数值分析第五版计算实习题(共8页).docx

《数值分析第五版计算实习题(共8页).docx》由会员分享，可在线阅读，更多相关《数值分析第五版计算实习题(共8页).docx（8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-倾情为你奉上数值分析计算实习题第二章2-1程序：clear;clc;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); endendsyms 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)*df(i);enddisp(4次牛顿插值多项式);P4=vp

2、a(collect(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;disp(三次样条函数);for i=1:4S=q(i,:)*(x-x1(i)3;(x-x1(i)2;(x-x1(i);1;S=vpa(collect(S),5)endx2=0.2:0.08:1.08;dot=1 2 11 12;figureezplot(P4,0.2,1.08);hold ony2=fnval(pp,x2);x=x2(dot);y3=eval(P4);y4=fnval(pp,x2(dot);

3、plot(x2,y2,r,x2(dot),y3,b*,x2(dot),y4,co);title(4次牛顿插值及三次样条);结果如下：4次牛顿插值多项式 P4 = - 0.52083*x4 + 0.83333*x3 - 1.1042*x2 + 0.19167*x + 0.98 三次样条函数x0.2,0.4时， S = - 1.3393*x3 + 0.80357*x2 - 0.40714*x + 1.04x0.4,0.6时，S = 0.44643*x3 - 1.3393*x2 + 0.45*x + 0.92571x0.6,0.8时，S = - 1.6964*x3 + 2.5179*x2 - 1.8

4、643*x + 1.3886x0.8,1.0时，S =2.5893*x3 - 7.7679*x2 + 6.3643*x - 0.805714次牛顿插值曲线三次样条插值曲线输出图如下2-3（1）程序：clear;clc;x1=0 1 4 9 16 25 36 49 64;y1=0 1 2 3 4 5 6 7 8;%插值点n=length(y1);a=ones(n,2);a(:,2)=-x1;c=1;for i=1:n c=conv(c,a(i,:);endq=zeros(n,n);r=zeros(n,n+1);for i=1:n q(i,:),r(i,:)=deconv(c,a(i,:);%wn

5、+1/(x-xk)endDw=zeros(1,n);for i=1:nDw(i)=y1(i)/polyval(q(i,:),x1(i);%系数endp=Dw*q;syms x L8;for i=1:nL8(i)=p(n-i+1)*x(i-1);enddisp(8次拉格朗日插值);L8=vpa(collect(sum(L8),5)xi=0:64;yi=polyval(p,xi);figureplot(xi,yi,x1,y1,r*);hold ontitle(8次拉格朗日插值);结果如下：8次拉格朗日插值 L8 =- 3.2806e-10*x8 + 6.7127e-8*x7 - 5.4292e-6

6、*x6 + 0.*x5 - 0.*x4 + 0.*x3 - 0.38141*x2 + 1.3257*x输出图如下：第五章4-1（3）程序：clc;clear;y= (x) sqrt(x).*log(x);a=0;b=1;tol=1e-4;p=quad(y,a,b,tol);fprintf(采用自适应辛普森积分结果为： %d n, p);结果如下：采用自适应辛普森积分结果为： -4.e-01第九章9-1(a)程序：clc;clear;a=1;b=2;%定义域h=0.05;%步长n=(b-a)/h;y0=1;%初值f= (x,y) 1/x2-y/x;%微分函数Xn=linspace(a,b,n+1

7、);%将定义域分为n等份Yn=zeros(1,n);%结果矩阵Yn(1)=y0;%赋初值%以下根据改进欧拉公式求解for i=1:n xn=Xn(i); xnn=Xn(i+1); yn=Yn(i); yp=yn+h*f(xn,yn); yc=yn+h*f(xnn,yp); yn=(yp+yc)/2; Yn(i+1)=yn;endXn=Yn;%以下根据经典四阶R-K法公式求解for i=1:n xn=Xn(i); yn=Yn(i); k1=f(xn,yn); k2=f(xn+h/2,yn+h/2*k1); k3=f(xn+h/2,yn+h/2*k2); k4=f(xn+h,yn+h*k3); y

8、n=yn+h/6*(k1+2*k2+2*k3+k4); Yn(i+1)=yn;enddisp( 改进欧拉法 四阶经典R-K法);disp(Xn Yn)结果如下： 改进欧拉法 四阶经典R-K法 1 1 0.99887 0.99885 0.99577 0.9978 0.99114 0.99694 0.98532 0.99634 0.97857 0.99603 0.97111 0.99606 0.96311 0.99645 0.9547 0.99723 0.94598 0.99841 0.93705 1 0.92798 1.002 0.91883 1.0044 0.90964 1.0073 0.90

9、045 1.0106 0.89129 1.0143 0.88218 1.0184 0.87315 1.0229 0.86421 1.0278 0.85538 1.0331 0.84665 1.0388（b）程序：clc;clear;a=0;b=1;%定义域H=0.1 0.025 0.01;%步长y0=1/3;%初值f= (x,y) -50*y+50*x2+2*x;%微分函数xi=linspace(a,b,11);Y=1/3*exp(-50*xi)+xi.2;%准确解Ym=zeros(1,11);for j=1:3 h=H(j); n=(b-a)/h; Xn=linspace(a,b,n+1);

10、%将定义域分为n等份 Yn=zeros(1,n);%结果矩阵 Yn(1)=y0;%赋初值 for i=1:n xn=Xn(i); yn=Yn(i); k1=f(xn,yn); k2=f(xn+h/2,yn+h/2*k1); k3=f(xn+h/2,yn+h/2*k2); k4=f(xn+h,yn+h*k3); yn=yn+h/6*(k1+2*k2+2*k3+k4); Yn(i+1)=yn; end for k=1:11 m=0.1/h; Ym(k)=Yn(1+(k-1)*m); end delta=Ym-Y; fprintf(步长为： %d n, h); disp( 四阶经典R-K法 准确解

11、误差); disp(Ym Y delta) end结果如下：步长为： 1.e-01 四阶经典R-K法 准确解 误差 0.33333 0.33333 0 4.6055 0. 4.5932 63.062 0. 63.022 864.05 0.09 863.96 11844 0.16 11843 1.6235e+05 0.25 1.6235e+05 2.2256e+06 0.36 2.2256e+06 3.0509e+07 0.49 3.0509e+07 4.1823e+08 0.64 4.1823e+08 5.7333e+09 0.81 5.7333e+09 7.8594e+10 1 7.8594

12、e+10步长为： 2.e-02 四阶经典R-K法 准确解 误差 0.33333 0.33333 0 0. 0. 0. 0. 0. 4.82e-05 0. 0.09 3.6857e-05 0.16004 0.16 3.6723e-05 0.25004 0.25 3.6722e-05 0.36004 0.36 3.6722e-05 0.49004 0.49 3.6722e-05 0.64004 0.64 3.6722e-05 0.81004 0.81 3.6722e-05 1 1 3.6722e-05步长为： 1.e-02 四阶经典R-K法 准确解 误差 0.33333 0.33333 0 0.

13、0. 9.5673e-06 0. 0. 7.8252e-07 0. 0.09 6.6347e-07 0.16 0.16 6.6226e-07 0.25 0.25 6.6225e-07 0.36 0.36 6.6225e-07 0.49 0.49 6.6225e-07 0.64 0.64 6.6225e-07 0.81 0.81 6.6225e-07 1 1 6.6225e-07由结果可知，步长越小，结果越精确。9-3主程序：clc;clear;options = odeset(RelTol,1e-4,AbsTol,1e-4 1e-4 1e-4);X,Y = ode45(rigid,0 0.00

14、4,1 1 0,options);subplot(1,2,1);plot(X,Y(:,1),-,X,Y(:,2),-.,X,Y(:,3),.);title(四阶R-K方法);legend(y1, y2,y3);X,YY = ode23t(rigid,0 0.004,1 1 0,options);subplot(1,2,2);plot(X,YY(:,1),-,X,YY(:,2),-.,X,YY(:,3),.);title(梯形法);legend(y1, y2,y3);rigid函数function dy = rigid (,y)dy = zeros(3,1); % a column vectordy(1) = -0.013*y(1)-1000*y(1)*y(2);dy(2) = -2500*y(2) * y(3);dy(3) =-0.013*y(1)-1000*y(1)*y(2)-2500*y(2) * y(3);结果如图：专心-专注-专业