顿迭代法：给定初值0x ，ε为根的容许误差，η为)(x f 的容许误差，N 为迭代次数的容许值。
（1）如果)(x f <η或迭代次数大于N ，则算法结束；否则执行（2）。
（2）计算)('/)(0001x f x f x x -=（3）若 < 或 < ，则输出 ，程序结束；否则执行（4）。
（4）令 = ，转向（1）。
四、实验题目与程序设计1、二分法3.1.1、用二分法求方程a. f(x)= x x tan 1--在区间[0，π/2]上的根,c. f(x)=6cos 22-++-x e x x 在区间[1，3]上的根。
源程序：3.1.1.a#include<stdio.h>#include<math.h>void main(){float a,b;double c,y,z;printf("plese input two number a and b:\n");scanf("%f%f",&a,&b);c=(a+b)/2;y=1/c-tan(c);printf("a=%f,b=%f,b-a=%f,c=%f,f(c)=%f\n",a,b,b-a,c,y);while(fabs(b-a)>0.00001|| fabs(y)>0.00001){z=1/a-tan(a);if(z*y<0)b=c;elsea=c;c=(a+b)/2;y=1/c-tan(c);printf("a=%f,b=%f,b-a=%f,c=%f,f(c)=%f\n",a,b,b-a,c,y);}x x 01-ε)(1x f ηx 1x 0x 1}输入0 1.5707563( /2~1.5705563)得到下表：由上表可以看出刚开始时f（c）取值幅度很大，但是经过一段历程之后，幅度变得平缓甚至基本接近与零，我们认为，x=0.8603是方程的根，结果与实际想要得到的值相当接近。
非线性方程的解法实验1.算法设计与比较问题提出：非线性方程组的求解方法很多，基本的思想是线性化。
不同的方法效果如何，要靠计算的实践来分析、比较。
实验内容：考虑算法(1)牛顿法(2)拟牛顿法分别编写它们的matlab程序。
实验要求：(1)用上述方法，分别计算两个例子。
在达到精度相同的前提下，比较迭代次数、浮点运算次数和CPU时间等。
1.1程序清单为使用flops统计浮点运算次数，使用MATLAB5.3版本%f1.m原函数f1function y=f(x)y(1)=12*x(1)-x(2)^2-4*x(3)-7;y(2)=x(1)^2+10*x(2)-x(3)-8;y(3)=x(2)^3+10*x(3)-8;end%ff1.m原函数f1的雅克比矩阵function y=ff(x)y(1,:)=[12,-2*x(2),-4];y(2,:)=[2*x(1),10,-1];y(3,:)=[0,3*x(2)^2,10];end%f1.m原函数f2function y=f2(x)y(1)=3*x(1)-cos(x(2)*x(3)) -1/2;y(2)=x(1)^2-81*(x(2)+0.1)^2+sin(x(3))+1.06;y(3)=exp(-x(1)*x(2))+20*x(3)+1/3*(10*pi-3);end%ff2.m原函数f2的雅克比矩阵function y=ff2(x)y(1,:)=[3,x(3)*sin(x(2)*x(3)),x(2)*sin(x(2)*x(3))];y(2,:)=[2*x(1),-2*81*(x(2)+0.1),cos(x(3))];y(3,:)=[-x(2)*exp(-x(1)*x(2)),-x(1)*exp(-x(1)*x(2)),20]; end%牛顿法(以第一个方程组为例)clear;x0=[0,0,0]';n=10;tol=1e-6;x(:,1)=x0;i=1;u=[1,1,1]';tic;while (norm(u)>tol*norm(x(:,i))&(i<n))A=ff1(x(:,i));b=f1(x(:,i))';u=-A\b;x(:,i+1)=x(:,i)+u;i=i+1;end;x(:,i)iter=i-1t=toc%拟牛顿法(以第一个方程组为例)clear;x0=[0,0,0]';n=10;tol=1e-6;x(:,1)=x0;i=1;p=[1,1,1]';A=ff1(x(:,1));tic;while (norm(p)>tol*norm(x(:,i))&(i<n))x(:,i+1)=x(:,i)-A\f1(x(:,i))';p=x(:,i+1)-x(:,i);q=f1(x(:,i+1))'-f1(x(:,i))';A=A+(q-A*p)*p'/norm(p,2)^2;i=i+1;end;iter=i-1t=tocx(:,i)1.2运行结果1.2.1第一个方程组精确解为*T =(0.886020214719037, 0.796444775323146, 0.749479574122230)x 取最大迭代次数n=5000，相对误差限Tol=1e-6 (1)取()(0)1,1,1x T=牛顿迭代法迭代3次收敛，浮点运算次数为440，每次迭代平均浮点运算次数为147，CPU 耗时t =0(s)拟牛顿法迭代4次收敛，浮点运算次数为1048，每次迭代平均浮点运算次数为262，CPU 耗时t =0(s)(2)取()(0)000x T =，， 牛顿迭代法迭代4次收敛，浮点运算次数为510，每次迭代平均浮点运算次数为128，CPU 耗时t =1.600e-002(s)拟牛顿法迭代6次收敛，浮点运算次数为1493，每次迭代平均浮点运算次数为248，CPU 耗时t =1.50e-002(s)(3)取()(0)50,5050x T=，牛顿迭代法迭代15次收敛，浮点运算次数为2118，每次迭代平均浮点运算次数为141，CPU 耗时t =1.600e-002(s)拟牛顿法迭代338次收敛，浮点运算次数为88454，每次迭代平均浮点运算次数为262，CPU 耗时t =3.100e-002(s)1.2.2第二个方程组精确解为*T =(0.886020214719037, 0.796444775323146, 0.749479574122230)x 取最大迭代次数n=5000，相对误差限Tol=1e-6(1)取()(0)000x T=，， 牛顿迭代法迭代5次收敛，浮点运算次数为776，每次迭代平均浮点运算次数为155.2，CPU 耗时t =0(s)拟牛顿法迭代6次收敛，浮点运算次数为1635，每次迭代平均浮点运算次数为273，CPU 耗时t =0(s)(2)取()(0)888x T=，， 牛顿迭代法迭代9次收敛，浮点运算次数为1519，每次迭代平均浮点运算次数为169，CPU 耗时t =0(s)拟牛顿法迭代21次收敛，浮点运算次数为5924，每次迭代平均浮点运算次数为282，CPU 耗时t =1.600e-002(s)(3)对于离精确解更远的初值（如()(0)101010x T=，，），在计算中会出现奇异或接近奇异的矩阵，计算结果误差很大或计算根本无法进行下去。
第1篇一、实验目的本次实验旨在通过数值分析方法对一组已知数据点进行拟合，掌握线性插值、多项式插值、样条插值等方法的基本原理和实现过程，并学会使用MATLAB进行数值拟合。
二、实验内容1. 线性插值线性插值是一种简单的插值方法，适用于数据点分布较为均匀的情况。
其基本原理是通过两个相邻的数据点，利用线性关系拟合出一条直线，然后通过该直线来估算未知的值。
2. 多项式插值多项式插值是一种较为精确的插值方法，通过构造一个多项式函数来逼近已知数据点。
其基本原理是利用最小二乘法求解多项式的系数，使得多项式在已知数据点上的误差最小。
3. 样条插值样条插值是一种更灵活的插值方法，通过构造一系列样条曲线来逼近已知数据点。
其基本原理是利用最小二乘法求解样条曲线的系数，使得样条曲线在已知数据点上的误差最小。
三、实验步骤1. 线性插值（1）在MATLAB中输入已知数据点，如：x = [1, 2, 3, 4, 5];y = [2, 4, 6, 8, 10];（2）使用MATLAB内置函数`linspace`生成插值点：xi = linspace(1, 5, 100);（3）使用MATLAB内置函数`interp1`进行线性插值：yi = interp1(x, y, xi, 'linear');（4）绘制插值曲线：plot(xi, yi, 'b-', x, y, 'ro');2. 多项式插值（1）在MATLAB中输入已知数据点，如：x = [1, 2, 3, 4, 5];y = [2, 4, 6, 8, 10];（2）使用MATLAB内置函数`polyfit`求解多项式系数：p = polyfit(x, y, 3);（3）使用MATLAB内置函数`polyval`进行多项式插值：yi = polyval(p, xi);（4）绘制插值曲线：plot(xi, yi, 'b-', x, y, 'ro');3. 样条插值（1）在MATLAB中输入已知数据点，如：x = [1, 2, 3, 4, 5];y = [2, 4, 6, 8, 10];（2）使用MATLAB内置函数`spline`进行样条插值：yi = spline(x, y, xi);（3）绘制插值曲线：plot(xi, yi, 'b-', x, y, 'ro');四、实验结果与分析1. 线性插值线性插值方法简单易行，但精度较低，适用于数据点分布较为均匀的情况。
数值分析实验报告一、实验目的数值分析是一门研究用计算机求解数学问题的数值方法及其理论的学科。
本次实验的目的在于通过实际操作和编程实现，深入理解和掌握数值分析中的常见算法，提高运用数值方法解决实际问题的能力，并对算法的精度、稳定性和效率进行分析和比较。
二、实验环境本次实验使用的编程语言为 Python，使用的开发工具为 PyCharm。
实验所依赖的主要库包括 NumPy、Matplotlib 等。
三、实验内容（一）函数逼近与插值1、拉格朗日插值法通过给定的离散数据点，构建拉格朗日插值多项式，对未知点进行函数值的估计。
2、牛顿插值法与拉格朗日插值法类似，但采用了不同的形式和计算方式。
（二）数值积分1、梯形公式将积分区间划分为若干个梯形，通过计算梯形面积之和来近似积分值。
2、辛普森公式基于抛物线拟合的方法，提高积分近似的精度。
（三）线性方程组求解1、高斯消元法通过逐行消元将线性方程组化为上三角形式，然后回代求解。
2、 LU 分解法将系数矩阵分解为下三角矩阵 L 和上三角矩阵 U，然后通过两次前代和回代求解。
（四）非线性方程求解1、二分法通过不断将区间一分为二，逐步缩小根所在的区间，直到满足精度要求。
2、牛顿迭代法利用函数的切线来逼近根，通过迭代逐步收敛到根的近似值。
四、实验步骤（一）函数逼近与插值1、拉格朗日插值法定义计算拉格朗日基函数的函数。
根据给定的数据点和待求点，计算插值多项式的值。
输出插值结果，并与真实值进行比较。
2、牛顿插值法计算差商表。
构建牛顿插值多项式。
进行插值计算和结果分析。
（二）数值积分1、梯形公式定义积分区间和被积函数。
按照梯形公式计算积分近似值。
分析误差。
2、辛普森公式同样定义积分区间和被积函数。
运用辛普森公式计算积分近似值。
比较与梯形公式的精度差异。
（三）线性方程组求解1、高斯消元法输入系数矩阵和右端项向量。
进行消元操作。
回代求解方程。
输出解向量。
2、 LU 分解法对系数矩阵进行 LU 分解。
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12345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);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=;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;elseb=c;endR=b-a;%求出误差k=k+1;endx=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);%%%改进常数或重根数miu=2;%%%初始值x0x0=input('input initial value x0>>');k=0;%迭代次数max=100;%最大迭代次数R=eval(subs(f,'x0','x'));%求解f(x0)，以确定初值x0时否就是解while (abs(R)>1e-8)x1=x0-miu*eval(subs(f,'x0','x'))/eval(subs(df,'x0', 'x'));R=x1-x0;x0=x1;k=k+1;if (eval(subs(f,'x0','x')) breakendif k>max;%如果迭代次数大于给定值，认为迭代不收敛，重新输入初值ss=input('maybe result is error,choose a new x0,y/n?>>','s');if strcmp(ss,'y')x0=input('input initial value x0>>');k=0;elsebreakendendendk;%给出迭代次数x=x0；%给出解结果分析和讨论：x2?0在[1，2]内的根。
(??5*10?6,下同) 1. 用二分法计算方程sinx?2计算结果为x= ；f(x)= -；k=18；由f(x)知结果满足要求，但迭代次数比较多，方法收敛速度比较慢。
2. 用二分法计算方程x3?x?1?0在[1，]内的根。
计算结果为x= ；f(x)= ；k=17；由f(x)知结果满足要求，但迭代次数还是比较多。
3. 用Newton法求解下列方程a) xex?1?0 x0=；计算结果为x= ；f(x)= ；k=4；由f(x)知结果满足要求，而且又迭代次数只有4次看出收敛速度很快。
b) x3?x?1?0 x0=1；c) (x?1)2(2x?1)?0 x0=, x0=；当x0=时，计算结果为x= ；f(x)= -；k=4；由f(x)知结果满足要求，而且又迭代次数只有4次看出收敛速度很快，实际上该方程确实有真解x=。
当x0=时，计算结果为x= ；f(x)=0；k=9；由f(x)知结果满足要求，实际上该方程确实有真解x=，但迭代次数增多，实际上当取x0〉时，x≈1，就变成了方程的另一个解，这说明Newton法收敛与初值很有关系，有的时候甚至可能不收敛。
4. 用改进的Newton法求解，有2重根，取??2(x?1)2(2x?1)?0 x0=；并与3.中的c)比较结果。
当x0=时，程序死循环，无法计算，也就是说不收敛。
改??时，结果收敛为x=；f(x)=；k=16；显然这个结果不是很好，而且也不是收敛至方程的2重根上。
当x0=时，结果收敛为x= ；f(x)= ；k=4；这次达到了预期的结果，这说明初值的选取很重要，直接关系到方法的收敛性，实际上直接用Newton法，在给定同样的条件和精度要求下，可得其迭代次数k=15，这说明改进后的Newton法法速度确实比较快。
结论：对于二分法，只要能够保证在给定的区间内有根，使能够收敛的，当时收敛的速度和给定的区间有关，二且总体上来说速度比较慢。
Newton法，收敛速度要比二分法快，但是最终其收敛的结果与初值的选取有关，初值不同，收敛的结果也可能不一样，也就是结果可能不是预期需要的结果。
改进的Newton法求解重根问题时，如果初值不当，可能会不收敛，这一点非常重要，当然初值合适，相同情况下其速度要比Newton法快得多。
在编制程序过程中，需事先规定迭代的次数，若超过这个次数，还不收敛，则停止迭代，另选初值。
篇三：数值分析实验报告5篇误差分析实验（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p(x)?(x?1)(x?2)?(x?20)??(x?k)k?120()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p(x)??x19?0()其中?是一个非常小的数。
这相当于是对（）中x19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”。
u?roots(a)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a1,a2,?,an?1，则输出u的各分量是多项式方程a1xn?a2xn?1???anx?an?1?0 的全部根；而函数b?poly(v)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。
ess?; ve?zeros(1,21); ve(2)?ess;roots(poly(1:20)?ve)上述简单的Matlab程序便得到（）的全部根，程序中的“ess”即是（）中的?。
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?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?x18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，p(x,?)?x20??x19???0()同时将方程的解x看成是系数?的函数，考察方程的某个解关于?的扰动是否敏感，与研究它关于?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?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。
实验过程：程序：a=poly(1:20); rr=roots(a); for n=2:21 nfor m=1:9ess=10^(-6-m);ve=zeros(1,21);ve(n)=ess;r=roots(a+ve);-6-ms=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) for n=2:21 nfor m=1:8ess=10^(-6-m);ve=zeros(1,21);ve(n)=ess;a=poly(1:20)+ve;y=poly2sym(a);r=solve(y);-6-m s=max(abs(r-rr)) end end数值实验结果及分析：讨论：利用这种方法进行这类实验，可以很精确的扰动敏感性的一般规律。
即当对扰动项的系数越来越小时，对其多项式扰动的结果也就越来越小，即扰动敏感性与扰动项的系数成正比，扰动项的系数越大，对其根的扰动敏感性就越明显，当扰动的系数一定时，扰动敏感性与扰动的项的幂数成正比，扰动的项的幂数越高，对其根的扰动敏感性就越明显。
实验总结：利用MATLAB来进行病态问题的实验，虽然其得出的结果是有误差的，但是可以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。
