数值分析上机作业1-1解析(共9页).doc

《数值分析上机作业1-1解析(共9页).doc》由会员分享，可在线阅读，更多相关《数值分析上机作业1-1解析(共9页).doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上数值计算方法上机题目11、实验1. 病态问题实验目的：算法有“优”与“劣”之分，问题也有“好”和“坏”之别。所谓坏问题就是问题本身的解对数据变化的比较敏感，反之属于好问题。希望读者通过本实验对此有一个初步的体会。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 （E1-1）显然该多项式的全部根为l，2，20，共计20个，且每个根都是单重的（也称为简单的）。现考虑该多项式方程

2、的一个扰动 (E1-2)其中是一个非常小的数。这相当于是对（E1-1）中的系数作一个小的扰动。我们希望比较（E1-1）和（E1-2）根的差别，从而分析方程（E1-1）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”，输入函数uroots（a）其中若变量存储维的向量，则该函数的输出为一个维的向量。设a的元素依次为，则输出u的各分量是多项式方程的全部根，而函数b=poly(v)的输出b是一个n1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. ve=zeros(1,21); ve(2

3、)=ess; roots(poly(1:20)+ve)上述简单的Matlab程序便得到（E1-2）的全部根，程序中的“ess”即是（E1-2）中的。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。如果扰动项的系数很小，我们自然感觉（E1-1）和(E1-2)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（E1-2）中的扰动项改成或其他形式，实验中又有怎样的现象出现？实验步骤：（1）程序function t_charpt1_1clcresult=inputdlg(请输入扰动项:在0 20之间的整数:,charpt 1

4、_1,1,19);Numb=str2num(char(result);if(Numb20)|(Numb0)errordlg(请输入正确的扰动项:0 20之间的整数!);return;end result=inputdlg(请输入(0 1)之间的扰动常数:,charpt 1_1,1,0.00001);ess=str2num(char(result);ve=zeros(1,21);ve(21-Numb)=ess;root=roots(poly(1:20)+ve);x0=real(root); y0=imag(root);plot(x0,y0, *);disp(对扰动项 ,num2str(Numb)

5、,加扰动,num2str(ess),得到的全部根为:);disp(num2str(root);二、 实验结果分析 ess分别为1e-6,1e-8.1e-10,1e-12.对扰动项 19加扰动1e-006得到的全部根为:21.3025+1.56717i 21.3025-1.56717i 18.5028+3.6004i 18.5028-3.6004i 15.1651+3.76125i 15.1651-3.76125i 12.4866+2.88278i 12.4866-2.88278i 10.5225+1.71959i 10.5225-1.71959i 9.04485+0.i 9.04485-0.i

6、 7.9489+0i 7.00247+0i 5.99995+0i 5+0i 4+0i 3+0i 2+0i 1+0i 对扰动项 19加扰动1e-010得到的全部根为:19.9953+0i 19.0323+0i 17.8696+0i 17.2186+0i 15.4988+0.i 15.4988-0.i 13.7707+0i 13.1598+0i 11.9343+0i 11.029+0i 9.99073+0i 9.00247+0i 7.99952+0i 7.00007+0i 5.99999+0i 5+0i 4+0i 3+0i 2+0i 1+0i ess分别为1e-6,1e-8.1e-10,1e-12

7、的图像如下： 从实验的图形中可以看出，当ess充分小时，方程E.1.1和方程E.1.2的解相差很小，当ess逐渐增大时，方程的解就出现了病态解，这些解都呈现复共轭性质。（2） 将扰动项加到x18上后，ess=1e-009时方程的解都比较准确，没有出现复共轭现象。ess=1e-008时误差与x19(ess=1e-009)时相当，即扰动加到x18上比加到x19小一个数量级。对x8的扰动ess=1000时没有出现复共轭，误差很小；对x的扰动ess=10e10时没有出现复共轭，误差很小。因此，扰动作用到xn上时，n越小，扰动引起的误差越小。2、实验2。多项式插值的振荡现象，即插值的龙格（Runge）现

8、象问题提出：考虑在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、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。龙格给出的一个例子是极著名并富有启发性的。设区间上函数实验内容：考虑区间的一个等距划分，分点为则拉格朗日插值多项式为其中的，是n次拉格朗日插值基函数。实验要求：（l）选择不断增大的分点数目，画出原函数及插值多项式函数在上的图像，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 重复上述的实验看其结果如何。（3）区间上切比雪夫点的定义为 以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。实验

9、步骤：（1） 试验程序：function y=Lagrange(x0, y0, x);% Lagrange插值 n= length(x0); m=length(x);for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if(j = k) p = p*(z - x0(j)/(x0(k) - x0(j); end end s = s + p*y0(k); end y(i) = s;endfunction t_charpt2 promps = 请选择实验函数，若选f(x),请输入f,若选h(x),请输入h,若选g(x),请输入g:;titles =

10、 charpt_2;result = inputdlg(promps,charpt 2,1,f);Nb_f = char(result);if(Nb_f = f & Nb_f = h & Nb_f = g)errordlg(实验函数选择错误！);return;end result = inputdlg(请输入插值结点数N:,charpt_2,1,10);Nd = str2num(char(result);if(Nd 1)errordlg(结点输入错误！);return;end switch Nb_f case f f=inline(1./(1+25*x.2); a = -1;b = 1; ca

11、se h f=inline(x./(1+x.4); a = -5; b = 5; case g f=inline(atan(x); a = -5; b= 5;endx0 = linspace(a, b, Nd+1); y0 = feval(f, x0); x = a:0.1:b; y = Lagrange(x0, y0, x); fplot(f, a b, co); hold on; plot(x, y, b-);xlabel(x); ylabel(y = f(x) o and y = Ln(x)-); 增大分点n=2，3，时，拉格朗日插值函数曲线如图所示。 n=3 n=6 n=7 n=8 从

12、图中可以看出，随着n的增大，拉格朗日插值函数在x=0附近较好地逼近了原来的函数f(x)，但是却在两端x= -1和x=1处出现了很大的振荡现象。通过分析图形，可以看出，当n为奇数时，虽然有振荡，但振荡的幅度不算太大，n为偶数时，其振荡幅度变得很大。（2） 将原来的f(x)换为其他函数如h(x)、g(x)，结果如图所示。其中h(x), g(x)均定义在-5，5区间上，h(x)=x/(1+x4)，g(x)=arctan x。h(x), n=7 h(x), n=8h(x), n=9 h(x), n=10g(x), n=8 g(x), n=9g(x), n=12 g(x), n=13分析两个函数的插值图

13、形，可以看出：随着n的增大，拉格朗日插值函数在x=0附近较好地逼近了原来的函数f(x)，但是却在两端x= -5和x=5处出现了很大的振荡现象。通过图形可以看出，当n为偶数时，虽然有振荡，但振荡的幅度不算太大，n为奇数时，其振荡幅度变得很大。原因和上面f(x)的插值类似，h(x)、g(x)本身是奇函数，如果n为偶数，那么Lagrange插值函数Ln(x)的最高次项xn-1是奇次幂，比较符合h(x)、g(x)本身是奇函数的性质；如果n为奇数，那么Lagrange插值函数Ln(x)的最高次项xn-1是偶次幂，与h(x)、g(x)本身是奇函数的性质相反，因此振荡可能更剧烈。3、实验3。 样条插值的收敛

14、性问题提出：一般的多项式插值不能保证收敛性，即插值的节点多，效果不一定就好。对样条函数插值又如何呢？理论上证明样条插值的收敛性是比较困难的，也超出了本课程的内容。通过本实验可以验证这一理论结果。实验内容：请按一定的规则分别选择等距或者非等距的插值节点，并不断增加插值节点的个数。考虑实验2.中的函数或选择其它你有兴趣的函数，可以用 Matab的函数 “spline”作此函数的三次样条插值。在较新版本的Matlab中，还提供有spline工具箱，你可以找到极丰富的样条工具，包括B-样条。实验要求：（1）随节点个数增加，比较被逼近函数和样条插值函数误差变化情况。分析所得结果并与拉格朗目多项式插值比较

15、。（2）样条插值的思想最早产生于工业部门。作为工业应用的例子，考虑如下问题：某汽车制造商用三次样条插值设计车门的曲线，其中一段的数据如下：0123456789100.00.791.532.192.713.033.272.893.063.193.290.80.2实验步骤：（1）程序：function t_charpt2promps = 请选择实验函数，若选f(x),请输入f,若选h(x),请输入h,若选g(x),请输入g:;titles = charpt_2;result = inputdlg(promps,charpt 2,1,f);Nb_f = char(result);if(Nb_f =

16、f & Nb_f = h & Nb_f = g)errordlg(实验函数选择错误！);return;end result = inputdlg(请输入插值结点数N:,charpt_2,1,10);Nd = str2num(char(result);if(Nd 1)errordlg(结点输入错误！);return;end switch Nb_f case f f=inline(1./(1+25*x.2); a = -1;b = 1; case h f=inline(x./(1+x.4); a = -5; b = 5; case g f=inline(atan(x); a = -5; b= 5;

17、end x0 = linspace(a, b, Nd+1); y0 = feval(f, x0); x = a:0.1:b; cs = spline(x0, y0); y = ppval(cs, x); plot(x0, y0, o); hold on; plot(x, y, k-); xlabel(x); ylabel(y = f(x) o and y = Spline(x)-);实验结果：如图所示。 f(x), n=5 n=10 n=20 h(x), n=5 h(x), n=10 n=20 g(x), n=5 n=10 n=20图中可以看出，由于其采用了分段三次多项式拟合的方法，随着三次样条插值的插值结点的增加，并没有出现振荡现象。（2） 程序：x0=0:10;y0=0.0 0.79 1.53 2.19 2.71 3.03 3.27 2.89 3.06 3.19 3.29; x=0:0.1:10;pp=csape(x0,y0,complete,0.8 0.2);y = ppval(pp, x);plot(x0, y0, o); hold on; plot(x, y, k-);xlabel(x); ylabel(y = f(x) o and y = Spline(x)-);车门的曲线如下图：专心-专注-专业