计算方法上机实验题1~6.docVIP

实验一：误差传播与算法稳定性 实验目的：体会稳定性在选择算法中的地位。 实验内容：考虑一个简单的由积分定义的序列 其中为参数，分别对及按下列两种方法计算。 方案1：用递推公式 递推初值可由积分直接得 方案2：用递推公式 根据估计式 当时，或 当时， 取递推初值 当时， 当时， 实验要求：列出结果，并对其稳定性进行分析比较，说明原因。 实验二：非线性方程数值解法 实验目的：探讨不同方法的计算效果和各自特点 实验内容：应用算法（1）牛顿法；（2）割线法 实验要求： （1）用上述各种方法，分别计算下面的两个例子。在达到精度相同的前提下，比较其迭代次数。 （I），取； II ，取； 取其它的初值，结果如何？反复选取不同的初值，比较其结果； 总结归纳你的实验结果，试说明各种方法的特点。 实验三：选主元高斯消去法----主元的选取与算法的稳定性 问题提出：Gauss消去法是我们在线性代数中已经熟悉的。但由于计算机的数值运算是在一个有限的浮点数集合上进行的，如何才能确保Gauss消去法作为数值算法的稳定性呢？Gauss消去法从理论算法到数值算法，其关键是主元的选择。主元的选择从数学理论上看起来平凡，它却是数值分析中十分典型的问题。 实验内容：考虑线性方程组 编制一个能自动选取主元的求解线性方程组的Gauss消去过程。 实验要求： （1）取矩阵，则方程有解。取n 10计算，让程序自动选取主元，结果如何？ （2）现在每步消去过程总选取按模最小或按模尽可能小的元素作为主元，观察并记录计算结果。若每步消去过程总选取按模最大的元素作为主元，结果又如何？分析实验的结果。 （3）取矩阵阶数n 20或者更大，重复上述实验过程，观察记录并分析不同的问题及消去过程中选择不同的主元时计算结果的差异，说明主元素的选取在消去过程中的作用。 （4）将上述矩阵A中的主元改为0.00006再重新作一次数值实验看看。 （5）选取其他你感兴趣的问题或者随机生成矩阵，重复上述实验，观察记录并分析实验结果。 实验四：线性方程组的迭代解法 实验目的：研究对比Jacobi迭代法与G-S迭代法。 实验内容：分别用Jacobi迭代法与G-S迭代法求解下列方程组。 （1）， （2）， （3）， （4）， 取迭代初值 实验要求： （1）编程求解，并与精确解对比； （2）考查迭代法的收敛性，若收敛，对比两种方法的收敛速度。 实验五：插值（从以后两个实验中任选其一） 实验5.1：多项式插值的振荡现象 问题提出：考虑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。我们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（Runge）给出一个例子是极著名并富有启发性的。设区间[-1,1]上函数 实验内容：考虑区间[-1,1]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： （1） 选择不断增大的分点数目n 2,3….，如果所用软件能够画图则画出原函数f x 及插值多项式函数在[-1，1]上的图像，比较并分析实验结果；如果不能够画图，则列出函数f x 及插值多项式函数在[-1，1]上部分函数值，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[a,b]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5.2：Lagrange插值法和Newton插值法 实验目的：掌握Lagrange插值法和Newton插值法 问题提出：设，已知的函数值表： 0 0.1 0.2 0.3 0.4 0.5 0.5398 0.5793 0.6179 0.7554 用插值法求和的近似值 实验内容： （1）分别用Lagrange插值法和Newton插值法编程求解。 （2）求出插值多项式的系数，对比计算结果。 实验要求： （1）分析这两种插值方法的时间复杂度； （2）测量计算时间，并与理论分析结果对比。为测量计算时间，可计算出很多点的函数值； 实验六：数值积分 实验目的：练习使用基本的复化求积公式计算积分近似值 实验内容：计算下列程式右端定积分的近似值 （1）（2） （3）（4） 实验要求： （1）若用复化梯形公式、复化Simpson公式作计算，要求绝对误差限为，分别利用它们的余项对每种算法作出步长的事前估计。 分别用复化梯形公式、复化Simpson公式作计算，列出实验结果。