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。
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。
一、实习背景数值分析是数学的一个重要分支，它研究如何用数值方法求解数学问题。
随着计算机技术的飞速发展，数值分析在各个领域得到了广泛的应用。
为了提高自己的实践能力，我选择了数值分析作为实习课题，希望通过这次实习，能够掌握数值分析的基本方法，并将其应用于实际问题中。
二、实习过程1. 实习初期在实习初期，我首先了解了数值分析的基本概念、理论和方法。
通过阅读相关教材和文献，我对数值分析有了初步的认识。
接着，我学习了数值分析的基本方法，如泰勒展开、牛顿法、高斯消元法等。
2. 实习中期在实习中期，我选择了几个实际问题进行数值计算。
首先，我使用泰勒展开法求解一个简单的微分方程。
通过编写程序，我得到了微分方程的近似解。
然后，我运用牛顿法求解一个非线性方程组。
在实际计算过程中，我遇到了一些问题，如收敛性、迭代次数过多等。
通过查阅资料和请教导师，我找到了解决方法，成功求解了方程组。
3. 实习后期在实习后期，我进一步学习了数值分析的高级方法，如复化梯形公式、复化Simpson公式、自适应梯形法等。
这些方法在解决实际问题中具有更高的精度和效率。
我选择了一个具体的工程问题，运用复化梯形公式求解定积分。
在计算过程中，我遇到了区间细分、精度控制等问题。
通过不断尝试和调整，我得到了较为精确的积分值。
三、实习收获与体会1. 理论与实践相结合通过这次实习，我深刻体会到理论与实践相结合的重要性。
在实习过程中，我不仅学习了数值分析的理论知识，还将其应用于实际问题中。
这使我更加深刻地理解了数值分析的基本方法，提高了自己的实践能力。
2. 严谨的学术态度在实习过程中，我养成了严谨的学术态度。
在编写程序、进行数值计算时，我注重细节，力求精确。
这使我更加注重学术规范，提高了自己的学术素养。
3. 团队合作精神实习过程中，我与其他同学进行了交流与合作。
在解决实际问题时，我们互相学习、互相帮助，共同完成了实习任务。
这使我更加懂得团队合作的重要性，提高了自己的团队协作能力。
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。
