数值分析
文章平均质量分 53
matlab和python实现
安心不心安
自己所学的都会发博客,如果对你有用 可以点个关注,有事绿泡泡yeqiancheng327
展开
-
解非线性方程python实现黄金分割法
黄金分割法(Golden Section Method)也叫0.618法,也是一种在区间上进行迭代的数值计算方法。它与二分法都通过不断缩小搜索区间来逼近方程的解。与二分法不同的是,二分法将搜索区间均匀地切割为两半,而黄金分割法将搜索区间不等分为两部分,每次迭代后搜索区间按照黄金分割比例缩小。原创 2023-11-12 16:10:28 · 674 阅读 · 0 评论 -
解线性方程组python实现直接分解法(Doolittle,克劳特,追赶法)
克劳特分解与Doolittle分解的区别在于它将单位矩阵的元素放在上三角矩阵U的对角线上,而不是下三角矩阵L。下三角矩阵L:下三角矩阵L的对角线元素都为1,其余元素满足L的上三角部分全为0。下三角矩阵L:下三角矩阵L的对角线元素都为1,其余元素满足L的上三角部分全为0。LU分解:给定一个n×n的矩阵A,LU分解将其分解为一个下三角矩阵L和一个上三角矩阵U的乘积,即A = LU。LU分解:给定一个n×n的矩阵A,LU分解将其分解为一个下三角矩阵L和一个上三角矩阵U的乘积,即A = LU。原创 2023-10-21 10:04:57 · 1924 阅读 · 0 评论 -
解线性方程组python实现迭代法(Jacobi迭代、Gauss-Seidel迭代、松弛迭代)
Gauss-Seidel迭代法相比于Jacobi迭代法的改进之处在于,在每次迭代中,它使用了已经更新过的解向量的新分量来计算下一个未知数的新值,从而加快了收敛速度。将系数矩阵A进行对角分解,得到三个矩阵D、L和U,其中D是A的对角矩阵,L是A的严格下三角矩阵(即主对角线以下元素为0),U是A的严格上三角矩阵(即主对角线以上元素为0)。将系数矩阵A进行对角分解,得到三个矩阵D、L和U,其中D是A的对角矩阵,L是A的严格下三角矩阵(即主对角线以下元素为0),U是A的严格上三角矩阵(即主对角线以上元素为0)。原创 2023-10-20 17:02:50 · 4366 阅读 · 0 评论 -
解线性方程组python实现消元法(高斯消元、列主元、高斯约旦)
前向消元:通过一系列初等行变换将增广矩阵转化为上三角矩阵或下三角矩阵,过程中主要操作为加减消元,即利用第 ii 行的倍数加到第 jj 行(i原创 2023-10-19 17:26:44 · 3933 阅读 · 0 评论 -
解非线性方程python实现埃特肯Aitken加速迭代法
Aitken加速法(Aitken's method)是一种针对迭代序列加速收敛的方法,旨在提高迭代过程的收敛速度。它通过使用当前近似解的差分来构造一个更快收敛的序列。求方程 x^3-x-1=0在x=1.5附近的一个根(用六位有效数字计算)原创 2023-10-15 09:18:41 · 603 阅读 · 0 评论 -
解非线性方程python实现弦截法
与牛顿迭代法相比,弦截法更容易实现,但可能会出现收敛慢、振荡或发散的情况。通常可以通过调整初始点的选择、迭代控制和收敛准则等方式来提高算法的可靠性和收敛速度。弦截法基本实现与牛顿迭代法相同,但是将牛顿迭代法中的导数,用差商来代替,即。求以下方程在0.5附近的根。原创 2023-10-15 09:06:49 · 236 阅读 · 0 评论 -
解非线性方程python实现二分法
二分法(Bisection method)是一种常用的数值计算方法,用于求解连续函数的根(即方程 f(x) = 0 的解)。它基于连续函数在区间上的中值定理,通过不断缩小区间范围来逼近方程的解。设函数f(x)在区间[a,b]上单调连续,且 f(a)·f(b)<0,则方程f(x)=0在区间(a,b)内有且仅有一个实根x。下面简单实现方程 f(x)=x^3-x-1=0在1到1.5之间的根。要求用四位小数计算,精确到10-2。原创 2023-10-15 08:59:31 · 553 阅读 · 0 评论 -
解非线性方程python实现牛顿迭代法
牛顿迭代法是一种求函数零点的方法,它是利用函数f(x)的泰勒展式的前几项来寻找方程f(x)=0的根的近似值。牛顿迭代法的基本思想是:对于方程f(x)=0,给定一个初值x0,用其在该点处的切线与x轴交点为新的近似值,然后以新的近似值继续进行迭代,直到满足精度要求为止。此外,当函数f(x)的导数为0时,迭代公式中的分母会为0,也会导致收敛失败。其中ξ是x和xn之间的某个点,f'和f′′分别表示f(x)的一阶和二阶导数。这个公式称为牛顿迭代法的迭代公式。初始解为x=2,f'(x)=3x^2+4x+10。原创 2023-10-14 21:58:16 · 1013 阅读 · 0 评论 -
matlab实现三角多项式
三角多项式是指由正弦函数和余弦函数构成的多项式。它是一种特殊类型的多项式,在信号处理、傅里叶级数展开等领域中具有重要的应用。三角多项式的一般形式可以表示为:sin(nx)其中,a0, a1, b1, a2, b2, ..., an, bn 是待定系数。每个三角项由一个正弦函数和一个余弦函数组成,幂指数逐渐递增。三角多项式的优点在于它们能够紧凑地表示周期性函数。通过选择适当的系数,三角多项式可以与给定的函数进行拟合,从而提供对函数的近似表示。这在信号处理中尤为常见,因为许多实际信号都具有周期性。原创 2023-06-26 17:26:15 · 611 阅读 · 0 评论 -
matlab实现最小二乘多项式拟合
【代码】matlab实现最小二乘多项式拟合。原创 2023-06-26 17:11:11 · 724 阅读 · 0 评论 -
matlab实现最小二乘拟合(线性回归)
【代码】matlab实现最小二乘拟合(线性回归)原创 2023-06-26 17:09:44 · 1002 阅读 · 0 评论 -
matlab实现分段插值(线性插值、3次Hermite插值,3次样条插值)
分段低次插值虽具有很多优点,但是,这种插值方法只能保证各段曲线在连接点上的连续,而不能保证整条曲线在这些点上的充分光滑性,这就不能满足某些工程技术上的要求.例如,在船体飞机等外形曲线的设计中,不仅要求曲线连续,而且要求曲线的曲率也连续,这就要求分段插值函数具有连续的二阶导数,在这一节中介绍的 3 次样条插值函数就能满足上述要求 。样条本来是绘图员们用来画光滑曲线的一种细木条(或细金属条)在画曲线时要求曲线过一些已知点,且使木条强制性很小,3 次样条就是从这个模型中抽象出来的。原创 2023-06-25 17:47:56 · 4190 阅读 · 0 评论 -
matlab实现牛顿插值
然而,牛顿插值同样要注意控制插值误差,并了解插值函数的局限性。牛顿插值是一种常用的插值方法,用于根据已知数据点的值,在两个数据点之间的位置上估计函数值。假设我们有n+1个数据点 (x0, y0), (x1, y1), ..., (xn, yn),其中xi为已知的不同的x坐标,yi为对应的函数值。需要指出的是,牛顿插值同样适用于已知数据点之间的插值,而不适用于数据点之外的外推。通过计算差商,可以得到插值多项式P(x),从而根据已知数据点的值,估计在某个位置x处的函数值P(x)。原创 2023-06-25 17:43:38 · 3158 阅读 · 0 评论 -
matlab实现拉格朗日插值
使用拉格朗日插值,可以根据已知数据点的值,估计在某个位置x处的函数值P(x)。需要注意的是,拉格朗日插值仅适用于已知数据点之间的插值,而不适用于数据点之外的外推。在实际应用中,可能会使用更高级的插值方法,如样条插值或基于多项式拟合的方法,以获得更好的插值效果。拉格朗日插值是一种常用的插值方法,用于根据已知数据点的值,估计在两个数据点之间的位置上的函数值。假设我们有n+1个数据点 (x0, y0), (x1, y1), ..., (xn, yn),其中xi为已知的不同的x坐标,yi为对应的函数值。原创 2023-06-25 17:42:07 · 3928 阅读 · 0 评论