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。
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。
第1篇在数值分析这门课程的学习过程中，我深刻体会到了理论知识与实践操作相结合的重要性。
通过一系列的实验，我对数值分析的基本概念、方法和应用有了更加深入的理解。
以下是我对数值分析实验的心得体会。
一、实验目的与意义1. 巩固数值分析理论知识：通过实验，将课堂上学到的理论知识应用到实际问题中，加深对数值分析概念和方法的理解。
2. 培养实际操作能力：实验过程中，我学会了使用Matlab等软件进行数值计算，提高了编程能力。
3. 增强解决实际问题的能力：实验项目涉及多个领域，通过解决实际问题，提高了我的问题分析和解决能力。
4. 培养团队协作精神：实验过程中，我与同学们分工合作，共同完成任务，培养了团队协作精神。
二、实验内容及方法1. 实验一：拉格朗日插值法与牛顿插值法（1）实验目的：掌握拉格朗日插值法和牛顿插值法的原理，能够运用这两种方法进行函数逼近。
（2）实验方法：首先，我们选择一组数据点，然后利用拉格朗日插值法和牛顿插值法构造插值多项式。
最后，我们将插值多项式与原始函数进行比较，分析误差。
2. 实验二：方程求根（1）实验目的：掌握二分法、Newton法、不动点迭代法、弦截法等方程求根方法，能够运用这些方法求解非线性方程的根。
（2）实验方法：首先，我们选择一个非线性方程，然后运用二分法、Newton法、不动点迭代法、弦截法等方法求解方程的根。
最后，比较不同方法的收敛速度和精度。
3. 实验三：线性方程组求解（1）实验目的：掌握高斯消元法、矩阵分解法等线性方程组求解方法，能够运用这些方法求解线性方程组。
（2）实验方法：首先，我们构造一个线性方程组，然后运用高斯消元法、矩阵分解法等方法求解方程组。
最后，比较不同方法的计算量和精度。
4. 实验四：多元统计分析（1）实验目的：掌握多元统计分析的基本方法，能够运用这些方法对数据进行分析。
（2）实验方法：首先，我们收集一组多元数据，然后运用主成分分析、因子分析等方法对数据进行降维。
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。
一、实验目的通过本次实验，掌握数值分析的基本原理和方法，了解数值分析在科学和工程领域的应用，培养动手能力和分析问题的能力。
二、实验内容1. 二分法求方程根（1）原理：二分法是一种在实数域上寻找函数零点的算法。
对于连续函数f(x)，如果在区间[a, b]上f(a)f(b)<0，则存在一个根在区间(a, b)内。
二分法的基本思想是将区间[a, b]不断二分，缩小根所在的区间，直到满足精度要求。
（2）实验步骤：① 输入函数f(x)和精度要求；② 初始化区间[a, b]和中间点c=a+(b-a)/2；③ 判断f(c)与f(a)的符号，若符号相同，则将区间缩小为[a, c]，否则缩小为[c,b]；④ 重复步骤②和③，直到满足精度要求；⑤ 输出根的近似值。
2. 牛顿法求方程根（1）原理：牛顿法是一种在实数域上寻找函数零点的算法。
对于可导函数f(x)，如果在点x0附近，f(x0)f'(x0)≠0，则存在一个根在点x0附近。
牛顿法的基本思想是通过泰勒展开近似函数，然后求解近似方程的根。
（2）实验步骤：① 输入函数f(x)和精度要求；② 初始化迭代次数n=0，近似根x0；③ 计算导数f'(x0)；④ 求解近似方程x1=x0-f(x0)/f'(x0)；⑤ 判断|x1-x0|是否满足精度要求，若满足，则停止迭代；否则，将x0更新为x1，n=n+1，返回步骤③。
3. 雅可比迭代法解线性方程组（1）原理：雅可比迭代法是一种解线性方程组的迭代算法。
对于线性方程组Ax=b，雅可比迭代法的基本思想是利用矩阵A的对角线元素将方程组分解为多个一元线性方程，然后逐个求解。
（2）实验步骤：① 输入系数矩阵A和常数向量b；② 初始化迭代次数n=0，近似解向量x0；③ 计算对角线元素d1, d2, ..., dn；④ 更新近似解向量x1=x0-A/d1, x2=x0-A/d2, ..., xn=x0-A/dn；⑤ 判断|x1-x0|是否满足精度要求，若满足，则停止迭代；否则，将x0更新为x1, x2, ..., xn，n=n+1，返回步骤③。
数值分析实验报告篇一：数值分析实验报告(一)(完整)数值分析实验报告12345篇二：数值分析实验报告数值分析实验报告课题一：解线性方程组的直接方法1.实验目的：1、通过该课题的实验，体会模块化结构程序设计方法的优点；2、运用所学的计算方法，解决各类线性方程组的直接算法；3、提高分析和解决问题的能力，做到学以致用；4、通过三对角形线性方程组的解法，体会稀疏线性方程组解法的特点。
2.实验过程：实验代码：#include "stdio.h"#include "math.h"#includeiostreamusing namespace std;//Gauss法void lzy(double **a,double *b,int n) {int i,j,k;double l,x[10],temp;for(k=0;kn-1;k++){for(j=k,i=k;jn;j++){if(j==k)temp=fabs(a[j][k]);else if(tempfabs(a[j][k])){temp=fabs(a[j][k]);i=j;}}if(temp==0){cout"无解\n; return;}else{for(j=k;jn;j++){temp=a[k][j];a[k][j]=a[i][j];a[i][j]=temp;}temp=b[k];b[k]=b[i];b[i]=temp;}for(i=k+1;in;i++) {l=a[i][k]/a[k][k];for(j=k;jn;j++)a[i][j]=a[i][j]-l*a[k][j]; b[i]=b[i]-l*b[k];}if(a[n-1][n-1]==0){cout"无解\n;return;}x[n-1]=b[n-1]/a[n-1][n-1];for(i=n-2;i=0;i--){temp=0;for(j=i+1;jn;j++)temp=temp+a[i][j]*x[j];x[i]=(b[i]-temp)/a[i][i];}for(i=0;in;i++){printf("x%d=%lf\t",i+1,x[i]); printf("\n");}}//平方根法void pfg(double **a,double *b,int n)int i,k,m;double x[8],y[8],temp;for(k=0;kn;k++){temp=0;for(m=0;mk;m++)temp=temp+pow(a[k][m],2);if(a[k][k]temp)return;a[k][k]=pow((a[k][k]-temp),1.0/2.0);for(i=k+1;in;i++){temp=0;for(m=0;mk;m++)temp=temp+a[i][m]*a[k][m]; a[i][k]=(a[i][k]-temp)/a[k][k]; }temp=0;for(m=0;mk;m++)temp=temp+a[k][m]*y[m];y[k]=(b[k]-temp)/a[k][k];}x[n-1]=y[n-1]/a[n-1][n-1];for(k=n-2;k=0;k--){temp=0;for(m=k+1;mn;m++)temp=temp+a[m][k]*x[m];x[k]=(y[k]-temp)/a[k][k];}for(i=0;in;i++){printf("x%d=%lf\t",i+1,x[i]);printf("\n");}}//追赶法void zgf(double **a,double *b,int n){int i;double a0[10],c[10],d[10],a1[10],b1[10],x[10],y[10]; for(i=0;in;i++){a0[i]=a[i][i];if(in-1)c[i]=a[i][i+1];if(i0)d[i-1]=a[i][i-1];}a1[0]=a0[0];for(i=0;in-1;i++){b1[i]=c[i]/a1[i];a1[i+1]=a0[i+1]-d[i+1]*b1[i];}y[0]=b[0]/a1[0];for(i=1;in;i++)y[i]=(b[i]-d[i]*y[i-1])/a1[i];x[n-1]=y[n-1];for(i=n-2;i=0;i--)x[i]=y[i]-b1[i]*x[i+1];for(i=0;in;i++){printf("x%d=%lf\t",i+1,x[i]); printf("\n");}}int main(){int n,i,j;double **A,**B,**C,*B1,*B2,*B3;A=(double **)malloc(n*sizeof(double)); B=(double **)malloc(n*sizeof(double));C=(double **)malloc(n*sizeof(double));B1=(double *)malloc(n*sizeof(double));B2=(double *)malloc(n*sizeof(double));B3=(double *)malloc(n*sizeof(double));for(i=0;in;i++){A[i]=(double *)malloc((n)*sizeof(double));B[i]=(double*)malloc((n)*sizeof(double));C[i]=(double*)malloc((n)*sizeof(double)); }cout"第一题(Gauss列主元消去法):"endlendl; cout"请输入阶数n:"endl;cinn;cout"\n请输入系数矩阵:\n\n";for(i=0;in;i++)for(j=0;jn;j++){篇三：数值分析实验报告(包含源程序) 课程实验报告课程实验报告。
一、实验背景数值分析是研究数值计算方法及其理论的学科，是计算机科学、数学、物理学等领域的重要基础。
为了提高自身对数值分析理论和方法的理解，我们进行了数值分析实验，通过实验加深对理论知识的掌握，提高实际操作能力。
二、实验目的1. 理解数值分析的基本理论和方法；2. 掌握数值分析实验的基本步骤和技巧；3. 培养实验设计和数据分析能力；4. 提高编程和计算能力。
三、实验内容本次实验主要分为以下几个部分：1. 线性方程组求解实验：通过高斯消元法、LU分解法等求解线性方程组，并分析算法的稳定性和误差；2. 矩阵特征值问题计算实验：利用幂法、逆幂法等计算矩阵的特征值和特征向量，分析算法的收敛性和精度；3. 非线性方程求根实验：运用二分法、牛顿法、不动点迭代法等求解非线性方程的根，比较不同算法的优缺点；4. 函数插值实验：运用拉格朗日插值、牛顿插值等方法对给定的函数进行插值，分析插值误差；5. 常微分方程初值问题数值解法实验：运用欧拉法、改进的欧拉法、龙格-库塔法等求解常微分方程初值问题，比较不同算法的稳定性和精度。
四、实验过程1. 线性方程组求解实验：首先，编写程序实现高斯消元法、LU分解法等算法；然后，对给定的线性方程组进行求解，记录计算结果；最后，分析算法的稳定性和误差。
2. 矩阵特征值问题计算实验：编写程序实现幂法、逆幂法等算法；然后，对给定的矩阵进行特征值和特征向量的计算，记录计算结果；最后，分析算法的收敛性和精度。
3. 非线性方程求根实验：编写程序实现二分法、牛顿法、不动点迭代法等算法；然后，对给定的非线性方程进行求根，记录计算结果；最后，比较不同算法的优缺点。
4. 函数插值实验：编写程序实现拉格朗日插值、牛顿插值等方法；然后，对给定的函数进行插值，记录计算结果；最后，分析插值误差。
5. 常微分方程初值问题数值解法实验：编写程序实现欧拉法、改进的欧拉法、龙格-库塔法等算法；然后，对给定的常微分方程初值问题进行求解，记录计算结果；最后，比较不同算法的稳定性和精度。
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。
数值分析实验实验报告数值分析实验实验报告引言在现代科学与工程领域，数值分析是一项重要的技术手段。
通过数值方法，我们可以利用计算机模拟和解决各种实际问题，如物理、化学、生物、经济等领域中的方程求解、优化问题、数据拟合等。
本实验旨在通过实际案例，探讨数值分析的应用和效果。
实验一：方程求解首先，我们考虑一个简单的方程求解问题。
假设我们需要求解方程f(x) = 0的根，其中f(x)是一个在给定区间[a, b]上连续且单调的函数。
为了实现这个目标，我们可以采用二分法、牛顿法、弦截法等数值方法。
在本实验中，我们选择使用二分法来求解方程f(x) = 0。
这种方法的基本思想是通过不断缩小区间[a, b]的范围，直到找到一个近似的根。
我们首先选取一个中间点c，计算f(c)的值，然后根据f(c)与0的关系，将区间[a, b]分成两部分。
重复这个过程，直到找到满足精度要求的根。
实验二：数据拟合接下来，我们考虑一个数据拟合的问题。
假设我们有一组离散的数据点，我们希望找到一个函数，使得该函数与这些数据点的拟合误差最小。
为了实现这个目标，我们可以采用最小二乘法等数值方法。
在本实验中，我们选择使用最小二乘法来进行数据拟合。
这种方法的基本思想是通过最小化数据点与拟合函数之间的误差平方和，来确定拟合函数的参数。
我们首先选择一个拟合函数的形式，如线性函数、多项式函数等。
然后，通过最小化误差平方和的方法，计算出拟合函数的参数。
实验三：优化问题最后，我们考虑一个优化问题。
假设我们需要在给定的约束条件下，找到一个使得目标函数取得最大或最小值的变量。
为了实现这个目标，我们可以采用梯度下降法、遗传算法等数值方法。
在本实验中，我们选择使用梯度下降法来解决优化问题。
这种方法的基本思想是通过迭代的方式，不断调整变量的取值，直到找到一个满足约束条件的最优解。
我们首先计算目标函数关于变量的梯度，然后根据梯度的方向和大小，更新变量的取值。
通过不断迭代，我们可以逐步接近最优解。
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)x f(b)<0且f(x)在(a,b)内仅有一实根，取中点一步步求得根的近似解，在满足精度要求时，即为所求的值。
Newton 法乃利用)()('1k k k k x f x f x x -=+，由递推产生近似于真值的解，但Newton 法的初值选择好坏直接影响迭代的次数甚至迭代的收敛与发散。
即若x 0 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Matla b 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)<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x 0，然后根据其迭代公式)()('1k k k k x f x f x x -=+ 产生逼近解x *的迭代数列{x k }，这就是Newton 法的思想。
当x 0接近x *时收敛很快，但是当x 0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)()('1k k k k x f x f rx x -=+ 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;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'))<1e-10); break endif 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; else break end end endk;%给出迭代次数 x=x0；%给出解结果分析和讨论：1. 用二分法计算方程02sin 2=-x x 在[1，2]内的根。
(610*5-=ε,下同) 计算结果为x= 1.40441513061523；f(x)= -3.797205105904311e-007； 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013=--x x 在[1，1.5]内的根。
计算结果为x= 1.32471847534180； f(x)= 2.209494846194815e-006； 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) 01=-x xe x 0=0.5； 计算结果为x= 0.56714329040978； f(x)= 2.220446049250313e-016； 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) 013=--x x x 0=1；c) 0)12()1(2=--x x x 0=0.45, x 0=0.65；当x 0=0.45时，计算结果为x= 0.49999999999983；f(x)= -8.362754932994584e-014； 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=0.5。
当x 0=0.65时，计算结果为x= 0.50000000000000； 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=0.5，但迭代次数增多，实际上当取x 0〉0.68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=μ0)12()1(2=--x x x 0=0.55；并与3.中的c)比较结果。
当x 0=0.55时，程序死循环，无法计算，也就是说不收敛。
改5.1=μ时，结果收敛为x=0.50000087704286； f(x)=4.385198907621127e-007； 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x 0=0.85时，结果收敛为x= 1.00000000000489； f(x)= 2.394337647718737e-023； 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。
实验报告二题目： Romberg 积分法摘要：应用数值方法进行求解积分问题已经有着很广泛的应用，本实验基于Romberg 积分法来解决一类积分问题。
Romberg 积分法的算法基础是基于复化梯形公式的，T 0,K 将区间进行2k 等份的复化梯形求积公式的计算结果，根据理查逊外推加速方法推出T m,K 来。
很明显，Romberg 积分法为高速有效，易于编制程序，非常适合于计算机计算的方法。
另外，Romberg 积分法计算过程在计算机上实现时，只需开辟一个一维数组，即每次计算的结果T m,K ，可存放在T 0,K 位置上，其最终结果T m,0存放在T 0,0位置上。
前言：（目的和意义）1. 理解和掌握Romberg 积分法的原理；2. 学会使用Romberg 积分法；3. 明确Romberg 积分法的收敛速度及应用时容易出现的问题；4．体会算法的思想，体会计算机在此类积分中所发挥出来的巨大的优势； 5．学会用matlab 语言编制程序，解决比较繁琐的积分问题。
数学原理：考虑积分⎰=ba dx x f f I )()(，欲求其近似值，通常有复化的梯形公式、Simpsion 公式和Cotes 公式。
但是给定一个精度，这些公式达到要求的速度很缓慢。
如何提高收敛速度，自然是人们极为关心的课题。
为此，记T 1,k 为将区间[a,b ]进行2k 等分的复化的梯形公式计算结果，记T 2,k 为将区间[a,b ]进行2k 等分的复化的Simpsion 公式计算结果，记T 3,k 为将区间[a,b ]进行2k 等分的复化的Cotes 公式计算结果。
根据Richardson 外推加速方法，可以得到收敛速度较快的Romberg 积分法。
其具体的计算公式为：1. 准备初值，计算0,0[()()]2a bT f a f b -=+ 2. 按梯形公式的递推关系，计算120,0,111((21))222i i i i i j b a b aT T f a j --=--=++-∑3. 按Romberg 积分公式计算加速值11,11,,1441m m k m km k m T T T --+---=- m=1,2,…，k=i-m4. 精度控制。
对给定的精度R ，若R T T m m <--1,11,则终止计算，并取1,m T 为所求结果；否则返回2重复计算，直至满足要求的精度为止。
程序设计：本实验采用Matlab 的M 文件编写。
其中待积分的函数写成function 的方式，例如如下function yy=f(x,y); yy=x.^3;写成如上形式即可，下面给出主程序Romberg 积分法源程序%%% Romberg 积分法 clear%%%积分区间 b=3; a=1;%%%精度要求 R=1e-5;%%%应用梯形公式准备初值 T(1,1)=(b-a)*(f(b)+f(a))/2; T(1,2)=T(1,1)/2+(b-a)/2*f((b+a)/2); T(2,1)=(4*T(1,2)-T(1,1))/(4-1); j=2; m=2;%%%主程序体%%%while(abs(T(m,1)-T(m-1,1))>R);%%%精度控制 j=j+1; s=0;for p=1:2^(j-2);s=s+f(a+(2*p-1)*h/(2^(j-1))); endT(1,j)=T(1,j-1)/2+h*s/(2^(j-1)); %%%梯形公式应用 for m=2:j; k=(j-m+1);T(m,k)=((4^(m-1))*T(m-1,k+1)-T(m-1,k))/(4^(m-1)-1); end end%%%给出 Romberg 积分法的函数表 I=T(m,1)结果分析和讨论：进行具体的积分时，精度取R=1e-8。
