数值计算方法实验报告(例)讲解
数值计算实验报告
数值计算实验报告数值计算实验报告引言:数值计算是一门研究利用计算机进行数值计算的学科,它在科学研究和工程实践中具有重要的应用价值。
本实验报告旨在通过对数值计算实验的探索和分析,展示数值计算在解决实际问题中的应用和效果。
一、实验目的本次实验的主要目的是研究数值计算在求解非线性方程和数值积分中的应用。
通过实验,我们将探索不同数值计算方法的优劣,并分析其适用范围和精度。
二、实验原理1. 非线性方程求解非线性方程是指未知数与其系数之间存在非线性关系的方程。
常见的求解方法有二分法、牛顿法和割线法等。
本实验将比较不同方法在求解非线性方程时的收敛速度和计算精度。
2. 数值积分数值积分是通过将一个函数在一定区间上进行离散化,然后进行求和来近似计算定积分的方法。
本实验将使用复合梯形公式和复合辛普森公式来计算定积分,并比较两种方法的精度和计算效率。
三、实验步骤1. 非线性方程求解实验首先,我们选择一个非线性方程作为实验对象,例如:f(x) = x^3 - 2x - 5。
然后,我们使用二分法、牛顿法和割线法分别求解该方程,并记录每种方法的迭代次数和解的精度。
2. 数值积分实验我们选取一个函数作为被积函数,例如:f(x) = sin(x)。
然后,我们使用复合梯形公式和复合辛普森公式对该函数在一定区间上进行积分,并记录每种方法的计算结果和误差。
四、实验结果与分析1. 非线性方程求解结果通过实验,我们得到了使用二分法、牛顿法和割线法求解非线性方程的结果。
比较三种方法的迭代次数和解的精度,我们可以发现牛顿法收敛速度较快,但对初始值的选取较为敏感;割线法在收敛速度和精度上相对稳定;而二分法则收敛速度较慢,但对初始值的选取要求较低。
2. 数值积分结果通过实验,我们得到了使用复合梯形公式和复合辛普森公式进行数值积分的结果。
比较两种方法的计算结果和误差,我们可以发现复合辛普森公式具有更高的精度,但计算效率相对较低;而复合梯形公式计算速度较快,但精度相对较低。
数值计算方法实验报告
数值计算方法实验报告一、实验介绍本次实验是关于数值计算方法的实验,旨在通过计算机模拟的方法,实现对于数值计算方法的掌握。
本次实验主要涉及到的内容包括数值微积分、线性方程组的求解、插值与拟合、常微分方程的数值解等。
二、实验内容1. 数值微积分数值微积分是通过计算机模拟的方法,实现对于微积分中的积分运算的近似求解。
本次实验中,我们将会使用梯形公式和辛普森公式对于一定区间上的函数进行积分求解,并比较不同公式的计算误差。
2. 线性方程组的求解线性方程组求解是数值计算领域中的重要内容。
本次实验中,我们将会使用高斯消元法、LU分解法等方法对于给定的线性方程组进行求解,并通过比较不同方法的计算效率和精度,进一步了解不同方法的优缺点。
3. 插值与拟合插值与拟合是数值计算中的另一个重要内容。
本次实验中,我们将会使用拉格朗日插值法和牛顿插值法对于给定的数据进行插值求解,并使用最小二乘法对于给定的函数进行拟合求解。
4. 常微分方程的数值解常微分方程的数值解是数值计算中的难点之一。
本次实验中,我们将会使用欧拉法和龙格-库塔法等方法对于给定的常微分方程进行数值解的求解,并比较不同方法的计算精度和效率。
三、实验结果通过本次实验,我们进一步加深了对于数值计算方法的理解和掌握。
在数值微积分方面,我们发现梯形公式和辛普森公式都能够有效地求解积分,但是辛普森公式的计算精度更高。
在线性方程组求解方面,我们发现LU分解法相对于高斯消元法具有更高的计算效率和更好的数值精度。
在插值与拟合方面,我们发现拉格朗日插值法和牛顿插值法都能够有效地进行插值求解,而最小二乘法则可以更好地进行函数拟合求解。
在常微分方程的数值解方面,我们发现欧拉法和龙格-库塔法都能够有效地进行数值解的求解,但是龙格-库塔法的数值精度更高。
四、实验总结本次实验通过对于数值计算方法的模拟实现,进一步加深了我们对于数值计算方法的理解和掌握。
在实验过程中,我们了解了数值微积分、线性方程组的求解、插值与拟合、常微分方程的数值解等多个方面的内容,在实践中进一步明确了不同方法的特点和优缺点,并可以通过比较不同方法的计算效率和数值精度来选择合适的数值计算方法。
数值计算实验报告
一、实验目的1. 熟悉数值计算的基本原理和方法。
2. 掌握常用数值计算方法在数学建模和科学计算中的应用。
3. 培养运用计算机进行数值计算的能力。
二、实验内容1. 矩阵运算2. 解线性方程组3. 求函数的零点4. 解微分方程三、实验环境1. 操作系统:Windows 102. 编程语言:Python3. 库:NumPy、SciPy、Matplotlib四、实验步骤及结果1. 矩阵运算(1)实验步骤:1)导入NumPy库;2)创建一个3x3的矩阵A;3)创建一个3x1的矩阵B;4)进行矩阵乘法运算:C = A B;5)打印结果。
(2)实验结果:A = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]B = [[1], [2], [3]]C = A Bprint(C) # 输出:[[14], [32], [50]]2. 解线性方程组(1)实验步骤:1)导入NumPy库;2)创建一个3x3的系数矩阵A和一个3x1的常数向量b;3)使用NumPy的线性代数模块求解线性方程组:x = np.linalg.solve(A, b);4)打印结果。
(2)实验结果:A = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]b = [2, 5, 6]x = np.linalg.solve(A, b)print(x) # 输出:[0.5, 0.5, 0.5]3. 求函数的零点(1)实验步骤:1)导入NumPy库;2)定义一个待求零点的函数f(x);3)使用NumPy的根求解器求f(x)的零点:x = np.roots(f(x));4)打印结果。
(2)实验结果:def f(x):return x2 - 4x = np.roots(f(x))print(x) # 输出:[2.0, -2.0]4. 解微分方程(1)实验步骤:1)导入SciPy库;2)定义一个微分方程函数ode_f,其中包含微分方程的系数;3)创建一个OdeSolver对象,并设置微分方程的初始条件;4)使用OdeSolver对象的solve方法求解微分方程;5)打印结果。
数值计算方法实验报告
数值分析实验报告实验一、解线性方程组的直接方法——梯形电阻电路问题利用追赶法求解三对角方程组的方法,解决梯形电阻电路问题:电路中的各个电流{1i ,2i ,…,8i }须满足下列线性方程组:R V i i =- 22 210 252321=-+-i i i 0 252 432=-+-i i i 0 252 543=-+-i i i 0 252 654=-+-i i i 0 252 765=-+-i i i 0 252 876=-+-i i i 052 87=+-i i设V 220=V ,Ω=27R ,运用追赶法,求各段电路的电流量。
问题分析:上述方程组可用矩阵表示为:⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡--------------00000001481.8522520000002520000002520000002520000002520000002520000002287654321i i i i i i i i问题转化为求解A x b =,8阶方阵A 满足顺序主子式(1,2...7)0i A i =≠,因此矩阵A存在唯一的Doolittle 分解,可以采用解三对角矩阵的追赶法!追赶法a=[0 -2 -2 -2 -2 -2 -2 -2]; b=[2 5 5 5 5 5 5 5];c=[-2 -2 -2 -2 -2 -2 -2 0]; d=[220/27 0 0 0 0 0 0 0];Matlab 程序function x= zhuiganfa( a,b,c,d )%追赶法实现要求:|b1|>|C1|>0,|bi|>=|ai|+|ci| n=length(b); u=ones(1,n); L=ones(1,n); y=ones(1,n); u(1)=b(1); y(1)=d(1); for i=2:nL(i)=a(i)/u(i-1);u(i)=b(i)-c(i-1)*L(i); y(i)=d(i)-y(i-1)*L(i); endx(n)=y(n)/u(n); for k=n-1:-1:1x(k)=(y(k)-c(k)*x(k+1))/u(k); end endMATLAB 命令窗口输入:a=[0 -2 -2 -2 -2 -2 -2 -2]; b=[2 5 5 5 5 5 5 5];c=[-2 -2 -2 -2 -2 -2 -2 0] d=[220/27 0 0 0 0 0 0 0];x= zhuiganfa(a,b,c,d )运行结果为:x =8.1478 4.0737 2.0365 1.0175 0.5073 0.2506 0.1194 0.0477存在问题根据电路分析中的所讲到的回路电流法,可以列出8个以回路电流为独立变量的方程,课本上给出的第八个回路电流方程存在问题,正确的应该是78240i i -+=;或者可以根据电路并联分流的知识,同样可以确定78240i i -+=。
《数值计算方法》上机实验报告
《数值计算方法》上机实验报告华北电力大学实验名称数值il•算方法》上机实验课程名称数值计算方法专业班级:电力实08学生姓名:李超然学号:200801001008 成绩: 指导教师:郝育黔老师实验日期:2010年04月华北电力大学实验报告数值计算方法上机实验报吿一.各算法的算法原理及计算机程序框图1、牛顿法求解非线性方程*对于非线性方程,若已知根的一个近似值,将在处展开成一阶xxfx ()0, fx ()xkk泰勒公式"f 0 / 2 八八,fxfxfxxxxx 0 0 0 0 0 kkkk2!忽略高次项,有,fxfxfxxx 0 ()()(),,, kkk右端是直线方程,用这个直线方程来近似非线性方程。
将非线性方程的**根代入,即fx ()0, X ,* fxfxxx 0 0 0 0, ,, kkkfx 0 fx 0 0,解出fX 0 *k XX,, k' fx 0 k水将右端取为,则是比更接近于的近似值,即xxxxk, Ik, Ikfx ()k 八XX, Ikk* fx()k这就是牛顿迭代公式。
,2,计算机程序框图:,见,,3,输入变量、输出变量说明:X输入变量:迭代初值,迭代精度,迭代最大次数,\0输出变量:当前迭代次数,当前迭代值xkl,4,具体算例及求解结果:2/16华北电力大学实验报吿开始读入l>k/fx()0?,0fx 0 Oxx,,01* fx ()0XX,,,?10kk, ,1,kN, ?xx, 10输出迭代输出X输出奇异标志1失败标志,3,输入变量、输出变量说明: 结束例:导出计算的牛顿迭代公式,并il •算。
(课本P39例2-16) 115cc (0), 求解结果:10. 75000010.72383710. 72380510. 7238052、列主元素消去法求解线性方程组,1,算法原理:高斯消去法是利用现行方程组初等变换中的一种变换,即用一个不为零的数乘 -个 方程后加只另一个方程,使方程组变成同解的上三角方程组,然后再自下而上 对上三角3/16华北电力大学实验报告方程组求解。
数值计算基础实验报告(3篇)
第1篇一、实验目的1. 理解数值计算的基本概念和常用算法;2. 掌握Python编程语言进行数值计算的基本操作;3. 熟悉科学计算库NumPy和SciPy的使用;4. 分析算法的数值稳定性和误差分析。
二、实验内容1. 实验环境操作系统:Windows 10编程语言:Python 3.8科学计算库:NumPy 1.19.2,SciPy 1.5.02. 实验步骤(1)Python编程基础1)变量与数据类型2)运算符与表达式3)控制流4)函数与模块(2)NumPy库1)数组的创建与操作2)数组运算3)矩阵运算(3)SciPy库1)求解线性方程组2)插值与拟合3)数值积分(4)误差分析1)舍入误差2)截断误差3)数值稳定性三、实验结果与分析1. 实验一:Python编程基础(1)变量与数据类型通过实验,掌握了Python中变量与数据类型的定义方法,包括整数、浮点数、字符串、列表、元组、字典和集合等。
(2)运算符与表达式实验验证了Python中的算术运算、关系运算、逻辑运算等运算符,并学习了如何使用表达式进行计算。
(3)控制流实验学习了if-else、for、while等控制流语句,掌握了条件判断、循环控制等编程技巧。
(4)函数与模块实验介绍了Python中函数的定义、调用、参数传递和返回值,并学习了如何使用模块进行代码复用。
2. 实验二:NumPy库(1)数组的创建与操作通过实验,掌握了NumPy数组的基本操作,包括创建数组、索引、切片、排序等。
(2)数组运算实验验证了NumPy数组在数学运算方面的优势,包括加、减、乘、除、幂运算等。
(3)矩阵运算实验学习了NumPy中矩阵的创建、操作和运算,包括矩阵乘法、求逆、行列式等。
3. 实验三:SciPy库(1)求解线性方程组实验使用了SciPy库中的线性代数模块,通过高斯消元法、LU分解等方法求解线性方程组。
(2)插值与拟合实验使用了SciPy库中的插值和拟合模块,实现了对数据的插值和拟合,并分析了拟合效果。
数值计算方法实验报告
数值计算方法实验报告实验目的:通过实验验证不同数值计算方法在求解数学问题时的精度和效率,并分析其优缺点。
实验原理:实验内容:本实验选取了三个典型的数值计算问题,并分别采用了二分法、牛顿迭代法和梯度下降法进行求解。
具体问题和求解方法如下:1. 问题一:求解方程sin(x)=0的解。
-二分法:利用函数值的符号变化将解空间不断缩小,直到找到满足精度要求的解。
-牛顿迭代法:通过使用函数的斜率来逼近方程的解,并不断逼近真实解。
-梯度下降法:将方程转化为一个极小化问题,并利用梯度下降的方式逼近极小值点,进而找到方程的解。
2.问题二:求解函数f(x)=x^2-3x+2的极小值点。
-二分法:通过确定函数在一个区间内的变化趋势,将极小值所在的区间不断缩小,从而找到极小值点。
-牛顿迭代法:通过使用函数的导数和二阶导数来逼近极小值点,并不断逼近真实解。
-梯度下降法:将函数转化为一个极小化问题,并利用梯度下降的方式逼近极小值点,进而找到函数的极小值点。
3. 问题三:求解微分方程dy/dx = -0.1*y的解。
-二分法:通过离散化微分方程,将微分方程转化为一个差分方程,然后通过迭代计算不同点的函数值,从而得到函数的近似解。
-牛顿迭代法:将微分方程转化为一个积分方程,并通过迭代计算得到不同点的函数值,从而得到函数的近似解。
-梯度下降法:将微分方程转化为一个极小化问题,并利用梯度下降的方式逼近极小值点,从而得到函数的近似解。
实验步骤:1.编写代码实现各个数值计算方法的求解过程。
2.对每个数值计算问题,设置合适的初始值和终止条件。
3.运行程序,记录求解过程中的迭代次数和每次迭代的结果。
4.比较不同数值计算方法的精度和效率,并分析其优缺点。
实验结果:经过实验测试,得到了如下结果:-问题一的二分法迭代次数为10次,求解结果为x=0;牛顿迭代法迭代次数为4次,求解结果为x=0;梯度下降法迭代次数为6次,求解结果为x=0。
-问题二的二分法迭代次数为10次,求解结果为x=1;牛顿迭代法迭代次数为3次,求解结果为x=1;梯度下降法迭代次数为4次,求解结果为x=1-问题三的二分法迭代次数为100次,求解结果为y=e^(-0.1x);牛顿迭代法迭代次数为5次,求解结果为y=e^(-0.1x);梯度下降法迭代次数为10次,求解结果为y=e^(-0.1x)。
数值计算方法实验报告
数值计算⽅法实验报告《数值计算⽅法》实验报告实验题⽬⼆分法求⾮线性⽅程的根专业班级11级数学师范⼆班姓名李洪学号201102024056指导⽼师李梦联系电话188********⼀、实验⽬的熟悉⼆分法求⽅程近似根的数值⽅法,与⽤计算器解出的值进⾏⽐较,并学会误差分析。
⼆、实验原理⼆分法的基本思路是通过计算隔根区间的中点,逐步将隔根区间缩⼩,从⽽可得⽅程的近似根数列}{n x 。
(≤-+1*k x x ?)三、实验内容已知0)()3(3=-=-e x x f 在[]1,0上有⼀个实根*x ,0)1(0)0(>本实验中的⽤到的求根⽅法有①⼆分法,②计算器求根。
四、实验步骤1.输⼊:a ,b 值及精度控制?量;2.if 0)()(>b f a f then 返回第1步,重新输⼊a ,b 值else 转第3步;3.while ?>-b a 时做(1))(21b a x +=,计算)(x f ;if )(x f =0 then 输出x ,停机。
(2)if0)()(4.输出)(21b a x +=。
五、 Matlab 源程序1.erfen.m:function [c,err,yc]=erfen(f,a,b,delta)ya = feval(f,a);yb = feval(f,b);if ya * yb > 0 ,return,endmax1 = 1+round((log(b-a)-log(delta))/log(2));for k=1:max1c=(a+b)/2;yc=feval(f,c);if yc==0a=c;b=c;elseif yb * yc > 0b=c;yb=yc;elsea=c;ya=yc;endif b-aendc=(a+b)/2;err=abs(b-a);yc=feval(f,c);2.f.m:function f=f(x);f=x^3-exp(-x);六、运⾏结果七、计算机计算结果⼋、实验分析1、⼆分法和计算器均能解出⽅程的根。
数值计算实验报告
数值计算方法实验实验名称:解线性方程组的迭代法班级:宿舍:成员:实验三解线性方程组的迭代法一、实验目的用雅克比和高斯-赛尔迭代法解线性方程组Ax=b,式中A为非奇异矩阵。
再给定迭代初值的情况下,进行迭代,知道满足精度要求。
二、实验方法(1)雅克比迭代法1、实验程序雅克比迭代法的MATLAB函数文件agui_jacobi.m如下。
function x=agui_jacobi(a,b)n=length(b);N=100;e=1e-4;x0=zeros(n,1);x=x0;x0=x+2*e;k=0;d=diag(diag(a));l=-tril(a,-1);u=-triu(a,1);while norm(x0-x,inf)>e&k<Nk=k+1;x0=x;x=inv(d)*(1+u)*x+inv(d)*b;kdisp(x')endif k==Nwarning('已达最大迭代次数');end2、雅克比迭代法源程序3.在MATLAB命令窗口输入如下。
>> a=[4 -1 0 -1 0 0;-1 4 -1 0 -1 0;0 -1 4 -1 0 -1;-1 0 -1 4 -1 0;0 -1 0 -14 -1;0 0 -1 0 -1 4]>> b=[0;5;-2;5;-2;6]>> x=agui_jacobi(a,b)4、实验结果截图该程序运行后得到一个错误的结果,如下图:5、实验程序修改将实验程序中x0=zeros(n,1);修改为x0=b; ,去掉n=length(b);后得下图源程序:得到结果为下图,仍然为错误结果(2)高斯-赛尔迭代法1、实验程序高斯-赛尔迭代法的MATLAB函数文件agui_ gauss.m如下。
function x=agui_gauss(a,b)n=length(b);N=100;e=1e-4;x0=zeros(n,1);x=x0;x0=x+2*e;k=0;a1=tril(a);a2=inv(a1);while norm(x0-x,inf)>e&k<Nk=k+1;x0=x;x=-a2*(a-a1)*x0+a2*b;kdisp(x')endif k==Nwarning('已达最大迭代次数');end2、高斯-赛尔迭代法源程序3、在MATLAB命令窗口输入如下。
实用数值计算方法上机实验报告讲解
实用数值计算方法上机实验报告学院:化学工程学院姓名:陶明专业:工业催化学号: 21113011681. 问题来源某公司饲养实验用的动物以供出售,已知这些动物的生长对饲料中3种营养成分(蛋白质,矿物质和维生素)特别敏感,每个动物每周至少需要蛋白质60g,矿物质3g,维生素8mg,该公司能买到5种不同的饲料,每种饲料1kg 所含各种营养成分和成本如表1所示,如果每个小动物每周食用饲料不超过52kg,求既满足动物生长需要,又能使总成本最低的饲料配方。
数学模型 设需要饲料A1,A2,A3,A4,A5分别为x1,x2,x3,x4,x5(单位kg )12345min 0.20.70.40.30.5S x x x x x =++++1234512345123451234512350.3x +2x +x +0.6x +1.8x 600.1x +0.05x +0.02x +0.2x +0.05x 3.0.05x +0.1x +0.02x +0.2x +0.08x 8x +x +x +x +x 52,,,4,0s t x x x x x ≥⎧⎪≥⎪⎪≥⎨⎪≤⎪⎪≥⎩在LINGO 的MODEL 窗口内输入如下模型:Min =0.2*x1+0.7*x2+0.4*x3+0.3*x4+0.5*x5; 0.3*x1+2*x2+x3+0.6*x4+1.8*x5>60;0.1*x1+0.05*x2+0.02*x3+0.2*x4+0.05*x5>3; 0.05*x1+0.1*x2+0.02*x3+0.2*x4+0.08*x5>8; x1+x2+x3+x4+x5<52; end求解输出结果如下:Global optimal solution found.Objective value: 22.40000Infeasibilities: 0.000000Total solver iterations: 3Variable Value Reduced Cost X1 0.000000 0.7000000 X2 12.00000 0.000000 X3 0.000000 0.6166667 X4 30.00000 0.000000 X5 10.00000 0.000000 Row Slack or Surplus Dual Price1 22.40000 -1.0000002 0.000000 -0.58333333 4.100000 0.0000004 0.000000 -4.1666675 0.000000 0.8833333结果分析:因此每周每个动物的配料为饲料A2,A4,A5分别为12kg,30kg,10kg,可使得成本达到最低,最低成本为22.4元。
数值计算方法实验报告
一、实验目的1. 熟悉数值计算的基本概念和方法;2. 掌握数值计算的基本原理和算法;3. 提高编程能力和数值计算能力;4. 通过实验,加深对数值计算方法的理解和应用。
二、实验内容1. 矩阵运算2. 线性方程组求解3. 函数求值4. 微分方程求解三、实验步骤1. 矩阵运算(1)编写程序实现矩阵的加法、减法、乘法运算;(2)编写程序实现矩阵的转置运算;(3)编写程序实现矩阵的逆运算。
2. 线性方程组求解(1)编写程序实现高斯消元法求解线性方程组;(2)编写程序实现雅可比迭代法求解线性方程组;(3)编写程序实现高斯-赛德尔迭代法求解线性方程组。
3. 函数求值(1)编写程序实现牛顿迭代法求函数的零点;(2)编写程序实现二分法求函数的零点;(3)编写程序实现割线法求函数的零点。
4. 微分方程求解(1)编写程序实现欧拉法求解一阶微分方程;(2)编写程序实现龙格-库塔法求解一阶微分方程;(3)编写程序实现龙格-库塔-法求解二阶微分方程。
四、实验结果与分析1. 矩阵运算(1)矩阵加法、减法、乘法运算结果正确;(2)矩阵转置运算结果正确;(3)矩阵逆运算结果正确。
2. 线性方程组求解(1)高斯消元法求解线性方程组,结果正确;(2)雅可比迭代法求解线性方程组,结果正确;(3)高斯-赛德尔迭代法求解线性方程组,结果正确。
3. 函数求值(1)牛顿迭代法求函数的零点,结果正确;(2)二分法求函数的零点,结果正确;(3)割线法求函数的零点,结果正确。
4. 微分方程求解(1)欧拉法求解一阶微分方程,结果正确;(2)龙格-库塔法求解一阶微分方程,结果正确;(3)龙格-库塔-法求解二阶微分方程,结果正确。
五、实验总结本次实验通过对数值计算方法的学习和实践,使我对数值计算有了更深入的了解。
以下是我对本次实验的总结:1. 矩阵运算是数值计算的基础,熟练掌握矩阵运算对于解决实际问题具有重要意义;2. 线性方程组求解是数值计算中常见的问题,高斯消元法、雅可比迭代法和高斯-赛德尔迭代法是常用的求解方法;3. 函数求值是数值计算中另一个常见问题,牛顿迭代法、二分法和割线法是常用的求解方法;4. 微分方程求解是数值计算中的难点,欧拉法、龙格-库塔法和龙格-库塔-法是常用的求解方法。
数值计算方法实验报告(含所有)
本科实验报告课程名称:计算机数值方法实验项目:计算机数值方法实验实验地点:虎峪校区致远楼B401专业班级:软件学院1217班学号:******xxxx 学生姓名:xxx指导教师:xxx2014 年 5 月21 日太原理工大学学生实验报告五、实验结果与分析二分法割线法分析:由程序知,使用二分法和割线法均能计算出方程的根,但利用割线法要比二分法计算的次数少,并且能够较早的达到精度要求。
相比之下,割线法程序代码量较少,精简明了。
六、讨论、心得本次数值计算方法程序设计实验从习题练习中跳脱出来,直接面对实用性较强的程序代码编写。
效果很好,不仅加深对二分法、割线法的理解,还加强了实际用运能力。
将理论知识成功地转化成实践结果。
实验地点虎峪校区致远楼B401指导教师xx太原理工大学学生实验报告l[i][k]=a[i][k];for(r=1;r<k;++r){l[i][k]-=l[i][r]*u[r][k];}l[i][k]/= u[k][k];}l[k][k]=1.0;}for(i=1;i<=n;++i){y[i] = b[i];for(j=1;j<i;++j){y[i]-=l[i][j]*y[j];}}for(i=n;i>0;--i){x[i] = y[i];for(j=i+1;j<=n;++j){x[i]-=u[i][j]*x[j];}x[i]/= u[i][i];}for(i=1;i<=n;++i){printf("%0.2lf\n",x[i]);}return 0;}五、实验结果与分析完全主元素消元法:列主元素消元法:LU分解法:分析:对于两种高斯解方程,完全主元素跟列主元素都是先消元、再回代,由程序段可以发现,始终消去对角线下方的元素。
即,为了节约内存及时效,可以不必计算出主元素下方数据。
列主元素消元法的算法设计上优于完全主元素消元法,它只需依次按列选主元素然后换行使之变到主元素位置,再进行消元即可。
数值计算方法实验报告
数值计算方法实验报告一、实验目的本实验旨在通过Python语言编写数值计算方法程序,掌握常见数值计算方法的实现原理及应用。
具体包括:插值法、最小二乘法、数值微积分、数值解方程、数值解微分方程等。
二、实验环境Python编程语言、Jupyter Notebook环境三、实验内容1.插值法(1)代码实现:在Python中使用Scipy库中的Interpolate模块实现拉格朗日插值法和牛顿插值法,并通过数据可视化展示其效果。
(2)实验步骤:- 导入所需库,准备所需数据;- 定义拉格朗日插值法函数;- 定义牛顿插值法函数;- 测试函数并可视化结果。
(3)实验结果:2.最小二乘法(1)代码实现:在Python中使用Numpy库实现最小二乘法,并通过数据可视化展示其效果。
(2)实验步骤:- 导入所需库,准备所需数据;- 定义最小二乘法函数;- 测试函数并可视化结果。
(3)实验结果:3.数值微积分(1)代码实现:在Python中实现梯形法和辛普森法,并通过数据可视化展示其效果。
(2)实验步骤:- 导入所需库,准备所需数据;- 定义梯形法函数和辛普森法函数;- 测试函数并可视化结果。
(3)实验结果:4.数值解方程(1)代码实现:在Python中实现二分法、牛顿法和割线法,并通过数据可视化展示其效果。
(2)实验步骤:- 导入所需库,准备所需数据;- 定义二分法函数、牛顿法函数和割线法函数;- 测试函数并可视化结果。
(3)实验结果:5.数值解微分方程(1)代码实现:在Python中实现欧拉法和龙格-库塔法,并通过数据可视化展示其效果。
(2)实验步骤:- 导入所需库,准备所需数据;- 定义欧拉法函数和龙格-库塔法函数;- 测试函数并可视化结果。
(3)实验结果:四、实验总结通过本次实验,我学习了数值计算方法的常用算法和实现原理,掌握了Python 语言实现数值计算方法的方法,加深了对数值计算方法的理解和应用。
实验中遇到的问题,我通过查找资料和与同学的讨论得到了解决,也更加熟练地掌握了Python语言的使用。
数值计算方法实验报告
数值计算方法实验报告实验目的:本次实验的目的是通过对数值计算方法的实践操作,加深对该方法的理解和掌握。
具体来说,本次实验旨在通过使用 MATLAB 软件对一些常见的数值计算问题进行求解,从而掌握和熟练运用一些数值计算方法,如插值、数值微积分、常微分方程数值解等。
实验过程:1.插值(1) Lagrange 插值法(2) Newton 插值法2.数值微积分(1) 梯形公式(2) Simpson 公式3.常微分方程数值解(1) 古典四步 Runge-Kutta 法(2) 改进四步 Runge-Kutta 法实验结果:本次实验中,我们使用 MATLAB 软件对以上数值计算问题进行了求解,成功得到了相应的数值解,并且通过分析和比较不同的数值计算方法的结果,得出了以下结论:1.在插值问题中,Lagrange 插值法和 Newton 插值法的结果相对较为接近,但是 Newton 插值法的计算速度更快。
2.在数值微积分问题中,梯形公式的结果较为精确,但是 Simpson 公式的精度更高。
3.在常微分方程数值解问题中,古典四步 Runge-Kutta 法和改进四步 Runge-Kutta 法均能得到较为准确的结果,但是改进四步Runge-Kutta 法的精度更高,尤其对于复杂的常微分方程求解有更好的效果。
实验结论:本次实验通过对数值计算方法的实践操作,深入理解了该方法的原理和运用,掌握了一些重要的数值计算方法,如插值、数值微积分、常微分方程数值解等,并且通过实验结果的分析比较,得出了相应的结论。
这些知识和技能对于我们在科研和工程实践中的数值计算问题具有非常重要的意义,具有广泛的应用前景。
大学计算实验实验报告
实验名称:数值计算方法实验日期:2021年10月15日实验地点:计算机实验室实验目的:1. 理解数值计算的基本原理和方法。
2. 掌握常用数值计算算法的编程实现。
3. 培养分析和解决实际问题的能力。
实验内容:本次实验主要涉及以下内容:1. 线性方程组的求解2. 函数求值与数值微分3. 函数求根4. 数据插值实验原理:数值计算是计算机科学和工程领域中非常重要的一个分支,它涉及到将数学问题转化为计算机可以处理的数值问题。
本实验主要探讨了以下数值计算方法:1. 高斯消元法:用于求解线性方程组。
2. 牛顿法:用于求解函数的根。
3. 二分法:用于求解函数的根。
4. 拉格朗日插值法:用于数据插值。
实验步骤:1. 线性方程组的求解:- 编写程序实现高斯消元法,用于求解线性方程组。
- 输入方程组的系数和常数项。
- 输出方程组的解。
2. 函数求值与数值微分:- 编写程序实现中点法和辛普森法,用于求函数的近似值。
- 编写程序实现中心差分法,用于求函数的导数近似值。
- 输入函数表达式、求值点和微分点。
- 输出函数的近似值和导数的近似值。
3. 函数求根:- 编写程序实现牛顿法和二分法,用于求解函数的根。
- 输入函数表达式、初始猜测值和误差容忍度。
- 输出函数的根。
4. 数据插值:- 编写程序实现拉格朗日插值法,用于数据插值。
- 输入数据点和待插值点。
- 输出插值结果。
实验结果:1. 线性方程组的求解:- 输入方程组系数和常数项:`2x + 3y = 6`,`x - y = 1`。
- 输出解:`x = 2`,`y = 1`。
2. 函数求值与数值微分:- 输入函数表达式:`f(x) = x^2`,求值点:`x = 2`。
- 输出函数的近似值:`f(2) ≈ 4.000000`。
- 输入微分点:`x = 2`。
- 输出导数的近似值:`f'(2) ≈ 4.000000`。
3. 函数求根:- 输入函数表达式:`f(x) = x^2 - 2`,初始猜测值:`x = 1`,误差容忍度:`10^-6`。
数值计算方法实验报告
数值计算方法实验报告数值计算方法实验报告引言:数值计算方法是一种通过数学模型和计算机算法来解决实际问题的方法。
在科学研究和工程应用中,数值计算方法被广泛应用于求解方程、优化问题、模拟仿真等领域。
本实验报告将介绍数值计算方法的基本原理和实验结果。
一、二分法求根二分法是一种通过不断折半缩小搜索区间来求解方程根的方法。
在实验中,我们选取了一个简单的方程f(x) = x^2 - 4 = 0来进行求根实验。
通过不断将搜索区间进行二分,我们可以逐步逼近方程的根。
实验结果表明,通过二分法,我们可以得到方程的根为x = 2。
二、牛顿迭代法求根牛顿迭代法是一种通过不断逼近方程根的方法。
在实验中,我们同样选取了方程f(x) = x^2 - 4 = 0进行求根实验。
牛顿迭代法的基本思想是通过对方程进行线性近似,求得近似解,并不断迭代逼近方程的根。
实验结果表明,通过牛顿迭代法,我们可以得到方程的根为x = 2。
三、高斯消元法求解线性方程组高斯消元法是一种通过变换线性方程组的系数矩阵,将其化为上三角矩阵的方法。
在实验中,我们选取了一个简单的线性方程组进行求解实验。
通过对系数矩阵进行行变换,我们可以将其化为上三角矩阵,并通过回代求解得到方程组的解。
实验结果表明,通过高斯消元法,我们可以得到线性方程组的解为x = 1,y = 2,z = 3。
四、插值与拟合插值与拟合是一种通过已知数据点来构造函数模型的方法。
在实验中,我们选取了一组数据点进行插值与拟合实验。
通过拉格朗日插值多项式和最小二乘法拟合,我们可以得到数据点之间的函数模型。
实验结果表明,通过插值与拟合,我们可以得到数据点之间的函数关系,并可以通过该函数模型来进行预测和拟合。
结论:数值计算方法是一种通过数学模型和计算机算法来解决实际问题的方法。
通过本次实验,我们学习了二分法求根、牛顿迭代法求根、高斯消元法求解线性方程组以及插值与拟合的基本原理和应用。
这些方法在科学研究和工程应用中具有广泛的应用前景。
数值计算方法实验报告1
长春理工大学学生实验报告
printf("\n");
}
printf("\n");
difference(x,(float *)y,n);
printf("请输入插值X:");
scanf("%f",&xx);
yy=y[20];
for(i=n-1;i>=0;i--)
yy=yy*(xx-x[i])+y[i];
printf("\n近似值为:F(%f)=%f\n",xx,yy);
}
五、实验结果与分析
分析:
拉格朗日插值的优点是插值多项式特别容易建立,缺点是增加节点是原有多项式不能利用,必须重新建立,即所有基函数都要重新计算,这就造成
计算量的增加。
牛顿插值法则很好地避免了上述问题。
五、讨论、心得
本实验有两种插值方法可以选用,由于时间关系,最终选用牛顿插值法。
若是下去有时间的话,可以再用拉格朗日插值法验证一番。
既能增加编程的锻炼能力,还能进一步巩固一下所学知识。
实验地点北区多学科综合楼4506指导教师。
数值计算的实验报告
一、实验目的1. 熟悉数值计算的基本原理和方法。
2. 掌握常用的数值计算算法及其应用。
3. 提高数值计算软件的使用能力。
4. 培养分析问题和解决问题的能力。
二、实验环境1. 操作系统:Windows 102. 编程语言:Python3. 数值计算软件:NumPy、SciPy、Matplotlib三、实验内容1. 实验一:数值积分(1)实验目的:学习数值积分方法,计算定积分的近似值。
(2)实验内容:a. 使用辛普森法则计算函数f(x) = x^2在区间[0, 1]上的定积分。
b. 使用梯形法则计算函数f(x) = e^x在区间[0, 1]上的定积分。
(3)实验步骤:a. 编写Python代码,实现辛普森法则和梯形法则。
b. 分别使用两种方法计算定积分的近似值。
c. 对比两种方法的计算结果,分析误差来源。
2. 实验二:数值微分(1)实验目的:学习数值微分方法,计算函数在某点的导数近似值。
(2)实验内容:a. 使用中心差分法计算函数f(x) = sin(x)在x = π/2处的导数近似值。
b. 使用前向差分法和后向差分法计算函数f(x) = cos(x)在x = 0处的导数近似值。
(3)实验步骤:a. 编写Python代码,实现中心差分法、前向差分法和后向差分法。
b. 分别使用三种方法计算导数的近似值。
c. 对比三种方法的计算结果,分析误差来源。
3. 实验三:线性方程组求解(1)实验目的:学习线性方程组求解方法,掌握高斯消元法和迭代法。
(2)实验内容:a. 使用高斯消元法求解线性方程组:3x + 2y - z = 72x - y + 3z = -1-x + 2y + 2z = 4b. 使用雅可比迭代法求解线性方程组:3x + 2y - z = 72x - y + 3z = -1-x + 2y + 2z = 4(3)实验步骤:a. 编写Python代码,实现高斯消元法和雅可比迭代法。
b. 分别使用两种方法求解线性方程组。
- 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)。
实验报告一、实验目的二、实验内容三、实验环境四.实验方法五、实验过程1实验步骤2 关键代码及其解释3 调试过程六、实验总结1.遇到的问题及解决过程2.产生的错误及原因分析3.体会和收获。
七、程序源代码:八、教师评语实验报告一.试验目的:练习用数值方法求解给定的非线性方程。
二.实验内容:求解人口方程: )1(5.43e 1004.156-+=λλλe要求误差小于410-。
三.实验环境:PC 计算机,FORTRAN 、C 、C ++、VB 任选一种。
四.实验方法:牛顿法牛顿法简述:牛顿法是一种特殊的迭代法,其迭代公式为:,2,1,0,)()(1='-=+k x f x f x x k k k k ,当数列{}k x 收敛时,其极限值x 即为方程的解。
定理:给定方程],[,0)(b a x x f ∈=1)设0)()(<b f a f ;2))(x f ''在],[b a 上不变号,且],[,0)(b a x x f ∈≠'; 3)选取],[0b a x ∈,满足0)()(00>''x f x f ;则牛顿法产生的序列{}k x 收敛于0)(=x f 在],[b a 内的唯一解x 。
五.实验过程:1.编程: 用C 语言编出牛顿法的源程序。
2. 开机, 打开C 语言编译程序,键入所编程序源代码.3. 调试程序, 修改错误至能正确运行.六.实验总结:(1)牛顿法收敛速度快,但初值不容易确定,往往由于初值取得不当而使迭代不收敛或收敛慢,但若能保证)()(1+>K K x f x f (称为下山条件),则有可能收敛。
把新的近似值看作初值的话会比原来的取得好,有可能落入局部收敛的邻域。
(2)牛顿法要求)(x f '在x 附近不为零。
亦即x 只能是单根, 不能求重根。
可用重根加速收敛法求重根。
(3)牛顿法的每一步迭代中,都要计算一次导数值,若计算)(x f '比计算函数的近似值要麻烦的多。
为了避免求导数,可用差商近似代替微商11)()()(----='K K K K K x x x f x f x f此时牛顿迭代法改为)()()()(111--+---=K K K K K K K x x x f x f x f x x .(4) 由于人口方程来源于实际问题, λ代表人口增长率, 其真实值不会太大, 初值不应取得过大.否则会得到该方程的另外一个解七、程序源代码:#include<math.h>#define ep 1e-4 float f (float x) { float y;y=100*exp(x)+43.5*(exp(x)-1)/x-156.4;return(y); }float df (float x) { float y;y=100*exp(x)+43.5*( x*exp(x)-exp(x)+1)/(x*x); return(y); }float root(float x) { float y;if (fabs)f<ep) y=x;else y=root(x-f(x)/df(x)); while(n<N) return(y); }main() {float y,x0;printf(“enter x0:”); scanf(“%f”,&x0); y=root(x);printf(“%f%f’,y,f(y));八、教师评语云南大学数学与统计学实验教学中心实验报告一.试验目的:练习用数值方法求逆矩阵。
二.实验内容:求下面矩阵的逆矩阵:⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=491472583A . 三. 实验环境:PC 计算机, C 语言。
四.实验方法: 列主元高斯—约当消去法 列高斯—约当消去法简述:高斯—约当消去法是高斯消去法的另一种变种和改进。
本算法与高斯消元法的区别在于:(1)不用乘数ik m ,改用行标准化,把)(k kka 位置上的元素先变为1。
(2)高斯消元法只是把)(k kk a 这一列中)(k kk a 下面行的元素消为0,而高斯—约当消去法则是把)(k kk a 这一列元素除1)(=k kk a 以外全部消为0。
(3)高斯—约当消去法进行n 次消元,把第n 列也消为只剩一个元素为1,其余均为0。
因此,0≠∆n 对于消元也是必要条件。
高斯—约当消去法算法为:1,)1,,1,()1,,1,(/,,2,1+=⎪⎩⎪⎨⎧++=-←≠++=←=n i i kj ik ij ijkk kj kj a PRINTx n k k j a a a a ji n k k j a a a nk 五.实验过程:1.编程: 用C 语言编出全主元高斯—约当消去法的源程序。
2. 开机, 打开C 语言编译程序,键入所编程序源代码. 3. 调试程序, 修改错误至能正确运行. 4. 运行程序并输出计算结果.计算结果:MAT A-1 IS:⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡0213.01489.01064.00936.00553.00681.02851.03957.00255.0.六. 实验总结:高斯——约当消去法算法具有以下优点和缺点: 算法优点:不用换行,换列,不用回代,精度高。
算法缺点:循环语句比较难组织,已选过主元素所在行所在列的元素不能再被选作主元素,解向量的分量也不一定按次序排列。
七、程序源代码:#include “stdlib.h ” #include “math.h ” #include “stdio.h ” int rinv(n,a) int n;double a[];{int*is,*js,i,j,k,l,u,v; double d ,p;is=malloc(n*sizeof(int)); js=malloc(n*sizeof(int)); for (k=0;k<=n-1;k++) {d=0.0;for (i=k;k<=n-1;i++) for (j=k;k<=n-1;j++) {l=i*n+j;p=fabs(a[l]);if(p>d){d=p;is[k]=i; js[k]=j;} }if(d+1.0==1.0){free(is); free(is);print(“err**not inv\n ”); return(0); }if(is[k]!=k)for(j=0;j<=n-1;j++) {u=k*n+j;v=is[k]*n+j; p=a[u];a[u]=a[v];a[v]=p; }if(js[k]!=k)for(i=0;i<=n-1;i++) {u=i*n+k;v=i*n+js[k]; p=a[u];a[u]=a[v];a[v]=p; }l=k*n+k; a[l]=1.0/a[l];for(j=0;j<=n-1;j++) if(j!=k){u=k*n+j; a[u]=a[u]*a[l];} for(i=0;i<=n-1;i++) if(i!=k)for(j=0;j<=n-1;j++)if(j!=k){u=i*n+j;a[u]=a[u]-a[i*n+k]*a[k*n+j];}for(i=0;i<=n-1;i++)if(i!=k){u=i*n+k; a[u]=-a[u]*a[l];}}for(k=n-1;k>=0;k-){if(is[k]!=k)for(i=0;j<=n-1;i++){u=i*n+k;v= i*n+is[k];p=a[u];a[u]=a[v];a[v]=p;}}free(is); free(is);return(1);}#include “stdio.h#include “rinv.c”main(){int i,j;static double a[3][3]={{-3,8,5},{2,-7,4},{1,9,-6}};double b[3][3];for (i=0;i<=2;i++)for (j=0;j<=2;j++)b[i][j] =a[i][j];i=rinv(3,a)if(i!=0){printf(“MAT A IS:\n”);for (i=0;i<=2;i++){for (j=0;j<=2;j++)printf(“%5.4f”,b[i][j]);printf(“\n”);}printf(“\n”);printf(“MAT A-1 IS:\n”);for (i=0;i<=2;i++){for (j=0;j<=2;j++)printf(“%5.4f”,b[i][j]);printf(“\n”);}printf(“\n”);}}八、教师评语云南大学数学与统计学实验教学中心实验报告一.试验目的:练习线性方程组的直接解法。
二.实验内容:求解如下三对角线方程组:⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡--------100200200200100414411411411454321x x x x x . 三.实验环境:PC 计算机, C 语言。
四.实验方法:追赶法追赶法简述:追赶法主要用于解三对角线方程组,尤其是具有严格对角占优的三对角线方程。
用克路特分解法将三对角线矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=---n n n n n ii i b a c b a c b a c b a c b A 11122211分解为A=LU:⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=n n ii L αγαγαγαγα 33221, ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=-11111121n iU ββββ其中11111111,,3,2,,;,,3,2,---=⎪⎩⎪⎨⎧-==-=====n n n n i i i i i i i i b n i cb c b n i a βγααββγααβαγ 求解f Ax =可通过求解两个三角方程组y Ux f Ly ==,来实现,其中).1,2,,2,1)(,).,,2,1(/)(,11111 --=-===-==+-n n i x y x y x n i y f y fy i i i i n n i i i i i βαγα五.实验过程:1.编程: 用C 语言编出追赶法的源程序。
2. 开机, 打开C 语言编译程序,键入所编程序源代码.3. 调试程序, 修改错误至能正确运行.4. 运行程序并输出计算结果.计算结果:x(1) = 46.1538 x(2) = 84.6154 x(3) = 92.3077 x(4) = 84.6154 x(5) = 46.1538六. 实验总结:追赶法的中间运算没有数量级的很大变化,不会有严重的误差积累,所以此方法是比较稳定的。