数值实验报告Word格式.docx
- 文档编号:17593396
- 上传时间:2022-12-07
- 格式:DOCX
- 页数:21
- 大小:491.90KB
数值实验报告Word格式.docx
《数值实验报告Word格式.docx》由会员分享,可在线阅读,更多相关《数值实验报告Word格式.docx(21页珍藏版)》请在冰豆网上搜索。
a[0]=1.0,b[0]=2.0;
for(i=0;
i<
11;
i++)
{
printf("
a[i]b[i]x[i]y\n"
);
x[i]=(b[i]+a[i])/2;
y=x[i]*x[i]*x[i]+4*x[i]*x[i]-10;
A=a[i]*a[i]*a[i]+4*a[i]*a[i]-10;
if((y*A)<
0)
a[i+1]=a[i],b[i+1]=x[i];
else
a[i+1]=x[i],b[i+1]=b[i];
printf("
%f,%f,%f,%f\n"
a[i],b[i],x[i],y);
}
}
割线法
floatmain()
floatc,a=1.0,b=2.0;
while
(1)
{
c=b-(b*b*b+4*b*b-10)*(b-a)/(b*b*b+4*b*b-(a*a*a+4*a*a));
if(fabs(b-c)<
0.5*0.000001)break;
b=c;
}
cout<
<
c;
实验结果和分析
心得体会(遇到的问题和解决方法)
使用不同的方法,可以不同程度的求得方程的解,不同的方法速度不同,求得的结果也稍有区别,当然和要求精度也有关系。
刚开始的时候用数组对二分法进行求解,发现
循环到第二次
就无法实现值的传递,于是换了另外一种方法代替了数组。
实验二线性方程组的直接求解
实验目的和要求
(1)了解线性方程组常见的直接解法,如Guass消元法、LU分解法、追赶法。
(2)加深对线性方程组求解方法的认识,掌握算法。
(3)会进行误差分析,并能对不同方法进行比较。
实验内容
合理选择利用Gauss消元法、LU分解法、追赶法求解下列方程
高斯分解法:
⑴将原方程组化为三角形方阵的方程组:
lik=aik/akk
aij=
aij-
lik*
akj
k=1,2,…,n-1
i=k+1,k+2,
…,n
j=k+1,k+2,
…,n+1
⑵由回代过程求得原方程组的解:
xn=
ann+1/
ann
xk=(
akn+1-∑akj
xj)/
akk
(k=n-1,n-2,
…,2,1)
LU分解法:
将系数矩阵A转化为A=L*U,
L为单位下三角矩阵,U为普通上三角矩阵,然后通过解方程组l*y=b,u*x=y,来求解x.
追赶法:
用来求对角方程组:
L为普通下n-1对角矩阵,U为单位上n-1对角矩阵,然后通过解方程组l*y=b,u*x=y,来求解x.
高斯消元法:
using
namespace
std;
float
main()
{
a[3][4]={{1,2,3,14},{0,1,2,8},{2,4,1,13}};
x[3];
sum=0;
int
k,i,j;
for(k=0;
k<
2;
k++)
for(i=k+1;
3;
i++)
for(j=k+1;
j<
4;
j++)
a[i][j]=a[i][j]-a[i][k]/a[k][k]*a[k][j];
for(j=0;
a[%d][%d]=%f,"
i,j,a[i][j]);
x[2]=a[2][3]/a[2][2];
for(k=1;
k>
=0;
k--)
sum+=a[k][j]*x[j];
}
x[k]=(a[k][3]-sum)/a[k][k];
printf
("
x[%d]=%f,"
i+1,x[i]);
LU分解法:
#include
stdio.h>
math.h>
#define
L
30
double
a[L][L],
b[L],
l[L][L],
u[L][L],
x[L],
y[L];
main(){
n,
i,
j,
k,
r;
scanf(
"
%d"
&
n
for
(
i=1;
=n;
++i
)
for
j=1;
++j
%lf"
a[
i
][
j
]
(i=1;
++i){
scanf("
b[i]);
++i)
(j=1;
++j)
l[i][j]
u[i][j]
=0.0;
(k=1;
++k)
(j=k;
u[k][j]
=
a[k][j];
(r=1;
r<
k;
++r)
-=
l[k][r]
*
u[r][j];
(i=k+1;
++i)
l[
k
];
(r
1;
r
++r){
l[i][k]
l[i][r]
u[r][k];
l[i][k]
/=
u[k][k];
l[k][k]
1.0;
y[i]
b[i];
i;
y[j];
(i=n;
i>
0;
--i)
x[i]=y[i];
(j=i+1;
x[i]
x[j];
x[i]
u[i][i];
printf(
%0.2lf\n"
x[
return0
追赶法:
FILE*f;
doublea[15],b[15],c[15],d[15];
doublet;
inti,n;
/**********************************************/
f=fopen("
zgf.txt"
"
r"
fscanf(f,"
&
n);
%lf%lf%lf"
b[1],&
c[1],&
d[1]);
for(i=2;
=n-1;
fscanf(f,"
%lf%lf%lf%lf"
a[i],&
b[i],&
c[i],&
d[i]);
a[n],&
b[n],&
d[n]);
fclose(f);
/*********************************************/
c[1]=c[1]/b[1];
d[1]=d[1]/b[1];
t=b[i]-c[i-1]*a[i];
c[i]=c[i]/t;
d[i]=(d[i]-d[i-1]*a[i])/t;
d[n]=(d[n]-d[n-1]*a[n])/(b[n]-c[n-1]*a[n]);
for(i=n-1;
=1;
i--)d[i]=d[i]-c[i]*d[i+1];
printf("
\n********************************\n"
for(i=1;
d[%2d]=%lf\n"
i,d[i]);
高斯消元法结果:
LU分解法结果:
追赶法结果:
从消元过程可以看出,对于n阶线性方程组,只要各步主元素不为零,经过n-1步消元,就可以得到一个等价的系数矩阵为上三角形阵的方程组,然后再利用回代过程可求得原方程组的解.
由于列主元素法相似且优于完全主元素法
所以省略了后者。
消元过程相当于分解
A为单位下三角阵L与上三角阵U的乘积,解方程组Ly=b回代过程就是解方程组Ux=y。
其中的L为n阶单位下三角阵、U为上三角阵.
在
A
的LU
分解中,
L取下三角阵,
U
取单位上三角阵,这样求解方程组Ax=d
的方法称为追赶法。
另外是追赶法和其他方法求同一方程结果不一样,我多次修改源程序,也不知道原因。
再就是追赶法有很大的局限性
还待改良
实验三线性方程组的迭代求解
(1)了解线性方程组的迭代求解方法,雅可比迭代法或高斯-赛德尔迭代法等典型方法。
(2)帮助学生全面消化已学的相关课程内容,深刻理解计算数值方法课程的内涵,培养使用电子计算机进行科学计算和解决问题的能力。
(3)进行基本技能训练和巩固。
使学生得到选择算法、编写程序、分析数值结果、写数值试验报告、课堂讨论等环节的综合训练
使用雅可比迭代法或高斯-赛德尔迭代法对下列方程组进行求解。
实验原理:
把矩阵A分解矩阵N和P,
其中N为非奇异矩阵,于是,Nx=Px+b
即x=Bx+f
据此,可以建立迭代公式x(k+1)=Bx(k)+1;
若序列{X
(k)
}收敛,
lim
x(k
)=x*
显然有
x*=Bx*+f;
即,极限x*便是所求方程组的解。
#include<
main()
x1[20]
x2[20],x3[20];
x10,
x20,
x30;
请输入x1,x2,x3的初值:
\n"
x10,&
x30);
x1[n]
x2[n]
x3[n]
18;
x1[0]=x10;
x2[0]=x20;
x3[0]=x30;
x1[i+1]=0.1*x2[i]+0.2*x3[i]+0.72;
x2[i+1]=0.1*x1[i]+0.2*x3[i]+0.83;
x3[i+1]=0.2*x1[i]+0.2*x2[i]+0.84;
%5d
%5lf
%5lf\n"
i,x1[i],x2[i],x3[i]);
}
使用高斯-赛德尔和雅克比迭代都可以求出方程组的解,但是利用高斯-赛德尔迭代法所需的迭代次数比雅克比迭代少,能够更早的达到精度要求。
产生误差的原因,舍入误差及数的存储空间是有限的,因此出现误差。
雅可比迭代法显然其速度不如高斯-赛德尔迭代法好。
这是由其算法的设计本身来决定的。
同时高斯-赛德尔算法由于都涉及了两次循环且同时未引入新的变量,因此相比而言高斯赛德尔迭代法较优。
实验四代数插值和最小二乘法拟合
(1)了解矩阵特征值与特征向量问题解法,掌握幂法。
(2)加深对矩阵特征值与特征向量问题求解方法的认识,掌握算法。
(3)熟练运用已学计算方法求解方程组
(4)加深对计算方法技巧,选择正确的计算方法来求解各种方程组
(5)培养使用电子计算机进行科学计算和解决问题的能力
代数插值:
用拉格朗日插值法或牛顿插值法求解:
已知f(x)在6个点的函数值如下表所示,运用插值方法,求f(0.596)的近似值。
x
0.40
0.55
0.65
0.80
0.90
1.05
f(x)
0.41075
0.57815
0.69675
0.88811
1.02652
1.25386
最小二乘法拟合多项式:
给定数据点(xi,yi),用最小二乘法拟合数据的多项式,并求平方误差。
xi
0.5
0.6
0.7
0.8
0.9
1.0
yi
1
1.75
1.96
2.19
2.44
2.71
3.00
原理:
设函数在区间[a,b]上n+1互异节点
x0,x1,…,xn上的函数值分别为
y0,y1,…,yn,求n次插值多项式Pn(x),满足条件
Pn(xj)=yj,
j=0,1,…,n
令
Ln(x)=y0l0(x)+y1l1(x)+…+ynln(x)=
∑yili(x)
其中l0(x),l1(x),…,
ln(x)
为以x0,x1,…,xn为节点的n次插值基函数,则Ln(x)是一次数不超过n的多项式,且满足
Ln(xj)=yj,
L=0,1,…,n
再由插值多项式的唯一性,得
Pn(x)≡Ln(x)
最小二乘法原理:
iostream.h>
I;
char
L;
M[100][100];
x[100],y[100];
X=1,xx=0,w=1,N=0,P,R=1;
n=5;
//cout<
请输入所求均差阶数:
;
//求所有阶差
//cin>
>
n;
//for(int
i=0;
//{
/*cout<
请输入x"
的值:
endl;
cin>
x[i];
cout<
请输入y"
y[i];
M[i][0]=x[i];
M[i][1]=y[i];
*///
M[0][0]=0.40;
M[0][1]=0.41075;
M[1][0]=0.55;
M[1][1]=0.57815;
M[2][0]=0.65;
M[2][1]=0.69675;
M[3][0]=0.80;
M[3][1]=0.88811;
M[4][0]=0.90;
M[4][1]=1.02652;
M[5][0]=1.05;
M[5][1]=1.25386;
for(
j=2;
=n+1;
j++)
for(int
M[i][j]=(M[i][j-1]-M[i-1][j-1])/(M[i][0]-M[i-j+1][0]);
for(int
其"
阶均差为:
M[i][i+1]<
请输入x的值:
x="
xx;
X*=xx-M[i][0];
N+=M[i+1][i+2]*X;
P=M[0][1]+N;
其函数值:
y="
P<
//
fstream.h>
N
15
power(double
a,int
n)
b=1;
b*=a;
return
b;
void
Gauss();
X[N],Y[N],sumX[N],sumY[N],a[N][N],b[N],l[N][N],x[N];
s;
i,j,k,n,index;
请输入已知点的个数n="
n=7;
请输入X和Y:
//输入给定数据
X[0]=0.0;
Y[0]=1.00;
X[1]=0.5;
Y[1]=1.75;
X[2]=0.6;
Y[2]=1.96;
X[3]=0.7;
Y[3]=2.19;
X[4]=0.8;
Y[4]=2.44;
X[5]=0.9;
Y[5]=2.71;
X[6]=1.0;
Y[6]=3.00;
//绑定数据
//可以解绑由下for循环
输入任何数据
sumX[1]+=X[i];
sumY[1]+=Y[i]
sumX[1]="
sumX[1]<
\t"
sumY[1]="
sumY[1]<
请输入拟合次数index="
index;
i=n;
sumX[0]=i;
for(i=2;
=2*index;
sumX[i]=0;
sumX[i]+=power(X[j],i);
sumX["
]="
sumX[i]<
=index+1;
sumY[i]=0;
sumY[i]+=power(X[j],i-1)*Y[j];
sumY["
sumY[i]<
for(i=1;
//建立正规方程组
for(j=1;
a[i][j]=sumX[i+j-2];
b[i]=sumY[i];
k=1;
//用高斯消元法解方程组
do{
l[j][k]=a[j][k]/a[k][k];
for(i=k+1;
i++){
a[i][j]=a[i][j]-l[i][k]*a[k][j];
b[i]=b[i]-l[i][k]*b[k];
if(k==index+1)
break;
k++;
}while
(1);
x[index+1]=b[index+1]/a[index+1][ind
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数值 实验 报告