计算方法上机作业集合
第一次&第二次上机作业
上机作业:
1.在Matlab上执行:>> 5.1-5-0.1和>> 1.5-1-0.5
给出执行结果,并简要分析一下产生现象的原因。
解:执行结果如下:
在Matlab中,小数值很难用二进制进行描述。由于计算精度的影响,相近两数相减会出现误差。
2.(课本181页第一题)
解:(1)n=0时,积分得I0=ln6-ln5,编写如下图代码
从以上代码显示的结果可以看出,I 20的近似值为0.7465
(2)I I =∫I I 5+I 10dx,可得∫I I 610dx ≤∫I I 5+I 10dx ≤∫I I
510dx,得 16(I +1)≤I I ≤15(I +1),则有1126≤I 20≤1105,
取I 20=1
105
,以此逆序估算I 0。代码段及结果如下图所示
(3)从I20估计的过程更为可靠。首先根据积分得表达式是可知,被积函数随着n的增大,其所围面积应当是逐步减小的,即积分值应是随着n的递增二单调减小的,(1)中输出的值不满足这一条件,(2)满足。设I I表示I I的近似值,I I-I I=(?5)I(I0?I0)(根据递推公式可以导出此式),可以看出,随着n的增大,误差也在增大,所以顺序估计时,算法不稳定性逐渐增大,逆序估计情况则刚好相反,误差不断减小,算法逐渐趋于稳定。
2.(课本181页第二题)
(1)上机代码如图所示
求得近似根为0.09058 (2)上机代码如图所示
得近似根为0.09064;
(3)牛顿法上机代码如下
计算所得近似解为0.09091
第三次上机作业上机作业181页第四题
线性方程组为
[1.13483.8326
0.53011.7875
1.16513.4017
2.53301.5435
3.4129
4.9317
1.23714.9998
8.76431.3142
10.67210.0147
][
I1
I2
I3
I4
]=[
9.5342
6.3941
18.4231
16.9237
]
(1)顺序消元法
A=[1.1348,3.8326,1.1651,3.4017;0.5301,1.7875,2.5330,1.5435;
3.4129,
4.9317,8.7643,1.3142;1.2371,4.9998,10.6721,0.0147]; b=[9.5342;6.3941;18.4231;16.9237];
上机代码(函数部分)如下
function [b] = gaus( A,b )%用b返回方程组的解
B=[A,b];
n=length(b);
RA=rank(A);
RB=rank(B);
dif=RB-RA;
if dif>0
disp('此方程组无解');
return
end
if RA==RB
if RA==n
format long;
disp('此方程组有唯一解');
for p=1:n-1
for k=p+1:n
m=B(k,p)/B(p,p);
B(k,p:n+1)=B(k,p:n+1)-m*B(p,p:n+1);
end
end %顺序消元形成上三角矩阵
b=B(1:n,n+1);
A=B(1:n,1:n);
b(n)=b(n)/A(n,n);
for q=n-1:-1:1
b(q)=(b(q)-sum(A(q,q+1:n)*b(q+1:n)))/A(q,q);
end %回代求解
else
disp('此方程组有无数组解');
end
end
上机运行结果为
>>
A=[1.1348,3.8326,1.1651,3.4017;0.5301,1.7875,2.5330,1.5435;
3.4129,
4.9317,8.7643,1.3142;1.2371,4.9998,10.6721,0.0147]; b=[9.5342;6.3941;18.4231;16.9237];
>> X=gaus(A,b)
此方程组有唯一解
X =
1.0000
1.0000
1.0000
1.0000
>>
(2)列主元消元法
A=[1.1348,3.8326,1.1651,3.4017;0.5301,1.7875,2.5330,1.5435;
3.4129,
4.9317,8.7643,1.3142;1.2371,4.9998,10.6721,0.0147]; b=[9.5342;6.3941;18.4231;16.9237];
函数部分代码如下
function [b] = lieZhu(A,b )%用b返回方程组的解
B=[A,b];
RA=rank(A);
RB=rank(B);
n=length(b);
dif=RB-RA;
format long;
if dif>0
disp('该方程组无解');
return
end
if dif==0
if RA==n
disp('该方程组有唯一解');
c=zeros(1,n);
for i=1:n-1
max=abs(A(i,i));
m=i;
for j=i+1:n
if max max=abs(A(j,i)); m=j; end end %求出每一次消元时绝对值最大的一行的行号 if m~=i for k=i:n c(k)=A(i,k); A(i,k)=A(m,k); A(m,k)=c(k); end d1=b(i); b(i)=b(m); b(m)=d1;%函数值跟随方程一起换位置 end for k=i+1:n for j=i+1:n A(k,j)=A(k,j)-A(i,j)*A(k,i)/A(i,i); end b(k)=b(k)-b(i)*A(k,i)/A(i,i); A(k,i)=0; end end %完成消元操作,形成上三角矩阵 b(n)=b(n)/A(n,n); for i=n-1:-1:1 sum=0; for j=i+1:n sum=sum+A(i,j)*b(j); end b(i)=(b(i)-sum)/A(i,i) ;%回代求解其他未知数 end end else disp('此方程组有无数组解'); end end上机运行,结果为 >> A=[1.1348,3.8326,1.1651,3.4017;0.5301,1.7875,2.5330,1.5435; 3.4129, 4.9317,8.7643,1.3142;1.2371,4.9998,10.6721,0.0147]; b=[9.5342;6.3941;18.4231;16.9237]; X=lieZhu(A,b) 该方程组有唯一解 X = 1.0000 1.0002 0.9999 0.9999 >> 根据两种方法运算结果,顺序消元法得到结果比列主元消元法得到的结果精度更高。 (注:matlab使用的是2015b版本,不知道是保留小数位数太少,还是程序原因,顺序消元输出结果总是等于准确解,请老师指正) 第四次上机作业 7.分析用下列迭代法解线性方程组 [ 4?1 ?14 0?1 ?10 00 ?10 0?1 ?10 4?1 ?14 0 ?1 ?10 0?1 00 0?1 ?10 4?1 ?14][ I1 I2 I3 I4 I5 I6] = [ 5 ?2 5 ?2 6] 的收敛性,并求出使‖I(I+1)?I(I)‖ 2 ≤0.0001的近似解及相应的迭代次数。 (1)雅可比迭代法 解:上机编写的函数如下 function [] = Jacobi(X,b) %雅可比迭代法 D=diag(diag(X));%得到对角线元素组成的矩阵 B=inv(D)*(D-X); f=inv(D)*b; b(:,:)=0; x1=B*b+f; num=1; while(norm(x1-b)>0.0001)%判断当前的解是否达到精度要求 b=x1; x1=B*b+f; num=num+1; end; fprintf('求得的解为:\n'); disp(x1); fprintf('迭代次数:%d次\n',num); end 上机运行,结果如下 >> A=[4,-1,0,-1,0,0;-1,4,-1,0,-1,0;0,-1,4,-1,0,-1;-1,0,-1,4,-1 ,0;0,-1,0,-1,4,-1;0,0,-1,0,-1,4]; >> b=[0;5;-2;5;-2;6]; >> Jacobi(A,b) 求得的解为: 0.4381 1.674 0.8368 1.674 0.8368 1.876 迭代次数:28次 满足要求的解如输出结果所示,总共迭代了28次(2)高斯-赛德尔迭代法 上机程序如下所示 function [] =Gauss_Seidel( A,b ) %高斯赛德尔迭代法 D=diag(diag(A)); L=D-tril(A); U=D-triu(A); B=inv(D-L)*U; f=inv(D-L)*b; b(:,:)=0; x0=B*b+f; num=1; while(norm(x0-b)>0.0001) num=num+1; b=x0; x0=B*b+f; end; fprintf('结果为\n'); disp(x0); fprintf('迭代次数为:%d次\n',num); end >> A=[4,-1,0,-1,0,0;-1,4,-1,0,-1,0;0,-1,4,-1,0,-1;-1,0,-1,4,-1 ,0;0,-1,0,-1,4,-1;0,0,-1,0,-1,4]; >> b=[0;5;-2;5;-2;6]; >> Gauss_Seidel(A,b) 结果为 0.0658 1.139 0.9833 1.874 0.9715 1.989 迭代次数为:15次 满足精度要求的解如上述程序打印输出所示,迭代了15次(3)S OR迭代法(w依次取1.334,1.95,0.95) 上机代码如下 function [] = SOR(A,b,w ) %SOR迭代法¨ D=diag(diag(A)); L=D-tril(A); U=D-triu(A); B=inv(D-w*L)*((1-w)*D+w*U); f=w*inv(D-w*L)*b; b(:,:)=0; x0=B*b+f; num=1; while(norm(x0-b)>0.0001) num=num+1; b=x0; x0=B*b+f; end; fprintf('结果为\n'); disp(x0); fprintf('迭代次数为%d\n',num); end 上机运行 >> A=[4,-1,0,-1,0,0;-1,4,-1,0,-1,0;0,-1,4,-1,0,-1;-1,0,-1,4,-1 ,0;0,-1,0,-1,4,-1;0,0,-1,0,-1,4]; >> b=[0;5;-2;5;-2;6]; >> SOR(A,b,1.334) 结果为 1.009 1.858 1.068 2.053 0.3476 2.69 迭代次数为13 >> SOR(A,b,1.95) 结果为 0.8107 2.604 0.2729 2.06 1.697 1.446 迭代次数为241 >> SOR(A,b,0.95) 结果为 0.9351 1.231 0.8453 1.033 0.7589 1.78 迭代次数为17 由以上输出得到w取值不同的情况下,得到的满足精度要求的结果,迭代次数分别如输出所示 第五次上机作业 8.从函数表 出发,用下列方法计算f(0.15),f(0.31)及f(0.47)的近似值(1)分段线性插值 (2)分段二次插值 (3)全区间上拉格朗日插值 解:(1)线性插值 编写函数如下 function [R] = div_line( x0,y0,x ) %线性插值 p=length(x0); n=length(y0); m=length(x); if(p~=n)%x的个数与y的个数不等 error('数据输入有误,请重新输入'); return; else fprintf('线性插值\n'); for t=1:m z=x(t); if(z fprintf('x[%d]不在所给自变量围,无法进行插值',t); continue; else for i=1:p-1 if(z break; end; end; R(t)=y0(i)*(x(t)-x0(i+1))/(x0(i)-x0(i+1))+y0(i+1)*(x(t)-x0(i))/(x0(i+1)-x0(i)); end; end; end; end 上机运行如下 >> x0=[0.0 0.1 0.195 0.3 0.401 0.5]; >> y0=[0.39894 0.39695 0.39142 0.38138 0.36812 0.35206]; >> x=[0.15 0.31 0.47]; >> div_line(x0,y0,x) 线性插值 ans = 0.39404 0.38007 0.35693 即结果为f(0.15)≈0.39404,f(0.31) ≈0.38007,f(0.47) ≈0.35693 (2)分段二次插值 编写的函数如下 function [R] = div2line(x0,y0,x) %分段二次插值 p=length(x0); m=length(y0); n=length(x); if(p~=m) error('输入错误,请重新输入数据'); end; for t=1:n if(x(t) fprintf('x[%d]不在所给区间上',t); continue; end; tag=2; m=abs(x(t)-x0(1))+abs(x(t)-x0(2))+abs(x(t)-x0(3)); for i=3:p-1 sum=abs(x(t)-x0(i-1))+abs(x(t)-x0(i))+abs(x(t)-x0(i+1)); if(sum m=sum; tag=i; end end; fprintf('tag=%d\n',tag); R(t)=y0(tag-1)*(x(t)-x0(tag))*(x(t)-x0(tag+1))/((x0(tag-1)-x0(tag))*(x0(tag-1)-x0(t ag+1)))+y0(tag)*(x(t)-x0(tag-1))*(x(t)-x0(tag+1))/((x0(tag)-x0(tag-1))*(x0(tag)-x0( tag+1)))+y0(tag+1)*(x(t)-x0(tag-1))*(x(t)-x0(tag))/((x0(tag+1)-x0(tag-1))*(x0(tag+1 )-x0(tag))); End 上机运行,执行结果为 >> x0=[0.0 0.1 0.195 0.3 0.401 0.5]; >> y0=[0.39894 0.39695 0.39142 0.38138 0.36812 0.35206]; >> x=[0.15 0.31 0.47]; >>div2line(x0,y0,x) ans = 0.39448 0.38022 0.35725 即分段二次插值方法下, f(0.15)≈0.39448,f(0.31) ≈0.38022,f(0.47) ≈0.35725 (3) 上机编写的程序如下 function [R] = lagrange(x0,y0,x) %全区间上拉格朗日插值 p=length(y0);n=length(x0);m=length(x); %计算函数表和x的长度 if p ~= n error('数据输入有误,请重新输入'); %若函数表的x与y长度不一致则输入有误 else fprintf('拉格朗日插值\n'); for t=1:m %利用循环计算每个x的插值 s=0.0; z=x(t); for k=1:n p=1; for i=1:n if i~=k p=p*(z-x0(i))/(x0(k)-x0(i)); end end s=s+y0(k)*p; end %根据拉格朗日插值公式求解y R(t)=s; %输出插值结果 end end 上机运行结果为 >> x0=[0.0 0.1 0.195 0.3 0.401 0.5]; >> y0=[0.39894 0.39695 0.39142 0.38138 0.36812 0.35206]; >> x=[0.15 0.31 0.47]; >> lagrange(x0,y0,x) 拉格朗日插值 ans = 0.39447 0.38022 0.35722 即分段二次插值方法下, f(0.15)≈0.39447,f(0.31) ≈0.38022,f(0.47) ≈0.35722 9.解:上机程序如下,为方便起见,将所有操作分在四个函数中进行入口函数 function [] =spline( X,Y,xx,y1_0,y1_18 ) %输出自变量所对应的函数值 M=getM(X,Y,y1_0,y1_18);%先得到M s=xx; k=length(xx); for a=1:k s(xx(a))=getExp(X,Y,M,xx(a));%计算自变量所在小区间对应曲线的表达式,并根据表达式计算对应的函数值 fprintf('s(%d)=%f\n',xx(a),s(xx(a))); %输出打印函数值 end end 获取M function [M] = getM(X,Y,y1_0,y1_1) %得到M n=length(X); a=0*X;b=a;c=a;h=a;f=a; b=b+2; h(2:n)=X(2:n)-X(1:n-1); % h(1)不用 a(2:n-1)=h(2:n-1)./(h(2:n-1)+h(3:n)); c(2:n-1)=1-a(2:n-1); a(n)=1;c(1)=1; Yf(2:n)=Y(2:n)-Y(1:n-1); f(2:n-1)=6*(Yf(3:n)./h(3:n)-Yf(2:n-1)./h(2:n-1))./(h(2:n-1)+h(3:n)); f(1)=6*(Yf(2)/h(2)-y1_0)/h(2); f(n)=6*(y1_1-Yf(n)/h(n))/h(n); M=CalM(n,a,b,c,f);%计算M end 计算M function [f] = CalM(n,a,b,c,f) % 追赶法求解M eps=0.1e-15; %防止参数过小,是的计算误差过大 if abs(b(1)) disp('除数为0,停止计算'); return else c(1)=c(1)/b(1); end %追赶法:根据递推算式计算β for i=2:n-1 b(i)=b(i)-a(i)*c(i-1); if abs(b(i)) disp('除数为0,停止计算'); return else c(i)=c(i)/b(i); end end b(n)=b(n)-a(n)*c(n-1); %追赶法:根据递推算式计算 f(1)=f(1)/b(1); for i=2:n f(i)=(f(i)-a(i)*f(i-1))/b(i); end %以下求解Ux=y, x的值存入f for i=n-1:-1:1 f(i)=f(i)-c(i)*f(i+1); end return end 得到自变量所在区间的表达式,并求自变量对应的函数值 function [y] = getExp(X,Y,M,x) %%根据X、Y、M计算表达式,并根据表达式计算对应的函数值 n=length(X); h(2:n)=X(2:n)-X(1:n-1); %%判断x落在哪个小区间 n1=1;n2=n; while n2~=n1+1 n5=fix((n1+n2)/2); if x>X(n5) n1=n5; else n2=n5; end end %% %%计算y y=M(n1)*(X(n2)-x)^3/(6*h(n2))+ M(n2)*(x-X(n1))^3/(6*h(n2)); y=y+(Y(n1)-M(n1)*h(n2)*h(n2)/6)*(X(n2)-x)/h(n2); y=y+(Y(n2)-M(n2)*h(n2)*h(n2)/6)*(x-X(n1))/h(n2); %%