数值分析实验报告
数值分析综合实验报告
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。
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
一、实验目的1. 理解数值分析的基本概念和常用算法；2. 掌握数值方法在求解实际问题中的应用；3. 培养编程能力，提高对数值分析软件的使用熟练度。
二、实验内容本次实验主要涉及以下内容：1. 拉格朗日插值法；2. 牛顿插值法；3. 线性方程组的求解方法；4. 方程求根的数值方法；5. 最小二乘法曲线拟合。
三、实验步骤1. 拉格朗日插值法（1）输入数据：给定一组数据点（x1, y1）、（x2, y2）、...、（xn, yn）。
（2）计算拉格朗日插值多项式L(x)。
（3）利用L(x)计算待求点x0的函数值y0。
2. 牛顿插值法（1）输入数据：给定一组数据点（x1, y1）、（x2, y2）、...、（xn, yn）。
（2）计算牛顿插值多项式N(x)。
（3）利用N(x)计算待求点x0的函数值y0。
3. 线性方程组的求解方法（1）输入数据：给定线性方程组的系数矩阵A和常数向量b。
（2）采用高斯消元法求解线性方程组Ax=b。
4. 方程求根的数值方法（1）输入数据：给定函数f(x)和初始值x0。
（2）采用二分法求解方程f(x)=0的根。
5. 最小二乘法曲线拟合（1）输入数据：给定一组数据点（x1, y1）、（x2, y2）、...、（xn, yn）。
（2）建立线性最小二乘模型y=F(x)。
（3）利用最小二乘法求解模型参数。
四、实验结果与分析1. 拉格朗日插值法与牛顿插值法的比较通过实验，我们发现牛顿插值法的精度高于拉格朗日插值法。
这是因为牛顿插值法在计算过程中考虑了前一项的导数信息，从而提高了插值多项式的平滑性。
2. 线性方程组的求解方法高斯消元法在求解线性方程组时，计算过程较为繁琐，但稳定性较好。
在实际应用中，可根据具体问题选择合适的方法。
3. 方程求根的数值方法二分法在求解方程时，收敛速度较慢，但具有较好的稳定性。
对于初始值的选择，应尽量接近真实根。
4. 最小二乘法曲线拟合最小二乘法在拟合曲线时，误差较小，适用于数据点较多的情况。
数值分析原理实验报告
一、实验目的通过本次实验，掌握数值分析的基本原理和方法，了解数值分析在科学和工程领域的应用，培养动手能力和分析问题的能力。
二、实验内容1. 二分法求方程根（1）原理：二分法是一种在实数域上寻找函数零点的算法。
对于连续函数f(x)，如果在区间[a, b]上f(a)f(b)<0，则存在一个根在区间(a, b)内。
二分法的基本思想是将区间[a, b]不断二分，缩小根所在的区间，直到满足精度要求。
（2）实验步骤：① 输入函数f(x)和精度要求；② 初始化区间[a, b]和中间点c=a+(b-a)/2；③ 判断f(c)与f(a)的符号，若符号相同，则将区间缩小为[a, c]，否则缩小为[c,b]；④ 重复步骤②和③，直到满足精度要求；⑤ 输出根的近似值。
2. 牛顿法求方程根（1）原理：牛顿法是一种在实数域上寻找函数零点的算法。
对于可导函数f(x)，如果在点x0附近，f(x0)f'(x0)≠0，则存在一个根在点x0附近。
牛顿法的基本思想是通过泰勒展开近似函数，然后求解近似方程的根。
（2）实验步骤：① 输入函数f(x)和精度要求；② 初始化迭代次数n=0，近似根x0；③ 计算导数f'(x0)；④ 求解近似方程x1=x0-f(x0)/f'(x0)；⑤ 判断|x1-x0|是否满足精度要求，若满足，则停止迭代；否则，将x0更新为x1，n=n+1，返回步骤③。
3. 雅可比迭代法解线性方程组（1）原理：雅可比迭代法是一种解线性方程组的迭代算法。
对于线性方程组Ax=b，雅可比迭代法的基本思想是利用矩阵A的对角线元素将方程组分解为多个一元线性方程，然后逐个求解。
（2）实验步骤：① 输入系数矩阵A和常数向量b；② 初始化迭代次数n=0，近似解向量x0；③ 计算对角线元素d1, d2, ..., dn；④ 更新近似解向量x1=x0-A/d1, x2=x0-A/d2, ..., xn=x0-A/dn；⑤ 判断|x1-x0|是否满足精度要求，若满足，则停止迭代；否则，将x0更新为x1, x2, ..., xn，n=n+1，返回步骤③。
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。
数值分析实验报告总结
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
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。
数值分析实验报告5篇
误差分析实验1.1（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，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。
通过本实验可获得一个初步体会。
数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。
病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。
问题提出：考虑一个高次的代数多项式)1.1()()20()2)(1()(201∏=-=---=k k x x x x x p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。
现考虑该多项式的一个扰动)2.1(0)(19=+x x p ε其中ε是一个非常小的数。
这相当于是对（1.1）中19x 的系数作一个小的扰动。
我们希望比较（1.1）和（1.2）根的差别，从而分析方程（1.1）的解对扰动的敏感性。
实验内容：为了实现方便，我们先介绍两个Matlab 函数：“roots ”和“poly ”。
roots(a)u =其中若变量a 存储n+1维的向量，则该函数的输出u 为一个n 维的向量。
设a 的元素依次为121,,,+n a a a ，则输出u 的各分量是多项式方程01121=+++++-n n n n a x a x a x a的全部根；而函数poly(v)b =的输出b 是一个n+1维变量，它是以n 维变量v 的各分量为根的多项式的系数。
可见“roots ”和“poly ”是两个互逆的运算函数。
;000000001.0=ess );21,1(zeros ve = ;)2(ess ve =))20:1((ve poly roots +上述简单的Matlab 程序便得到（1.2）的全部根，程序中的“ess ”即是（1.2）中的ε。
实验要求：（1）选择充分小的ess ，反复进行上述实验，记录结果的变化并分析它们。
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。
数值分析实验 实验报告
数值分析实验实验报告数值分析实验实验报告引言在现代科学与工程领域，数值分析是一项重要的技术手段。
通过数值方法，我们可以利用计算机模拟和解决各种实际问题，如物理、化学、生物、经济等领域中的方程求解、优化问题、数据拟合等。
本实验旨在通过实际案例，探讨数值分析的应用和效果。
实验一：方程求解首先，我们考虑一个简单的方程求解问题。
假设我们需要求解方程f(x) = 0的根，其中f(x)是一个在给定区间[a, b]上连续且单调的函数。
为了实现这个目标，我们可以采用二分法、牛顿法、弦截法等数值方法。
在本实验中，我们选择使用二分法来求解方程f(x) = 0。
这种方法的基本思想是通过不断缩小区间[a, b]的范围，直到找到一个近似的根。
我们首先选取一个中间点c，计算f(c)的值，然后根据f(c)与0的关系，将区间[a, b]分成两部分。
重复这个过程，直到找到满足精度要求的根。
实验二：数据拟合接下来，我们考虑一个数据拟合的问题。
假设我们有一组离散的数据点，我们希望找到一个函数，使得该函数与这些数据点的拟合误差最小。
为了实现这个目标，我们可以采用最小二乘法等数值方法。
在本实验中，我们选择使用最小二乘法来进行数据拟合。
这种方法的基本思想是通过最小化数据点与拟合函数之间的误差平方和，来确定拟合函数的参数。
我们首先选择一个拟合函数的形式，如线性函数、多项式函数等。
然后，通过最小化误差平方和的方法，计算出拟合函数的参数。
实验三：优化问题最后，我们考虑一个优化问题。
假设我们需要在给定的约束条件下，找到一个使得目标函数取得最大或最小值的变量。
为了实现这个目标，我们可以采用梯度下降法、遗传算法等数值方法。
在本实验中，我们选择使用梯度下降法来解决优化问题。
这种方法的基本思想是通过迭代的方式，不断调整变量的取值，直到找到一个满足约束条件的最优解。
我们首先计算目标函数关于变量的梯度，然后根据梯度的方向和大小，更新变量的取值。
通过不断迭代，我们可以逐步接近最优解。
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_分析实验报告
一、实验目的1. 理解数值分析的基本概念和方法；2. 掌握线性方程组的求解方法，如雅可比迭代法、高斯赛德尔迭代法和SOR迭代法；3. 利用MATLAB软件进行数值计算，并分析结果。
二、实验原理1. 数值分析是研究如何用数值方法求解数学问题的学科，其核心是误差分析和算法设计。
2. 线性方程组是数值分析中的基本问题之一，常见的求解方法有直接法和迭代法。
3. 雅可比迭代法、高斯赛德尔迭代法和SOR迭代法是三种常用的迭代法，它们通过迭代过程逐步逼近方程组的解。
4. MATLAB是一种高性能的科学计算软件，具有强大的数值计算和可视化功能。
三、实验内容1. 实验一：雅可比迭代法（1）原理：雅可比迭代法是求解线性方程组的迭代法之一，其基本思想是将线性方程组分解为多个子方程，然后依次求解子方程，逐步逼近方程组的解。
（2）步骤：a. 输入系数矩阵A和常数向量B；b. 初始化迭代变量X0；c. 计算对角矩阵D、上三角矩阵L和下三角矩阵U；d. 进行迭代计算，直到满足精度要求或达到最大迭代次数；e. 输出解向量X。
（3）MATLAB代码实现：```MATLABfunction [X, K] = JACOBI(A, B, X0, E, N)[n, n] = size(A);D = diag(A);L = tril(A - D, -1);U = triu(A - D);K = 0;for i = 1:NX_new = (B - L \ U \ X0) / D;if norm(X_new - X0) < Ebreak;endX0 = X_new;K = K + 1;endX = X_new;end```2. 实验二：高斯赛德尔迭代法（1）原理：高斯赛德尔迭代法是另一种求解线性方程组的迭代法，其基本思想是在每次迭代中，利用已求得的近似解来更新下一个近似解。
（2）步骤：a. 输入系数矩阵A和常数向量B；b. 初始化迭代变量X0；c. 进行迭代计算，直到满足精度要求或达到最大迭代次数；d. 输出解向量X。
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。
数值分析的实验报告
数值分析的实验报告数值分析的实验报告导言数值分析是一门研究数值计算方法和数值计算误差的学科，它在科学计算、工程技术和社会经济等领域具有广泛的应用。
本实验旨在通过对数值分析方法的实际应用，验证其有效性和可靠性。
实验一：方程求根方程求根是数值分析中的基础问题之一。
我们选取了一个非线性方程进行求解。
首先，我们使用二分法进行求解。
通过多次迭代，我们得到了方程的一个近似解。
然后，我们使用牛顿法进行求解。
与二分法相比，牛顿法的收敛速度更快，但需要选择一个初始点。
通过比较两种方法的结果，我们验证了牛顿法的高效性。
实验二：插值与拟合插值与拟合是数值分析中常用的数据处理方法。
我们选取了一组实验数据，通过拉格朗日插值法和最小二乘法进行插值和拟合。
通过对比两种方法的拟合效果，我们验证了最小二乘法在处理含有噪声数据时的优势。
同时，我们还讨论了插值和拟合的精度与样本点数量之间的关系。
实验三：数值积分数值积分是数值分析中的重要内容之一。
我们选取了一个定积分进行计算。
首先，我们使用复化梯形公式进行积分计算。
通过增加分割区间的数量，我们得到了更精确的结果。
然后，我们使用复化辛普森公式进行积分计算。
与复化梯形公式相比，复化辛普森公式具有更高的精度。
通过比较两种方法的结果，我们验证了复化辛普森公式的优越性。
实验四：常微分方程数值解常微分方程数值解是数值分析中的重要应用之一。
我们选取了一个常微分方程进行数值解的计算。
首先，我们使用欧拉方法进行数值解的计算。
然后，我们使用改进的欧拉方法进行数值解的计算。
通过比较两种方法的结果，我们验证了改进的欧拉方法的更高精度和更好的稳定性。
实验五：线性方程组的数值解法线性方程组的数值解法是数值分析中的重要内容之一。
我们选取了一个线性方程组进行数值解的计算。
首先，我们使用高斯消元法进行数值解的计算。
然后，我们使用追赶法进行数值解的计算。
通过比较两种方法的结果，我们验证了追赶法在求解三对角线性方程组时的高效性。
数值分析实验报告
数值分析实验报告一、实验目的数值分析是一门研究用计算机求解数学问题的数值方法及其理论的学科。
本次实验的目的在于通过实际操作和编程实现，深入理解和掌握数值分析中的常见算法，提高运用数值方法解决实际问题的能力，并对算法的精度、稳定性和效率进行分析和比较。
二、实验环境本次实验使用的编程语言为 Python，使用的开发工具为 PyCharm。
实验所依赖的主要库包括 NumPy、Matplotlib 等。
三、实验内容（一）函数逼近与插值1、拉格朗日插值法通过给定的离散数据点，构建拉格朗日插值多项式，对未知点进行函数值的估计。
2、牛顿插值法与拉格朗日插值法类似，但采用了不同的形式和计算方式。
（二）数值积分1、梯形公式将积分区间划分为若干个梯形，通过计算梯形面积之和来近似积分值。
2、辛普森公式基于抛物线拟合的方法，提高积分近似的精度。
（三）线性方程组求解1、高斯消元法通过逐行消元将线性方程组化为上三角形式，然后回代求解。
2、 LU 分解法将系数矩阵分解为下三角矩阵 L 和上三角矩阵 U，然后通过两次前代和回代求解。
（四）非线性方程求解1、二分法通过不断将区间一分为二，逐步缩小根所在的区间，直到满足精度要求。
2、牛顿迭代法利用函数的切线来逼近根，通过迭代逐步收敛到根的近似值。
四、实验步骤（一）函数逼近与插值1、拉格朗日插值法定义计算拉格朗日基函数的函数。
根据给定的数据点和待求点，计算插值多项式的值。
输出插值结果，并与真实值进行比较。
2、牛顿插值法计算差商表。
构建牛顿插值多项式。
进行插值计算和结果分析。
（二）数值积分1、梯形公式定义积分区间和被积函数。
按照梯形公式计算积分近似值。
分析误差。
2、辛普森公式同样定义积分区间和被积函数。
运用辛普森公式计算积分近似值。
比较与梯形公式的精度差异。
（三）线性方程组求解1、高斯消元法输入系数矩阵和右端项向量。
进行消元操作。
回代求解方程。
输出解向量。
2、 LU 分解法对系数矩阵进行 LU 分解。
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。
数值分析实验报告doc
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"#includeusing namespace std;//Gauss法void lzy(double **a,double *b,int n) {int i,j,k;double l,x[10],temp;for(k=0;k {for(j=k,i=k;j {if(j==k)temp=fabs(a[j][k]);else if(temp {temp=fabs(a[j][k]);i=j;}}if(temp==0){cout return;}elsefor(j=k;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;i {l=a[i][k]/a[k][k];for(j=k;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 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;j temp=temp+a[i][j]*x[j]; x[i]=(b[i]-temp)/a[i][i];}for(i=0;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;k {temp=0;for(m=0;m temp=temp+pow(a[k][m],2); if(a[k][k] return;a[k][k]=pow((a[k][k]-temp),1.0/2.0); for(i=k+1;i {temp=0;for(m=0;m temp=temp+a[i][m]*a[k][m]; a[i][k]=(a[i][k]-temp)/a[k][k];}temp=0;for(m=0;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;m temp=temp+a[m][k]*x[m];x[k]=(y[k]-temp)/a[k][k];}for(i=0;i {printf("x%d=%lf\t",i+1(转自：小草范文网:数值分析实验报告),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;i {a0[i]=a[i][i];if(i c[i]=a[i][i+1];if(i>0)d[i-1]=a[i][i-1];}a1[0]=a0[0];for(i=0;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;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;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;i {A[i]=(double *)malloc((n)*sizeof(double));B[i]=(double*)malloc((n)*sizeof(double));C[i]=(double*)malloc((n)*sizeof(double)); }cout cin>>n;cout for(i=0;i for(j=0;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。
- 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)。
学生学号实验课成绩学生实验报告书实验课程名称数值分析开课学院计算机科学与技术学院指导教师姓名熊盛武学生姓名学生专业班级2013—— 2014学年第二学期实验课程名称：数值分析#include<iostream>#include<cmath>#define f(x) (x*x*x-x-1)using namespace std;int main(){int i;float x,t,a,b,e;cout<<"请输入求根区间a,b"<<"控制变量e"<<endl;cin>>a>>b>>e; i=0;while ((b-a)>e){i++;x=(a+b)/2;if (f(a)*f(x)<0) b=x;if (f(a)*f(x)>0) a=x;}t=(a+b)/2;cout<<"在求根区间a,b间近似根t="<<t<<endl;cout<<"所需二分法次数i="<<i<<endl;return 0;}调试过程，实验结果及分析：计算x*x*x-x-1=0 在[1,2]内的近似根。
当精度达到0.000001时，程序运行如下图：当精度达到0.001时，程序运行如下图：调试过程中如果把while ((b-a)>e)改为while ((b-a)<e),算然会出现程序运行之后的界面，但是输出的近似根是1.5，迭代次数i=0,也就是说程序的循环体没有执行，这是因为求根呢区间远远大于精度。
从而跳过循环体直接输出前面输入的数据。
当精度达到0.000001时，程序运行如下图：当循环体程序代码如下：x1=pow(s(x0),1/3);x0=x1;x1=pow(s(x0),1/3);时会出现程序运行结果的界面，但是输出的近似根是1，迭代次数是1，这是因为x1=pow(s(x0),1/3)与三次求根函数式的数据类型不符。
导致x1=pow(s(x0),1/3)不再是三次求根的函数式由运行结果看出：精度达到0.00001时，简单迭代法迭代次数为6精度达到0.000001时，简单迭代法迭代次数为8。
精度要求越高，简单迭代法迭代次数越多。
简单迭代法归结于找直线和曲线的交点的横坐标，其中迭代法的效果并不是总能令人满意的。
例如：该程序中简单迭代法另一种等价形式x=x*x*x-1对此建立迭代公式：x(k+1)=x(k)*x(k)*x(k)-1迭代初始值x0=1.5，则有x1=2.375, x2=12.39.继续迭代下去已经没有必要了，为结果显然会越来越大，不可能区域某个极限。
这种不收敛的迭代过程是发散的，一个发散的迭代过程，显然其结果是毫无价值的。
二分法和简单迭代法比较：当精度都是0.0001，所求结果为：1.32474时，简单迭代法迭代次数比二分法少9次，当精度都是0.00001，所求结果都为：1.32472时，简单迭代法迭代次数比二分法少11次。
简单迭代法逼近速度比二分法好，计算的效率比二分法提高了很多精度要求越高，简单迭代法的优势也越明显。
二分法不能用于求偶数重根和复根，多用于为其他求根方法提供初始近似值。
简单迭代法的迭代过程可能是收敛的也可能是发散的，简单迭代法对迭代公式有要求，迭代公式必须是收敛的，即结果逐渐趋近于某个极限。
Aitken算法程序源代码：#include<iostream>#include<cmath>double s(double t){return (t*t*t-1);}using namespace std;int main(){int i;double x,x0,x1,x2,e;cout<<"请输入迭代初始值x0"<<",和控制精度e"<<endl;cin>>x0>>e;i=0;while(fabs(x0*x0*x0-x0-1)>e){i++;x1=s(x0);x2=s(x1);x0=x2-(x2-x1)*(x2-x1)/(x2-2*x1+pow((x1+1),1.0/3.0));}x=x0;cout<<"近似根x="<<x<<endl;cout<<"所需迭代次数i="<<i<<endl;return 0;}调试过程，实验结果及分析：计算x*x*x-x-1=0 在[1,2]内的近似根。
精度达到0.0001时，程序运行结果如下图：当将x=x0;改成x=x1，输出结果近似根为1.32517，迭代次数为5，这与要求得到的试验结果1.32472有一些差距，这是有循环语句i++;精度达到0.00001时，程序运行结果如下图：由运行结果看出：精度达到0。
00001时，牛顿迭代法迭代次数为3x2=s(x1);x1=x2;这两句顺序不能换过来，当换过来时，错误如下c:\program files\microsoft visual studio\myprojects\erww\q.cpp(26) : fatal error C1004: unexpected end of file found执行cl.exe 时出错.：这是因为在执行循环体之前没有对x2赋值，系统无法识别赋值到x1的值是多少，因此也无法的到想要的结果。
从运行结果看出：牛顿迭代法有很好的收敛性。
在精度要求相同时，牛顿迭代法迭代次数比二分法,简单迭代法，Aitken迭代法都要少，牛顿迭代法是一种更快的迭代法。
牛顿迭代法是将非线性方程逐步转化为某些线性方程来求解，这是牛顿迭代法的基本思想。
将牛顿迭代法应用于以下方程求根：1x=(2-e^x+x*x)/323*x*x-e^x=0弦截法程序源代码：#include<iostream>#include<cmath>double s(double t){return t*t*t-t-1;}using namespace std;int main(){int i;double x,x0,x1,x2,e;cout<<"请输入迭代初始值x0,x1"<<",和控制精度e"<<endl;cin >>x0>>x1>>e;i=0;while(fabs(x1-x0)>e){i++;x2=x1-s(x1)*(x1-x0)/(s(x1)-s(x0));x0=x1;x1=x2;}x=(x1+x2)/2;cout<<"近似根x="<<x<<endl;cout<<"所需迭代次数i="<<i<<endl;return 0;}调试过程，实验结果及分析：对于x0=1,x1=2 利用弦截法程序运行结果如下图：弦截法局部收敛的速度比牛顿法略慢一些，弦截法计算过程中没有导数的计算，弦截法的计算量比牛顿法少。
实验小结及体会：在含根区间内求单根最简单最可靠的方法是二分法；Newton法实质上是一种线性化方法，基本思想是将非线性方程逐步归结为某种线性方程来求解；弦割法的基本思想是避免计算导数，直接用两个连续的近似根的线性插值来近似。
尽管每种数值方法有它本身的局限性，但它们还是很有效的。
因此应该了解每一种方法的来龙去脉，尤其是它的困难所在，并通过计算机实习来熟悉和掌权这些方法.。
实验课程名称：数值分析实验项目名称插值方法实验成绩实验者专业班级组别同组者实验日期年月日{b[j]=(b[j]-b[j-1])/(a[j]-a[j-1-i]);}tmp=1;f=b[0];{for(i=0;i<n;i++){tmp=tmp*(x-a[i]);f=f+tmp*b[i+1];}cout<<"所求函数值为f_x="<<f<<endl;}return 0;}（三）调试过程，实验结果及分析：（1）利用拉格朗日插值对于f(x)=e^x, x0=0,x1=0.5 利用线性插值计算f(0.25)的近似值运行结果如下图：对于x0=0.5,x1=1.0 利用线性插值计算f(0.75)的近似值运行结果如下图：（2）利用牛顿插值对于f(x)=e^x, x0=0,x1=0.5 利用线性插值计算f(0.25)的近似值运行结果如下图：对于x0=0.5,x1=1 利用线性插值计算f(0.75)的近似值运行结果如下图：（3）运行结果的比较：①拉格朗日插值和牛顿插值计算出的结果相同，但是牛顿插值法的计算量较少。
拉格朗日法形式对称，结构简单，便于在计算机上实现，只是计算量大。
②二次插值因为在取点更准确和计算复杂，所得到的结果精确度更好。
编程计算f(x)=的近似值（一）分段插值：分段线性插值法程序源代码#include<iostream>#include<cmath>using namespace std;int main(){int i,j,n;double a[10],b[10],x,f,tmp;cout<<"请输入插值节点的个数:n"<<endl;cin>>n;cout<<"请输入n个插值节点:"<<endl;for(i=0;i<n;i++){{if(x<a[1])goto loop;}loop:for(i=0;i<=2;i++){tmp=1;for(j=0;j<=2;j++)if(i==j)continue;else tmp=tmp*(x-a[j])/(a[i]-a[j]);f=f+tmp*b[i];}cout<<"所求函数值为"<<f<<endl;return 0;}调试过程，实验结果及分析：1、分段线性插值程序运行结果如下：2、分段抛物线插值程序运行结果如下：实验课程名称：数值分析{int i,n;double h,a,b,T,temp,Tn;cout<<"请输入求积区间:"<<endl;cin>>a>>b;cout<<"请输入区间等分数:"<<endl;cin>>n;h=(b-a)/n;temp=0;T=0;for(i=1;i<n;i++){temp=f(a+i*h);T=T+2*temp;}Tn=(f(a)+f(b)+T)*h/2;cout<<"经过复化梯形求积所得积分值T"<<n<<"为: "<<Tn<<endl;return 0;}调试过程，实验结果及分析：1/（x*x）在区间[0,1]上8等分后,程序运行结果如下:对区间等分后求每个子区间上的积分值，然后将每个子区间的积分值相加，就得到整个积分区间上的积分值，梯形公式具有一次代数精度。