数值分析Matlab作业.docx
《数值分析Matlab作业.docx》由会员分享,可在线阅读,更多相关《数值分析Matlab作业.docx(24页珍藏版)》请在冰豆网上搜索。
![数值分析Matlab作业.docx](https://file1.bdocx.com/fileroot1/2023-1/9/5f304037-12bc-4830-8b67-53d4418d7f43/5f304037-12bc-4830-8b67-53d4418d7f431.gif)
数值分析Matlab作业
数值分析编程作业
2012年12月
第二章
14.考虑梯形电阻电路的设计,电路如下:
电路中的各个电流{i1,i2,…,i8}须满足下列线性方程组:
这是一个三对角方程组。
设V=220V,R=27
,运用追赶法,求各段电路的电流量。
Matlab程序如下:
functionchase()%追赶法求梯形电路中各段的电流量
a=input('请输入下主对角线向量a=');
b=input('请输入主对角线向量b=');
c=input('请输入上主对角线向量c=');
d=input('请输入右端向量d=');
n=input('请输入系数矩阵维数n=');
u
(1)=b
(1);
fori=2:
n
l(i)=a(i)/u(i-1);
u(i)=b(i)-c(i-1)*l(i);
end
y
(1)=d
(1);
fori=2:
n
y(i)=d(i)-l(i)*y(i-1);
end
x(n)=y(n)/u(n);
i=n-1;
whilei>0
x(i)=(y(i)-c(i)*x(i+1))/u(i);
i=i-1;
end
x
输入如下:
>>chase
请输入下主对角线向量a=[0,-2,-2,-2,-2,-2,-2,-2];
请输入主对角线向量b=[2,5,5,5,5,5,5,5];
请输入上主对角线向量c=[-2,-2,-2,-2,-2,-2,-2,0];
请输入方程组右端向量d=[220/27,0,0,0,0,0,0,0];
请输入系数矩阵阶数n=8
运行结果如下:
x=8.14784.07372.03651.01750.50730.25060.11940.0477
第三章
14.试分别用
(1)Jacobi迭代法;
(2)Gauss-Seidel迭代法解线性方程组
迭代初始向量
。
(1)雅可比迭代法程序如下:
functionjacobi()%Jacobi迭代法
a=input('请输入系数矩阵a=');
b=input('请输入右端向量b=');
x0=input('请输入初始向量x0=');
n=input('请输入系数矩阵阶数n=');
er=input('请输入允许误差er=');
N=input('请输入最大迭代次数N=');
fori=1:
n
forj=1:
n
ifi==j
d(i,j)=a(i,j);
else
d(i,j)=0;
end
end
end
m=eye(5)-d\a;%迭代矩阵
g=d\b;
x=m*x0+g;
k=1;
whilek<=N%进行迭代
fori=1:
5
ifmax(abs(x(i)-x0(i)))>er
x=m*x+g;
k=k+1;
else
x
return
end
end
continue
end
x
程序执行如下:
>>jacobi
请输入系数矩阵a=[101234;19-12-3;2-173-5;32312-1;4-3-5-115]
请输入右端向量b=[12-2714-1712]'
请输入初始向量x0=[00000]'
请输入系数矩阵阶数n=5
请输入允许误差er=1.0e-6
请输入最大容许迭代次数N=60
x=
1.0000
-2.0000
3.0000
-2.0000
1.0000
(2)高斯-赛德尔迭代法程序如下:
functiongs_sdl()%gauss-seiddel迭代法
a=input('请输入系数矩阵a=');
b=input('请输入右端向量b=');
x0=input('请输入初始向量x0=');
n=input('请输入系数矩阵阶数n=');
er=input('请输入允许误差er=');
N=input('请输入最大迭代次数N=');
fori=1:
n
forj=1:
n
ifi<=j
l(i,j)=0;
else
l(i,j)=-a(i,j);
end
end
end
fori=1:
n
forj=1:
n
ifiu(i,j)=-a(i,j);
else
u(i,j)=0;
end
end
end
fori=1:
n
forj=1:
n
ifi==j
d(i,j)=a(i,j);
else
d(i,j)=0;
end
end
end
m=(d-l)\u;%迭代矩阵
g=(d-l)\b;
x=m*x0+g;
k=1;
whilek<=N
fori=1:
5
ifmax(abs(x(i)-x0(i)))>er
x=m*x+g;
k=k+1;
else
x
return
end
end
continue
end
x
执行结果如下:
>>gs_sdl
请输入系数矩阵a=[101234;19-12-3;2-173-5;32312-1;4-3-5-115]
请输入右端向量b=[12-2714-1712]'
请输入初始向量x0=[00000]'
请输入系数矩阵阶数n=5
请输入允许误差er=1.0e-6
请输入最大容许迭代次数N=60
x=
1.0000
-2.0000
3.0000
-2.0000
1.0000
第四章
已知如下矩阵,试用幂法求按模最大的特征值与特征向量。
Matlab程序代码如下:
functionmifa()
A=input('请输入系数矩阵A=');
x0=input('请输入初始列向量x0=');
n=input('请输入向量维数n=');
er=input('请输入允许误差er=');
N=input('请输入最大容许迭代次数N=');
k=1;
mu=0;
whilek<=N
fort=1:
n
ifabs(x0(t))==max(abs(x0))
alfa=x0(t);
xb=t;%最大的x0(i)的下标
end
end
y=x0./alfa;
x0=A*y;
lamda=x0(xb);
k=k+1;
end
lamda%按模最大的特征值
x0%按模最大的特征值对应的特征向量
程序执行结果如下:
>>mifa
请输入系数矩阵A=[19066-8430;6630342-36;336-168147-112;30-3628291]
请输入初始列向量x0=[0001]'
请输入向量维数n=4
请输入允许误差er=1.0e-6
请输入最大容许迭代次数N=100
lamda=343.0000
x0=
114.3333
343.0000
-0.0000
-171.5002
第五章
试编写MATLAB函数实现Newton插值,要求能输出插值多项式。
对函数
在区间[-5,5]上实现10次多项式插值。
Matlab程序代码如下:
%此函数实现y=1/(1+4*x^2)的n次Newton插值,n由调用函数时指定
%函数输出为插值结果的系数向量(行向量)和插值多项式
function[ty]=func5(n)
x0=linspace(-5,5,n+1)';
y0=1./(1.+4.*x0.^2);
b=zeros(1,n+1);
fori=1:
n+1
s=0;
forj=1:
i
t=1;
fork=1:
i
ifk~=j
t=(x0(j)-x0(k))*t;
end;
end;
s=s+y0(j)/t;
end;
b(i)=s;
end;
t=linspace(0,0,n+1);
fori=1:
n
s=linspace(0,0,n+1);
s(n+1-i:
n+1)=b(i+1).*poly(x0(1:
i));
t=t+s;
end;
t(n+1)=t(n+1)+b
(1);
y=poly2sym(t);
10次插值运行结果:
[bY]=func5(10)
b=
Columns1through4
-0.00000.00000.0027-0.0000
Columns5through8
-0.0514-0.00000.3920-0.0000
Columns9through11
-1.14330.00001.0000
Y=
-(7319042784910035*x^10)/147573952589676412928+x^9/18446744073709551616+(256*x^8)/93425-x^7/1152921504606846976-(28947735013693*x^6)/562949953421312-(3*x^5)/72057594037927936+(36624*x^4)/93425-(5*x^3)/36028797018963968-(5148893614132311*x^2)/4503599627370496+(7*x)/36028797018963968+1
b为插值多项式系数向量,Y为插值多项式。
插值近似值:
x1=linspace(-5,5,101);
x=x1(2:
100);
y=polyval(b,x)
y=
Columns1through12
2.70033.99944.35154.09743.49262.72371.92111.17150.52740.0154-0.3571-0.5960
Columns13through24
-0.7159-0.7368-0.6810-0.5709-0.4278-0.2704-0.11470.02700.14580.23600.29490.3227
Columns25through36
0.32170.29580.25040.19150.12550.0588-0.0027-0.0537-0.0900-0.1082-0.1062-0.0830
Columns37through48
-0.03900.02450.10520.20000.30500.41580.52800.63690.73790.82690.90020.9549
Columns49through60
0.98861.00000.98860.95490.90020.82690.73790.63690.52800.41580.30500.2000
Columns61through72
0.10520.0245-0.0390-0.0830-0.1062-0.1082-0.0900-0.0537-0.00270.05880.12550.1915
Columns73through84
0.25040.29580.32170.32270.29490.23600.14580.0270-0.1147-0.2704-0.4278-0.5709
Columns85through96
-0.6810-0.7368-0.7159-0.5960-0.35710.01540.52741.17151.92112.72373.49264.0974
Columns97through99
4.35153.99942.7003
绘制原函数和拟合多项式的图形代码:
plot(x,1./(1+4.*x.^2))
holdall
plot(x,y,'r')
xlabel('X')
ylabel('Y')
title('Runge现象')
gtext('原函数')
gtext('十次牛顿插值多项式')
绘制结果:
误差计数并绘制误差图:
holdoff
ey=1./(1+4.*x.^2)-y
ey=
Columns1through12
-2.6900-3.9887-4.3403-4.0857-3.4804-2.7109-1.9077-1.1575-0.5128-0.00000.37330.6130
Columns13through24
0.73390.75580.70100.59210.45020.29430.14010.0000-0.1169-0.2051-0.2617-0.2870
Columns25through36
-0.2832-0.2542-0.2053-0.1424-0.0719-0.00000.06740.12540.16960.19710.20620.1962
Columns37through48
0.16790.12340.06600.0000-0.0691-0.1349-0.1902-0.2270-0.2379-0.2171-0.1649-0.0928
Columns49through60
-0.02710-0.0271-0.0928-0.1649-0.2171-0.2379-0.2270-0.1902-0.1349-0.06910.0000
Columns61through72
0.06600.12340.16790.19620.20620.19710.16960.12540.06740.0000-0.0719-0.1424
Columns73through84
-0.2053-0.2542-0.2832-0.2870-0.2617-0.2051-0.11690.00000.14010.29430.45020.5921
Columns85through96
0.70100.75580.73390.61300.37330.0000-0.5128-1.1575-1.9077-2.7109-3.4804-4.0857
Columns97through99
-4.3403-3.9887-2.6900
plot(x,ey)
xlabel('X')
ylabel('ey')
title('Runge现象误差图')
第六章
16、钢包问题。
炼钢唱出钢时所用的盛钢水的钢包,在使用过程中由于钢液及炉渣对包衬耐火材料的侵蚀,使其容积不断增大.经实验,钢包的容积与相应的使用次数的数据如下:
使用次数x容积y
使用次数x容积y
2106.42
3108.26
5109.58
6109.50
7109.86
9110.00
10109.93
11110.59
12110.60
14110.72
16110.90
17110.76
19111.10
20111.30
选用双曲线
对数据进行拟合,使用最小二乘法拟合.
Matlab程序如下:
functiona=nihehanshu()
x0=[2356791011121416171920];
y0=[106.42108.26109.58109.50109.86110.00109.93110.59110.60110.72110.90110.76111.10111.30];
A=zeros(2,2);
B=zeros(2,1);
a=zeros(2,1);
x=1./x0;
y=1./y0;
A(1,1)=14;
A(1,2)=sum(x);
A(2,1)=A(1,2);
A(2,2)=sum(x.^2);
B
(1)=sum(y);
B
(2)=sum(x.*y);
a=A\B;
y=1./(a
(1)+a
(2)*1./x0);
subplot(1,2,2);
plot(x0,y0-y,'bd-');
title('拟合曲线误差');
subplot(1,2,1);
plot(x0,y0,'go');
holdon;
x=2:
0.5:
20;
y=1./(a
(1)+a
(2)*1./x);
plot(x,y,'r*-');
legend('散点','拟合曲线图1/y=a
(1)+a
(2)*1/x');
title('最小二乘法拟合曲线');
求的系数为:
0.00900.0008
则拟合曲线为
拟合曲线图、散点图、误差图如下:
第七章
26.考纽螺线的形状像钟表的发条,也称回旋曲线,它在直角坐标系中的参数方程为
曲线关于原点对称。
取a=1,参数s的变化范围[-5,5],容许误差限分别是10-3和10-7。
选取适当的节点个数,利用数值积分方法计算曲线上点的坐标,并画出曲线的图形。
程序代码如下所示:
functionhuixuan()%用梯形公式的逐次分半算法计算回旋曲线上点的坐标
er=input('请选择允许误差1.0e-3或1.0e-7:
');
i=1;%x向量分量的下标
fors=-5:
0.1:
5
m=1;
b=s;
a=0;
h=(b-a)/2;
fx1=cos(a^2/2);
fx2=cos(b^2/2);
T=h*(fx1+fx2);
T0=5;
whileabs(T-T0)>3*er
Fx=0;
T0=T;
fork=1:
2^(m-1)%计算新增加节点处的函数值之和
fx3=cos((a+(2*k-1)*h)^2/2);
Fx=Fx+fx3;
end
T=T0/2+h*Fx;
m=m+1;
h=h/2;
end
x(i)=T;
i=i+1;
end
j=1;%y向量分量的下标
fors=-5:
0.1:
5
n=1;
b=s;
a=0;
h=(b-a)/2;
fy1=sin(a^2/2);
fy2=sin(b^2/2);
T=h*(fy1+fy2);
T0=5;
whileabs(T-T0)>3*er
Fy=0;
T0=T;
fork=1:
2^(n-1)
fy3=sin((a+(2*k-1)*h)^2/2);
Fy=Fy+fy3;
end
T=T0/2+h*Fy;
n=n+1;
h=h/2;
end
y(j)=T;
j=j+1;
end
plot(x,y,'k*',x,y,'k');
ifer==1.0e-3
title('er=1.0e-3');
else
title('er=1.0e-7');
end
程序执行结果如下:
>>huixuan
请选择允许误差1.0e-3或1.0e-7:
1.0e-3
>>huixuan
请选择允许误差1.0e-3或1.0e-7:
1.0e-7
第八章
20.求方程
在
附近的根,精确到
。
(1)取
,用简单迭代法
计算;
(2)用加快收敛的迭代格式
,
计算。
程序及计算过程如下:
建一M文件f.m存储函数,
functionf=f(x)
f=exp(-x);
取
用简单迭代法
计算,Matlab程序如下:
function[x,i]=diedai1(x0)
x=f(x0);
i=1;
y(i)=x;
whileabs(x-x0)>10^-8
i=i+1;
x0=x;
x=f(x);
y(i)=x;
end
取初始值x0=0.5,输入[x,i]=diedai1(0.5)得结果
x=
0.567143287611168
i=
30
可以看出用简单收敛法经过30次迭代达到精度要求。
用加速收敛法的迭代格式
计算,程序如下:
function[x,i]=diedai2(x0)
w=0.625;
x=w*f(x0)+(1-w)*x0;
i=1;
y(i)=x;
whileabs(x-x0)>10^-8
i=i+1;
x0=x;
x=w*f(x)+(1-w)*x;
y(i)=x;
end
同样取x0=0.5,得
x=
0.567143290310401
i=
5
结果比较
简单迭代法和加速迭代格式的比较
i
x
简单迭代法
30
0.56714328761116
加速的迭代格式
5
0.567143290310401
可见,加速迭代格式收敛比简单迭代格式快。
第九章
设有常微分方程初值问题
其精确解为
。
选取步长使四阶Adams预测-校正算法和经典RK法均稳定,分别用这两种方法求解微分方程,将数值解与精确解进行比较,输出结果。
其中多步法需要的初值由经典RK法提供。
(1)用经典四阶RK法求解,程序代码如下:
functionclassic_rk4()
n=input('请输入插值节点数n=');
y
(1)=1;
f0
(1)=1;%f0=cosx+sinx为精确值
h=pi/n;%步长
x=0:
h:
pi;
k=2;
eps=1.0e-3;
fork=1:
n
f0(k+1)=cos(x(k))+sin(x(k));
k1=-y(k)+2*cos(x(k));
k2=-(y(k)+h*k1/2)+2*cos(x(k)+h/2);
k3=-(y(k)+h*k2/2)+2*cos(x(k)+h/2);
k4=-(y(k)+h*k3)+2*cos(x(k)+h);
y(k+1)=y(k)+h/6*(k1+2*k2+2*k3+k4);
end
subplot(3,1,1);
plot(x,f0,'k');
title('y=cosx+sinx');
subplot(3,1,2);
plot(x,y,'k');
title('经典四阶RK法');
subplot(3,1,3);
T=y-f0;%计算经典四阶RK法的误差
plot(x,T,'k');
title('经典四阶RK法的误差');
程序执行结果如下:
>>classic_rk4
请输入插值节点数n=3000
(2)用四阶Adams预测-校正算法求解,程序代码如下:
functionadams4()
n=input('请输入插值节点数n=');
h=(pi-0)/n;
x=0:
h:
pi;
fork=1:
n+1
f0(k)=cos(x(k))+sin(x(k));%f0=cosx+sinx为精确值
end
y
(1)=1;
fork=2:
4%用四阶RK法获得起步值