数值分析实验报告5篇.docVIP

误差分析 实验1.1（问题） 实验目的：算法有“优”与“劣”之分，问题也有“好”与“坏”之别。对数值方法的研究而言，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。通过本实验可获得一个初步体会。 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 显然该多项式的全部根为1,2,…,20共计20个，且每个根都是单重的。现考虑该多项式的一个扰动 其中是一个非常小的数。这相当于是对（1.1）中的系数作一个小的扰动。我们希望比较（1.1）和（1.2）根的差别，从而分析方程（1.1）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”。 其中若变量a存储n+1维的向量，则该函数的输出u为一个n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 的输出b是一个n+1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。 上述简单的Matlab程序便得到（1.2）的全部根，程序中的“ess”即是（1.2）中的。 实验要求： 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（1.1）和（1.2）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？ 将方程（1.2）中的扰动项改成或其它形式，实验中又有怎样的现象出现？ （选作部分）请从理论上分析产生这一问题的根源。注意我们可以将方程（1.2）写成展开的形式， 同时将方程的解x看成是系数的函数，考察方程的某个解关于的扰动是否敏感，与研究它关于的导数的大小有何关系？为什么？你发现了什么现象，哪些根关于的变化更敏感？ 思考题一：（上述实验的改进） 在上述实验中我们会发现用roots函数求解多项式方程的精度不高，为此你可以考虑用符号函数solve来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab的帮助。 实验过程： 程序： a=poly(1:20); rr=roots(a); for n=2:21 n for m=1:9 ess=10^(-6-m); ve=zeros(1,21); ve(n)=ess; r=roots(a+ve); -6-m s=max(abs(r-rr)) end end 利用符号函数：（思考题一） a=poly(1:20); y=poly2sym(a); rr=solve(y) for n=2:21 n for m=1:8 ess=10^(-6-m); ve=zeros(1,21); ve(n)=ess; a=poly(1:20)+ve; y=poly2sym(a); r=solve(y); -6-m s=max(abs(r-rr)) end end 数值实验结果及分析： format long -6-m n -7 -8 -9 -10 2 2.79722687478331 1.86753632009158 1.06052762380748 0.25273144219047 3 1.69376699767424 0.92310666706964 0.08471614569741 0.40804026409411 4 0.85401393415536 0.19941022020061 0.03972935295834 0 5 0.11031100538871 0.04296532362844 0 0 6 0 0 0 0 7 0 0 0 0 8 0 0 0 0 9 0 0 0 0 10 0 0 0 0 11 0 0 0 0 12 0 0 0 0 13 0 0 0 0 14 0 0 0 0 15 0 0 0 0 16 0 0 0 0 17 0 0 0 0 18 0 0 0 0 19 0 0 0 0 20 0 0 0 0 21 0 0 0 0 -6-m n -11 -12 -13 -14 2 0.03877676439380 0.16256584868280 0.1332266401359