数值分析计算方法实验报告
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(计算方法)课程设计实验报告(附程序)
n=4 时，max[L(X)-h(X)]=0.4020；
n=8 时，max[L(X)-h(X)]=0.1708；
n=10 时，max[L(X)-h(X)]=0.1092。
图象分析： 从图象可以看出随着插值节点数的增加出现异常的摆动，中间能较好的接近 原函数，但两边却出现很大的误差。
(3).对定义在（-5，5）上的函数
程序代码 2：
x=[-1:0.2:1]; y=1./(1+25.*x.^2); x0=[-1:0.01:1]; y0=lagrange(x,y,x0); y1=1./(1+25.*x0.^2);
plot(x0,y0,'--r'); hold on; plot(x0,y1,'-b'); x2=abs(y0-y1); max(x2) ; 程序代码3： n=3; for i=1:n x(i)=cos(((2.*i-1).*pi)./(2.*(n+1))); y(i)=1./(1+25.*x(i).*x(i)); end x0=-1:0.01:1; y0=lagrange(x,y,x0); y1=1./(1+25.*x0.^2); plot(x0,y0,'--r') hold on plot(x0,y1,'-b')
以 x1,x2,„,xn+1 为插值节点构造上述各函数的 Lagrange 插值多项式， 比较其 结果。
设计过程： 已知函数 f(x)在 n+1 个点 x0,x1,…,xn 处的函数值为 y0,y1,…,yn 。 求一 n 次多 项式函数 Pn(x)，使其满足： Pn(xi)=yi,i=0,1,…,n. 解决此问题的拉格朗日插值多项式公式如下
数值分析计算方法实验报告
end;
end;
X=x;
disp('迭代结果:');
X
format short;
输出结果：
因为不收敛，故出现上述情况。
4.超松弛迭代法：
%SOR法求解实验1
%w=1.45
%方程组系数矩阵
clc;
A=[2,10,0,-3;-3,-4,-12,13;1,2,3,-4;4,14,9,-13]
b=[10,5,-2,7]'
b=[10,5,-2,7]'
[m,n]=size(A);
if m~=n
error('矩阵A的行数和列数必须相同');
return;
end
if m~=size(b)
error('b的大小必须和A的行数或A的列数相同');
return;
end
if rank(A)~=rank([A,b])
error('A矩阵的秩和增广矩阵的秩不相同,方程不存在唯一解');
3．实验环境及实验文件存档名
写出实验环境及实验文件存档名
4.实验结果及分析
输出计算结果，结果分析和小结等。
解：1.高斯列主元消去法：
%用高斯列主元消去法解实验1
%高斯列主元消元法求解线性方程组Ax=b
%A为输入矩阵系数,b为方程组右端系数
%方程组的解保存在x变量中
format long;
A=[2,10,0,-3;-3,-4,-12,13;1,2,3,-4;4,14,9,-13]
return;
end
c=n+1;
A(:,c)=b;
for k=1:n-1
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。
数值分析实验报告--实验2--插值法
1 / 21数值分析实验二：插值法1 多项式插值的震荡现象1.1 问题描述考虑一个固定的区间上用插值逼近一个函数。
显然拉格朗日插值中使用的节点越多，插值多项式的次数就越高。
我们自然关心插值多项式的次数增加时， 是否也更加靠近被逼近的函数。
龙格（Runge ）给出一个例子是极著名并富有启发性的。
设区间[-1,1]上函数21()125f x x=+ (1)考虑区间[-1,1]的一个等距划分，分点为n i nix i ,,2,1,0,21 =+-= 则拉格朗日插值多项式为201()()125nn ii iL x l x x ==+∑(2)其中的(),0,1,2,,i l x i n =是n 次拉格朗日插值基函数。
实验要求：(1) 选择不断增大的分点数目n=2, 3 …. ，画出原函数f(x)及插值多项式函数()n L x 在[-1，1]上的图像，比较并分析实验结果。
(2) 选择其他的函数，例如定义在区间[-5，5]上的函数x x g xxx h arctan )(,1)(4=+=重复上述的实验看其结果如何。
(3) 区间[a,b]上切比雪夫点的定义为 (21)cos ,1,2,,1222(1)k b a b ak x k n n π⎛⎫+--=+=+ ⎪+⎝⎭(3)以121,,n x x x +为插值节点构造上述各函数的拉格朗日插值多项式，比较其结果,试分析2 / 21原因。
1.2 算法设计使用Matlab 函数进行实验, 在理解了插值法的基础上，根据拉格朗日插值多项式编写Matlab 脚本，其中把拉格朗日插值部分单独编写为f_lagrange.m 函数，方便调用。
1.3 实验结果1.3.1 f(x)在[-1,1]上的拉格朗日插值函数依次取n=2、3、4、5、6、7、10、15、20，画出原函数和拉格朗日插值函数的图像，如图1所示。
Matlab 脚本文件为Experiment2_1_1fx.m 。
可以看出，当n 较小时，拉格朗日多项式插值的函数图像随着次数n 的增加而更加接近于f(x)，即插值效果越来越好。
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
数值分析期末实验报告
数值计算方法论文论文名称：数值计算方法期末总结学号：姓名：完成时间：摘要：数值计算方法是数学的一个重要分支，以用计算机求解数学问题的理论和方法为研究对象。
本文是我对本学期数值分析这门课程中所学到的内容以及所作的工作的总结。
通过一学期的学习，我深入学习了线性方程组的解法，非线性方程的求根方法，矩阵特征值与特征向量的计算，函数的插值方法，最佳平方逼近，数值积分与数值微分，常微分方程初值问题的数值解法。
通过陶老师课堂上的讲解和课下的上机训练，对以上各个章节的算法有了更深刻的体会。
最后做了程序的演示界面，使得程序看起来清晰明了，便于查看与修改。
通过本学期的学习。
关键词：数值计算方法、演示界面第一章前言随着电子计算机的普及与发展，科学计算已成为现代科学的重要组成部分，因而数值计算方法的内容也愈来愈广泛和丰富。
通过本学期的学习，主要掌握了一些数值方法的基本原理、具体算法，并通过编程在计算机上来实现这些算法。
第二章基本概念2.1算法算法是指由基本算术运算及运算顺序的规定构成的完整的解题步骤。
算法可以使用框图、算法语言、数学语言、自然语言来进行描述。
具有的特征：正确性、有穷性、适用范围广、运算工作量少、使用资源少、逻辑结构简单、便于实现、计算结果可靠。
2.2 误差计算机的计算结果通常是近似的，因此算法必有误差，并且应能估计误差。
误差是指近似值与真正值之差。
绝对误差是指近似值与真正值之差或差的绝对值；相对误差：是指近似值与真正值之比或比的绝对值。
误差来源见表2.1表2.1第三章泛函分析2.1泛函分析概要泛函分析（Functional Analysis）是研究“函数的函数”、函数空间和它们之间变换（映射）的一门较新的数学分支，隶属分析数学。
它以各种学科为具体背景，在集合的基础上，把客观世界中的研究对象抽象为元素和空间。
如：距离空间，赋范线性空间，内积空间。
2.2 范数范数，是具有“长度”概念的函数。
在线性代数、泛函分析及相关的数学领域，泛函是一个函数，其为矢量空间内的所有矢量赋予非零的正长度或大小。
- 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)。
disp('x=');
for k=1:Maxtime
disp(x);
for i=1:n
s=0.0;
for j=1:n
if i~=j
s=s+A(i,j)*x(j);
end
end
x(i)=(A(i,n+1)-s)/A(i,i);
end
if sum((x-floor(x)).^2)<Eps
%Jacobi迭代法求解实验1
% A为方程组的增广矩阵
clc;
A=[2 10 0 -3 10;-3 -4 -12 13 5;1 23 -4 -2;4 14 9 -13 7]
MAXTIME=50;
eps=1e-5;
[n,m]=size(A);
x=zeros(n,1);
y=zeros(n,1);
k=0;
end
end
x=zeros(length(b),1);
x(n)=A(n,c)/A(n,n);
for k=n-1:-1:1
x(k)=(A(k,c)-A(k,k+1:n)*x(k+1:n))/A(k,k);
end
disp('X=');
disp(x);
format short;
输出结果：
2．Jacobi迭代法：
end
if maxeps<=eps
for i=1:1:n
x(i)=y(i);
end
return;
end
for i=1:1:n
x(i)=y(i);
y(i)=0.0;
end
k=k+1;
if k>MAXTIME
error('超过最大迭代次数,退出');
return;
end
end
输出结果：
由于不收敛，故出现上述情况。
课程
名称
计算方法
实验项目
名称
线性方程组的数值解法
实验项目类型
验证
演示
综合
设计
其他
指导
教师
胡小兵
成绩
√
1．实验目的：
（1）高斯列主元消去法求解线性方程组的过程
（2）熟悉用迭代法求解线性方程组的过程
（3）设计出相应的算法，编制相应的函数子程序
2．实验内容
分别用高斯列主元消去法,Jacobi迭代法,Gauss--Saidel迭代法,超松弛迭代法求解线性方程组
3．实验原理
写出本次实验所用算法的算法步骤叙述或画出算法程序框图
4．实验环境及实验文件存档名
写出实验环境及实验文件存档名
5.实验结果及分析
输出计算结果，结果分析和小结等。
（1）拉格朗日法
程序：
functionlagrange(x)
formatlong;
x0=[1.1 2.3 3.9 5.1];
y0=[3.887 4.276 4.651 2.117];
format long;%显示15位
x0=[1 4 9];%x的值
y0=[1 2 3];%y的值
x=5;%插值点
n=max(size(x0));
y=y0(1);%迭代初始值
disp(y);
s=1;
dx=y0;
for i=1:n-1%构造差商表
dx0=dx;
for j=1:n-i
dx(j)=(dx0(j+1)-dx0(j))/(x0(i+j)-x0(j));
b=[10,5,-2,7]'
[m,n]=size(A);
if m~=n
error('矩阵A的行数和列数必须相同');
return;
end
if m~=size(b)
error('b的大小必须和A的行数或A的列数相同');
return;
end
if rank(A)~=rank([A,b])
error('A矩阵的秩和增广矩阵的秩不相同,方程不存在唯一解');
end
end
if abs(A(i,i))<1E-10 | k>=Maxtime
error('已达最大迭代次数或矩阵系数近似为0,无法进行迭代');
return;
end
s=s/A(i,i);
x(i)=(1-w)*x(i)+w*s;
end
if norm(y-x,inf)<Eps
break;
end
k=k+1;
n=length(x0);
s=0;
forj=0:(n-1)
t=1;
fori=0:(n-1)
ifi~=j
t=t*(x-x0(i+1))/(x0(j+1)-x0(i+1));
end
end
s=s+t*y0(j+1);
end
s
formatshort;
运行结果：
（2）牛顿差值法：
functionNewton(x)
break;
end;
end;
X=x;
disp('迭代结果:');
X
format short;
输出结果：
因为不收敛，故出现上述情况。
4.超松弛迭代法：
%SOR法求解实验1
%w=1.45
%方程组系数矩阵
clc;
A=[2,10,0,-3;-3,-4,-12,13;1,2,3,-4;4,14,9,-13]
b=[10,5,-2,7]'
3.Gauss--Saidel迭代法
%Gauss_Seidel迭代法求解实验1
% A为方程组的增广矩阵
clc;
format long;
A=[2 10 0 -3 10;-3 -4 -12 13 5;1 23 -4 -2;4 14 9 -13 7]
[n,m]=size(A);
Maxtime=50;
Eps=10E-5;
end
df=dx(1);
s=s*(x-x0(i));
y=y+s*df;%计算
disp(y);
end
运行结果：
实际结果是2.236066797749979.有一定的误差。总体来说还是很准确的
disp('迭代过程X的值情况如下:')
disp('X=');
while 1
disp(x');
for i=1:1:n
s=0.0;
for j=1:1:n
if j~=i
s=s+A(i,j)*x(j);
end
y(i)=(A(i,n+1)-s)/A(i,i);
end
end
for i=1:1:n
maxeps=max(0,abs(x(i)-y(i)));
w=1.45;
Maxtime=100;
Eps=1E-5;
format long;
n=length(A);
k=0;
x=ones(n,1);
y=x;
disp('迭代过程:');
disp('x=');
while 1
y=x;
disp(x');
for i=1:n
s=b(i);
for j=1:n
if j~=i
s=s-A(i,j)*x(j);
end
disp('最后迭代结果:');
X=x'
format short；
输出结果：
由于不收敛，故出现上述情况。
课程
名称
计算方法
实验项目
名称
插值方法
实验项目类型
验证
演示
综合
设计
其他
指导教师胡小兵源自成绩√1.实验目的：
（1）学会拉格朗日插值、牛顿插值等基本方法
（2）设计出相应的算法，编制相应的函数子程序
（3）会用这些函数解决实际问题
3．实验环境及实验文件存档名
写出实验环境及实验文件存档名
4.实验结果及分析
输出计算结果，结果分析和小结等。
解：1.高斯列主元消去法：
%用高斯列主元消去法解实验1
%高斯列主元消元法求解线性方程组Ax=b
%A为输入矩阵系数,b为方程组右端系数
%方程组的解保存在x变量中
format long;
A=[2,10,0,-3;-3,-4,-12,13;1,2,3,-4;4,14,9,-13]
return;
end
c=n+1;
A(:,c)=b;
for k=1:n-1
[r,m]=max(abs(A(k:n,k)));
m=m+k-1;
if(A(m,k)~=0)
if(m~=k)
A([k m],:)=A([m k],:);
end
A(k+1:n, k:c)=A(k+1:n, k:c)-(A(k+1:n,k)/ A(k,k))*A(k, k:c);
2．实验内容
（1）设计拉格朗日插值算法，编制并调试相应的函数子程序
（2）设计牛顿插值算法，编制并调试相应的函数子程序
（3）给定函数四个点的数据如下：
X
1.1
2.3
3.9
5.1
Y
3.887
4.276
4.651
2.117
试用拉格朗日插值确定函数在x=2.101，4.234处的函数值。
4）已知 用牛顿插值公式求 的近似值。