《计算方法》复习题-.doc

绪 论 复习题 例1计算，取，采用下列算式计算： （1）； （2）； （3）； （4）。 问哪一个得到的结果最好？ 解 显然 所以，这4个算式是恒等的，但当取计算时，因为（2），（3）都涉及到两个相近数相减，使有效数字丢失，而（1）在分母算式上的乘幂数比算式（4）大，所以算式（4）最好。事实上，当取时，有，再由的误差也可直接估计出每个算式的误差，显然，算式（4）误差最小。 具体计算可得： （1）； （2）； （3）； （4）。 比较可得用第（4）个算式所得的结果更接近于。 例1.8 建立积分的递推关系式，并研究它的误差传递。 解 由 和 可建立下列递推公式 (*) 计算出后，由递推关系式可逐次求出的值。但在计算时有舍入误差，因此在使用递推关系式中，实际算出的都是近似值。即 现在来研究误差是如何传递的。 设有误差，假设计算过程中不产生新的舍入误差，则由(*)式可得 从而有 即原始数据的误差对第步的影响使该误差扩大了倍。当较大时，误差将淹没真值，因此递推公式(*)是数值不稳定的。 现在从另一方向使用这一公式 (**) 只要给出的一个近似值，即可递推得到，类似于上面的推导可得 每递推一步误差缩小到原值的，所以递推公式(**)是数值稳定的。 由于时， 所以有估计式 于是 取 可得另一算法： 由此可见，对于同一数学问题，使用的算法不同，效率也大不相同，只有选用数值稳定性好的算法，才能求得较准确的结果。 基于Mathematica的数值计算实例 例1 计算有位有效数字的近似值，并列表。 解 Mathematica程序： Table[{N[E,n],N[Pi,n]},{n,1,10}]; TableForm[%] 运行结果： 3. 3. 2.7 3.1 2.72 3.14 2.718 3.142 2.7183 3.1416 2.71828 3.14159 2.718282 3.141593 2.7182818 3.1415927 2 32.718281828 3.141592654 例2 用程序计算有位有效数字的近似值。 解 Mathematica程序： Table[{N[Sqrt[1500],n],N[12^(1/6),n]},{n,10,15}]; TableForm[%] 运行结果： 38 1.513085749 38.729833462 1.5130857494 38.7298334621 1.51308574942 38.72983346207 1.513085749423 38.729833462074 1.5130857494229 38.7298334620742 1.5130857494229 例3 计算的近似值。 解 Mathematica程序： {Cos[75.5 Degree],ArcTan[34.7 Degree],Log[5,79]}//N; TableForm[%] 运行结果： 0.25038 0.544548 2.71489 例4 二项式系数定义为，利用该定义计算。 解 Mathematica程序： CC[n_,k_]:=n!/(k!*(n-k)!) CC[50,36] 运行结果： 937845656300 例5 分别给出前20个素数及第100个素数。 解 Mathematica程序： Table[Prime[n], {n, 1, 20}] Prime[100] 运行结果： 前20个素数： {2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71} 第100个素数＝541 例6 用秦九韶法计算 在处的值，并验证之。 解 Mathematica程序： a[k_]:=k+1; s[8]=a[8]; s[k_]:=x*s[k+1]+a[k]; x=2; s[0] 运行结果：4097。 插值与拟合 复习题 例2.1 插值函数作为被插函数的逼近，可以用作函数值的近似计算。已知 ，构造二次拉格朗日插值多项式。 （1）计算； （2）估计误差并与实际误差相比较。 解 （1）以插值点(27,3), (64,4),