下载文档原格式
数值分析第五章答案【篇一：数值分析第五版计算实习题】第二章2-1程序：clear;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(:);or j=2:n %求差商for i=n:-1:jc(i)=(c(i)-c(i-1))/(x1(i)-x1(i-j+1));endendsyms 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)*df(i);enddisp(4次牛顿插值多项式);p4=vpa(collect((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;disp(三次样条函数);for i=1:4s=q(i,:)*[(x-x1(i))^3;(x-x1(i))^2;(x-x1(i));1];s=vpa(collect(s),5)endx2=0.2:0.08:1.08;dot=[1 2 11 12];figureezplot(p4,[0.2,1.08]);hold ony2=fnval(pp,x2);x=x2(dot);y3=eval(p4);y4=fnval(pp,x2(dot));plot(x2,y2,r,x2(dot),y3,b*,x2(dot),y4,co);title(4次牛顿插值及三次样条);结果如下：4次牛顿插值多项式p4 = - 0.52083*x^4 + 0.83333*x^3 - 1.1042*x^2 + 0.19167*x + 0.98 三次样条函数x∈[0.2,0.4]时， s = - 1.3393*x^3 + 0.80357*x^2 - 0.40714*x + 1.04 x∈[0.4,0.6]时，s = 0.44643*x^3 - 1.3393*x^2 + 0.45*x +0.92571 x∈[0.6,0.8]时，s = - 1.6964*x^3 + 2.5179*x^2 - 1.8643*x + 1.3886 x∈[0.8,1.0]时，s =2.5893*x^3 - 7.7679*x^2 + 6.3643*x - 0.80571 输出图如下2-3（1）程序：clear;clc;x1=[0 1 4 9 16 25 36 49 64];y1=[0 1 2 3 4 5 6 7 8];%插值点n=length(y1);a=ones(n,2);a(:,2)=-x1;c=1;for i=1:nc=conv(c,a(i,:));endq=zeros(n,n);r=zeros(n,n+1);for i=1:n[q(i,:),r(i,:)]=deconv(c,a(i,:));%wn+1/(x-xk)enddw=zeros(1,n);for i=1:ndw(i)=y1(i)/polyval(q(i,:),x1(i));%系数endp=dw*q;syms x l8;for i=1:nl8(i)=p(n-i+1)*x^(i-1);enddisp(8次拉格朗日插值);l8=vpa(collect((sum(l8))),5)xi=0:64;yi=polyval(p,xi);figureplot(xi,yi,x1,y1,r*);hold ontitle(8次拉格朗日插值);结果如下：8次拉格朗日插值l8 =- 3.2806e-10*x^8 + 6.7127e-8*x^7 - 5.4292e-6*x^6 +0.00022297*x^5 - 0.0049807*x^4 + 0.060429*x^3 - 0.38141*x^2 +1.3257*x输出图如下：第五章4-1（3）程序：clc;clear;y= @(x) sqrt(x).*log(x);a=0;b=1;tol=1e-4;p=quad(y,a,b,tol);fprintf(采用自适应辛普森积分结果为： %d \n, p);结果如下：采用自适应辛普森积分结果为： -4.439756e-01第九章9-1(a)程序：clc;clear;a=1;b=2;%定义域h=0.05;%步长n=(b-a)/h;y0=1;%初值f= @(x,y) 1/x^2-y/x;%微分函数xn=linspace(a,b,n+1);%将定义域分为n等份 yn=zeros(1,n);%结果矩阵yn(1)=y0;%赋初值%以下根据改进欧拉公式求解for i=1:nxn=xn(i);xnn=xn(i+1);yn=yn(i);yp=yn+h*f(xn,yn);yc=yn+h*f(xnn,yp);yn=(yp+yc)/2;yn(i+1)=yn;endxn=yn;%以下根据经典四阶r-k法公式求解for i=1:nxn=xn(i);yn=yn(i);k1=f(xn,yn);k2=f(xn+h/2,yn+h/2*k1);k3=f(xn+h/2,yn+h/2*k2);k4=f(xn+h,yn+h*k3);yn=yn+h/6*(k1+2*k2+2*k3+k4);yn(i+1)=yn;enddisp(改进欧拉法四阶经典r-k法); disp([xn yn])结果如下：改进欧拉法四阶经典r-k法 110.998870.998850.99577 0.99780.991140.996940.985320.996340.978570.996030.971110.996060.963110.996450.95470.997230.945980.998410.9370510.92798 1.0020.91883 1.00440.90964 1.00730.90045 1.01060.89129 1.01430.88218 1.01840.87315 1.02290.86421 1.02780.85538 1.03310.84665 1.0388（b）程序：clc;clear;a=0;b=1;%定义域h=[0.1 0.025 0.01];%步长y0=1/3;%初值f= @(x,y) -50*y+50*x^2+2*x;%微分函数 xi=linspace(a,b,11);y=1/3*exp(-50*xi)+xi.^2;%准确解 ym=zeros(1,11);for j=1:3【篇二：数值分析(第五版)计算实习题第五章作业】题：lu分解法：建立m文件function h1=zhijielu(a,b)%h1各阶主子式的行列式值[n n]=size(a);ra=rank(a);if ra~=ndisp(请注意：因为a的n阶行列式h1等于零，所以a不能进行lu 分解。
数值分析第五章实习题答案数值分析第五章实习题答案数值分析是一门研究如何使用计算机来解决数学问题的学科。
在数值分析的学习过程中，实习题是非常重要的一部分，通过实习题的练习，可以帮助我们巩固所学的知识，并且提高我们的解题能力。
本文将为大家提供数值分析第五章实习题的答案，希望对大家的学习有所帮助。
第一题：求下列方程的一个正根，并用二分法和牛顿法分别计算根的近似值。
方程：x^3 - 3x + 1 = 0解答：首先，我们可以通过绘制函数图像来初步估计方程的根的范围。
根据图像，我们可以大致确定根在区间[0, 2]之间。
接下来，我们使用二分法来计算根的近似值。
根据二分法的原理，我们将区间[0, 2]等分为两部分，然后判断根在哪一部分。
不断重复这个过程，直到找到根的近似值。
具体计算过程如下：- 将区间[0, 2]等分为两部分，得到中点x = 1。
- 计算方程在x = 1处的函数值f(1) = -1。
- 根据函数值的正负性，我们可以确定根在区间[1, 2]之间。
- 将区间[1, 2]等分为两部分，得到中点x = 1.5。
- 计算方程在x = 1.5处的函数值f(1.5) = 1.375。
- 根据函数值的正负性，我们可以确定根在区间[1, 1.5]之间。
- 重复以上步骤，直到找到根的近似值。
最终得到根的近似值为x ≈ 1.365。
接下来，我们使用牛顿法来计算根的近似值。
牛顿法是一种迭代法，通过不断逼近根的位置来计算根的近似值。
具体计算过程如下：- 选择初始近似值x0 = 1。
- 计算方程在x = 1处的函数值f(1) = -1。
- 计算方程在x = 1处的导数值f'(1) = 4。
- 利用牛顿法的迭代公式x1 = x0 - f(x0)/f'(x0)，我们可以得到x1 ≈ 1.333。
- 重复以上步骤，直到找到根的近似值。
最终得到根的近似值为x ≈ 1.365。
通过二分法和牛顿法，我们分别得到了方程x^3 - 3x + 1 = 0的一个正根的近似值为x ≈ 1.365。
第一章 绪论1．设0x >,x 的相对误差为δ，求ln x 的误差。
解：近似值*x 的相对误差为*****r e x xe x x δ-=== 而ln x 的误差为()1ln *ln *ln **e x x x e x =-≈进而有(ln *)x εδ≈2．设x 的相对误差为2%，求n x 的相对误差。
解：设()nf x x =，则函数的条件数为'()||()p xf x C f x = 又1'()n f x nx-=, 1||n p x nx C n n-⋅∴== 又((*))(*)r p r x n C x εε≈⋅且(*)r e x 为2((*))0.02n r x n ε∴≈3．下列各数都是经过四舍五入得到的近似数，即误差限不超过最后一位的半个单位，试指出它们是几位有效数字：*1 1.1021x =,*20.031x =, *3385.6x =, *456.430x =,*57 1.0.x =⨯解：*1 1.1021x =是五位有效数字； *20.031x =是二位有效数字； *3385.6x =是四位有效数字； *456.430x =是五位有效数字； *57 1.0.x =⨯是二位有效数字。
4．利用公式(2.3)求下列各近似值的误差限：(1) ***124x x x ++,(2) ***123x x x ,(3) **24/x x .其中****1234,,,x x x x 均为第3题所给的数。
解：*41*32*13*34*151()1021()1021()1021()1021()102x x x x x εεεεε-----=⨯=⨯=⨯=⨯=⨯***124***1244333(1)()()()()1111010102221.0510x x x x x x εεεε----++=++=⨯+⨯+⨯=⨯ ***123*********123231132143(2)()()()()1111.10210.031100.031385.610 1.1021385.6102220.215x x x x x x x x x x x x εεεε---=++=⨯⨯⨯+⨯⨯⨯+⨯⨯⨯≈**24****24422*4335(3)(/)()()110.0311056.430102256.43056.43010x x x x x x xεεε---+≈⨯⨯+⨯⨯=⨯=5计算球体积要使相对误差限为1，问度量半径R 时允许的相对误差限是多少？ 解：球体体积为343V R π=则何种函数的条件数为23'4343p R V R R C V R ππ===(*)(*)3(*)r p r r V C R R εεε∴≈=又(*)1r V ε=%1故度量半径R 时允许的相对误差限为εr (V ∗)=13∗1%=13006．设028Y =，按递推公式1n n Y Y -= （n=1,2,…）计算到100Y 27.982≈（5位有效数字），试问计算100Y 将有多大误差？解：1n n Y Y -=-10099Y Y ∴=9998Y Y =9897Y Y =……10Y Y =依次代入后，有1000100Y Y =-即1000Y Y =27.982≈, 100027.982Y Y ∴=-*310001()()(27.982)102Y Y εεε-∴=+=⨯100Y ∴的误差限为31102-⨯。
数值分析课程教学大纲 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN《数值分析》课程教学大纲适用专业信息与计算科学总学时 72学分 4一、编写说明（一）本课程的性质、地位和作用随着计算机的迅速发展，在科学、技术、工程、生产、医学、经济和人文等领域中抽象出来的许多数学问题可以应用计算机计算、求解，本课程详细、系统地介绍了计算机中常用的数值计算方法及有关理论。
通过学习使学生掌握数值分析的基本知识，学会使用数值分析方法解决实际问题的技能技巧，并为后继应用型课程奠定基础。
本课程是信息与计算科学专业的一门重要的专业课程。
（二）本大纲制定的依据数值分析是一门内容丰富，研究方法深刻，有自身体系的课程，既有纯数学高度抽象性与严密科学性的特点，又有应用的广泛性与实际实验的高度技术性的特点，是一门与计算机使用密切结合的实用性很强的数学课程。
因此学习本课程时，要注意掌握方法的基本原理和思想，要注意方法处理的技巧及与计算机的结合，重视误差分析、收敛性及稳定性的基本理论。
（三）大纲内容选编原则与要求1．要学好计算方法课程必须掌握高数、线性代数和算法语言的基本内容，还需能熟练应用计算机。
任课教师在讲授每章之前，可用少量时间把涉及到的学过的内容复习一下。
2．为掌握好本课内容，学生应做一定数量的理论分析与计算练习。
3．各章的上机时间可调整，也可讲完几章后再上机，任课教师可灵活掌握。
（四）实践环节1．实践环节主要分为习题课、上机、问题讨论、课后辅导和课后作业几部分。
其中习题课12学时，上机16学时，问题讨论可在辅导课或课后完成，课后辅导每周2学时（不占总学时）。
2．上机主要内容与要求：插值法、函数逼近、数值积分与数值微分、常微分方程初值问题的数值解法、方程求根、解线性方程组的直接方法、解线性方程组的迭代法、矩阵的特征值与特征向量计算。
要求把以上章节学过的主要算法编程，上机求解问题，其中每章2学时。
（六）考核方法与要求1.平时成绩：包括作业、出勤、课堂提问、讨论情况及期中成绩。
数值分析》考试大纲一、考试标准(命题原则)1、考察学生对数值分析的基础知识（包括基本概念、基本内容、基本定理）的掌握程度以及运用已掌握的知识分析和解决问题的能力，衡量学生的数值分析及计算的能力。
2、题型比例客观题（判断题、填空题与选择题）约30--40%解答题（包括证明题）约60--70%3、难易适度，难中易比例：容易：40%，中等：50%，偏难10%。
4、考试知识点复盖率达80%以上。
二、考试时间：120分钟（2个小时）三、考试对象：数学与应用数学专业本科生四、考核知识点第一章引论(一)、知识点§1 数值分析的研究对象§2 数值计算的误差§3 病态问题、数值稳定性与避免误差危害§4 矩阵、向量和连续函数的范数(二)、基本要求1、了解向量和矩阵范数的定义和计算2、了解误差分析第二章插值法(一)、知识点§1 Lagrange插值§2 均差与Newton插值公式§3 插值余项的Peano估计§4 差分与等距节点插值公式§5 Hermite插值§6 分段低次插值§7 三次样条插值的计算方法§8 三次样条插值函数的性质与误差估计§9 B-样条函数§10 二元插值(二)、基本要求1、理解插值概念和插值问题的提法2、熟练掌握插值基函数、拉格朗日插值公式，会用余项定理估计误差3、掌握差商的概念及其性质，熟练掌握用差商表示的牛顿插值公式4、掌握埃米尔特插值、分段插值的定义和特点第三章函数逼近(一)、知识点§1 正交多项式§2 函数的最佳平方逼近§3 最小二乘法§4 周期函数的最佳平方逼近§5 快速Fourier变换§6 函数的最佳一致逼近§7 近似最佳一致逼近多项式§8 Chebyshev节约化(二)、基本要求1.了解正交多项式定义2．理解函数的最佳平方逼近3．掌握最小二乘法4．掌握周期函数的最佳平方逼近5．了解快速Fourier变换6．理解函数的最佳一致逼近7．了解近似最佳一致逼近多项式8．掌握Chebyshev节约化第四章数值积分和数值微分(一)、知识点§1 Newton-Cotes求积公式§2 复合求积公式§3 Peano的误差表示§4 Gauss求积公式§5 Romberg求积公式§6 奇异积分与振荡函数的积分§7 二维近似求积(二)、基本要求1、理解数值求积的基本思想，代数精度的概念2、熟练掌握梯形、辛普生等低价牛顿-柯特斯求积公式3、掌握复化求积公式：复化梯形求积公式、复化辛普生求积公式4、掌握龙贝格求积公式5、掌握高斯求积公式的定义和特点6、掌握几个数值微分公式第五章解线性代数方程组的直接方法(一)、知识点§1 Gauss消去法§2 主元素消去法§3 直接三角分解方法§4 矩阵的奇异值和条件数，直接方法的误差分析§5 解的迭代改进§6 稀疏矩阵技术介绍(二)、基本要求1、了解向量和矩阵范数的定义和计算2、掌握高斯消去法、按列选主元的高斯消去法、三角分解法3、了解求解特殊方程组的追赶法和Cholesky平方根法第六章解线性代数方程组的迭代方法(一)、知识点§1 迭代法的基本概念§2 Jacobi迭代法和Gauss-Seidel迭代法§3 超松弛(SOR)迭代法§4 共轭梯度法(二)、基本要求1、掌握Jacobi迭代法、Gauss-Seidel迭代法和SOR迭代法2、了解方程组右端项和系数矩阵的扰动对解的影响、方程组解法的误差分析第七章非线性方程和方程组的数值解法(一)、知识点§1 单个方程的迭代法§2 迭代加速收敛的方法§3 Newton迭代法§4 割线法与Muller方法§5 非线性方程组的不动点迭代法§6 非线性方程组的Newton法和拟Newton法(二)、基本要求1.掌握单个方程的迭代法2．了解迭代加速收敛的方法3．掌握Newton迭代法4．掌握割线法与Muller方法第八章代数特征值问题计算方法(一)、知识点§1 特征值问题的性质和估计§2 正交变换及矩阵分解§3 幂迭代法和逆幂迭代法§4 正交相似变换化矩阵为Hessenberg形式§5 QR方法§6 对称矩阵特征值问题的计算(二)、基本要求1.了解特征值问题的性质和估计2．理解正交变换及矩阵分解3．掌握幂迭代法和逆幂迭代法4．了解正交相似变换化矩阵为Hessenberg形式5．掌QR方法6．掌握对称矩阵特征值问题的计算第九章常微分方程初值问题的数值解法(一)、知识点§1 基本概念、Euler方法和有关的方法§2 Runge-Kutta方法§3 单步法的收敛性、相容性与绝对稳定性§4 线性多步法§5 线性差分方程§6 线性多步法的收敛性与稳定性§7 一阶方程组与刚性方程组(二)、基本要求1、了解一阶常微分方程初值问题数值解法的一些基本概念：步长、差分格式、单步法、多步法、显式法、隐式法、局部截断误差、整体截断误差、方法的阶数2、掌握欧拉法、改进欧拉法、梯形格式3、掌握龙格--库塔法的定义和特点4、了解亚当姆斯线性多步法5、了解差分法的收敛性和稳定性概念6、了解常微分方程边值问题五、考试要求书面答卷，闭卷考试，自带计算器。
第五章 插值与逼近--------学习小节一． 本章学习体会本章学习了插值与逼近，经过本章的学习我对插值法有了进一步的认识。
插值与逼近就是寻找一个简单的函数来代替表达式复杂甚至无法写出表达式的函数。
可以说我们现在学习推导出来的方法公式等都是前人的辛苦钻研的结果，本章除了学到了许多的插值与逼近方法，更重要的是了解了许多科学前辈的故事以及他们许多做研究的态度与方法。
我感觉了解一下数学家的人生故事对我们学习数值分析或别的数学知识有很大的帮助。
上课时王老师给我们讲了数学奇才Hermite 的传奇故事，一个不会考试，基本上每次考数学都不及格的‘笨学生’，后来成为了伟大的数学家。
不是每个数学家都特别聪明，他们所具有的是作为一名科学家的品质，想别人没有想过的问题，在研究中创新，我们应该学习他们那种做研究的态度与精神。
学习这章时有一个小小的困惑，在曲线拟合的求法时，求多元函数的极小值*2200[()()]min [()()]im nm njj i i j j i i c i j i j cx f x c x f x φφ====-=-∑∑∑∑2010(,,,)[()()]mnn j j i i i j F c c c c x f x φ===-∑∑ 老师讲时说用0kFc ∂=∂求得，那万一求出的是极大值呢？ 二．本章知识梳理数值分析中的插值是一种有力的工具，它最终得出的曲线图像都是过节点的，我们的目的使用它得出的图像来近似估计插值点的函数值。
我们首先学了代数插值中的一元函数插值，一元函数插值中学了拉格朗日插值但其插值公式没有延续性，后来学了牛顿插值，其优点是插值公式具有延续性，但前两者都有缺点，就是插值节点一般不超过三个，否则会有很大误差。
但实际工程中我们会测的许多的数据，也就有许多的节点，这样前两种差值方法就不能用了，后来我们又引进了分段线性插值，就是将这许多的节点进行分段，在每段中应用拉格朗日插值或牛顿差值。
化专012 闵建中 121029142012022302021342.(1)2()02()314==33====A A A h h A A h A A h A A h A h ⎧⎪++=⎪--=⎨⎪⎪+=⎩=解：将f(x)=1,x,x 分别代入求积公式，并令左右相等，得解得：，进一步，取f(x)x 代入上述求积公式，有左边右边0，但当f(x)x 时，上述积分公式左右不相等，因此该求积公式具有三次代数精度。
11221122.21=1=*(13=2311==*(13)=3311()((1)2(0)3())3324==,=139A A x x f x dx f f f -++-+≈-++⎰（） 解：当f(x)时，令左右相等有：2）所以有当f(x)x 时，令左右相等有：0所以有所以求积公式为：当f(x)x 时，有左边右边，左右不相等，所以其代数精度为4.解：(1) : T=0.5*(3+1)=2 S=2 C=2 err1 = 0 err2=0(2) : T=1*(1-3)=-2 S=-10/3 C=-10/3 err 1= 4/3 err2=0(3) : T=0 S=0 C=0 err1=0 err2=0(4) : T=e/2 S=1/6*(e+2exp(0.5)) C= 1 err1=-1.7183 err2= 0.00267.解：复合梯形公式T 2n 的matlab 实现：function I = trapezoid(fun,a,b,n)n = 2*n;h = (b-a)/(n-1);x = a : h :b;f = feval(fun , x);I = h * (0.5*f(1)+sum(f(2:n-1))+ 0.5*f(n));分别用复合梯形公式和复合辛普森公式计算积分，并与精确值比较，这里积分的精确值由matlab int函数求出，不手工计算。
function trapezoid_and_sinpsom clc;format longsyms xIexact = int(x*exp(x^2),x,0,1);a=0;b=1;for n=2:1:4t = trapezoid(@f,a,b,n)s = simpson(@f,a,b,n)err1 = vpa(Iexact - t,5)err2 = vpa(Iexact - s,5)endfunction y=f(x)y = x*exp(x^2);return从而得出第一小题的结果：n = 2t = 1.6697s = 0.8695err1 = -0.14144err2 = -0.0018562n = 3t = 0.923798756293777s = 0.859533825596209err1 = -0.064658err2 = -0.00039291n = 4t = 0.895892057505771s = 0.859268455239111err1 = -0.036751err2 = -0.00012754将f(x)简单修改就可以得到第2，3小题的结果8.解：function test_romberg()a=1;b=3;n=2;maxit=10;tol=0.5e-4; [R]=romberg(@f,a,b,n,tol,maxit);R = R(1,4)Rexact = log(3)err = R-Rexactreturnfunction y=f(x)y=1/x;return10.解：高斯-勒让德法求解积分的matlab实现：function I = guasslegendre(fun,a,b,n,tol)% guasslegendre: guass-legendre method to calculation integral value%Input : fun is the integrand input as a sring 'fun'% a and b are upper and lower limits of integration % n is the initial number of subintervals% tol is the tolerance%Output : I is Integral result% calculate quadrature nodesyms xp=sym2poly(diff((x^2-1)^(n+1),n+1))/(2^n*factorial(n));tk=roots(p);% calculate quadrature coefficientAk=zeros(n+1,1);for i=1:n+1xkt=tk;xkt(i)=[];pn=poly(xkt);fp=@(x)polyval(pn,x)/polyval(pn,tk(i));Ak(i)=quadl(fp,-1,1,tol);end% integral variable substitution, transformat [a, b] to [1, 1]xk=(b-a)/2*tk+(b+a)/2;% calculate the value of the integral function after variable substitutionfx=fun(xk)*(b-a)/2;%calculation integral valueI=sum(Ak.*fx);对第一小题，精确值由matlab int函数求出，不手工计算；fun = inline('x.^5+3.*x.^2+2');a = 0;b = 1;tol = 1e-5;for n =1:2;nI = guasslegendre(fun,a,b,n,tol)Iexact = int(x^5+3*x^2+2,x,0,1)err = Iexact-Iend计算结果如下：n = 1I = 3.7778Iexact = 19/6 = 3.166666666666667err = 1/72n = 2I = 3.166666666666666Iexact = 19/6 = 3.166666666666667err = 0由此可见高斯-勒让德方法可以在较少的求积节点数下得到较为精确的数值积分解！第2,3小题同理可得。
