getchar();
}//主函数结束
//*******************************************************************
doublenewtonz(doublex)//牛顿迭代子函数
{
doublex1=0.0,t;
t=(7*pow(x,6)-4*28*pow(x,3));
if(t==0)
exit(0);
x1=(x-((pow(x,7)-28*pow(x,4)+14)/t));
returnx1;
}
double*newton(doublea,doubleb,doubleeps)//牛顿迭代函数
{
doublex0=0.0,x1=1.0,x2=0.0,re[2];
intk=0;
x0=a;
while(x0>eps)//代入a迭代计算
{
k++;
x2=x1;
x1=newtonz(x1);//调用牛顿迭代子函数
x0=fabs(x1-x2);
}re[0]=x1;
x0=b,k=0;
while(x0>eps)//代入b迭代计算
{
k++;
x2=x1;
x1=newtonz(x1);//调用牛顿迭代子函数
x0=fabs(x1-x2);
}re[1]=x1;
returnre;
}
1.3计算结果打印
1.4MATLAB上机程序
functiony=Newton(f,df,x0,eps,M)
d=0;
fork=1:
M
iffeval(df,x0)==0
d=2;break
else
x1=x0-feval(f,x0)/feval(df,x0);
end
e=abs(x1-x0);
x0=x1;
ife<=eps&&abs(feval(f,x1))<=eps
d=1;break
end
end
ifd==1
y=x1;
elseifd==0
y='迭代M次失败';
else
y='奇异'
end
functiony=df(x)
y=7*x^6-28*4*x^3;
End
functiony=f(x)
y=x^7-28*x^4+14;
End
>>x0=1.9;
>>eps=0.00001;
>>M=100;
>>x=Newton('f','df',x0,eps,M);
>>vpa(x,7)
1.5问题讨论
1.需注意的是,要使用Newton迭代法须
满足定理中的条件Ⅰ,Ⅱ,Ⅲ,以及
·
>0。
要用误差范围来控制循环的次数,保证循环的次数和质量,编写程序过程中要注意标点符号的使用,正确运用适当的标点符号,Newton迭代法是局部收敛的,在使用时应先确定初始值,否则所得的解可能不在所要求的范围内。
(3)因为newton法求方程是平方收敛的,所以较为精确,但是要求出函数的导数,且必须有二阶导数。
第二题
2.已知函数值如下表:
1
2
3
4
5
0
0.69314718
1.0986123
1.3862944
1.6094378
6
7
8
9
10
1.7917595
1.9459101
2.079445
2.1972246
2.3025851
=1
=0.1
试用三次样条插值求
及
的近似值。
2.1理论依据及方法应用条件
三次样条插值函数可定义为:
对于[a,b]上的一个划分∏
a=2)
如果定义在[a,b]上的函数S(x),满足
(1).在[xi,xi+1]上为3次多项式;
(2).S(x),S'(x),S"(x)在[a,b]上连续,则称S(x)在[a,b]上划分
的3次样条函数,如果对于
,
还满足
,
,则称
为
的三次样条插值函数。
其基本思想是对均匀分划的插值函数的构造,三次样条函数空间中1,x,,x2,x3,(x-xj)+3为基函数,而取B样条函数Ω3((x-xj)/h)为基函数.由于三次样条函数空间是N+3维的,故我们把分点扩大到X-1,XN+1,则任意三次样条函数可用Ω3((x-xj)/h)线性组合来表示S(x)=
cjΩ3((x-xj)/h)这样对不同插值问题,若能确定cj由解的唯一性就能求得S(x)。
由s(xi)=yi,I=1,2,…Ns’(x0)=y0’,s’(xN)=yN’可得
S(xi)=
cjΩ3((xi-xj)/h)=yi
S’(x0)=1/h
cjΩ3’((x0-xj)/h)=y’0
S’(xN)=1/h
cjΩ3’((xN-xj)/h)=y’N
2.2计算程序
#include
#include
#defineN10/*宏定义*/
main()
{
floats,ds,t;
floatdy0=1,dy9=0.1;
intj;
intx[N]={1,2,3,4,5,6,7,8,9,10};
floaty[N]={0,0.69314718,1.0986123,1.3862944,1.6094378,
1.7917595,1.9459101,2.079445,2.1972246,2.3025851};
intb[N]={2,2,2,2,2,2,2,2,2,2},h[N-1];
floatd[N],u[N-1],v[N-1],a[N-1],c[N-1],B[N],l[N-1],p[N],X[N];
for(j=1;j<=9;j++)
h[j-1]=x[j]-x[j-1];
d[0]=6/h[0]*(y[1]/h[0]-y[0]/h[0]-dy0);
d[9]=6/h[8]*(dy9-y[9]/h[8]+y[8]/h[8]);
for(j=1;j<=8;j++)
d[j]=6/(h[j-1]+h[j])*(y[j+1]/h[j]-y[j]/h[j]-y[j]/h[j-1]+y[j-1]/h[j-1]);
for(u[8]=1,j=0;j<=7;j++)
u[j]=h[j-1]/(h[j-1]+h[j]);
for(v[0]=1,j=1;j<=8;j++)
v[j]=h[j]/(h[j-1]+h[j]);
for(j=0;j<=8;j++)
a[j]=u[j];
for(j=0;j<=8;j++)
c[j]=v[j];
for(B[0]=b[0],j=1;j<=9;j++)/*追赶法求解三弯矩方程*/
B[j]=b[j]-a[j]/B[j-1]*c[j-1];
for(j=1;j<=9;j++)
l[j]=a[j]/B[j-1];
for(j=1;j<=9;j++)
p[j]=d[j]-l[j]*p[j-1];
X[9]=p[9]/B[9];
for(j=8;j>=0;j--)
X[j]=p[j]/B[j]-c[j]*X[j+1]/B[j];
t=4.563;
s=X[3]*pow((x[4]-t),3)/6/h[3]+X[4]*pow((t-x[3]),3)/6/h[3]+
(y[3]-X[3]*h[3]*h[3]/6)*(x[4]/h[3]-t/h[3])+
(y[4]-X[4]*h[3]*h[3]/6)*(t/h[3]-x[3]/h[3]);/*解f(x)的值*/
ds=-X[3]*pow((x[4]-t),2)/2/h[3]+X[4]*pow((t-x[3]),2)/2/h[3]-
(y[3]-X[3]*h[3]*h[3]/6)/h[3]+(y[4]-X[4]*h[3]*h[3]/6)/h[3];/*解f’(x)的值*/
printf("s=%f\nds=%f\n",s,ds);/*打印结果*/
}
2.3计算结果打印
2.4MATLAB上机程序
functionQ=san(ssss,p)
Q=zeros(2,1);
x=[1;2;3;4;5;6;7;8;9;10];
y=[0;0.69314718;1.0986123;1.3862944;1.6094378;1.7917595;1.9459101;2.079445;2.1972246;2.3025851];
h=zeros(10,1);
d=zeros(10,1);
u=zeros(10,1);
v=zeros(10,1);
r=zeros(10,1);
l=zeros(10,1);
z=zeros(10,1);
m=zeros(10,1);
fort=1:
1:
9;
h(t)=x(t+1)-x(t);
end
d
(1)=6/h
(1)*((y
(2)-y
(1))/h
(1)-1);
d(10)=6/h(9)*(0.1-(y(10)-y(9))/h(9));
fort=1:
1:
8
u(t+1)=h(t)/(h(t)+h(t+1));
v(t+1)=1-u(t+1);
d(t+1)=6/(h(t)+h(t+1))*((y(t+2)-y(t+1))/(x(t+2)-x(t+1))-(y(t+1)-y(t))/(x(t+1)-x(t)));
end
u(10)=1;v
(1)=1;r
(1)=d
(1);
fort=2:
1:
10
l(t)=u(t)/r(t-1);
r(t)=d(t)-l(t)*v(t-1);
end
z
(1)=d
(1);
fort=2:
1:
10
z(t)=d(t)-l(t)*z(t-1);
end
m(10)=z(10)/r(10);
fort=9:
-1:
1
m(t)=(z(t)-v(t)*m(t+1))/r(t);
end
fort=1:
1:
10
ifp>=t&&p<(t+1)
Q(:
1)=feval(ssss,p,t,x,m,h,y);break
end
end
functionQ=ssss(p,t,x,m,h,y)
Q=zeros(2,1);
Q(1,1)=((power((x(t+1)-p),3)*m(t)+power((p-x(t)),3)*m(t+1))/6+(y(t)-m(t)*h(t)*h(t)/6)*(x(t+1)-p)+(y(t+1)-m(t+1)*h(t)*h(t)/6)*(p-x(t)))/h(t);
Q(2,1)=(-(power((x(t+1)-p),2)*m(t)+power((p-x(t)),2)*m(t+1))/2+(y(t)-m(t)*h(t)*h(t)/6)+(y(t+1)-m(t+1)*h(t)*h(t)/6))/h(t);
end
2.5问题讨论
1.若要用追赶法求解三对角方程组,三对角阵需要满足:
(i=1,2,…,n)均非奇异,保证
有唯一的Doolittle分解;
≠0;
2.样条插值效果比Lagrange插值好,三次样条插值的解存在且唯一,近似误差较小.并且没有Runge现象。
第三题
3.用Romberg算法求
(允许误差ε=0.00001)。
3.1理论依据及方法应用条件
数值积分的Romberg算法计算步骤如下:
当
时,就停机。
3.2计算程序
#include
#include
#defineN9
floatf(floatx)/*定义函数f(x)*/
{
floaty;
y=pow(3,x)*pow(x,1.4)*(5*x+7)*sin(x*x);
return(y);
}
main()
{
floatT[N+1][N+1],h[N+1],a=1,b=3,m[N+1];
inti,l;
T[1][0]=(b-a)*(f(a)+f(b))/2;
l=1;
while(l<=N)
{
m[l]=0;
for(i=1;i<=(pow(2,l-1));i++)
m[l]+=f(a+(2*i-1)*(b-a)/pow(2,l));
T[1][l]=(T[1][l-1]+(b-a)*m[l]/pow(2,l-1))/2;
l++;
}
i=1;
while(i<=N)
{
for(l=1;l<=N-i+1;l++)
T[i+1][l-1]=(pow(4,i)*T[i][l]-T[i][l-1])/(pow(4,i)-1);
h[i]=T[i][0]-T[i+1][0];
if(fabs(h[i])<=1e-5)break;
i++;
}
printf("Theansweris:
%f",T[i+1][0]);
}
3.3计算结果打印
3.4MATLAB上机程序
function[T,n]=mromb(f,a,b,eps)
ifnargin<4,eps=1e-6;end
h=b-a;
R(1,1)=(h/2)*(feval(f,a)+feval(f,b));
n=1;J=0;err=1;
while(err>eps)
J=J+1;h=h/2;S=0;
fori=1:
n
x=a+h*(2*i-1);
S=S+feval(f,x);
end
R(J+1,1)=R(J,1)/2+h*S;
fork=1:
J
R(J+1,k+1)=(4^k*R(J+1,k)-R(J,k))/(4^k-1);
end
err=abs(R(J+1,J+1)-R(J+1,J));
n=2*n;
end
R;
T=R(J+1,J+1);
formatlong
f=@(x)(3.^x)*(x.^1.4)*(5*x+7)*sin(x*x);
[T,n]=mromb(f,1,3,1.e-5)
3.5问题讨论
1、Romberge算法的优点是:
a、把积分化为代数运算,而实际上只需求T1(i),以后用递推可得。
b、算法简单且收敛速度快,一般4或5次即能达到要求。
c、节省存储量,算出的可存入。
2、Romberge算法的缺点是:
a、对函数的光滑性要求较高。
b、计算新分点的值时,这些数值的个数成倍增加。
第四题
4.用定步长四阶Runge-Kutta法求解
打印
4.1理论依据及方法应用条件
Runge-Kutta法的基本思想:
不是按Taylor公式展开,而是先写成
处附近的值的线性组合(有待定系数),再按Taylor公式展开,然后确定待定常数。
四阶古典Runge-Kutta公式:
4.2计算程序
#include
intmain()
{
inti;
doubleh=0.0005;
doublek1,k2,k3,k4;
doubley1=0.0,y2=0.0,y3=0.0;
for(i=1;i<=200;i++)
{
k1=k2=k3=k4=h*1.0;
y1+=(k1+2*k2+2*k3+k4)/6;
k1=k2=k3=k4=h*y3;
y2+=(k1+2*k2+2*k3+k4)/6;
k1=h*(1000-1000*y2-100*y3);
k2=h*(1000-1000*y2-100*(y3+0.5*k1));
k3=h*(1000-1000*y2-100*(y3+0.5*k2));
k4=h*(1000-1000*y2-100*(y3+k3));
y3+=(k1+2*k2+2*k3+k4)/6;
if(i==50)
{
printf("\ny1(0.025)=%fy2(0.025)=%fy3(0.025)=%f",y1,y2,y3);
continue;
}
if(i==90)
{
printf("\ny1(0.045)=%fy2(0.045)=%fy3(0.045)=%f",y1,y2,y3);
continue;
}
if(i==170)
{
printf("\ny1(0.085)=%fy2(0.085)=%fy3(0.085)=%f",y1,y2,y3);
continue;
}
if(i==200)
printf("\ny1(0.100)=%fy2(0.100)=%fy3(0.100)=%f\n\n",y1,y2,y3);
}
}
4.3计算结果打印
4.4MATLAB上机程序
functionY=R_K(df1,a,b,h)
m=(b-a)/h;
Y=zeros(3,1);
S=zeros(3,1);
K=zeros(3,4);
x=a;y1=a;y2=a;y3=a;
forn=1:
m
K(:
1)=feval(df1,x,y1,y2,y3);
x=x+0.5*h;S(:
1)=Y+0.5*h.*K(:
1);
y1=S(1,1);y2=S(2,1);y3=S(3,1);
K(:
2)=feval(df1,x,y1,y2,y3);
S(:
1)=Y+0.5*h.*K(:
2);
y1=S(1,1);y2=S(2,1);y3=S(3,1);
K(:
3)=feval(df1,x,y1,y2,y3);
x=x+0.5*h;S(:
1)=Y+h.*K(:
3);
y1=S(1,1);y2=S(2,1);y3=S(3,1);
K(:
4)=feval(df1,x,y1,y2,y3);
Y=Y+h.*(K(:
1)+2.*K(:
2)+2.*K(:
3)+K(:
4))/6;
end
functionZ=df1(x,y1,y2,y3)
Z=zeros(3,1);
Z
(1)=0*x+0*y1+0*y2+0*y3+1;
Z
(2)=0*x+0*y1+0*y2+1*y3;
Z(3)=0*x+0*y1-1000*y2-100*y3+1000;
end
4.5问题讨论
1.定步长四阶runge-kutta法稳定,精度高,可根据有
变化的情况与需要的精度自动修改步长,误差小且程序简单,存储量少。
2.但是Runge-Kutta法需要每步都计算函数值
四次,在函数较复杂时,工作量就会变得较大,可靠性有待核查。
第五题
5.已知A与b
A=
12.38412
2.115237
-1.061074
1.112336
-0.113584
0.718719
1.742382
3.067813
-2.031743
2.115237
19.141823
-3.125432
-1.012345
2.189736
1.563849
-0.784156
1.112348
3.123124
-1.061074
-3.125432
15.567914
3.123848
2.031454
1.836742
-1.056781
0.336993
-1.010103
1.112336
-1.012345
3.123848
27.108437
4.101011
-3.741856
2.101023
-0.71828
-0.037585
-0.113584
2.189736
2.031454
4.101011
19.897918
0.431637
-3.111223
2.121314
1.784317
0.718719
1.563849
1.836742
-3.741856
0.431637
9.789365
-0.103458
-1.103456
0.238417
1.742382
-0.784165
-1.056781
2.101023
-3.111223
-0.103458
14.713846
3.1237