当前位置：文档之家 › 数值计算方法matlab程序

数值计算方法matlab程序

  • 格式：pdf
  • 大小：71.06 KB
  • 文档页数：17

数值计算⽅法matlab程序

function [x0,k]=bisect1(fun1,a,b,ep)

if nargin<4

ep=1e-5;

end

fa=feval(fun1,a);

fb=feval(fun1,b);

if fa*fb>0

x0=[fa,fb];

k=0;

return;

end

k=1;

while abs(b-a)/2>ep

x=(a+b)/2;

fx=feval(fun1,x);

if fx*fa<0

b=x;

fb=fx;

else

a=x;

fa=fx;

k=k+1;

end

end

x0=(a+b)/2;

>> fun1=inline('x^3-x-1');

>> [x0,k]=bisect1(fun1,1.3,1.4,1e-4)

x0 =

1.3247

k =

7

>>

简单迭代法function [x0,k]=iterate1(fun1,x0,ep,N)if nargin<4

N=500;

end

if nargin<3

ep=1e-5;

end

x=x0;

x0=x+2*ep;

while abs(x-x0)>ep & k

x0=x;

x=feval(fun1,x0);

k=k+1;

end

x0=x;

if k==N

warning('已达最⼤迭代次数')

end

>> fun1=inline('(x+1)^(1/3)');

>> [x0,k]=iterate1(fun1,1.5)

x0 =

1.3247

k =

7

>> fun1=inline('x^3-1');

>> [x0,k]=iterate1(fun1,1.5)

x0 =

Inf

k =

9

>>

Steffesen加速迭代（简单迭代法的加速）function [x0,k]=steffesen1(fun1,x0,ep,N)

if nargin<4

N=500;

end

if nargin<3ep=1e-5;

end

x=x0;

x0=x+2*ep;

k=0;

while abs(x-x0)>ep & k

x0=x;

y=feval(fun1,x0);

z=feval(fun1,y);

x=x0-(y-x0)^2/(z-2*y+x0);

k=k+1;

end

x0=x;

if k==N

warning('已达最⼤迭代次数')

end

>> fun1=inline('(x+1)^(1/3)');

>> [x0,k]=steffesen1(fun1,1.5)

x0 =

1.3247

k =

3

>> fun1=inline('x^3-1');

>> [x0,k]=steffesen1(fun1,1.5)

x0 =

1.3247

k =

6

Newton迭代

function [x0,k]=Newton7(fname,dfname,x0,ep,N)

if nargin<5

N=500;

end

if nargin<4

ep=1e-5;end

x=x0;

x0=x+2*ep;

k=0;

while abs(x-x0)>ep & k

x0=x;

x=x0-feval(fname,x0)/feval(dfname,x0);

k=k+1;

end

x0=x;

if k==N

warning('已达最⼤迭代次数')

end

>> fname=inline('x-cos(x)');

>> dfname=inline('1+sin(x)');

>> [x0,k]=Newton7(fname,dfname,pi/4,1e-8)

x0 =

0.7391

k =4

⾮线性⽅程求根的Matlab函数调⽤举例：1.求多项式的根：求f(x)=x^3-x-1=0的根：

>> roots([1 0 -1 -1])

ans =

1.3247

-0.6624 + 0.5623i

-0.6624 - 0.5623i

2.求⼀般函数的根

>> fun=inline('x*sin(x^2-x-1)','x')

fun =

Inline function:

fun(x) = x*sin(x^2-x-1)>> fplot(fun,[-2 0.1]);grid on

>> x=fzero(fun,[-2,-1])

x =-1.5956

>> x=fzero(fun,[-1 -0.1])

x =

-0.6180

[x,f,h]=fsolve(fun,-1.6)

x =

-1.5956

f =

1.4909e-009

h =

1

（h>0表⽰收敛，h<0表⽰发散，h=0表⽰已达到设定的计算函数值的最⼤次数）

第三章：线性⽅程组的数值解法1. ⾼斯消元法

function [A,x]=gauss3(A,b)

%本算法⽤顺序⾼斯消元法求解线性⽅程组

n=length(b);

A=[A,b];

for k=1:n-1

A((k+1):n,(k+1):(n+1))=A((k+1):n,(k+1):(n+1))-A((k+1):n,k)/A(k,k)*A(k,(k+1):(n+1));

A((k+1):n,k)=zeros(n-k,1);

A;

end

x=zeros(n,1);

%上⾯为消元过程

x(n)=A(n,n+1)/A(n,n);

for k=n-1:-1:1

x(k)=(A(k,n+1)-A(k,(k+1):n)*x((k+1:n)))/A(k,k);

end

%上⾯为回代过程

>> A=[2 3 4;3 5 2;4 3 30];

>> b=[6,5,32]'

b =

6

532

>> [A,x]=gauss3(A,b)

A =

2.0000

3.0000

4.0000 6.0000

0 0.5000 -4.0000 -4.0000

0 0 -2.0000 -4.0000

x =

-13

8

2

列选主元的⾼斯消元法：function [A,x]=gauss5(A,b)

%本算法⽤列选主元的⾼斯消元法求解线性⽅程组

n=length(b);

A=[A,b];

for k=1:n-1

%选主元

[ap,p]=max(abs(A(k:n,k)));

p=p+k-1;

if p>k

t=A(k,:);

A(k,:)=A(p,:);

A(p,:)=t;

end

%消元

A((k+1):n,(k+1):(n+1))=A((k+1):n,(k+1):(n+1))-A((k+1):n,k)/A(k,k)*A(k,(k+1):(n+1));

A((k+1):n,k)=zeros(n-k,1);

end

%回代

x=zeros(n,1);

x(n)=A(n,n+1)/A(n,n);

for k=n-1:-1:1

x(k)=(A(k,n+1)-A(k,(k+1):n)*x((sk+1:n)))/A(k,k);end

>> A=[2 3 4;3 5 2;4 3 30]; b=[6,5,32]';

>> [A,x]=gauss5(A,b)

A =

4.0000 3.0000 30.0000 32.0000

0 2.7500 -20.5000 -19.0000

0 0 0.1818 0.3636

x =

-13

8

2

三⾓分解法：Doolittle 分解function [L,U]=doolittle1(A)

n=length(A);

U=zeros(n);

L=eye(n);

U(1,:)=A(1,:);

L(2:n,1)=A(2:n,1)/U(1,1);

for k=2:n

U(k,k:n)=A(k,k:n)-L(k,1:k-1)*U(1:k-1,k:n);

L(k+1:n,k)=A(k+1:n,k)-L(k+1:n,1:k-1)*U(1:k-1,n)/U(k,k); End

y=zeros(n,1);

x=y;

y(1)=b(1);

for i=2:n

y(i)=b(i)-L(i,1:i-1)*y(1:i-1);

end

x(n)=y(n)/U(n,n);

for i=n-1:-1:1

x(i)=(y(i)-U(i,i+1:n)*x(i+1:n))/U(i,i);

end

>> A=[1 2 3;2 5 2 ;3 1 5];b=[14 18 20]';

>> [L,U,x]=doolittle1(A,b)

L =

1 0 0

合集下载

Matlab中常用的数值计算方法

Matlab中常用的数值计算方法

Matlab中常用的数值计算方法

数值计算是现代科学和工程领域中的一个重要问题。Matlab是一种用于数值计算和科学计算的高级编程语言和环境，具有强大的数值计算功能。本文将介绍Matlab中常用的数值计算方法，包括数值积分、数值解微分方程、非线性方程求解和线性方程组求解等。

一、数值积分

数值积分是通过数值方法来近似计算函数的定积分。在Matlab中，常用的数值积分函数是'quad'和'quadl'。'quad'函数可以用于计算定积分，而'quadl'函数可以用于计算无穷积分。

下面是一个使用'quad'函数计算定积分的例子。假设我们想计算函数f(x) = x^2在区间[0, 1]上的定积分。我们可以使用如下的Matlab代码：

```

f = @(x) x^2;

integral = quad(f, 0, 1);

disp(integral);

```

运行这段代码后，我们可以得到定积分的近似值，即1/3。

二、数值解微分方程

微分方程是描述自然界各种变化规律的数学方程。在科学研究和工程应用中，常常需要求解微分方程的数值解。在Matlab中，可以使用'ode45'函数来求解常微分方程的数值解。'ode45'函数是采用基于Runge-Kutta方法的一种数值解法。 下面是一个使用'ode45'函数求解常微分方程的例子。假设我们想求解一阶常微分方程dy/dx = 2*x，初始条件为y(0) = 1。我们可以使用如下的Matlab代码：

```

fun = @(x, y) 2*x;

[x, y] = ode45(fun, [0, 1], 1);

plot(x, y);

```

运行这段代码后，我们可以得到微分方程的数值解，并绘制其图像。

三、非线性方程求解

非线性方程是指方程中包含非线性项的方程。在很多实际问题中，我们需要求解非线性方程的根。在Matlab中，可以使用'fsolve'函数来求解非线性方程的根。

伪谱法matlab

伪谱法matlab

伪谱法matlab

伪谱法（Pseudospectral Method）是一种数值计算方法，常用于求解微分方程、优化问题和控制问题等。它的基本思想是将待求解的函数表示为一组基函数的线性组合，并通过在离散点上求解问题来逼近连续问题的解。

在Matlab中，使用伪谱法可以通过以下步骤进行：

1. 网格生成，首先需要在求解区域上生成一个合适的网格。可以使用内置函数，如linspace或chebpts，生成等距或切比雪夫节点。

2. 基函数选择，选择适当的基函数来表示待求解函数。常用的基函数包括Legendre多项式、Chebyshev多项式等。可以使用内置函数，如legpoly或chebpoly，生成这些多项式。

3. 求解代数方程组，将待求解的微分方程或优化问题转化为代数方程组。通过在离散点上近似微分算子，将微分方程转化为代数方程。然后使用求解器，如fsolve或fmincon，求解代数方程组。

4. 结果后处理，根据求解得到的离散解，可以进行后处理操作，如插值、绘图等，以获得更精确的连续解。

需要注意的是，伪谱法的实现需要一定的数值计算知识和编程技巧。在使用Matlab进行伪谱法求解时，可以借助一些工具箱，如Chebfun或Pseudospectral Optimal Control Toolbox，来简化计算过程。

总结起来，伪谱法是一种数值计算方法，在Matlab中可以通过网格生成、基函数选择、求解代数方程组和结果后处理等步骤来实现。它在求解微分方程、优化问题和控制问题等方面具有广泛的应用。

蒙特卡洛方法 matlab代码

蒙特卡洛方法 matlab代码

蒙特卡洛方法 matlab代码

蒙特卡洛方法是一种随机模拟的数值计算方法，广泛应用于金融、物理、计算机科学、统计学等领域。在这里，我们将介绍如何用matlab实现蒙特卡洛方法。本文主要内容包括：蒙特卡洛方法的基本原理、常见应用、matlab代码实现、实例应用等。

一、蒙特卡洛方法基本原理

蒙特卡洛方法是一种基于统计学的数值计算方法，其基本原理是使用随机数模拟复杂系统的行为，从而获得数值上的解决方案。它的核心思想是，通过大量的重复实验来模拟随机过程，最终得到与实际结果相似的概率性解决方案。蒙特卡洛方法有许多不同的应用，例如解决随机过程和数学物理问题、评估金融和投资风险等。

二、蒙特卡洛方法常见应用

蒙特卡洛方法在许多领域都有广泛应用。以下是一些蒙特卡洛方法的应用：

1. 金融和投资风险评估：通过模拟资产价格的随机行为，可以估计资产组合的波动性和风险。

2. 物理建模：用来计算复杂系统的行为，例如氢气中原子之间的相互作用。

3. 工程设计：用于模拟复杂系统的行为，例如机械系统的振动行为。

4. 统计学：用于估算总体参数的不确定性和置信区间。

蒙特卡洛方法的实现过程包括以下几个步骤:

1. 选择模型：选择适合模型，其模型应足够灵活，可以处理不同类型的数据和数据格式。

2. 生成随机数：应生成适量的随机数。这些随机数可以是具有不同分布的数值，例如正态分布、均匀分布等。

3. 执行计算：为获得数值上的解决方案，应对随机数进行计算。

1. 步骤1：选择模型

例如，我们要计算正态分布的均值。这是一种非常基本的蒙特卡洛问题。

2. 步骤2：生成随机数

我们可以用matlab生成伪随机数，例如normal随机数： n = 10000;

data = normrnd(0, 1, n, 1);

绝对节点坐标法matlab程序

绝对节点坐标法matlab程序

绝对节点坐标法是一种用于解决结构力学问题的数值计算方法，它可以帮助工程师分析复杂结构的受力情况，从而指导设计和施工。在Matlab程序中，我们可以利用绝对节点坐标法来进行结构分析和计算，这样可以大大简化计算过程并提高计算效率。

让我们来简单了解一下绝对节点坐标法的基本原理。在这种方法中，我们将结构分解为一个个单元，每个单元的节点坐标是已知的，通过这些节点之间的相对位移和变形关系，我们可以推导出单元内部的受力情况。将所有单元的受力情况通过节点之间的连通关系进行组合，就可以得到整个结构的受力分布。这种方法既能处理线性结构，也能处理非线性结构，因此在工程实践中得到了广泛的应用。

在Matlab程序中，我们可以利用矩阵运算和向量化的方法来实现绝对节点坐标法的计算。我们需要将结构的节点坐标和单元信息输入程序中，并建立节点与单元之间的连接关系。利用矩阵运算和迭代算法，我们可以求解出结构中各个节点的位移、受力和应力情况。通过程序输出的结果，我们可以直观地了解结构中各个部位的受力情况，为结构设计和改进提供依据。

绝对节点坐标法在工程实践中有着重要的意义。它不仅可以帮助工程师分析和设计复杂的结构，还是优化结构和提高工程质量的重要工具。在Matlab程序中应用这种方法，可以大大提高计算效率和精度，帮助工程师更好地理解和处理结构力学问题。

在我看来，绝对节点坐标法是一种非常实用的工程分析方法，它可以帮助工程师快速有效地解决结构力学问题，提高工程设计和施工的效率。在Matlab程序中实现这种方法，不仅可以节约人力和时间成本，还可以为工程师提供更多的设计选择和优化方案。我认为掌握绝对节点坐标法在Matlab程序中的应用是非常重要的，它可以为工程实践带来更多的便利和可能性。绝对节点坐标法是一种非常重要的工程计算方法，它在工程实践中有着广泛的应用。在Matlab程序中应用这种方法，可以帮助工程师更好地分析和理解结构力学问题，提高工程设计和施工的效率和质量。下面我将详细介绍绝对节点坐标法在Matlab程序中的具体应用及其重要性。