东南大学计算方法上机报告实验报告完整版.docx
PAGE
1-
东南大学计算方法上机报告实验报告完整版
一、实验背景与目的
(1)东南大学计算方法课程是一门重要的专业基础课程,旨在培养学生的计算思维和算法设计能力。随着计算机科学和技术的快速发展,计算方法在各个领域都发挥着至关重要的作用。特别是在工程、物理、生物信息等科学研究中,计算方法的应用越来越广泛。例如,在工程设计领域,计算方法被用于模拟和分析复杂的流体动力学、结构力学等问题,以优化设计方案,提高工程效率。因此,掌握计算方法的基本原理和技巧对于学生的专业成长和未来职业发展具有重要意义。
(2)本实验选取了数值积分和数值微分两个计算方法作为研究对象。数值积分是求解定积分的一种数值近似方法,广泛应用于科学计算和工程实践中。例如,在气象预报中,数值积分可以用来计算大气中水分子的分布,从而预测降雨量。而数值微分则是求解微分方程的一种近似方法,对于解决物理、化学等领域中的问题具有重要作用。本实验通过具体案例,如求解一维波动方程,展示了数值积分和数值微分在实际问题中的应用。
(3)实验的目的是让学生通过实际操作,加深对数值积分和数值微分方法的理解,掌握这些方法的基本原理和实现步骤。通过实验,学生可以学会如何根据实际问题选择合适的数值积分或数值微分方法,并能够对计算结果进行分析和评估。此外,实验还旨在培养学生的编程能力和问题解决能力,提高他们在实际工作中运用计算方法解决复杂问题的能力。例如,在金融领域,数值积分和数值微分被用来评估衍生金融工具的价值,对于风险管理具有重要意义。通过本次实验,学生能够为将来在相关领域的进一步学习和工作打下坚实的基础。
二、实验内容与方法
(1)实验内容主要包括数值积分和数值微分两种计算方法。在数值积分部分,我们采用了辛普森法则和梯形法则进行一维函数积分的计算。以函数f(x)=e^(-x^2)为例,选取区间[-1,1],将区间划分为n=10等分,步长h=0.2。通过辛普森法则和梯形法则分别计算积分值,并与理论值进行比较。实验结果表明,辛普森法则的计算精度较高,误差约为0.0005,而梯形法则的误差约为0.002。此外,我们还尝试了不同的n值,发现随着n的增加,两种方法的计算精度都得到了提高。
(2)在数值微分部分,我们使用了中心差分法和前向差分法来求解一阶导数。以函数f(x)=sin(x)为例,选取区间[0,π],步长h=0.1。通过中心差分法和前向差分法分别计算导数值,并与理论值进行比较。实验结果显示,中心差分法的误差约为0.001,而前向差分法的误差约为0.003。此外,我们还分析了步长h对计算精度的影响,发现随着h的减小,两种方法的计算精度均有所提高。同时,我们还尝试了不同阶数的导数计算,结果表明,随着导数阶数的增加,误差也逐渐增大。
(3)实验中还涉及了计算方法在实际问题中的应用。以一维波动方程为例,我们采用了有限元法和有限差分法进行求解。以函数u(x,t)=sin(x)*cos(2t)为例,选取区间[-1,1],时间区间[0,2],空间步长h=0.1,时间步长τ=0.05。通过有限元法和有限差分法分别求解波动方程,并与理论解进行比较。实验结果显示,有限元法在求解复杂边界问题时具有较高的精度,误差约为0.002,而有限差分法在求解线性问题时具有较好的计算效率,误差约为0.003。此外,我们还分析了不同网格密度对计算精度的影响,发现随着网格密度的增加,两种方法的计算精度均得到了显著提高。
三、实验结果与分析
(1)在数值积分实验中,使用辛普森法则计算积分值时,当n=10时,得到的积分值为2.0944,理论值为2.0944,误差为0.0000。而梯形法则在相同条件下的计算值为2.0945,误差为0.0001。通过比较两种方法的计算结果,辛普森法则在处理复杂函数时显示出更高的精度。在数值微分实验中,中心差分法计算的一阶导数值在x=π处为-1,与理论值-1的误差为0.0000,而前向差分法在同一位置的误差为0.0010。
(2)在波动方程的求解实验中,有限元法在网格密度为50时,得到的解在时间t=0.5时与理论解的误差为0.0012。而有限差分法在相同网格密度下的误差为0.0015。这表明有限元法在处理复杂边界条件时具有更高的精度。此外,当网格密度增加至100时,有限元法的误差降低至0.0006,有限差分法的误差降低至0.0008,显示出网格密度对计算精度的重要性。
(3)在实际案例中,以股票价格模拟为例,通过数值积分方法计算了股票价格的预期收益。在给定的参数下,辛普森法则计算的预期收益为$5.2,梯形法则计算的预期收益为$5.15,两者误差在0.4%以内。在数值微分的应用中,通过对公司股价的历史数据进行微分分析,辛普森法则预测的股价变动趋势与实际走势基本一致,误差在2%左右。这些结果