计算方法例题

文章介绍了多种数值计算技术,包括单点和双点弦截法、切线法、压缩映象消去法、全主元法、PLV分解、三角分解及追赶法解决方程和方程组的问题。此外,还涵盖了内插求积公式如梯形和辛卜生公式,以及拉格朗日法、Hermite法、差商法(包括牛顿法)等插值和近似方法,强调了带导数的差商法在等距结点插值中的应用。
摘要由CSDN通过智能技术生成

有效位数

在这里插入图片描述

单点弦截法+双点弦截法

在这里插入图片描述

切线法

压缩映象

在这里插入图片描述

在这里插入图片描述

消去法解方程+全主元法解方程+PLV分解

在这里插入图片描述

三角分解+追赶法解方程组

在这里插入图片描述

内插求积公式求代数精确度

在这里插入图片描述

梯形公式 + 辛卜生公式

在这里插入图片描述

拉格朗日法

Hermite法

差商法(牛顿法)

带导数的差商法

在这里插入图片描述

等距结点插值公式

在这里插入图片描述

格鲁布斯方法是一种用于求解线性规划问题的算法,其基本思想是通过基变量的替换来逐步逼近最优解。下面给出一个简单的例题来演示格鲁布斯方法的计算过程。 假设我们要求解如下线性规划问题: Maximize z = 2x1 + 3x2 Subject to: x1 + 3x2 ≤ 9 2x1 - x2 ≤ 4 x1 , x2 ≥ 0 首先,我们将约束条件转化为标准形式: Maximize z = 2x1 + 3x2 Subject to: x1 + 3x2 + x3 = 9 2x1 - x2 + x4 = 4 x1 , x2 , x3 , x4 ≥ 0 接下来,我们需要选取初始基变量。根据格鲁布斯方法的要求,我们需要将目标函数转化为只包含基变量的形式。因此,我们需要引入两个人工变量x5和x6,将目标函数转化为: Maximize z = 2x1 + 3x2 + 0x3 + 0x4 - M(x5 + x6) 其中M是一个足够大的正数。在这个例子中,我们可以取M=1000。 现在我们可以选取初始基变量了。我们可以将x3和x4作为初始基变量,因为它们对应的方程是非常容易满足的。因此,我们有: x3 = 9 - x1 - 3x2 x4 = 4 - 2x1 + x2 将它们代入原问题的目标函数中,得到: z = 2x1 + 3x2 - 1000x5 - 1000x6 接下来,我们需要进行迭代。首先,我们需要找到入基变量。根据格鲁布斯方法的要求,我们可以选择目标函数中系数(除了人工变量的系数)最小的变量作为入基变量。在这个例子中,x2的系数最小,因此我们将x2作为入基变量。 接下来,我们需要找到出基变量。为了找到出基变量,我们需要计算每个基变量对应的方程在x2入基后的增量。出基变量应该是使得增量最小的变量。在这个例子中,我们有: x3 = 9 - x1 - 3x2 x4 = 4 - 2x1 + x2 将x2入基,我们得到: x3 = 9 - x1 - 3x2 x2 = 4 - 2x1 - x4 因此,x3的增量为3,x4的增量为1。因此,x4是出基变量。将x4出基,将x2入基,我们得到: x3 = 7/3 - x1/3 - (1/3)x4 + (1/3)x2 x4 = 4 - 2x1 - x2 此时,目标函数为: z = 2x1 + 3(4 - 2x1 - x2) - 1000x5 - 1000x6 = -3x1 - 3x2 - 1000x5 - 1000x6 + 12 我们发现目标函数的系数都是负数,因此当前解并不是最优解。因此,我们需要继续迭代。重复上述的步骤,我们可以得到最优解为: x1 = 2 x2 = 0 x3 = 3 x4 = 0 x5 = 0 x6 = 0 z = 6 因此,最优解为z=6,当x1=2,x2=0时取得。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值