数值分析实验报告
数值分析积分实验报告(3篇)
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。
数值分析实验报告心得(3篇)
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
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。
数值分析实验报告5篇
1.69376699767424 0.92310666706964 0.08471614569741 0.40804026409411
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
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。
解线性方程组的直接方法
实验 （主元的选取与算法的稳定性） 问题提出：Gauss消去法是我们在线性代数中已经熟悉的。但由于计算 机的数值运算是在一个有限的浮点数集合上进行的，如何才能确保 Gauss消去法作为数值算法的稳定性呢？Gauss消去法从理论算法到数值 算法，其关键是主元的选择。主元的选择从数学理论上看起来平凡，它 却是数值分析中十分典型的问题。 实验内容：考虑线性方程组 编制一个能自动选取主元，又能手动选取主元的求解线性方程组的 Gauss消去过程。 实验要求： （1）取矩阵，则方程有解。取n=10计算矩阵的条件数。让程序自动选 取主元，结果如何？ （2）现选择程序中手动选取主元的功能。每步消去过程总选取按模最 小或按模尽可能小的元素作为主元，观察并记录计算结果。若每步消去 过程总选取按模最大的元素作为主元，结果又如何？分析实验的结果。 （3）取矩阵阶数n=20或者更大，重复上述实验过程，观察记录并分析 不同的问题及消去过程中选择不同的主元时计算结果的差异，说明主元
数值分析实验报告模板
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 实验报告
数值分析实验报告1. 引言数值分析是一门研究如何利用计算机进行数值计算的学科。
它涵盖了数值计算方法、数值逼近、插值和拟合、数值微积分等内容。
本实验报告旨在介绍数值分析的基本概念，并通过实验验证其中一些常用的数值计算方法的准确性和可行性。
2. 实验目的本实验的目的是通过对一些简单数学问题进行数值计算，验证数值计算方法的正确性，并分析计算误差。
具体实验目标包括： - 了解数值计算方法的基本原理和应用场景； - 掌握常用的数值计算方法，如二分法、牛顿法等； - 验证数值计算方法的准确性和可靠性。
3. 实验设计3.1 实验问题选择了以下两个数学问题作为实验对象： 1. 求解方程f(x) = 0的根； 2. 求解函数f(x)在给定区间上的最小值。
3.2 实验步骤3.2.1 方程求根1.确定待求解的方程f(x) = 0；2.选择合适的数值计算方法，比如二分法、牛顿法等；3.编写相应的计算程序，并根据初始条件设置迭代终止条件；4.运行程序，得到方程的根，并计算误差。
3.2.2 函数最小值1.确定待求解的函数f(x)和给定的区间；2.选择合适的数值计算方法，比如黄金分割法、斐波那契法等；3.编写相应的计算程序，并根据初始条件设置迭代终止条件；4.运行程序，得到函数的最小值，并计算误差。
4. 实验结果与分析4.1 方程求根我们选择了二分法和牛顿法来求解方程f(x) = 0的根，并得到了如下结果： - 二分法得到的根为 x = 2.345，误差为 0.001； - 牛顿法得到的根为 x = 2.345，误差为 0.0001。
通过计算结果可以看出，二分法和牛顿法都能较准确地求得方程的根，并且牛顿法的收敛速度更快。
4.2 函数最小值我们选择了黄金分割法和斐波那契法来求解函数f(x)在给定区间上的最小值，并得到了如下结果： - 黄金分割法得到的最小值为 x = 3.142，误差为 0.001； - 斐波那契法得到的最小值为 x = 3.142，误差为 0.0001。
数值分析绪论实验报告
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。
东北大学数值分析实验报告
数值分析实验班级 姓名 学号实验环境: MATLAB实验一 解线性方程组的迭代法（1）一、实验题目 对以下方程组分别采用Jacobi 迭代法, Gaaus-Seidel 迭代法求解和SOR 迭代法求解。
（2）线性方程组⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡--------------------------13682438141202913726422123417911101610352431205362177586832337616244911315120130123122400105635680000121324⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡10987654321x x x x x x x x x x =⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡-2119381346323125 （2）对称正定线性方程组⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡----------------------1924336021411035204111443343104221812334161206538114140231212200420424⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡87654321x x x x x x x x =⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---4515221123660（3）三对角线性方程组⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡------------------4100000000141000000001410000000014100000000141000000001410000000014100000000141000000001410000000014⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡10987654321x x x x x x x x x x =⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡----5541412621357 二、实验要求（1）应用迭代法求线性方程组, 并与直接法作比较。
数值分析实验报告三
grid
[k,x,wuca,yx]=erfen (﹣1,1,10^-5)
2）运行结果
ans =
0 -1.0000 1.0000 0 1.0000 -11.6321 10.7183 -1.0000
ans =
1.0000 0 1.0000 0.5000 0.5000 -1.0000 10.7183 4.6487
ans =
11.0000 0.0898 0.0908 0.0903 0.0005 -0.0076 0.0033 -0.0021
ans =
12.0000 0.0903 0.0908 0.0906 0.0002 -0.0021 0.0033 0.0006
ans =
13.0000 0.0903 0.0906 0.0905 0.0001 -0.0021 0.0006 -0.0008
ans =
7.0000 0.1256 0.0008 0.0033 0.0262
ans =
8.0000 0.1240 0.0002 0.0016 0.0129
ans =
9.0000 0.1233 0.0000 0.0007 0.0056
ans =
9.0000 0.1233 0.0000 0.0007 0.0056
(2)、Use the iteration method ,the initial value .
2、The equation has two roots near 0.1.
Determine them by means ofNewton’s method.
(with accuracy )
3、用迭代法求方程 附近的一个根。方程写成下
k = 9
数值分析实验报告
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。
华工数值分析实验报告
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(00002)
数值分析实验报告2实验报告一、实验名称复合梯形求积公式、复合辛普森求积公式、龙贝格求积公式及自适应辛普森积分。
二、实验目的及要求1. 掌握复合梯形求积计算积分、复合辛普森求积计算积分、龙贝格求积计算积分和自适应辛普森积分的基本思路和步骤.2. 培养Matlab 编程与上机调试能力.三、实验环境计算机，MATLAB 软件 四、实验内容1.用不同数值方法计算积分94ln 10-=⎰xdx x 。
（1）取不同的步长h 。
分别用复合梯形及复合辛普森求积计算积分，给出误差中关于h 的函数，并与积分精确指比较两个公式的精度，是否存在一个最小的h ，使得精度不能再被改善。
（2）用龙贝格求积计算完成问题（1）。
（3）用自适应辛普森积分，使其精度达到10-4。
五、算法描述及实验步骤1.复合梯形公式将区间[a,b]划分为n 等份，分点x k =a+ah,h=(b-a)/h,k=0,1,...,n ，在每个子区间[x k ,x k +1](k=0,1,...,n-1)上采用梯形公式（1.1），得)]()([2)(b f a f a b dx x f b a+-≈⎰ （1.1）)]()(2)([2)]()([211110b f x f b f hx f x f h T n k k k n k k n ++=+=∑∑-=+-=（1.2）),(),(12)(''2b a f h a b f R n ∈--=ηη （1.3）其中Tn 称为复合梯形公式，Rn 为复合梯形公式的余项。
2.复合辛普森求积公式将区间[a,b]划分为n 等份，在每个子区间[x k ,x k +1](k=0,1,...,n-1)上采用辛普森公式（1.4），得)]()2(4)([6b f ba f a f ab S +++-=（1.4）)]()(2)(4)([6)]()()([611102/112/11b f x f x f b f hx f x f x f h S n k k n k k k k n k k n +++=++=∑∑∑-=-=+++-= （1.5）),(),()2(180)()4(4b a f h a b f R n ∈-=ηη （1.6）其中Sn 称为复合辛普森求积公式，Rn 为复合辛普森求积公式的余项。
《数值分析》_实验
( )
( )
4、另外选取一个近似表达式，尝试拟合效果的比较； 5、* 绘制出曲线拟合图。 三、目的和意义 1、掌握曲线拟合的最小二乘法； 2、最小二乘法亦可用于解超定线代数方程组； 3、探索拟合函数的选择与拟合精度间的关系
第5页
数值分析实验，宋伦继
6
实验四 数值积分与数值微分
一、问题提出 选用复合梯形公式，复合 Simpson 公式，Romberg 算法，计算
x
*
⎡ 0 ⎤ ⎢ −6 ⎥ ⎥ ⎢ ⎢ 20 ⎥ ⎥ ⎢ ⎢ 23 ⎥ ⎢ 9 ⎥ ⎥ ⎢ ⎢− 22⎥ ⎢ − 15 ⎥ ⎥ ⎢ ⎥ ⎢ 45 ⎦ ⎣
=
( 1,
-1,
0,
2,
1,
-1,
0,
2)
T
第7页
数值分析实验，宋伦继
8
3、三对角形线性方程组
⎡ 4 − 1 0 0 0 0 0 0 0 0 ⎤ ⎡ x1 ⎤ ⎡ 7 ⎤ ⎢− 1 4 − 1 0 0 0 0 0 0 0 ⎥ ⎢ x ⎥ ⎢ 5 ⎥ ⎥ ⎢ 2⎥ ⎥ ⎢ ⎢ ⎢ 0 − 1 4 − 1 0 0 0 0 0 0 ⎥ ⎢ x3 ⎥ ⎢ − 13⎥ ⎥⎢ ⎥ ⎥ ⎢ ⎢ ⎢ 0 0 − 1 4 − 1 0 0 0 0 0 ⎥ ⎢ x4 ⎥ ⎢ 2 ⎥ ⎢ 0 0 0 − 1 4 − 1 0 0 0 0 ⎥ ⎢ x5 ⎥ ⎢ 6 ⎥ ⎥⎢ ⎥ = ⎢ ⎥ ⎢ ⎢ 0 0 0 0 − 1 4 − 1 0 0 0 ⎥ ⎢ x6 ⎥ ⎢− 12⎥ ⎢ 0 0 0 0 0 −1 4 −1 0 0 ⎥ ⎢ x ⎥ ⎢ 14 ⎥ ⎥ ⎢ 7⎥ ⎥ ⎢ ⎢ ⎢ 0 0 0 0 0 0 − 1 4 − 1 0 ⎥ ⎢ x8 ⎥ ⎢−4⎥ ⎢ 0 0 0 0 0 0 0 − 1 4 − 1⎥ ⎢ x ⎥ ⎢ 5 ⎥ ⎥ ⎢ 9⎥ ⎥ ⎢ ⎢ ⎥ ⎥⎢ ⎥ ⎢ 0 0 0 0 0 0 0 0 −1 4 ⎦ ⎢ −5⎦ ⎣ ⎣ ⎣ x10 ⎦
数值分析拟合实验报告(3篇)
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。
工程数值分析实验报告(3篇)
第1篇一、实验目的本次实验旨在通过数值分析的方法，对工程实际问题进行建模、求解和分析。
通过学习数值方法的基本原理和算法，提高解决实际工程问题的能力。
二、实验内容1. 线性方程组的求解2. 矩阵特征值与特征向量的计算3. 函数插值与曲线拟合4. 数值微分与积分三、实验步骤1. 线性方程组的求解（1）编写程序实现高斯消元法、克劳斯消元法和列主元素法（2）设计输入界面，用户输入增广矩阵的行和列，填写系数及常数项（3）分别运用三种方法求解线性方程组，比较求解结果的正确性、数值稳定性和计算效率2. 矩阵特征值与特征向量的计算（1）编写程序实现幂法、QR算法和逆幂法（2）设计输入界面，用户输入矩阵的行和列，填写矩阵元素（3）分别运用三种方法计算矩阵的特征值与特征向量，比较求解结果的准确性和计算效率3. 函数插值与曲线拟合（1）编写程序实现拉格朗日插值、牛顿插值和样条插值（2）设计输入界面，用户输入函数的自变量和函数值，选择插值方法（3）分别运用三种方法进行函数插值，比较插值结果的准确性和光滑性4. 数值微分与积分（1）编写程序实现有限差分法、龙格-库塔法和辛普森法（2）设计输入界面，用户输入函数的导数或积分的上下限，选择数值方法（3）分别运用三种方法进行数值微分和积分，比较求解结果的准确性和计算效率四、实验结果与分析1. 线性方程组的求解通过实验，我们发现列主元素法在求解线性方程组时具有较好的数值稳定性，计算效率也较高。
而高斯消元法和克劳斯消元法在处理大型稀疏矩阵时存在一定的困难。
2. 矩阵特征值与特征向量的计算实验结果表明，QR算法和逆幂法在计算矩阵特征值与特征向量时具有较高的准确性和计算效率。
幂法在处理大型稀疏矩阵时表现出较好的性能。
3. 函数插值与曲线拟合在函数插值和曲线拟合实验中，样条插值方法具有较好的准确性和光滑性。
拉格朗日插值和牛顿插值方法在处理简单函数时表现良好，但在处理复杂函数时可能存在精度问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数值分析实验报告目录第二章 (1)1. 【第一题】 ....................................................................................................................... 1 第三章.. (3)2. 【第二题】 ....................................................................................................................... 3 第四章............................................................................................................................................... 6 第六章............................................................................................................................................. 10 第七章............................................................................................................................................. 16 第七章习题 ..................................................................................................................................... 26 第八章 (28)第二章1.【第一题】在区间[-1,1]上分别取n=10、20用两组等距节点对龙格函数22511)(x x f +=做多项式插值及三次样条插值，对每个n 值，分别画出插值函数及)(x f 的图形。
解：先编制Lagrange 插值函数的m 文件： n=length(x0); syms x; for k=1:n l(k)=x/x; for p=1:n if p~=kl(k)=l(k)*(x-x0(p))/(x0(k)-x0(p)); end end end z=0; for k=1:nz=z+l(k)*y0(k); endy1=subs(z,x,x1);然后对n=10的情形做Lagrange 插值并画图：x0=-1:.2:1;y0=1./(1+25*x0.^2);x=-1:.001:1;y1=lagrange(x0,y0,x);y=1./(1+25*x.^2);plot(x,y,x,y1,'-.',x0,y0,'p');legend('Runge Function','插值函数','插值节点');title('n=10时的Lagrange插值的龙格现象');xlabel('x');ylabel('y');再对n=20的情形做Lagrange插值并画图：x0=-1:.1:1;y0=1./(1+25*x0.^2);x=-1:.001:1;y1=lagrange(x0,y0,x);y=1./(1+25*x.^2);plot(x,y,x,y1,' -.',x0,y0,'p');legend('Runge Function','插值函数','插值节点');title('n=20时的Lagrange插值的龙格现象');xlabel('x');ylabel('y');2.【第二题】下列数据节点的插值：可得到平方根函数的近似。
x=[0 1 4 9 16 25 36 49 64];y=[0 1 2 3 4 5 6 7 8];x0=0:.5:64;y0=lagrange(x,y,x0);y1=sqrt(x0);plot(x0,y1,x0,y0,'-.',x,y,'p')legend('开方函数','插值函数','插值节点');x=[0 1 4 9 16 25 36 49 64];y=[0 1 2 3 4 5 6 7 8];x0=0:.5:64;y0=spline(x,y,x0);y1=sqrt(x0);plot(x0,y1,x0,y0,'-.',x,y,'p')legend('开方函数','三次条插值函数','插值节点');x=[0.0 .1 .2 .3 .5 .8 1.0];y=[1.0 .41 .50 .61 .91 2.02 2.46];>> p3=polyfit(x,y,3);>> p4=polyfit(x,y,4);>> x0=0:.001:1;y3=polyval(p3,x0);y4=polyval(p4,x0);plot(x,y,'p',x0,y3,'-.',x0,y4,'--');legend('拟合节点','三次拟合','四次拟合');xlabel('x');ylabel('y');title('多项式拟合');grid on第四章1.【第一题】用不同的数值方法计算积分⎰-=194ln xdx x .在MA TLAB 中先求精确解： a=int('sqrt(x)*log(x)',0,1) a = -4/9(1)取不同的步长h ，分别用复合梯形与复合辛普森求积公式计算积分，给出误差中关于h 的函数，并与精确积分值比较两个公式的精度，是否存在一个最小的h ，使得精度不能再改善？ 采用复合梯形公式 for k=50:50:8000x=linspace(0,1,k+1);x=x(2:k+1); y=x.^(1/2).*log(x); b=trapz(x,y); a=[a;k,b]; endformat long a(:,2)+4/9 ans = 略对于复合辛普生公式，先编制复合辛普生公式的M 文件：function q=combinesimpson(F,a,b,n)%复合Simpson求积公式%F—被积函数%[a,b]积分区间%n—区间份数x=linspace(a,b,n+1);q=0;for k=1:nq=q+F(x(k))+4*F((x(k)+x(k+1))/2)+F(x(k+1));endq=q*(b-a)/n/6;用辛普森公式有：F=inline('x.^(1/2).*log(x)');a=[];for k=100:100:5000b=combinesimpson(F,1/k,1,k);a=[a;k,b];end>> a(:,2)+4/9ans =略（2）用龙贝格求积计算完成问题（1）.%Romberg求积公式%f—被积函数%x—积分变量%[a,b]积分区间%tol—积分精度%n—迭代次数T=[];k=0;h=b-a;T(0+1,0+1)=h/2*(subs(f,x,a)+subs(f,x,b));while k==0|abs(T(0+1,k+1)-T(0+1,k-1+1))>tolk=k+1;h=h/2;s=0;for jj=1:2:2^k-1s=s+subs(f,x,a+jj*h);endT(k+1,0+1)=1/2*T(k-1+1,0+1)+h*s;for jj=1:kT(k-jj+1,jj+1)=4^jj/(4^jj-1)*T(k-jj+1+1,jj-1+1)-1/(4^jj-1)*T(k-jj+1,jj-1+1);endendn=k;q=T(0+1,k+1);for jj=2:n+1T(jj:n+1,jj)=T(1:n-jj+2,jj);T(1:jj-1,jj)=zeros(jj-1,1);End12310 . （3）用自适应辛普生积分，使其精度达到4>> F=inline('sqrt(x).*log(x)'); >> s=quad(F,0,1,1e-4) s =-0.44402.【第二题】计算二重积分⎰⎰-Dxy dxdy e . （1）若区域}10,10{≤≤≤≤=y x D ，试分别用复合辛普森公式及Gauss 求积公式（取n=4）求积分。
对于多重积分的复合辛普生公式，先编制多重积分复合辛普生公式的M 文件： function q=combinesimpson2(F,x0,a,b,n) %复合Simpson 多元求积公式 %F —被积函数%x0—被积函数自变量 %[a,b]积分区间 %n —区间份数 x=linspace(a,b,n+1); q=0; for k=1:nq=q+subs(F,x0,x(k))+4*subs(F,x0,(x(k)+x(k+1))/2)+subs(F,x0,x(k+1)); endq=q*(b-a)/n/6;用辛普森公式计算多重积分有： >> syms x y;F=exp(-x.*y);>> s=combinesimpson2(combinesimpson2(F,'x',0,1,4),y,0,1,4) s =0.7966对于多重积分的Gauss 公式，先编制Gauss 公式的M 文件，其中要用到函数GAUSSPOINTS ，使用格式及作用如下：GAUSSPOINTS points for Gaussian quadrature[nodes, weights] = gausspoints(nquad)computes the nodes and weights for Gaussian quadrature with nquad (<=5) quadrature points on the standard interval [-1,1] 编制的M 文件为：function q=gaussquad(F,x0,a,b,n) %Gauss 求积公式 %F —被积函数%x0—被积函数自变量 %[a,b]积分区间 %n —节点个数 syms t;F=subs(F,x0,(b-a)/2*t+(a+b)/2); [x,A]=gausspoints(n);q=(b-a)/2*sum(A.*subs(F,t,x));用Gauss 求积公式计算多重积分有： >> clear>> syms x y;F=exp(-x.*y);>> s=gaussquad(gaussquad(F,x,0,1,4),y,0,1,4) s =0.7966 （2）若区域}0,0:1{22≥≥≤+=y x y x D ，用复合辛普森公式（取n=4）求此积分. >> syms x y;F=exp(-x.*y);>> s=combinesimpson2(combinesimpson2(F,y,0,sqrt(1-x^2),4),x,0,1,4) s =0.6701第五章1.function [A,b,det]=liezhuyuan(A,b)det=1;m=size(A);n=m(1);u=zeros(1,n);for k=1:n-1ik=k;for jj=k+1:nif abs(A(jj,k))>abs(A(ik,k))ik=jj;endendif A(ik,k)==0x=0;det=0;disp('无解');return;endif ik~=kfor jj=k:nu(jj)=A(k,jj);A(k,jj)=A(ik,jj);A(ik,jj)=u(jj);endv=b(k);b(k)=b(ik);b(ik)=v;det=-det;endfor ii=k+1:nA(ii,k)=A(ii,k)/A(k,k);for jj=k+1:nA(ii,jj)=A(ii,jj)-A(ii,k)*A(k,jj);endb(ii)=b(ii)-A(ii,k)*b(k);endendif A(n,n)==0x=0;det=0;disp('无解');return;endb(n)=b(n)/A(n,n);for ii=n-1:-1:1s=0;for jj=ii+1:ns=s+A(ii,jj)*b(jj);endb(ii)=(b(ii)-s)/A(ii,ii);enddet=A(n,n)*det;det=1;m=size(A);n=m(1);u=zeros(1,n);for k=1:n-1ik=k;for jj=k+1:nif abs(A(jj,k))>abs(A(ik,k))ik=jj;endendif A(ik,k)==0x=0;det=0;disp('无解');return;endif ik~=kfor jj=k:nu(jj)=A(k,jj);A(k,jj)=A(ik,jj);A(ik,jj)=u(jj);endv=b(k);b(k)=b(ik);b(ik)=v;det=-det;endfor ii=k+1:nA(ii,k)=A(ii,k)/A(k,k);for jj=k+1:nA(ii,jj)=A(ii,jj)-A(ii,k)*A(k,jj);endb(ii)=b(ii)-A(ii,k)*b(k);endendif A(n,n)==0x=0;det=0;disp('无解');return;endb(n)=b(n)/A(n,n);for ii=n-1:-1:1s=0;for jj=ii+1:ns=s+A(ii,jj)*b(jj);endb(ii)=(b(ii)-s)/A(ii,ii);enddet=A(n,n)*det;m=size(A);n=m(1);s=zeros(1,n);tt=s;Ip=zeros(n,1);if det(A)==0disp('无解');return;endfor r=1:nfor ii=r:nA(ii,r)=A(ii,r)-A(ii,r:n)*A(r:n,r);endu=max(abs(A(ii,r))if ir~=rtt=A(r,:);A(r,:)=A(ir,:);A(ir,:)=tt;endA(r,r)=s(r);if r~=nfor ii=r+1:nA(ii,r)=A(ii,r)/A(r,r);u=0;for k=1:r-1u=u+A(r,k)*A(k,ii);endA(r,ii)=A(r,ii)-u;endendendfor ii=1:n-1u=Ip(ii);if ii~=uv=b(u);b(u)=b(ii);b(ii)=v;endendfor ii=2:nu=0;for k=1:ii-1u=u+A(ii,k)*b(k);endb(ii)=b(ii)-u;endb(n)=b(n)/A(n,n);for ii=n-1:-1:1u=0;for k=ii+1:nu=u+A(ii,k)*b(k);endb(ii)=(b(ii)-u)/A(ii,ii);end第六章1.【第一题】给出线性方程组b x H n =，其中系数矩阵n H 为Hilbert 矩阵，假设n R x ∈⋯=T*1,1,1(），，*x H b n =.若取n=6,8,10，分别用Jacobi 迭代法及SOR 迭代（ω=1,1.25,1.5）求解，比较计算结果。