灵敏度分析实验报告(二)
桂林理工大学理学院
运筹学上机报告
实验二
实验名称灵敏度分析实验时间2012年月日
姓名班级会计09-1班学号成绩
一、实验目的二、实验内容与步骤三、实验程序
四、实验结果五、实验结果的分析六、实验出现的问题
一、实验目的
学会使用lingo软件做灵敏度分析
二、实验内容与步骤
掌握利用lingo对LP的价值系数、资源限量（常数列）做灵敏度分析，求在其他条件不变的情形下使得最有基或最优解不变的取值范围，利用影子价格和灵敏度分析对实际问题进行分析。
三、实验程序
（L1）model:
title会计09-1班30908251;
max=2*x1+3*x2+x3;
x1+x2+x3<3;
x1+4*x2+7*x3<9;
end
（L3）model:
title会计091班30908251;
max =2*x1+3*x2+x3;
x1+x2+x3<=3;
x1+4*x2+7*x3<=15;
end
（L4）model:
title会计091班3090825;
max =2*x1+3*x2+x3-y;
x1+x2+x3<3+y;
x1+4*x2+7*x3<9;
end （L5）model:
title会计09-1班3090825;
max =2*x1+3*x2+x3+10*x4;
x1+x2+x3+6*x4<3;
x1+4*x2+7*x3+3*x4<9;
end
（L6）model:
title会计09-1班30908251;
max =2*x1+3*x2+x3;
x1+x2+x3<3;
x1+4*x2+7*x3<9;
2*x1+6*x2+3*x3<13;
end
四、实验结果
（L1） Global optimal solution found. Objective value: 8.000000 Infeasibilities: 0.000000 Total solver iterations: 2 Model Title: 会计09-1班3090825
Variable Value Reduced Cost X1 1.000000 0.000000 X2 2.000000 0.000000 X3 0.000000 3.000000 Row Slack or Surplus Dual Price
1 8.000000 1.000000
2 0.000000 1.666667
3 0.000000 0.3333333 （L3） Global optimal solution found.
Objective value: 9.000000 Infeasibilities: 0.000000 Total solver iterations: 1 Model Title: 会计091班309082
Variable Value Reduced Cost X1 0.000000 1.000000 X2 3.000000 0.000000 X3 0.000000 2.000000 Row Slack or Surplus Dual Price
1 9.000000 1.000000
2 0.000000 3.000000
3 3.000000 0.000000
（L4） Global optimal solution found. Objective value: 12.00000
Infeasibilities: 0.000000
Total solver iterations: 2
Model Title: 会计091班3090825
Variable Value Reduced Cost X1 9.000000 0.000000 X2 0.000000 2.000000 X3 0.000000 7.000000 Y 6.000000 0.000000
Row Slack or Surplus Dual Price
1 12.00000 1.000000
2 0.000000 1.000000
3 0.000000 1.000000 （L5） Global optimal solution found.
Objective value: 8.000000 Infeasibilities: 0.000000 Total solver iterations: 3
Model Title: 会计09-1班30908251
Variable Value Reduced Cost X1 1.000000 0.000000 X2 2.000000 0.000000 X3 0.000000 3.000000 X4 0.000000 1.000000
Row Slack or Surplus Dual Price
1 8.000000 1.000000
2 0.000000 1.666667
3 0.000000 0.3333333 （L6） Global optimal solution found.
Objective value: 7.750000 Infeasibilities: 0.000000 Total solver iterations: 2
Model Title: 会计09-1班3090825
Variable Value Reduced Cost X1 1.250000 0.000000 X2 1.750000 0.000000 X3 0.000000 1.250000
Row Slack or Surplus Dual Price
1 7.750000 1.000000
2 0.000000 1.500000
3 0.7500000 0.000000
4 0.000000 0.2500000
五、实验结果的分析
1、L1中，在程序迭代2次之后得出最优解为X1=1.00，X2=2.00，最优值为Z=8.00，即生产甲产品1件、生产乙
产品2件时，可实现总利润最大为8万元。
2、L2中，目标函数x1的系数为2，其允许变化范围为=（0.75，3）；x2的系数为3，允许变化范围为=（2，8）；
x3的系数为1，其允许变化范围为=（4，+∞）；
第一个约束条件右项为3，其变化范围为=（2.25，9）；第二个约束条件的右项为9，其变化范围为=（3，12）（2）若产品丙的价格有波动，在0 （3）若产品乙的价格有波动，在当2 （4）若产品乙的价格由3变为1，则新的最优生产计划为只生产甲产品3个单位。 （5）b1由3变到9，在原最优基下的解仍可以保持可行性，故原最优基不变。 3、若有一新产品丁，已知1个单位丁产品要消耗I号材料6个单位，II号材料3个单位，可以获得利润10个单位。 投产丁产品是否有利，当丁产品单位利润达到12时有利于投产。 4、若新增加电力约束：要求使用电力不超过13个单位，而产品I、II、III的单位需电量分别为2、6、3个单位。 原最优生产计划不需要改变。 六、实验出现的问题 应该注意，对模型的目标函数的系数，约束右端项进行灵敏度分析，首先要激活灵敏度分析。即依次点击菜单 到Option，然后在打开的LINGO Option 对话框里选择中，当求解模型时，也作出了灵敏度分析，这时可以点击菜单LINGO中的Range（Ctrl+R）来查看。 实验一误差分析 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 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 其中ε（1.1）和（1.221,,,a a 的输出b ”和“poly ε。 （1（2 （3）写成展 关于α solve 来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab 的帮助。 实验过程： 程序： a=poly(1:20); rr=roots(a); forn=2:21 n form=1:9 ess=10^(-6-m); ve=zeros(1,21); ve(n)=ess; r=roots(a+ve); -6-m s=max(abs(r-rr)) end end 利用符号函数：（思考题一）a=poly(1:20); y=poly2sym(a); rr=solve(y) n 很容易的得出对一个多次的代数多项式的其中某一项进行很小的扰动，对其多项式的根会有一定的扰动的，所以对于这类病态问题可以借助于MATLAB来进行问题的分析。 学号：06450210 姓名：万轩 实验二插值法 数据分析实验报告 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58- 第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 统计量 全国居民 农村居民 城镇居民 N 有效 22 22 22 缺失 均值 1116.82 747.86 2336.41 中值 727.50 530.50 1499.50 方差 1031026.918 399673.838 4536136.444 百分位数 25 304.25 239.75 596.25 50 727.50 530.50 1499.50 75 1893.50 1197.00 4136.75 3画直方图，茎叶图，QQ 图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民 Stem-and-Leaf Plot Frequency Stem & Leaf 5.00 0 . 56788 数据分析实验报告 【最新资料，WORD 文档，可编辑修改】 2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验 结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。 （2 ）W 检验 结果：在Shapiro-Wilk 检验结果972.00 w ，p=0.174大于0.05 接受原假设，即数据来自正太总体。 习题1.5 5 多维正态数据的统计量 数据： 实验报告 实验项目名称函数逼近与快速傅里叶变换实验室数学实验室 所属课程名称数值逼近 实验类型算法设计 实验日期 班级 学号 姓名 成绩 512*x^10 - 1280*x^8 + 1120*x^6 - 400*x^4 + 50*x^2 - 1 并得到Figure，图像如下： 实验二：编写程序实现[-1,1]上n阶勒让德多项式，并作画（n=0,1，…，10 在一个figure中）。要求：输入Legendre(-1,1,n)，输出如a n x n+a n-1x n-1+…多项式。 在MATLAB的Editor中建立一个M-文件，输入程序代码，实现勒让德多项式的程序代码如下： function Pn=Legendre(n,x) syms x; if n==0 Pn=1; else if n==1 Pn=x; else Pn=expand((2*n-1)*x*Legendre(n-1)-(n-1)*Legendre(n-2))/(n); end x=[-1:0.1:1]; A=sym2poly(Pn); yn=polyval(A,x); plot (x,yn,'-o'); hold on end 在command Windows中输入命令：Legendre（10），得出的结果为： Legendre(10) ans = (46189*x^10)/256 - (109395*x^8)/256 + (45045*x^6)/128 - (15015*x^4)/128 + (3465*x^2)/256 - 63/256 并得到Figure，图像如下： 实验三：利用切比雪夫零点做拉格朗日插值，并与以前拉格朗日插值结果比较。 在MATLAB的Editor中建立一个M-文件，输入程序代码，实现拉格朗日插值多项式的程序代码如下： function [C,D]=lagr1(X,Y) n=length(X); D=zeros(n,n); D(:,1)=Y'; for j=2:n for k=j:n D(k,j)=(D(k,j-1)- D(k-1,j-1))/(X(k)-X(k-j+1)); end end C=D(n,n); for k=(n-1):-1:1 数值分析实验报告 姓名：周茹 学号： 912113850115 专业：数学与应用数学 指导老师：李建良 线性方程组的数值实验 一、课题名字：求解双对角线性方程组 二、问题描述 考虑一种特殊的对角线元素不为零的双对角线性方程组（以n=7为例） ?????????? ?????? ? ???? ?d a d a d a d a d a d a d 766 55 44 3 32 211??????????????????????x x x x x x x 7654321=?????????? ? ???????????b b b b b b b 7654321 写出一般的n （奇数）阶方程组程序（不要用消元法，因为不用它可以十分方便的解出这个方程组） 。 三、摘要 本文提出解三对角矩阵的一种十分简便的方法——追赶法，该算法适用于任意三对角方程组的求解。 四、引言 对于一般给定的d Ax =，我们可以用高斯消去法求解。但是高斯消去法过程复杂繁琐。对于特殊的三对角矩阵，如果A 是不可约的弱对角占优矩阵，可以将A 分解为UL ，再运用追赶法求解。 五、计算公式（数学模型） 对于形如????? ?? ????? ??? ?---b a c b a c b a c b n n n n n 111 2 2 2 11... ... ...的三对角矩阵UL A =，容易验证U 、L 具有如下形式： ??????? ????? ??? ?=u a u a u a u n n U ...... 3 3 22 1 ， ?? ????? ? ?? ??????=1 (1) 1132 1l l l L 比较UL A =两边元素，可以得到 ? ?? ??-== = l a b u u c l b u i i i i i i 111 i=2, 3, ... ,n 考虑三对角线系数矩阵的线性方程组 f Ax = 这里()T n x x x x ... 2 1 = ,()T n f f f f ... 2 1 = 令y Lx =，则有 f Uy = 于是有 ()?????-== --u y a f y u f y i i i i i 1 1 11 1 * i=2， 3, ... ,n 再根据y Lx =可得到 第八章灵敏度分析 目的：介绍灵敏度分析的用法，研究过程变量之间的关系。 （1）灵敏度分析 可使用户研究输入变量的变化对过程输出的影响 在灵敏度模块文件夹的Results表上能够查看结果 可以把结果绘制成曲线，使不同变量之间的关系更加形象化 在灵敏度模块中对流程输入量所做的改变不会影响模拟，灵敏度研究独立于基础工 况模拟而运行 位于/Data/Model Analysis Tools/Sensitivity下 （2）灵敏度分析的用法 研究输入变量的变化对过程（模型）的影响 用图表表示输入变量的影响 核实设计规定的解是否可行 初步优化 用准稳态方法研究时间变化变量 （3）灵敏度分析应用步骤 a）定义被测量（采集）变量 -它们是在模拟中计算的参量，在第4步将要用到（Sensitivity Input Define 页） b）定义被操作（改变的）变量 -它们是要改变的流程变量（Sensitivity Input Vary页） c）定义被操作（改变的）变量范围 -被操作变量的变化可以按在一个间隔内等距点或变量值列表来规定（Sensitivity Input Vary页） d）规定要计算的或要制成表的参量 -制表参量可以是任何合法的Fortran表达式，表达式含有步骤1中定义的变量(Sensitivity Input Tabulate页) （4）绘图 a）选择包括X轴变量的列，然后选择从Plot菜单下选择X-Axis变量 b）选择包括Y轴变量的列，然后选择从Plot菜单下选择Y-Axis变量 c）（可选的）选择含有参数变量的列，然后从Plot菜单下选择参数变量 d）从Plot菜单下选择Display Plot ?要选择一列，用鼠标左键点击列标题 （5）注意 只有被输入到流程中的参量才可以被改变或操作 可以改变多个输入 对于每一个被操作（改变的）变量的组合都运行一次模拟 （6）灵敏度分析举例 以第二章中苯和丙烯为原料合成异丙基苯为例，如下图： 冷却器出口温度怎样影响产品物流纯度的 被调节(被改变)变量是什么 冷凝器出口温度 被测量(采集)变量是什么 产品物流中异丙基苯纯度（摩尔分率） 打开文件，另存为，如下图所示： 实验名称 插值法 实验目的 （1）学习并熟练掌握MA TLAB 语言的编程； （2）通过课程实习能够应用MATLAB 软件来计算函数的插值，了解函数插值方法。 实验原理 牛顿差商形式多项式 P(x)=f(x0)+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+…+f[x0,x1,x2…xn](x-x0)…(x-xn-1) 牛顿插值多项式的余项 Rn(x)=f[x0,x1,x2…xn]wn+1(x) 实验题目 {1}已知函数在下列各点的值为 i x 0.2 0.4 0.6 0.8 1.0 ()i f x 0.98 0.92 0.81 0.64 0.38 试用4次牛顿插值多项式()4P x 及三次样条函数()Q x （自然边界条件）对数据进行插 值。用图给出{（,i i x y ），i x =0.2+0.08i ，i=0，1,11,10}，()4P x 及()Q x 。 ①实验过程 x1=[0.2 0.4 0.6 0.8 1.0]; y1=[0.98 0.92 0.81 0.64 0.38]; n=length(y1); c=y1(:); for j=2:n %求差商 for i=n:-1:j c(i)=(c(i)-c(i-1))/(x1(i)-x1(i-j+1)); end end syms x df d ; df(1)=1;d(1)=y1(1); for i=2:n %求牛顿差值多项式 df(i)=df(i-1)*(x-x1(i-1)); d(i)=c(i-1)*df(i); end P4=vpa(sum(d),5) %P4即为4次牛顿插值多项式,并保留小数点后5位数 pp=csape(x1,y1, 'variational');%调用三次样条函数 q=pp.coefs; q1=q(1,:)*[(x-.2)^3;(x-.2)^2;(x-.2);1]; q1=vpa(collect(q1),5) q2=q(1,:)*[(x-.4)^3;(x-.4)^2;(x-.4);1]; q2=vpa(collect(q2),5) q3=q(1,:)*[(x-.6)^3;(x-.6)^2;(x-.6);1]; (此文档为word格式，下载后您可任意编辑修改！) 2012级6班###(学号)计算机数值方法 实验报告成绩册 姓名:宋元台 学号： 成绩： 数值计算方法与算法实验报告 学期： 2014 至 2015 第 1 学期 2014年 12月1日课程名称: 数值计算方法与算法专业:信息与计算科学班级 12级5班 实验编号： 1实验项目Neton插值多项式指导教师：孙峪怀 姓名：宋元台学号：实验成绩： 一、实验目的及要求 实验目的： 掌握Newton插值多项式的算法，理解Newton插值多项式构造过程中基函数的继承特点，掌握差商表的计算特点。 实验要求： 1. 给出Newton插值算法 2. 用C语言实现算法 二、实验内容 三、实验步骤(该部分不够填写.请填写附页) 1.算法分析： 下面用伪码描述Newton插值多项式的算法： Step1 输入插值节点数n，插值点序列{x(i),f(i)},i=1,2,……,n,要计算的插值点x. Step2 形成差商表 for i=0 to n for j=n to i f(j)=((f(j)-f(j-1)(x(j)-x(j-1-i)); Step3 置初始值temp=1,newton=f(0) Step4 for i=1 to n temp=(x-x(i-1))*temp*由temp(k)=(x-x(k-1))*temp(k-1)形成 (x-x(0).....(x-x(i-1)* Newton=newton+temp*f(i); Step5 输出f（x）的近似数值newton(x)=newton. 2.用C语言实现算法的程序代码 #include 《数据分析》实验报告 班级：07信计0班学号：姓名：实验日期2010-3-11 实验地点：实验楼505 实验名称：样本数据的特征分析使用软件名称：MATLAB 实验目的1.熟练掌握利用Matlab软件计算均值、方差、协方差、相关系数、标准差与变异系数、偏度与峰度，中位数、分位数、三均值、四分位极差与极差； 2.熟练掌握jbtest与lillietest关于一元数据的正态性检验； 3.掌握统计作图方法； 4.掌握多元数据的数字特征与相关矩阵的处理方法； 实验内容安徽省1990-2004年万元工业GDP废气排放量、废水排放量、固体废物排放量以及用于污染治理的投入经费比重见表6.1.1，解决以下问题：表6.1.1废气、废水、固体废物排放量及污染治理的投入经费占GDP比重 年份 万元工业GDP 废气排放量 万元工业GDP 固体物排放量 万元工业GDP废 水排放量 环境污染治理投 资占GDP比重 （立方米）（千克）（吨）（%）1990 104254.40 519.48 441.65 0.18 1991 94415.00 476.97 398.19 0.26 1992 89317.41 119.45 332.14 0.23 1993 63012.42 67.93 203.91 0.20 1994 45435.04 7.86 128.20 0.17 1995 46383.42 12.45 113.39 0.22 1996 39874.19 13.24 87.12 0.15 1997 38412.85 37.97 76.98 0.21 1998 35270.79 45.36 59.68 0.11 1999 35200.76 34.93 60.82 0.15 2000 35848.97 1.82 57.35 0.19 2001 40348.43 1.17 53.06 0.11 2002 40392.96 0.16 50.96 0.12 2003 37237.13 0.05 43.94 0.15 2004 34176.27 0.06 36.90 0.13 1.计算各指标的均值、方差、标准差、变异系数以及相关系数矩阵； 2.计算各指标的偏度、峰度、三均值以及极差； 3.做出各指标数据直方图并检验该数据是否服从正态分布？若不服从正态分布，利用boxcox变换以后给出该数据的密度函数； 4.上网查找1990-2004江苏省万元工业GDP废气排放量，安徽省与江苏省是 否服从同样的分布？ 实验一、误差分析 一、实验目的 1．通过上机编程，复习巩固以前所学程序设计语言及上机操作指令； 2．通过上机计算，了解误差、绝对误差、误差界、相对误差界的有关概念； 3．通过上机计算，了解舍入误差所引起的数值不稳定性。 二．实验原理 误差问题是数值分析的基础，又是数值分析中一个困难的课题。在实际计算中，如果选用了不同的算法，由于舍入误差的影响，将会得到截然不同的结果。因此，选取算法时注重分析舍入误差的影响，在实际计算中是十分重要的。同时，由于在数值求解过程中用有限的过程代替无限的过程会产生截断误差，因此算法的好坏会影响到数值结果的精度。 三．实验内容 对20,,2,1,0 =n ，计算定积分 ?+=10 5dx x x y n n . 算法1：利用递推公式 151--=n n y n y , 20,,2,1 =n , 取 ?≈-=+=1 00182322.05ln 6ln 51dx x y . 算法2：利用递推公式 n n y n y 51511-= - 1,,19,20 =n . 注意到 ???=≤+≤=10 10202010201051515611261dx x dx x x dx x , 取 008730.0)12611051(20120≈+≈y .: 四.实验程序及运行结果 程序一： t=log(6)-log(5); n=1; y(1)=t; for k=2:1:20 y(k)=1/k-5*y(k-1); n=n+1; end y y =0.0884 y =0.0581 y =0.0431 y =0.0346 y =0.0271 y =0.0313 y =-0.0134 y =0.1920 y =-0.8487 y =4.3436 y =-21.6268 y =108.2176 y =-541.0110 y =2.7051e+003 y =-1.3526e+004 y =6.7628e+004 y =-3.3814e+005 y =1.6907e+006 y =-8.4535e+006 y =4.2267e+007 程序2： y=zeros(20,1); n=1; y1=(1/105+1/126)/2;y(20)=y1; for k=20:-1:2 y(k-1)=1/(5*k)-(1/5)*y(k); n=n+1; end 运行结果：y = 0.0884 0.0580 0.0431 0.0343 0.0285 0.0212 0.0188 0.0169 实验一 误差分析 实验（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()(20 1∏=-=---=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（）中19x 的系数作一个小的扰动。我们希望比较（）和（）根的差别，从而分析方程（）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（）的全部根，程序中的“ess ”即是（）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。 如果扰动项的系数ε很小，我们自然感觉（）和（）的解应当相差很小。计算中你有什么出乎意料的发现表明有些解关于如此的扰动敏感性如何 （2）将方程（）中的扰动项改成18x ε或其它形式，实验中又有怎样的现象 出现 （3）（选作部分）请从理论上分析产生这一问题的根源。注意我们可以将 方程（）写成展开的形式， ) 3.1(0 ),(1920=+-= x x x p αα 同时将方程的解x 看成是系数α的函数，考察方程的某个解关于α的扰动是否敏感，与研究它关于α的导数的大小有何关系为什么你发现了什么现象，哪些根关于α的变化更敏感 思考题一：（上述实验的改进） 在上述实验中我们会发现用roots 函数求解多项式方程的精度不高，为此你可以考虑用符号函数solve 来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab 的帮助。 第二章 线性规划问题的对偶理论与灵敏度分析总结 一．对偶问题统一归纳表 项目 原问题（对偶问题） 对偶问题（原问题） A b C 约束系数矩阵 约束条件右端项向量 目标函数中的价格系数向量 约束系数矩阵的转置 目标函数中的价格系数向量 约束条件右端项向量 目标函数 ∑== n j j j x c z 1 max ∑== n 1 j j c z min j x ∑== m 1 i i b z min i y ∑== m 1 i i b z max i y ????? ? ?≤≥=无约束0 0x 1,...n)(j 变量j j j j x x x 件条束约 , (11) 1 1 ? ???? ?????? =≤≥=∑∑∑===m i j i ij m i j i ij m i j i ij c y a c y a c y a n j 件条束约 , (11) 1 1 ? ???? ?????? =≥≤=∑∑∑===m i j i ij m i j i ij m i j i ij c y a c y a c y a n j ?????? ?????=≤≥=∑∑∑===n j i j ij n j i j ij i j b x a b x a b x m 1 1n 1j ij a m)1,...,(i 个有件条束约 量变0 001,...m) (i ??? ????=≤≥=i i i i y y y y 量变无约束 00 y m)1,...,(i i ??? ????≥≤=i i i y y y 注意：对偶问题允许i b 小于0，也正是对于原问题i b 小于0，才引入了后面的对偶单纯形法解决问题。 二．对偶问题的基本性质 ?? ?≥≤=0 X ..max 设原问题为b AX t s CX z ?? ?≥≥=是列向量 ,0A .. min 对偶问题为 T Y Y C Y t s Yb T T ω 数值分析实验报告总结 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。 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。 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 第三章泛函分析泛函分析概要 泛函分析是研究“函数的函数”、函数空间和它们之间 变换的一门较新的数学分支，隶属分析数学。它以各种学科 如果 a 是相容范数，且任何满足 为具体背景，在集合的基础上，把客观世界中的研究对象抽 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。这里以 Cn 空间为例， Rn 空间类似。最常用的范数就是 P-范数。那么 当P 取1, 2 ,s 的时候分别是以下几种最简单的情形: 其中2-范数就是通常意义下的距离。 对于这些范数有以下不等式: 1 < n1/2 另外，若p 和q 是赫德尔共轭指标，即 1/p+1/q=1 么有赫德尔不等式: II = ||xH*y| 当p=q=2时就是柯西-许瓦兹不等式 般来讲矩阵范数除了正定性，齐次性和三角不等式之 矩阵范数通常也称为相容范数。 象为元素和空间。女口：距离空间，赋范线性空间， 内积空间。 1-范数: 1= x1 + x2 +?+ xn 2-范数: x 2=1/2 8 -范数: 8 =max oo ，那 外，还规定其必须满足相容性: 所以 灵敏度分析 简介： 研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。 用途： 主要用于模型检验和推广。简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。 举例（建模五步法）： 一头猪重200磅，每天增重5磅，饲养每天需花费45美分。猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。 建立数学模型的五个步骤： 1.提出问题 2.选择建模方法 3.推到模型的数学表达式 4.求解模型 5.回答问题 第一步：提出问题 将问题用数学语言表达。例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。还有一些其他量，如猪的初始重量200磅。 （建议先写显而易见的部分） 猪从200磅按每天5磅增加 （w磅）=（200磅）+（5磅/天）*（t天） 饲养每天花费45美分 （C美元）=（0.45美元/天）*（t天） 价格65美分按每天1美分下降 （p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天） 生猪收益 （R美元）=（p美元/磅）*（w磅） 净利润 （P美元）=（R美元）-（C美元） 用数学语言总结和表达如下： 参数设定： t=时间（天） w=猪的重量（磅） p=猪的价格（美元/磅） C=饲养t天的花费（美元） R=出售猪的收益（美元） P=净收益（美元） 假设： w=200+5t C=0.45t p=0.65-0.01t R=p*w P=R-C t>=0 目标：求P的最大值 第二步：选择建模方法 本例采用单变量最优化问题或极大—极小化问题 第三步：推导模型的数学表达式子 P=R-C （1） R=p*w （2） C=0.45t （3） 得到R=p*w-0.45t p=0.65-0.01t （4） w=200+5t （5） 得到P=（0.65-0.01t)(200+5t)-0.45t 令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值： y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1） 第四步：求解模型 用第二步中确定的数学方法解出步骤三。例子中，要求（1-1）式中定义的y=f （x）在区间x>=0上求最大值。下图给出了（1-1）的图像和导数（应用几何画板绘制）。在x=8为全局极大值点，此时f（8）=133.20。因此（8，133.20）为f在整个实轴上的全局极大值点，同时也是区间x>=0上的最大值点。 第五步：回答问题 根据第四步，8天后出售生猪的净收益最大，可以获得净收益133.20美元。只要第一步中的假设成立，这一结果正确。 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 1 2 3 4 5 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); 数据分析实验报告 【最新资料，WORD文档，可编辑修改】 第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 方差1031026.918399673.8384536136.444百分位数25304.25239.75596.25 50727.50530.501499.50 751893.501197.004136.75 3画直方图，茎叶图，QQ图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民Stem-and-Leaf Plot Frequency Stem & Leaf 9.00 0 . 122223344 5.00 0 . 56788 2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验 单样本Kolmogorov-Smirnov 检验 身高N60正态参数a,,b均值139.00 标准差7.064 最极端差别绝对值.089 正.045 负-.089 Kolmogorov-Smirnov Z.686 渐近显着性(双侧).735 a. 检验分布为正态分布。 b. 根据数据计算得到。 结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。（2）W检验 学生实验报告实验课程名称 开课实验室 学院年级专业班 学生姓名学号 开课时间至学年学期 if(A(m,k)~=0) if(m~=k) A([k m],:)=A([m k],:); %换行 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); %消去end end x=zeros(length(b),1); %回代求解 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 y=x; format short;%设置为默认格式显示,显示5位 （2）建立MATLAB界面 利用MA TLAB的GUI建立如下界面求解线性方程组： 详见程序。 五、计算实例、数据、结果、分析 下面我们对以上的结果进行测试，求解： ? ? ? ? ? ? ? ? ? ? ? ? - = ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - - 7 2 5 10 13 9 14 4 4 3 2 1 13 12 4 3 3 10 2 4 3 2 1 x x x x 输入数据后点击和，得到如下结果： 更改以上数据进行测试，求解如下方程组： 1 2 3 4 43211 34321 23431 12341 x x x x ?? ???? ?? ???? ?? ???? = ?? ???? - ?? ???? - ???? ?? 得到如下结果： 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。 前言：（目的和意义） 掌握二分法与Newton法的基本原理和应用。 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)<0，且f(x)在[a,b]内仅有一个实根x*，取区间中点c，若，则c恰为其根，否则根据f(a)f(c)<0是否成立判断根在区间[a,c]和[c,b]中的哪一个，从而得出新区间，仍称为[a,b]。重复运行计算，直至满足精度为止。这就是二分法的计算思想。 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 产生逼近解x*的迭代数列{x k}，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 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。 二分法源程序： clear %%%给定求解区间 b=1.5; a=0; %%%误差 R=1; k=0;%迭代次数初值 while (R>5e-6) ; c=(a+b)/2; if f12(a)*f12(c)>0; a=c; else b=c; end R=b-a;%求出误差 k=k+1; end x=c%给出解 Newton法及改进的Newton法源程序：clear %%%% 输入函数 f=input('请输入需要求解函数>>','s') %%%求解f(x)的导数 df=diff(f); 贵州师范大学数学与计算机科学学院学生实验报告 课程名称： 数值分析 班级： 实验日期：2013年9月27日 学 号： 姓名： 指导教师： 实验成绩： 一、实验名称 实验二: Lagrange 插值与曲线拟合的最小二乘法 二、实验目的及要求 1.让学生掌握Lagrange 插值与曲线拟合的最小二乘法 2.让学生能够用这些方法解决一些实际问题 三、实验环境 每人一台计算机，要求安装Windows XP 操作系统，Microsoft office2003、MATLAB6.5(或7.0). 四、实验内容 题1: 对函数2 11 )(x x f += ,取n+1个等距分布的插值节点,取不同的n ,作n 次Lagrange 插值,把)(x f 和插值多项式的图象绘制在同一张图上进行比较. 题2: 给定数据点 分别用一次,二次,和三次多项式曲线,以及最小二乘法拟合这些数据点,哪一种曲线拟合较好?为什么?你能找出更好的拟合曲线吗? 提示:用残差平方的大小来判断拟合的优劣,越小越好. 五、算法描述及实验步骤 针对实验1： （1）运用Matlab 创建M 文件 （2）在命令窗口调用文件 针对实验2： （1）运用Matlab 作出上面表中的数据的散点图 （2）分别作出一次二次三次多项式拟合曲线 （3）比较三种曲线拟合的精度即比较残差平方的大小 六、调试过程及实验结果 https://www.360docs.net/doc/3618030353.html,grange插值： （1）命令窗口输入： >> f=shuru(-5,5,10) （回车） f = Columns 1 through 6 0.0385 0.0588 0.1000 0.2000 0.5000 1.0000 Columns 7 through 11 0.5000 0.2000 0.1000 0.0588 0.0385 （2）所得结果为图形所示： 2. 曲线拟合的最小二乘法 （1）先作出该散点图的一次拟合曲线（程序如下）：>> x=[-3,-1,0,1,3,5]; >> t=-4:0.01:6; >> y=[-6,-3,-1,0,1,3]; >> subplot(1,3,1) >> scatter(x,y,'filled','r'); >> hold on >> p1=polyfit(x,y,1) p1 = 1.0776 -1.8980 >> y1=polyval(p1,x); 第三章 网络的灵敏度分析 §3.1网络的灵敏度 灵敏度用来表征网络特性对元件参数变化的敏感程度。它在确定产品合格率、寿命及对工作环境的适应性方面起着关键的作用。 网络函数或网络响应都是组成网络的元件参数的函数。在具体实现一个设计方案时，所选择的元件均有其标称值和相对误差。例如100Ω%5.1±即表示标称值是100Ω，相对误差是%5.1的一个电阻。当将一个这样的电阻接入电路时，它的真正值可能是99、100、101等值，不一定刚好等于标称值。另一方面，实际电路在工作时，随着使用时间的增长、周围环境(例如温度、湿度、压力)等因素的变化，元件参数值也难免要发生不同程度的变化而偏离标称值，况且有的元件本身就是作为敏感元件使用的。这些元件参数的变化必将导致网络函数或网络响应的变化，严重时网络无法正常工作。研究元件参数变化对网络函数或网络响应的影响即属于电路灵敏度分析(sensitivity analysis)内容。电路的灵敏度分析还是电路的容差(tolerance analysis)分析、最坏情况分析(worst analysis)和最优设计(optimize design)的重要基础。在最优设计中，灵敏度作为目标函数的寻优梯度。灵敏度分析是电路分析与电路综合的桥梁。著名的电路仿真软件PSPICE 和WORKBANCH 均有灵敏度分析功能。 网络函数H 或网络响应R (统一用T 来表示) 对某元件相关参数p (p 可以是元件参数或影响元件参数的温度、湿度、压力等)变化率称为网络函数对该参数的绝对灵敏度，记作： p T S ??= (3.1a) 有时还要用到相对和半相对灵敏度。相对灵敏度的定义是： p T p T T p S ln ln 00??=??= (3.1b) 相对灵敏度是无量纲量。半相对灵敏度的定义是： p T p S ??=0 (00=T 时)， p T T S ??=01 (00=p 时) (3.1c) 式中0p 和0T 分别是元件的标称值及对应标称值的网络函数或网络响应值。 当0p 或0T 为零时，相对灵敏度要么为零要么不存在。此时要用半相对灵敏度。 从各灵敏度的定义式可见，关键是计算绝对灵敏度。因此，本章以下只涉及绝对灵敏度的计算。 图3.1 为常用的电桥测量电路。以1U 为激励，2U 为响应的网络函数为 4 33211 12R R R R R R U U H +++-== (3.2) 设1R 、4R 为热敏电阻，由式(3.2)并根据灵敏度的定义式(3.1a)求得H 对电阻1R 、数值分析实验报告1
数据分析实验报告
数值分析实验报告2
数值分析实验报告
灵敏度分析aspen
数值分析实验报告2
数值计算实验报告
数据分析实验报告
数值分析实验报告
数值分析实验报告1
第二章 线性规划问题的对偶理论与灵敏度分析总结
数值分析实验报告总结
数学建模五步法与灵敏度分析
数值分析实验报告模板
数据分析实验报告
数值分析实验报告
(完整版)哈工大-数值分析上机实验报告
数值计算实验报告2
第3章电路的灵敏度分析