数值分析课程设计(版).pdf

摘要 本文主要通过Matlab 软件，对数值分析中的LU 分解法、最小二乘法、复化 Simpon 积分、Runge-Kutta 方法进行编程，并利用这些方法在MATLAB 中对一些 问题进行求解，并得出结论。 实验一线性方程组数值解法中，本文选取LU 分解法，并选取数据于《数值分 析》教材第5 章第153 页例5 进行实验。所谓LU 分解法就是将高斯消去法改写 为紧凑形式，可以直接从矩阵A 的元素得到计算L、U 元素的递推公式，而不需 要任何步骤。用此方法得到L、U 矩阵，从而计算Y、X。 实验二插值法和数据拟合中，本文选取最小二乘拟合方法进行实验，数据来源 于我们课堂学习该章节时的课件中的多项式拟合例子进行实验。最小二乘拟合是 一种数学上的近似和优化，利用已知的数据得出一条直线或者曲线，使之在坐标 系上与已知数据之间的距离的平方和最小。利用excel 的自带函数可以较为方便 的拟合线性的数据分析。 实验三数值积分中，本文选取复化Simpon 积分方法进行实验，通过将复化 1 Simpson 公式编译成MATLAB 语言求积分 ; 完成实验过程的同时，也对复化 ∫ 0 Simpon 积分章节的知识进行了巩固。 实验四常微分方程数值解，本文选取Runge-Kutta 方法进行实验，通过实验了 解Runge-Kutta 法的收敛性与稳定性同时学会了学会用Matlab 编程实现 Runge-Kutta 法解常微分方程，并在实验的过程中意识到尽管我们熟知的四种方 法，事实上，在求解微分方程初值问题，四阶法是单步长中最优秀的方法，通常 都是用该方法求解的实际问题，计算效果比较理想的。 实验五数值方法实际应用，本文采用最小二乘法拟合我国2001 年到2015 年的 人口增长模型，并预测2020 年我国人口数量。 关键词：Matlab；LU 分解法；最小二乘法；复化Simpon 积分；Runge-Kutta 目录 一．LU 分解法1 1.1 实验目的1 1.2 基本原理1 1.3 实验内容2 1.4 数据来源3 1.5 实验结论3 二．Lagrange 插值4 2.1 实验目的4 2.2 基本原理5 2.3 实验内容5 2.4 数据来源6 2.5 实验结论6 三．复化simpon 积分7 3.1 实验目的7 3.2 基本原理7 3.3 实验内容7 3.4 数据来源8 3.5 实验结论8 四．Runge-Kutta 方法9 4.1 实验目的9 4.2 基本原理9 4.3 实验内容10 4.4 数据来源11 4.5 实验结论11 五．数值方法实际应用11 5.1 实验目的11 5.2 基本原理12 5.3 实验内容12 5.4 数据来源13 5.5 实验结论13 总结16 参考文献17 一．LU 分解法 1.1 实验目的 [1] 了解LU 分解法的基本原理和方法； [2] 通过实例掌握用MATLAB 求线性方程组数值解的方法； [3] 编程实现LU 分解 1.2 基本原理 对于矩阵A，若存在一个单位下三角矩阵L 和一个上三角U，使得A =LU （1.1）。 11 ⋯ 1 1 ⋯ 0 11 ⋯ 1 即[ ⋮ ⋱ ⋮ ] = [ ⋮ ⋱ ⋮] [ ⋮ ⋱ ⋮ ] （1.2） 1 ⋯ 1 ⋯ 1 0 ⋯ 称上述分解为矩阵A 的LU 分解，也称为直接三角分解。 在式（1.2）中，利用矩阵L 的第一行与矩阵U 的各列相乘，可以得到矩阵U 的第1 行1 = 1 ( = 1,2, …, ) (1.3)。利用矩阵