数值课程设计分析.ppt

实验1 非线性方程与方程组数值求解的设计与实现 实验目的和任务：理解非线性方程与方程组数值求解思想，设计并掌握MATLAB中非线性方程及方程组的数值解法，理解迭代法的收敛性与收敛速度. 要求精度为准确到 ，给定方程与方程组分别为 实验1 非线性方程与方程组数值求解的设计与实现 实验1 非线性方程与方程组数值求解的设计与实现 实验总结：根据实验结果显示，可以看出不动点迭代需要9次迭代，而用斯蒂芬森加速后只需要3次，牛顿法介于其间需要4次。直接使用MATLAB函数fzero需要迭代5次，函数fsolve对（1-2）迭代需要1次，所以通过对（1-1）的实验我们知道斯蒂芬森加速后迭代速度牛顿法函数fzero不动点迭代。 实验2 线性方程组直接法的设计与实现 实验2 线性方程组直接法的设计与实现 实验3 线性方程组迭代法的设计与实现 实验3 线性方程组迭代法的设计与实现 实验3 线性方程组迭代法的设计与实现 实验3 线性方程组迭代法的设计与实现 实验3 线性方程组迭代法的设计与实现 实验4 多项式插值的设计与实现 实验4 多项式插值的设计与实现 实验4 多项式插值的设计与实现 实验4 多项式插值的设计与实现 实验4 多项式插值的设计与实现 实验4 多项式插值的设计与实现 实验5 数值逼近的设计与实现. 实验目的和任务：理解数值逼近的基本原理，设计并掌握MATLAB中最小二乘拟合的实现. 已知数据如下： 实验5 数值逼近的设计与实现. 实验5 数值逼近的设计与实现. 实验5 数值逼近的设计与实现. 实验5 数值逼近的设计与实现. 4. 谈一谈对离散数据最小二乘拟合的理解. 最小线性二乘拟合适用于曲线拟合的求解，最小线性二乘拟合对于求解实际问题有很大的帮助，它是离散点的最佳平方逼近，首先要确定是做几次拟合，然后得到法方程，求得最小二乘拟合曲线，在算出平方误差。 Page ? * 数值分析课程设计 冯选 李赫 李瑞雪 实验1 非线性方程与方程组数值求解的设计与实现 实验2 线性方程组直接法的设计与实现 实验3 线性方程组迭代法的设计与实现 实验4 多项式插值的设计与实现 实验5 数值逼近的设计与实现 实验6 数值积分的设计与实现 实验7 数值微分的设计与实现 实验8 常微分方程数值解法的设计与实现 题目 (1-1) (1-2) 牛顿迭代 线性迭代 斯蒂芬森迭代 MATLAB数值计算 实验2 线性方程组直接法的设计与实现 方程（i）的LU求解 解向量 x = 1.0e+003 *1.5926 -0.6319 -0.4936 单位下三角阵 L = 1.0000 0 0 0.4219 1.0000 0 0.3279 -4.2006 1.0000 上三角阵 U=3.0100 6.0300 1.9900 0 1.6158 -2.0696 0 0 -0.0063 index = 1 方程（ii）的LU求解 解向量： x = -0.0000 -1.0000 1.0000 1.0000 单位下三角阵： L =1.0e+006 * 0.0000 0 0 0 -0.0000 0.0000 0 0 0.0000 -2.5000 0.0000 0 0.0000 -2.4000 0.0000 0.0000 上三角阵： U = 1.0e+007 * 0.0000 -0.0000 0 0.0000 0 -0.0000 0.0000 0.0000 0 0 1.5000 0.5750 0 0 0 0.0000 index = 1 LU分解法 LU分解法 function [x,L,U,index]=LU(A,b) A=LU Ly=b Ux=y 方程（i）的列主元求解 计算结果： 解向量： x = 1.0e+003 * 1.5926 -0.6319 -0.4936 行列式：det = -0.0305 index = 1 计算结果： 解向量 ：x = 0.0000 -1.0000 1.0000 1.0000 行列式 ：det