数值计算(分析)实.docx
数值计算实践报告_实习总结_总结汇报_实用文档
---数值计算实践上机报告学院:理学院指导老师：范晓娜老师姓名：***学号：B********日期：2015年10月11日—24日一、方程求根(一)实验目的熟悉掌握Newton法,割线法,抛物线法三种方法求方程近似根的算法思想，在matlab软件上分别使用这三种方法编程解决给定的三次方程的求根问题。
（二）问题描述一. 方程求根(1).给定一个三次方程,分别用Newton法,割线法,抛物线法求解.方程的构造方法:(a)根:方程的根为学号的后三位乘以倒数第二位加1再除以1000.假设你的学号为B06060141,则根为141*(4+1)/1000=0.564(b)方程:以你的学号的后三位数分别作为方程的三次项,二次项,一次项的系数,根据所给的根以及三个系数确定常数项.例如:你的学号是B06060141,则你的方程是x3+4x2+x+a0=0的形式.方程的根为0.564,因此有0.5643+4*0.5642+0.564+a0=0,于是a0=-2.015790144你的方程为x3+4x2+x-2.015790144=0.(2)假设方程是sinx+4x2+x+a0=0的形式（三个系数分别是学号中的数字），重新解决类似的问题(3)构造一个五次方程完成上面的工作.四次方程的构造:将三次多项式再乘以(x-p*)2得到对应的五次多项式(p*为已经确定的方程的根,显然,得到的五次方程有重根).(4)将（2）中的方程同样乘以(x-p*)得到一个新的方程来求解注:(1)Newton法取0.5为初值,割线法以0,1为初值,抛物线法以0,0.5,1为初值, (2)计算精度尽量地取高.终止准则：根据|p n-p n-1|<ε来终止|(3)可供研究的问题：（一）ε的取值不同对收敛速度有多大的影响（二）将注（1）中的初值该为其它的初值，对收敛性以及收敛速度有无影响 (三)能否求出方程的所有的根（三）算法介绍（包括基本原理）牛顿法牛顿法是一种能在许多不同情况下应用的通用过程。
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。
数值计算方法实习报告
实习报告实习单位：XX大学计算中心实习时间：2023年1月1日至2023年1月31日实习内容：数值计算方法一、实习背景及目的随着科技的不断发展，数值计算方法在工程、物理、化学、生物学等领域发挥着越来越重要的作用。
为了更好地将所学知识应用于实际问题，提高自己的实践能力，我选择了数值计算方法作为实习内容。
本次实习的主要目的是：1. 加深对数值计算方法的理解，掌握基本的数值计算方法及其应用。
2. 提高编程能力，熟练运用C语言进行数值计算程序的设计与实现。
3. 学会分析并解决实际问题，将所学知识运用到实际项目中。
二、实习过程及收获1. 实习前期，我首先学习了数值计算方法的基本理论，包括误差分析、插值法、数值积分、常微分方程数值解等。
通过理论的学习，我对数值计算方法有了更深入的了解。
2. 在实习过程中，我使用C语言编写了一系列数值计算程序，包括求解方程的迭代法、高斯消去法、牛顿法等。
这些程序可以帮助我更好地理解数值计算方法的理论，并提高我的编程能力。
3. 针对实际问题，我运用所学知识进行了解决。
例如，我使用数值积分方法计算了函数在一个区间上的定积分，使用常微分方程数值解方法求解了一个实际物理问题。
这些实践经历使我更加熟悉了数值计算方法在实际问题中的应用。
4. 实习期间，我还参加了计算中心组织的讲座和讨论，与其他实习生交流心得，共同解决问题。
这使我受益匪浅，不仅提高了自己的实际操作能力，还拓宽了知识面。
三、实习总结通过本次实习，我对数值计算方法有了更全面的认识，掌握了基本的数值计算方法及其编程实现。
同时，我的编程能力和解决实际问题的能力也得到了很大提高。
此外，我还学会了如何将所学知识应用于实际项目，为将来的工作打下了坚实基础。
在今后的工作中，我将继续努力学习数值计算方法及相关知识，不断提高自己的实践能力。
同时，我也将把所学知识运用到实际工作中，为公司的发展做出贡献。
最后，感谢计算中心给我提供了一次宝贵的实习机会，使我受益匪浅。
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》实验报告
《数值计算》实验报告第一部分：简答题（请简要回答以下问题，每小题字数不少于200字）1、Matlab变量命名有什么要求？以下变量名是否合法？对不合法的变量名说明理由。
abcd-2xyz_33chan NaN ABCDefgh2、插值、拟合、回归这三种方法是用来解决什么问题的？面对一组数据，如何选择用什么方法？3、数值积分的主要思想是什么？常用的数值积分公式有哪几个？4、请结合自己的学习，举例说明《数值计算》课程中所学方法在解决实际问题中是如何应用的。
第二部分：基础题（请完成以下问题，要求给出程序语句及计算结果，用截图方式附在各题目下方）1、已知点(1,3.0),(2,3.7),(5,3.9),(6,4.2),(7,5.7),(8,6.6),(10,7.1),(13,6.7), (17,4.5)，绘出经过这些点的函数曲线图形，并给出曲线方程。
答：采取三次样条插值法，九个输入数据分成八段，每一段就是一个三次函数。
这八段的函数形式为y = a0 + a1*x + a2*x^2 + a3*x^3，每个分段函数的参数构成下图所示的coefs 矩阵。
2、在我国某海域测得海洋不同深度处的水温如表1所示，求水深为800m和1500m处的温度。
答：采取线性插值法求得800m和1500m处的温度3、求解方程组⎪⎪⎩⎪⎪⎨⎧=-++=--=-++=++56533332821w z y x w y x w z y x z y x ，请至少使用两种方法求解，并对这两种方法的计算结果进行说明。
高斯消元法LU 分解QR分解Jacobi迭代法使用 Jacobi 迭代法无法求出结果，表示迭代的过程中不收敛4、计算积分dx eI x ⎰-=1022，精度为10-6。
被积函数总共调用 13 次，求得积分值为 0.85565、求方程t et t f t5.0)(sin )(1.02-⋅=-在[0.5,1]内的根。
6、求解微分方程0)1(22=+'--''y y y y ，0)0(,1)0(,300='=≤≤y y x ，绘出解函数的图形。
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。
- 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)。
数值计算 ( 分析 ) 实验报告 2
南昌航空大学数学与信息科学学院
实验报告
课程名称：《数值计算方法》
实验名称：曲线拟合
实验类型：验证性■综合性□设计性□
实验室名称：数学实验室
班级学号：09072113
学生姓名：邢宪平
任课教师（教师签名）：
成绩：
一、实验目的
实验目的：实验目的：了解函数逼近与曲线拟合的基本原理，并且运用 MATLAB 软件进行实践操作。
二、实验原理、程序框图、程序代码等
实验题目：
题目 1：试分别用抛物线y a bx cx2和指数曲线 y ae bx拟合下列数据
x i1 1.52 2.53 3.54 4.5
y i33.479.50122.65159.05189.15214.15238.65252.50
x i5 5.56 6.577.58
y i267.55280.50296.65301.40310.40318.15325.15
并比较两个拟合函数的优劣。
题目 2：已知实验数据如下：
x i 1.02.5 3.5 4.0
y i 3.81.5026.0 33.0
试用形如 y a bx 2的抛物线进行最小二乘拟合。
实验原理：
1、逼近方式
2n，
V( f , P n ) || F P n ||
max | f ( x) P n ( x) | 为 f (x) 与 P n ( x) | 在 [a, b] 上的偏差。
a x b
若存在 P n * (x) H n ，使得 V( f , P n * ) || f P n * || inf
max | f ( x) P n ( x) | 则称 P n
* ( x)
P n H n
a x b
是 f (x) 在 [ a, b] 上的最佳一致逼近多项式。
假设 f (x) C[ a, b] 及 C[ a, b] 的一个子集
span{ 0 (x),
存在 S *
(x)
，使 || f (x) S *
(x) ||2
2
S( x) ||22
b
min || f (x)
min
S( x )
S (x ) a
1( x),,... n (x)}
，若
( x)[ f (x) S( x)] 2 dx
则称 S * (x) 是 f (x) 在子集
C[ a, b]
中的最佳平方逼近数。
2、曲线拟合
上述函数的最佳平方逼近法中， 若 f (x) 是以一组离散点集的形式给出的， 即给出了函数 f (x) 在一些离
散点上的值 {( x i , y i ), i
0,1,..., m }
，则该方法就是所说的曲线
拟合。
取
( f , S n ) || f S n ||2 m
yi ]
而 S( x) a 0
0 ( x) a 1 1( x)
... a n n ( x)
，这就
V
2
2
i 0
是最小二乘逼近。
由上可知，最小二乘逼近即求多元函数
I (a 0 ,a 1,...a n ) || f
S n ||22
的最小值问题。
由取最小值的必要条
(
) ( ) ... ( ) a 0 ( y, )
件，可得法方程
(
) (
) ... ( n
)
a 1 ( y, )
..................
(
n ) ( n ) ... ( n
n )
a n
( y,
n )
实际计算时，为了方便，通常取
span{
0 ( x), 1 (x),,... n (x)}
为简单多项式， 如 span{1, x, x 2 ,..., x n } ，得
到 n 次拟合多项式，但当
n 较大时，方程组往往是
病态的，这时我们可以选择正交多项式。
程序代码：
题目一
（1）用抛物线 y=a+bx+cx^2 拟合的程序代码
x=1:0.5:8;
y=[33.4 79.50 122.65 159.05 189.15 214.15 238.65 252.50 267.55 280.50 296.65 301.40 310.40 318.15 325.15];
A=polyfit(x,y,2);
z=polyval(A,x);
plot(x,y,'k+',x,z,'r')
（2）用指数曲线 y=a*exp{bx} 拟合的程序代码
M- 文件代码： function f=curvefun1(x,tdata)
f=x(1)*exp{x(2)*tdata}%x(1)=a;x( 2)=b;
输入命令：
xdata=1:0.5:8
ydata=1e-03*[33.4,79.50,122.65,159.05,189.15,214.15,238 ,65,252.50,267.55,280.50,296.65,301.40,310.40,318.15,325 .15];
t0=[0.2,0.05,0.05];
t=1sqcurvefit('curvefun1',t0,xdata,ydata)
f=curvefun1(t,xdata)
题目二程序代码：
function f=curvefun1(x,tdata)
f=x(1)+x(2)*tdata.^2% 其中 x（1）=a; x(2)=b;x(3)=k; tdata=[1.0 2.5 3.5 4.0];
cdata=[3.8 1.50 26.0 33.0];
x0=[0,0];
x=lsqcurvefit('curvefun1',x0,tdata,cdata);
f=curvefun1(x,tdata)
三、实验过程中需要记录的实验数据表格
题目一（1）
（2）
从图像上看，曲线一明显更贴近。
题目二
四、实验中存在的问题及解决方案
在做题目一的第二条曲线时，如果参照例题来修改程序，会发现运行错误。
对比之后和同学讨论发现例题中t 是自变量，而x 是引入的参数，起存储变元的作用，所以做实验一的时候要将变量和引入的参数对调，再调试程序。
五、心得体会
这次的实验暴露出对图像的不熟悉，而且在写程序的过程中经常会有一些错误出现，比如说模仿时例题中0 和 o，1 和 l 不分，导致运行出现未定义的函数名等错误出现，这就要求我们在编写前先将例题搞透，不然不明白其含义就老是出现错误。
通过这次实验使我对。