计算方法作业

n=1ysinxcosx)；1sx231.研究人口数据的插值与预测年年194019501960197019801990人口(千人)132,165151,326179,323203,302226,542249,633xx123456789yxy(1)用最小二乘法确定模型y=aebx中的参数a和b。(2)利用MATLAB画出离散数据及拟合函数y=aebx图形。实验内容：对于定积分I=j1xdx。x20 (1 (1AA(1-1-111-1-11-11-112w2定性 92351 L0-7-11]分别对以上两个方程组(1)计算矩阵的条件数，判断系数矩阵是良态的还是病态的？(2)用列主元消去法求得L和U及解向量x,x=R4；LU=R4；(4)观察小主元并分析对计算结果的影响。3.求解非线性方程，比较不同方法的计算量(1)在区间[0,1]内用二分法；(3)用牛顿迭代法，取初值x=0。0 (1 (1《计算方法》上机实验报告AA(1-1-111-1-11-11-112w2定性 92351 L0-7-11]分别对以上两个方程组(1)计算矩阵的条件数，判断系数矩阵是良态的还是病态的？(2)用列主元消去法求得L和U及解向量x,x=R4；LU=R4；(4)观察小主元并分析对计算结果的影响。3.求解非线性方程，比较不同方法的计算量(1)在区间[0,1]内用二分法；(3)用牛顿迭代法，取初值x=0。A=[1111;-11-11;-1-111;1-1-11];a1=norm(A,1);a2=norm(A);a3=norm(A,inf);B=inv(A);a4=norm(B);a5=a2*a4;fprintf('||A||1is%d\n',a1);fprintf('||A||2is%f\n',a2);fprintf('||A||is%d\n',a3);fprintf('cond2(A)is%f\n',a5);2.(1)A=[3e-1659.4131;5.291-6.130-12;11.2952;1211];aA=cond(A,2)B=[10-701;-32.09999999999999962;5-15-1;0102];aB=cond(B,2)(2)%构造函数functionx=gauss1(A,b)A=[A';b]',n=length(b);fork=1:n-1s=A(k,k);p=k;fori=k+1:nifabs(s)<abs(A(i,k))s=A(i,k);p=i;endendpsifp~=kforj=k:n+1t=A(k,j);A(k,j)=A(p,j);A(p,j)=t;endendAfori=k+1:nm=A(i,k)/A(k,k);fprintf('m%d%d=%f\n',i,k,m);forj=k:n+1A(i,j)=A(i,j)-m*A(i,j);endendfprintf('A%d=\n',k+1);AendA(n,n+1)=A(n,n+1)/A(n,n);fori=n-1:-1:1s=0;forj=j+1:ns=s+A(i,j)*A(j,n+1);endA(i,n+1)=(A(i,n+1)-s)/A(i,i);endA(:,n+1)A=[3e-1659.4131;5.291-6.130-12;11.2952;1211];B=[10-701;-32.09999999999999962;5-15-1;0102];b1=[59.1746.7812];b2=[85.9000000000000151];x1=gauss1(A,b1)x2=gauss1(B,b2)(1)%构造二分法函数function[xstar,k]=fen(fun,a,b,ep)ifnargin<4,ep=1e-5;endfa=feval(fun,a);fb=feval(fun,b);iffa*fb>0xstar=[fa,fb];k=0;return;endk=1;whileabs(b-a)/2>epx=(a+b)/2;fx=feval(fun,x);iffx*fa<0b=x;fb=fx;elsea=x;fa=fx;endk=k+1;endxstar=(a+b)/2;endfun=inline('exp(x)+10*x-2');[xstar,k]=fen(fun,0,1,0.001)(C)%构造迭代函数function[xstar,k]=diedai(fun,x0,ep,nmax)ifnargin<4nmax=500;endifnargin<3ep=1e-5;endx=x0;x0=x+2*ep;k=0;whileabs(x0-x)>ep&k<nmaxx0=x;x=feval(fun,x0)k=k+1;endxstar=x;ifk==nmaxwarning('get');endEndfun2=inline('0.1*(2-exp(x))');[xstar2,k2]=diedai(fun2,0)(3)%构造牛顿迭代函数function[xstar,k]=newtown(fname,dfname,x0,ep,nmax)ifnargin<5nmax=500;endifnargin<4ep=1e-5;endx=x0;x0=x+2*ep;k=0;whileabs(x0-x)>ep&&k<nmaxk=k+1;x0=x;x=x0-feval(fname,x0)/feval(dfname,x0);endxstar=x;ifk==nmaxwarning('enough');endEndfname=inline('exp(x)+10x-2');dfna