數(shù)值計算實驗指導(dǎo)書new_第1頁
數(shù)值計算實驗指導(dǎo)書new_第2頁
數(shù)值計算實驗指導(dǎo)書new_第3頁
數(shù)值計算實驗指導(dǎo)書new_第4頁
數(shù)值計算實驗指導(dǎo)書new_第5頁
已閱讀5頁,還剩3頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、數(shù)值計算方法(一)實驗指導(dǎo)書一、 基本情況 課程名稱:數(shù)值計算方法(一) 課程編號:01024002, 01025002, 01825059, 01826059 課程學(xué)時:授課 50學(xué)時, 上機(jī)實驗 20學(xué)時 適用專業(yè):信息與計算科學(xué)、數(shù)學(xué)與應(yīng)用數(shù)學(xué)、數(shù)學(xué)物理力學(xué)綜合班等理科本科生 使用教材:數(shù)值計算方法(一) 上海大學(xué)數(shù)學(xué)系編 數(shù)值實驗:1)Lagrange插值多項式 2) Newton差商插值法 3)Aitken逐次線性插值法 4)等距節(jié)點情況下的Newton差分插值法 5)兩點三次Hermite插值法 6)Lagrange插值余項的極小化法求近似最佳一致逼近多項式 7)Newton-co

2、tes型求積公式 8)Romberg算法9)Gauss型求積公式10)Remes算法(機(jī)動) 實驗環(huán)境:裝有FORTRAN 4.0以上系統(tǒng)或C語言系統(tǒng)的微型計算機(jī) 實驗要求: 在上機(jī)實驗時完成相應(yīng)實驗的算法的程序編制,并上機(jī)運行,學(xué)會應(yīng)用這些算法于實際問題,以便對算法有更進(jìn)一步的認(rèn)識和理解。考察和體會數(shù)值計算中出現(xiàn)的一些問題和現(xiàn)象: 誤差的估計,算法的穩(wěn)定性、收斂性、收斂速度以及迭代初值對收斂的影響等。二、實驗內(nèi)容(一)實驗一:Lagrange插值多項式1、 目的:學(xué)會Lagrange插值算法,并應(yīng)用算法于實際問題;觀察Lagrange插值的龍格現(xiàn)象。2、 例題:1)取正弦函數(shù); 2)取函數(shù)

3、3、 要求:要求用鍵盤輸入,程序具有通用性.1)以0.32,0.34,0.36為節(jié)點,分別用線性插值和拋物插值求正弦函數(shù) 在0.3367處的近似值;線性插值場合,比較內(nèi)插與外插.2)分別取節(jié)點數(shù) 的等距節(jié)點為插值點,構(gòu)造 出 ,并畫出其圖形,與 的圖形比較; 觀察在 附近的現(xiàn)象,寫出分析結(jié)果。4、公式:Lagrange插值多項式:,其中 (二)實驗二:Newton差商插值法1、目的:學(xué)會Newton差商插值法,并應(yīng)用算法于實際問題.2、例題:取函數(shù) 3、要求:已知 用Newton差商插值法求4次Newton差商插值多項式在2.15處的值,以此作為函數(shù)值的近似值 4、公式:Newton差商插值多

4、項式: 其中、依次為一 階、二階、階差商.(三)實驗三:Aitken逐次線性插值法1、目的:學(xué)會Aitken逐次線性插值法,并應(yīng)用算法于實際問題.2、例題:取雙曲正弦函數(shù) .3、要求:已知 用Aitken逐次線性插值法求在0.23處的具有六位正確的有效數(shù)字的近似值 ,要求一旦達(dá)到指定的精度,計算便自動結(jié)束.4、 公式:Aitken逐次線性插值公式: 而(四)實驗四:等距節(jié)點情況下的Newton差分插值法1、目的:學(xué)會等距節(jié)點情況下的Newton差分插值法,特別是Newton前插公式.并應(yīng)用該算法于實際問題.2、例題:取函數(shù) 1、 要求:已知 用Newton前插公式求的近似值 .4、公式:New

5、ton前插公式: 其中 而 、依次為函數(shù)在處以為步長的一階、二階、階向前差分.(五)實驗五:兩點三次Hermite插值法1、目的:學(xué)會兩點三次Hermite插值法,并應(yīng)用該算法于實際問題.2、例題:取函數(shù) 3、要求:已知 用兩點三次Hermite插值公式求在2.45處的近似值 .4、公式:兩點三次Hermite插值公式: (六)實驗六:Lagrange插值余項的極小化法求近似最佳一致逼近多項式1、目的:學(xué)會用Lagrange插值余項的極小化法求近似最佳一致逼近多項式(即用次Tchebycheff多項式的零點為插值節(jié)點構(gòu)作Lagrange插值多項式),并應(yīng)用該算法于實際問題.2、例題:取函數(shù) 3

6、、要求:取,以 為節(jié)點, 構(gòu)作Lagrange插值多項式,這就是函數(shù)的4次近似最佳一致逼近多項式.取等,插值來檢驗逼近效果.4、公式:同Lagrange插值法.(七)實驗七:Newton-cotes型求積公式1、目的:學(xué)會Newton-cotes型求積公式,并應(yīng)用該算法于實際問題.2、例題:取定積分 3、要求:選擇等分?jǐn)?shù),用復(fù)化Simpson求積公式求上述定積分的誤差不超過 的近似值,已知定積分的準(zhǔn)確值為-12.0703463162、 公式:復(fù)化Simpson求積公式:其中 ,(八)實驗八:Romberg算法1、目的:學(xué)會數(shù)值求積的Romberg算法,并應(yīng)用該算法于實際問題.2、例題:求定積分

7、 3、要求:要求程序不斷加密對積分區(qū)間的等分,自動地控制Romberg算法中的加速收斂過程,直到定積分近似值的誤差不超過為止,輸出求得的 定積分近似值.4、公式:數(shù)值求積的Romberg算法公式: 梯形求積公式: 復(fù)化梯形求積的遞推化公式: 加速收斂公式: 其中為定積分近似值,決定著Newton-cotes求積公式的階數(shù),例如為一階Newton-cotes求積公式(即梯形求積公式),一般地, 是階Newton-cotes求積公式的計算結(jié)果;決定著等分?jǐn)?shù), 是在等分情況下的階復(fù)化Newton-cotes求積公式的計算結(jié)果,例如意為不復(fù)化,對于梯形求積來說已經(jīng)是復(fù)化的了.(九)實驗九:Gauss型

8、求積公式1、目的:學(xué)會Gauss型求積公式,并應(yīng)用該算法于實際問題.2、例題:取定積分 3、要求:把Gauss點的表格存入計算機(jī),以Gauss-Legendre求積公式作為本實驗的例子,要求程序可以跟據(jù)不同的階數(shù),自動地用階Gauss-Legendre求積公式計算上述定積分的近似值.體會Gauss型求積公式是具有盡可能高的代數(shù)精度的數(shù)值求積公式.4、公式:Gauss-Legendre求積公式:其中是Gauss點,它們是次Legendre正交多項式的零點,求積系數(shù)可如下求得:其中為次Legendre正交多項式.(十)實驗十:Remes算法(機(jī)動)1、目的:學(xué)會用Remes算法求近似最佳一致逼近多項式,并應(yīng)用該算法于實際問題.2、例題:取函數(shù) 3、要求:用Remes算法求在上的二次近似最佳一致逼近多項式.取初始近似偏差點為使三次Tchebycheff多項式輪流達(dá)到和的點,即 要求迭代進(jìn)行到為止,其中 而是步近似最佳一致逼近多項式.4、公式:第1步:選取初始近似偏差點第2步:將近似偏差點代入線性方程組,求解4個未知數(shù),即近似最佳一致逼近多項式的3個系數(shù)和近似最小偏差(注意: 中包含因子,可能為負(fù)).第3步:利用第2步的結(jié)果,對近似偏差點作修正,新的近似偏差點使得達(dá)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論