数值分析-第五版-考试总结
第一章:数值分析与科学计算引论
截断误差:近似 解与精确解之间的误差。
近似值的误差:(.为准确值):
e*-x*-x
近似值的误差限一: 1疋
近似值相对误差(较小时约等)
近似值相对误差限 :
函数值的误差限 :
苗⑺“ Ifool 叱)
近似值;一士心:化叙…®)"八■有n 位有效数字:
第二章:插值法
P (对J =0.1/*%?] Oo + %呵+…+偽!曙=九 % +如股+…+ %!珥=Y1 % +舸斗1 +…+ %坊=儿 2•拉格朗日插值 (x- x k )6J n+1(x k ) .次插值基函数: (X- x
)-(x-x fc -i)(x-曲十 1)…a — X JJ ) (Xk - X 0)-(X k - X k
_i) (x k - x k¥1)-(x k - X…)
1•多项式插值
其中:
P(x) = a()+ OjX + …+ a n ^
I
>k — O.L —.n = _xl(r -n+l
引入记号:
^n+l(X)={X-Xo)(A?-粗)…(#- Xj
余项:
=f(x} - SG)=:;:;詁+W > 5 e 3:
3•牛顿插值多项式: ^nW = /(^0)+f 必珀("叼)+・”
+/■[和巧严如(龙-坯”心-*_』
〔阶均差(把中间去掉,分别填在左边和右边) :
店”“皿]丿杯Fmr gd
余项:
4•牛顿前插公式(令心'小,计算点值,不是多项式):
PQ +t h )=/o +帧 + 忖A 讥 + - + 心1)::*%°
〔阶差分:
AVo = A n "7i -
余项:
严(和E 3J
5•泰勒插值多项式:
•阶重节点的均差:
6.埃尔米特三次插值:
p (x ) -f (^X Q )十打和尤』仗—如+f 1叼公1也](JC-衍)(
工一 Xi ) +人(尤-叼)(黑-衍)o — x 2)
其中,A 的标定为:
咋沪f (社)
7.分段线性插值:
第三章:函数逼近与快速傅里叶变换p n (x) = 7(X Q ) + f(x Q )(x -和)+ “•+警(U
血屯“匈
1.-:-属于’.维空间:
5(玄)=。评]
J=o
2•范数:
max |zj and max |/(x)|
||x||x =
Iklli = y IxJ and f |/(x)| dx
Iklb = and((严(町必卡
4•最佳逼近的分类(范数的不同、是否离散)
||/(x) -P(x)||n= min |[/(x) -P(x)|| ||f00 —严⑷监=mm llAx) -PaUI;
最小二乘拟合(离散点)
|『一卩||;=卿||广一尸||;
5•正交多项式递推关系:
41+1 (划二(戈一叫1)%(巧一傀叫T(刃^oW =0
_ (jQjpnW^w)_ (跖(班%an % _ (<PnW^n(^))瓠一(<jp n-i(x).^-i (x))
6•勒让德多项式:
正交性:
3•带权内积和带权正交:
= I p(x) fWg{x)dx = 0
奇偶性:
Ki fl 最优一致I-范数)逼近多项式 F亡a. ...... 一-范数)逼近多项式最佳平方( p fl (-^)=(-irp n w 递推关系: (n+l)P n+1(x) = (2n + l)^P n (x) -nP n ^(x} 7 .切比雪夫多项式: 递推关系: ^*+1(^) = 2X T B (X ) — Tfl-iOO 正交性: 0 f m# 门 n —d m- JI 工 0 n f m= n = 0 ■' 1在I J "、I 上有〔个零点: 2k -1 x> = cos ------ n ,k = l t *^t 7i 7n 在 i ■■- M 上有 暑;i 个零点:(最优一致逼近) b -a 2k+ 1 b-^a x k = ——cos ——— 疋— ^ = 0.1/-^ 2 2(n+1) 2 首项 的系数: _ 8•最佳平方逼近: ||/(x) - r(Jt)||| =出雲 Ilf 匕)-s(x)\\j =詰憾J p(x)[/(x) -S(x)]2 di 法方程: n 工(必冋)丐=⑺必) 正交函数族的最佳平方逼近: % 一(敕•吸) 9•最小二乘法: m ll<5H^ = s mm J^)[S(x f )-y t l 2 法方程: 1 &(氾% J c g -1 VI —-0 J D fl 工(徵华j)dj = (f咄 正交多项式的最小二乘拟合: 第四章数值积分与数值微分 1•求积公式具有^次代数精度 求积公式(多项式与函数值乘积的和),对于次数不超过 不成立 6n \ f (均必二》山 Ja Sc=O 2•插值型求积公式 $ T* b t+ kWdx= y f = y Ag订 2k^Ja自 /?n(x)dr = J M + 1),a卄i(約旳3.求积公式代数精度为〔时的余项 町T"(艸-£血餡沪而4•牛顿-柯特斯公式:将卜匚匸划分为〔等份构造出插值型求积公式n 人(切 " = 1 5•梯形公式:当n=1时,- T=乎[加)+兀圳焉{刀二-导(b-好f輛/2)= £ /訂=±*2)= ? 6•辛普森公式:当n=2时,7 ? 7 7•复合求积公式:一一 ' ' Z 复合梯形公式: n-1 T n = 5 /(a)+/(/>)凡(fl =- »r=l 复合辛普森公式: [的多项式成立, /?Lfl= f 1/⑴一= J s +4/ b — a b — a 』八、曲/) 亠贡(丁)竹帧 + 8•高斯求积公式(求待定参数 和): (1)求高斯点( ):令---. : 一 与任何次数不超过〔的多项式. 带权 正交,即则由[■,个方程求出高斯点:< O (2)求待定参数•「匸:縄为〔小心:一》::.丿汀匕J ,「 也为次数不超过1的多项式。 9•高斯-勒让德求积公式:取权函数为 心「'•的勒让德多项式「-一 的零点即为求积公式的高斯点。 2k+l 10.高斯-切比雪夫求积公式:取权函数为 「的切比雪夫多项式的零点 •二即为求积 公式的高斯点。 第五章解线性方程组的直接方法 1•矩阵的从属范数: n IMIloo =段蕊》|為j|G 亍元素绝^值之和中最大的} J=1 n IHlk =搜嗥》如 例元素绝对值之和中最大的) 'r^1 2•条件数: con4[A)2 = 第?当 A = A 7 !寸xond(A)2 = 第六章解线性方程组的迭代法 1•迭代法: Ax = b (M-If)x = b r = M-1to+JP 1 b 加)=Bx^ + f 】im x-- 二#皿+4》f (如刀+2 *=0 門-二 工f 偸)+门町凤 (f ) s : =i 2•迭代法收敛:… 存在。 3•迭代法收敛的充分必要条件: ,谱半径 i 点」」 , jlnlO 4•渐进收敛速度:亠,「二―二门乳:迭代次数估计: - 5•雅可比迭代法: Ax = b D-N (D -N)x = b x = D l NxiD-x b 卅十对=+ f 6•高斯-塞德尔迭代法: Ax = b A = (D-L)-U = M-U (M -U)x = b r = flf 1l/jr+M-1b 尹十 i) = G* + f 7•严格对角占优矩阵:此矩阵为非奇异矩阵,其雅可比迭代法与高斯 -塞德尔迭代法均收敛。 1如>》|呦| 8•弱对角占优矩阵:若此矩阵也为 不可约矩阵,则其雅可比迭代法与高斯-塞德尔迭代法均收敛。 laj >2^|0(;| 7=1 其中,可约矩阵:n 阶矩阵A 有如下型式,否则为不可约矩阵。 9•超松弛迭代法:为高斯-塞德尔迭代法的一种修正。 Ax = b (M-N)x = b 瓦=M l N = {D- a)tr^(U + D) = (D -讥厂- a))D + a)U) f = M~1 b = ^D-1 — G) M = C-D - I)JV = (-P 4-I/-D) a)iy1b 严}= 5〉+ f 10.最速下降法:J是对称正定矩阵 Ax = b 令: =才闵+吐卩街 使下式最小: 1 Rt「 , =甲(才代+ ap(^')=炉(#";) + a(Ajf f< - bp。) + )则: d 矿仏二一(如鮒卩閃)二(乂7■詢*打) 其中: p⑻——习卩(址(初)——(肛⑻ —bj = f⑷ 故而: x(A'_1) = x':KI +a 汀⑹ 11.共轭梯度法: (1)令O’-),计算_ 山‘:-b,取_:「=:汽 =*可討1卩'"’ p(W-0 =r(*+i)+P t pW (3)若■'-一或亠…,计算停止。 第七章非线性方程与方程组的数值解法1•二分法:1)计算」在有根区 间的端值 , /(—) 2计算区间中点值2 =0 /(—V ⑷ co 3判断 -或者 - 2•不动点迭代法: rw=o x —卩(划=f(x)+ % g =血罐) 3•不动点迭代法收敛: 4.在「関上存在不动点•:(压缩映射) a <单(艾)< b 1*(©-狗)1 L<1 5.不动点迭代法收敛性:满足上条,则不动点迭代法收敛,误差为: L k 必一⑺茎!77"?加一却I 6.局部收敛:存在•.的某个邻域内的 任意的-,迭代法产生的序列收敛到■ 7.不动点迭代法局部收敛:其中「为「的不动点,• •在「邻域连续。 |卩(巧| <1 乜營t f H Q 8.P阶收敛:当卜―;:!;时,迭代误差* _汪_ J满足' 9.牛顿(】重根)法: fg fZ 如%伽2…両 10.简化的牛顿法: fg 11.牛顿下山法: ,k = 0,1?- 从一开始试算,之后逐次减半,直到满足下降条件: I i.mii 为止。 12.弦截法: fg fg一 第八章矩阵特征值计算 1•格什戈林圆盘:以 :为圆心,以〔为半径的所有圆盘 n 冷二》1%山=园忆—如 2.-:的每个特征值必属于某个圆盘之中: |X- a t A < H 3.-:有I 个圆盘组成一个连通的并集 -,与和余下―孑个圆盘是分离的,则「内恰包含…的1个特征 值。 4•幕法: 设.;的特征值满足条件: 任取非零向量 :,构造向量序列, 〔一丄「一 一: ■. 假设: v 0 = + a 2x 2 + ■■■ + 昕心「说 丰 0 则: 1=2 5•收敛速度: r = fc 6•幕法改进: Uo = Vo * 0 % v fr = AUff-^Ujt = —= maxfVjj} lim u k 二 Xj t —**so 7•加速方法(原点平移法):构造矩阵三,应用幕法使在计算其主特征值的过程中得到加速。 B^A-pI 2賠H 刽 8•若“《 --,称矩阵「讣 '-为初等反射矩阵,可得:丄"- f “ —寂 P * = Oi^i +住丛沁+…+站X 珈=入: 10. 设】」为两个不等的.维向量, 绍.;:二 f , 令 .,则"£一】,则可推导出: Hx = (1 —2ww T )x = y 11. 豪斯霍尔德约化定理: 戕 lb = llrlh Hx^y a = SEnCxi)||x||a 」°丘,当 t 对角元素为正分解唯一。 13•豪斯霍尔德约化矩阵为上海森伯格矩阵: V^U^AU^U^ = H 14•获方法:1)计算上海森伯格矩阵的全部特征值; 第九章常微分方程初值问题数值解法 1•一阶常微分初值问题: y = f(x.y), x e [x 0Jb], y(x Q ) =y 0 2•利普西茨条件:满足此条件,上述问题存在唯一的连续可微解。 If 一 乃1 J 》。 3•欧拉方法: 严' _ J = fgyQ • y™+i = y n + 吋仏丁』 *n+l~ 4•后退的欧拉法: ■ HU 卡 H = I — 2WW T =1-2 ―-p- =/ 一 12.吉文斯变换: cos 日=—k sin 6 = cos 0 丿 12.矩阵的QR 分解:1)设H 非奇异,则存在正交矩阵 F,使工:,其中M 为上三角矩阵。 2)设 .;非奇异,则存在正交矩阵 r 与上三角矩阵 2)计算对称三对角矩阵的全部特征值。 丁亠= f (窃+讹卄I)’ y«+i = y n+ hf 匕卄i M J+J X H +1—石 5•梯形方法: y ff+i = y n+尹(和曲 + 6.改进欧拉公式: "=血+ 儿)儿二"十hf (斗I”)儿*i 二;(儿+yj 数值分析总结 数值分析是一门应用数学的学科,它的目标是使用数值方法来解决数学问题,尤其是那些难以使用解析方法求解的问题。通过使用计算机来计算近似解,数值分析提供了一种实用而有效的解决方案。在本文中,我将对我在学习数值分析过程中的一些主要收获进行总结。 一、数值方法的重要性 数值方法不仅在科学计算中起着重要作用,而且在工程和实际应用领域也有广泛的应用。无论是模拟天气预报、设计飞机的机翼,还是分析金融市场的波动,数值分析都可以提供快速、准确的结果。因此,掌握数值方法成为了现代科学与工程领域必备的技能之一。 二、数值计算的误差与稳定性 在数值计算中,我们经常会面对误差的问题。舍入误差、截断误差和舍入误差都是我们需要关注的。舍入误差是由于计算机在进行浮点数计算时的有限精度而引入的,而截断误差则是由于将 无限精度的数学问题转化为有限精度计算引起的。为了减小误差,我们可以使用舍入规则,并尽可能减小截断误差。 稳定性是另一个需要考虑的重要因素。在一些计算中,输入数 据的微小变化可能会导致输出结果的巨大变化。这种情况下,我 们说该算法是不稳定的。为了确保计算的稳定性,我们需要选择 合适的算法和数据结构,并且要进行合理的数值分析。 三、插值和拟合 插值和拟合是数值分析的重要应用之一。在实际问题中,我们 往往只能够获得有限个数据点,但是我们需要获得一条曲线或函 数来描述这些数据。插值方法可以通过连接这些数据点来获得平 滑的曲线,而拟合方法则通过选择一个合适的函数来逼近数据点。在实际应用中,我们需要根据具体问题选择合适的插值和拟合方法,并进行适当的调整和优化。 四、求解非线性方程 WORD格式.分享 第5章 复习与思考题 1、用高斯消去法为什么要选主元?哪些方程组可以不选主元? k答:使用高斯消去法时,在消元过程中可能出现 a的情况,这时消去法无法进行;即 kk k时主元素0 和舍入 增长 a,但相对很小时,用其做除数,会导致其它元素数量级的严重 kk 计 误差的扩散,最后也使得计算不准确。因此高斯消去法需要选主元,以保证计算的进行和 算的准确性。 当主对角元素明显占优(远大于同行或同列的元素)时,可以不用选择主元。计算时一般选择列主元消去法。 2、高斯消去法与LU分解有什么关系?用它们解线性方程组Ax=b有何不同?A要满足什 么条件? 答:高斯消去法实质上产生了一个将A分解为两个三角形矩阵相乘的因式分解,其中一个 为上三角矩阵U,一个为下三角矩阵L。 用LU分解解线性方程组可以简化计算,减少计算量,提高计算精度。 A需要满足的条件是,顺序主子式(1,2,?,n-1)不为零。 3、楚列斯基分解与LU分解相比,有什么优点? 楚列斯基分解是LU分解的一种,当限定下三角矩阵L的对角元素为正时,楚列斯基分解具有唯一解。 4、哪种线性方程组可用平方根法求解?为什么说平方根法计算稳定? 具有对称正定系数矩阵的线性方程可以使用平方根法求解。 ,切对角元素恒为正数,因此,是一个稳定的 平方根法在分解过程中元素的数量级不会增长 算法。 5、什么样的线性方程组可用追赶法求解并能保证计算稳定? 对角占优的三对角方程组 6、何谓向量范数?给出三种常用的向量范数。 向量范数定义见p53,符合3个运算法则。 正定性 齐次性 三角不等式 x为向量,则三种常用的向量范数为:(第3章p53,第5章p165) 设 n ||x|||x| 1i i1 1 n 22 ||x||(x) 2i i1 ||x||max|x i| 1in 第一章绪论 误差来源:模型误差、观测误差、截断误差(方法误差)、舍入误差 是的绝对误差,是的误差,为 的绝对误差限(或误差限) 为的相对误差,当较小时,令 相对误差绝对值得上限称为相对误差限记为:即: 绝对误差有量纲,而相对误差无量纲 若近似值的绝对误差限为某一位上的半个单位,且该位直到的第一位非零数字共有n位,则称近似值有n位有效数字,或说精确到该位。 例:设x==3.1415926…那么,则有效数字为1位,即个位上的3,或说精确到个位。 科学计数法:记 有n位有效数字,精确到。 由有效数字求相对误差限:设近似值有n位有效数字,则其相对误差限为 由相对误差限求有效数字:设近似值的相对误差限为为则它有n位有效数字 令 1.x+y近似值为和的误差(限)等于误差(限) 的和 2.x-y近似值为 3.xy近似值为 4. 1.避免两相近数相减 2.避免用绝对值很小的数作除数 3.避免大数吃小数 4.尽量减少计算工作量 第二章非线性方程求根 1.逐步搜索法 设f (a) <0, f (b)> 0,有根区间为(a, b),从x0=a出发,按某个预定步长(例如h=(b-a)/N)一步一步向右跨,每跨一步进行一次根的搜索,即判别f(x k)=f(a+kh)的符号,若f(x k)>0(而f(x k-1)<0),则有根区间缩小为[x k-1,x k] (若f(x k)=0,x k即为所求根), 然后从x k-1出发,把搜索步长再缩小,重复上面步骤,直到满足精度:|x k-x k-1| 数值分析知识点总结 说明:本文只提供部分较好的例题,更多例题参考老师布置的作业题和课件相关例题。 一、第1章 数值分析与科学计算引论 1. 什么是绝对误差与相对误差?什么是近似数的有效数字?它与绝对误差和相 对误差有何关系? 相对误差限:** r r e ε=的一个上界。 有效数字:如果近似值*x 的误差限是某一位的半个单位,该位到* x 的第一位非零数字共有n 位,就说x *共有n 位有效数字。即x *=±10m ×(a 1+a 2×10-1+…+a n ×10-(n-1)),其中a 1 ≠0,并且* 11 102 m n x x -+-≤ ⨯。其中m 位该数字在科学计数法时的次方数。例如9.80的m 值为0,n 值为3,绝对误差限*2 11102 ε-=⨯。 2. 一个比较好用的公式: f(x)的误差限:() ***()'()()f x f x x εε≈ 例题: 二、第2章插值法 例题: 5. 给出插值多项式的余项表达式,如何用其估计截断误差? 6. 三次样条插值与三次分段埃尔米特插值有何区别?哪一个更优越? 7. 确定n+1个节点的三次样条插值函数需要多少个参数?为确定这些参数,需加上什么条件? 8. 三弯矩法: 为了得到三次样条表达式,我们需要求一些参数: 对于第一种边界条件,可导出两个方程: ,那么写成矩阵形式: 公式 1 对于第二种边界条件,直接得端点方程: ,则在这个条件下也可以写成如上公式1的形式。对于第三种边界条件,可得: 也可以写成如下矩阵形式: 公式 2 求解以上的矩阵可以使用追赶法求解。(追赶法详见第五章) 例题:数值分析第5版清华大学出版社第44页例7 数值分析总结 数值分析是一门研究实际问题数值解法和计算方法的学科。它 通过将求解问题的过程数值化,利用计算机进行数值计算,从而 得到问题的近似解。数值分析在自然科学、工程学和经济学等领 域有着广泛的应用。在本文中,我将对数值分析这门学科进行总 结和分析。 首先,数值分析主要包括数值插值、数值积分、数值微分、数 值代数方程组求解和常微分方程数值解等内容。其中,数值插值 是通过已知函数值的一些点来推求未知点的近似值的方法;数值 积分是利用数值方法计算函数在给定区间上的积分;数值微分是 利用近似方法计算函数在某一点的导数。而数值代数方程组求解 和常微分方程数值解则是求解方程组和常微分方程近似解的方法,这两者是数值分析最重要的应用之一。 其次,数值分析方法的选择对于问题的求解有着重要的影响。 对于不同的问题,我们需要选择适合的数值方法来得到较为准确 的解。例如,在求解数值积分问题时,我们可以选择梯形法则、 辛普森法则等方法来近似计算积分值;在求解常微分方程数值解时,我们可以选择显式欧拉法、隐式欧拉法、龙格-库塔法等数值 解法。合理选择数值方法可以提高求解问题的准确性和计算效率。 此外,数值分析中的误差分析是一项重要的工作。由于数值计算的舍入误差和截断误差的存在,我们得到的数值解通常会与真实解有所偏差。因此,在进行数值计算时,我们需要对误差进行分析和控制。误差分析可以帮助我们评估数值方法的可靠性,并调整计算过程来尽量减小误差。在实际问题中,误差分析对于判断结果的合理性至关重要。 最后,数值分析的发展受到计算机技术的支持。随着计算机性能的提升和算法的改进,数值分析的应用范围也在不断扩大。计算机的高速计算和存储能力使得我们能够处理更加复杂的问题,并得到更加精确的数值解。同时,以数值分析为基础的科学计算软件的开发也极大地推进了数值分析的发展。 综上所述,数值分析是一门重要的学科,它为实际问题的求解提供了有效的数值方法和计算工具。在实践中,我们需要选择合适的数值方法来解决具体问题,并进行误差分析以确保结果的可靠性。未来,随着计算机技术的不断进步,数值分析的应用将进一步扩大,为各个领域的科学研究和工程实践提供更加有效的支持。 数值分析知识点总结 一、绪论 数值分析是一门研究如何使用数值方法解决数学问题的学科。它广泛应用于科学、工程、医学等领域。在数值分析中,我们通常将实际问题转化为数学模型,然后使用计算机进行计算。数值分析的主要内容包括:误差分析、插值与拟合、线性方程组求解、微分方程求解等。 二、误差分析 误差分析是数值分析中的一个重要概念。它包括绝对误差、相对误差和误差限等概念。在计算过程中,误差会传递和累积,因此需要进行误差分析以评估计算结果的精度。常用的误差分析方法有:泰勒级数展开、中点公式等。 三、插值与拟合 插值与拟合是数值分析中的两个重要概念。插值方法用于通过一组已知数据点生成一个函数,该函数能够近似地描述这些数据点之间的关系。拟合方法则是通过一组已知数据点生成一个最佳拟合线或曲面,使得这个线或曲面与已知数据点之间的误差尽可能小。常用的插值与拟合方法有:线性插值、多项式插值、样条插值、最小二乘法等。 四、线性方程组求解 线性方程组是数值分析中经常遇到的一类方程组。对于线性方程组,我们通常使用迭代法或直接法进行求解。迭代法包括:雅可比迭代、高斯-赛德尔迭代、松弛法等。直接法包括:高斯消元法、逆矩阵法等。在实际应用中,我们通常会选择适合问题的计算方法,并根据需要进行优化。 五、微分方程求解 微分方程是描述变量之间的函数关系的一类方程。在数值分析中,我们通常使用数值方法对方程进行离散化处理,然后使用计算机进行求解。常用的微分方程求解方法有:欧拉方法、龙格-库塔方法等。对于复杂的微分方程,我们还可以使用谱方法、有限元方法等进行求解。 六、总结 数值分析是一门应用广泛的学科,它涉及到许多数学知识和计算机技术。在实际问题中,我们需要根据问题的特点选择合适的数值方法进行解决。在进行计算时,需要注意误差分析、算法的稳定性和收敛性等问题。随着计算机技术的发展,数值分析的应用领域也在不断扩大,例如、大数据分析等领域。因此,数值分析的学习和应用具有重要意 第一章 绪论 误差来源:模型误差、观测误差、截断误差(方法误差)、舍入误差 ε(x )=|x −x ∗|是x ∗的绝对误差,e =x ∗−x 是x ∗的误差,ε(x )=|x −x ∗|≤ε,ε为x ∗的绝对误差限(或误差限) e r =e x = x ∗−x x 为x ∗ 的相对误差,当|e r |较小时,令 e r =e x ∗= x ∗−x x ∗ 相对误差绝对值得上限称为相对误差限记为:εr 即:|e r |= |x ∗−x||x ∗| ≤ε |x ∗|=εr 绝对误差有量纲,而相对误差无量纲 若近似值x ∗的绝对误差限为某一位上的半个单位,且该位直到x ∗的第一位非零数字共有n 位,则称近似值 x ∗有n 位有效数字,或说 x ∗精确到该位。 例:设x=π=3.1415926…那么x ∗=3,ε1(x )=0.1415926…≤0.5×100,则x ∗有效数字为1位,即个位上的3,或说 x ∗精确到个位。 科学计数法:记x ∗=±0.a 1a 2⋯a n ×10m (其中a 1≠0),若|x −x ∗|≤0.5×10m−n ,则x ∗有n 位有效数字,精确到10m−n 。 由有效数字求相对误差限:设近似值x ∗=±0.a 1a 2⋯a n ×10m (a 1≠0)有n 位有效数字,则其相对误差限为 12a 1 ×101−n 由相对误差限求有效数字:设近似值x ∗=±0.a 1a 2⋯a n ×10m (a 1≠0)的相对误差限为为 12(a 1+1) ×101−n 则它有n 位有效数字 令x ∗、y ∗是x 、y 的近似值,且|x ∗−x|≤η(x )、|y ∗−y|≤η(y) 1. x+y 近似值为x ∗+y ∗,且η(x +y )=η(x )+η(y )和的误差(限)等于误差(限)的和 2. x-y 近似值为x ∗−y ∗,且η(x +y )=η(x )+η(y ) 3. xy 近似值为x ∗y ∗,η(xy )≈|x ∗|∗η(y )+|y ∗|∗η(x) 4. η(x y )≈ |x ∗|∗η(y )+|y ∗|∗η(x) |y ∗|2 1.避免两相近数相减 2.避免用绝对值很小的数作除数 3.避免大数吃小数 4.尽量减少计算工作量 第二章 非线性方程求根 1.逐步搜索法 设f (a ) <0, f (b )> 0,有根区间为 (a , b ),从x 0=a 出发, 按某个预定步长(例如h =(b -a )/N )一步一步向右跨,每跨一步进行一次根的搜索,即判别f (x k )=f (a +kh )的符号,若f (x k )>0(而f (x k -1)<0),则有根区间缩小为[x k -1,x k ] (若f (x k )=0,x k 即为所求根), 然后从 x k -1出发,把搜索步长再缩小,重复上面步骤,直到满足精度:|x k -x k -1|< 为止,此时取x *≈(x k +x k -1)/2作为近似根。 2.二分法 设f (x )的有根区间为[a ,b ]= [a 0,b 0], f (a )<0, f (b )>0.将[a 0,b 0]对分,中点x 0= ((a 0+b 0)/2),计算f (x 0)。对于给定精度ε,即 b−a 2k <ε,可得所需步数k ,k > [ln (b−a )−ln (ε) ln2 3.比例法 准确数与近似数之差,即。 绝对误差限即为绝对误差的上界,即 . 对于的近似值,若误差,则有位有效数字。 例如,的近似值有五位有效数字。 记为的相对误差,相对误差即为相对误差的上限,即 设近似值有位有效数字,则其相对误差限为: 设近似数与的误差限分别为与,则他们的四则运算后的误差限为: 对于,计算时的误差限为: 若误差在计算过程中越来越大,则算法不稳定,即初始误差在计算中传播导致误差增长很快。否则算法是稳定的。例如,要计算: 第一个算法是不稳定的,因为误差,误差随迭代次数而增加;第二个算法是稳定的,因为误差,误差会逐渐减小。 避免除数绝对值远小于被除数绝对值避免相近数相减避免大数吃小数 已知,由Lagrange插值法可得插值多项式: 其中, .显然, 称为插值基函数。 Lagrange插值的截断误差/插值余项为: 其中, k阶差商: 差商有以下性质: 1. k阶差商可表示为的线性组合,即: 2. 差商有对称性。即 3. 计算差商时,可以作差商表: 你乎表格里为什么不能插入公式 Newton插值多项式为: *注:实际上,用Newton插值法和用Lagrange插值法得到的同次插值多项式是完全相同的,因此截断误差也是完全一致的。这是因为插值多项式具有唯一性。下面简单说明一下。 对于Lagrange插值公式: 一点零次插值: 两点一次插值: 三点两次插值: 以此类推,可以得到, 其中, . 显然,有: 因此,二者的插值余项也完全相同,即: 给定的函数关系中含有导数的插值即称为Hermite插值。书上写的很乱,我个人认为有一种方法可以完美解决,因为对$n$次插值的多项式是完全一样的,无所谓用哪一种方法 --- 带重节点的差商表。 数值分析复习资料 一、重点公式 第一章 非线性方程和方程组的数值解法 1)二分法的基本原理,误差:~ 1 2k b a x α+--< 2)迭代法收敛阶:1lim 0i p i i c εε+→∞ =≠,若1p =则要求01c << 3)单点迭代收敛定理: 定理一:若当[],x a b ∈时,[](),x a b ϕ∈且'()1x l ϕ≤<,[],x a b ∀∈,则迭代格式收敛于唯一的根; 定理二:设()x ϕ满足:①[],x a b ∈时,[](),x a b ϕ∈, ②[]121212,,, ()(),01x x a b x x l x x l ϕϕ∀∈-≤-<<有 则对任意初值[]0,x a b ∈迭代收敛,且: 110 1 11i i i i i x x x l l x x x l αα+-≤ ---≤-- 定理三:设()x ϕ在α的邻域内具有连续的一阶导数,且' ()1ϕα<,则迭代格式具有局部收敛性; 定理四:假设()x ϕ在根α的邻域内充分可导,则迭代格式1()i i x x ϕ+=是P 阶收敛的 () ()()0,1,,1,()0j P j P ϕ αϕα==-≠(Taylor 展开证明) 4)Newton 迭代法:1'() () i i i i f x x x f x +=-,平方收敛 5)Newton 迭代法收敛定理: 设()f x 在有根区间[],a b 上有二阶导数,且满足: ①:()()0f a f b <; ②:[]' ()0,,f x x a b ≠∈; ③:[]'' ,,f x a b ∈不变号 ④:初值[]0,x a b ∈使得'' ()()0f x f x <; 则Newton 迭代法收敛于根α。 6)多点迭代法:1111111 ()()() ()()()()()()i i i i i i i i i i i i i i i f x f x f x x x x x f x f x f x f x f x f x x x -+-----=- =+---- 收敛阶:P = 7)Newton 迭代法求重根(收敛仍为线性收敛),对Newton 法进行修改 ①:已知根的重数r ,1' () () i i i i f x x x r f x +=-(平方收敛) ②:未知根的重数:1''()() ,()()() i i i i u x f x x x u x u x f x +=-=,α为()f x 的重根,则α为()u x 的单根。 8)迭代加速收敛方法: 221 1211212()() i i i i i i i i i i i x x x x x x x x x x x ϕϕ++++++++-= -+==当不动点迭代函数()x ϕ在α的某个邻域内具有二阶导数, '()1,0L ϕα=≠平方收敛 9)确定根的重数:当Newton 迭代法收敛较慢时,表明方程有重根 2211212121 1 2i i i i i i i i i i i x x x x r x x x x x x x +++++++++-≈- -+-- 10)拟Newton 法 1111111 1 1111 ()()()()() (()())()i i i i i i i i i i i i i i i i i i i i i i i i i i i x x A F x A x x F x F x A H A A A A x x H F x H F x F x x x H H H +-++-+++++++⎧=-⎪-=-=⎨⎪=+∆⎩⎧=-⎪-=-⎨⎪=+∆⎩若非奇异,则 第一章:数值分析与科学计算引论截断误差:近似解与精确解之间的误差。 近似值的误差e∗(x为准确值): e∗=x∗−x 近似值的误差限ε∗: |x∗−x |≤ε∗ 近似值相对误差e r∗(e r∗较小时约等): e r∗=e∗ x ≈ e∗ x∗ 近似值相对误差限εr∗: εr∗= ε∗|x∗| 函数值的误差限ε∗(f(x∗)): ε∗(f(x∗))≈|f′(x∗)| ε∗(x∗)近似值x∗=±(a1.a2a3⋯a n)×10m有n位有效数字: ε∗=1 2 ×10m−n+1 εr∗= ε∗ |x∗| ≤ 1 2a1 ×10−n+1第二章:插值法 1.多项式插值 P(x)=a0+a1x+⋯+a n x n 其中: P(x i)=y i ,i=0,1,⋯,n {a0+a1x0+⋯+a n x0n=y0 a0+a1x1+⋯+a n x1n=y1 ⋮ a0+a1x n+⋯+a n x n n=y n 2.拉格朗日插值 L n(x)=∑y k l k(x) n k=0=∑y k ωk+1(x) (x−x k)ωn+1 ′(x k) n k=0 n次插值基函数: l k(x)= (x−x0)⋯(x−x k−1)(x−x k+1)⋯(x−x n) (x k−x0)⋯(x k−x k−1)(x k−x k+1)⋯(x k−x n) ,k=0,1,⋯,n 引入记号: ωn+1(x)=(x−x0)(x−x1)⋯(x−x n)余项: R n(x)=f(x)−L n(x)=f(n+1)(ξ) (n+1)! ωn+1(x) ,ξ∈(a,b) 3.牛顿插值多项式: P n(x)=f(x0)+f[x0,x1](x−x0)+⋯+f[x0,x1,⋯,x n](x−x0)⋯(x−x n−1) n阶均差(把中间去掉,分别填在左边和右边): f[x0,x1,⋯,x n−1,x n]=f[x1,⋯,x n−1,x n]−f[x0,x1,⋯,x n−1] x n−x0 余项: R n(x)=f[x,x0,x1,⋯,x n]ωn+1(x) 4.牛顿前插公式(令x=x0+tℎ,计算点值,不是多项式): P n(x0+tℎ)=f0+t∆f0+t(t−1) 2! ∆2f0+⋯+ t(t−1)⋯(t−n−1) n! ∆n f0 n阶差分: ∆n f0=∆n−1f1−∆n−1f0余项: R n(x)=t(t−1)⋯(t−n)ℎn+1 (n+1)! f(n+1)(ξ) ,ξ∈(x0,x n) 5.泰勒插值多项式: P n(x)=f(x0)+f′(x0)(x−x0)+⋯+f(n)(x0) n! (x−x0)n n阶重节点的均差: f[x0,x0,⋯,x0]=1 n! f(n)(x0) 6.埃尔米特三次插值: P(x)=f(x0)+f[x0,x1](x−x0)+f[x0,x1,x2](x−x0)(x−x1)+A(x−x0)(x−x1)(x−x2)其中,A的标定为: P′(x1)=f′(x1) 7.分段线性插值: Iℎ(x)=x−x k+1 x k−x k+1 f k+ x−x k x k+1−x k f k+1 第三章:函数逼近与快速傅里叶变换1. S(x)属于 n维空间φ: 第一章:数值分析与科学计算引论 截断误差:近似 解与精确解之间的误差。 近似值的误差:(.为准确值): e*-x*-x 近似值的误差限一: 1疋 近似值相对误差(较小时约等) 近似值相对误差限 : 函数值的误差限 : 苗⑺“ Ifool 叱) 近似值;一士心:化叙…®)"八■有n 位有效数字: 第二章:插值法 P (对J =0.1/*%?] Oo + %呵+…+偽!曙=九 % +如股+…+ %!珥=Y1 % +舸斗1 +…+ %坊=儿 2•拉格朗日插值 (x- x k )6J n+1(x k ) .次插值基函数: (X- x )-(x-x fc -i)(x-曲十 1)…a — X JJ ) (Xk - X 0)-(X k - X k _i) (x k - x k¥1)-(x k - X…) 1•多项式插值 其中: P(x) = a()+ OjX + …+ a n ^ I >k — O.L —.n = _xl(r -n+l 引入记号: ^n+l(X)={X-Xo)(A?-粗)…(#- Xj 余项: =f(x} - SG)=:;:;詁+W > 5 e 3: 3•牛顿插值多项式: ^nW = /(^0)+f 必珀("叼)+・” +/■[和巧严如(龙-坯”心-*_』 〔阶均差(把中间去掉,分别填在左边和右边) : 店”“皿]丿杯Fmr gd 余项: 4•牛顿前插公式(令心'小,计算点值,不是多项式): PQ +t h )=/o +帧 + 忖A 讥 + - + 心1)::*%° 〔阶差分: AVo = A n "7i - 余项: 严(和E 3J 5•泰勒插值多项式: •阶重节点的均差: 6.埃尔米特三次插值: p (x ) -f (^X Q )十打和尤』仗—如+f 1叼公1也](JC-衍)( 工一 Xi ) +人(尤-叼)(黑-衍)o — x 2) 其中,A 的标定为: 咋沪f (社) 7.分段线性插值: 第三章:函数逼近与快速傅里叶变换p n (x) = 7(X Q ) + f(x Q )(x -和)+ “•+警(U 血屯“匈 数值分析第五版 1. 简介 数值分析是一门研究如何用数值方法来求解数学问题的学科。它主要关注数值计算方法的设计、分析和实现。《数值分析第五版》是一本经典的数值分析教材,由Richard L. Burden 和J. Douglas Fres合著,已经出版了多个版本。 2. 内容概述 《数值分析第五版》的内容主要涵盖以下几个方面: 2.1 数值计算的基础 •数值计算的误差与收敛性 •计算舍入误差分析 •稳定性与条件数 2.2 数值线性代数 •线性方程组与矩阵运算 •泛函与内积空间 •最小二乘问题 •特征值与特征向量 2.3 非线性方程求根 •近似求解法 •迭代法和收敛性 •多项式插值 2.4 数值微积分 •数值积分 •微分方程初值问题的数值解•边值问题与本征值问题 2.5 优化问题 •无约束优化 •线性规划 3. 主要特点 《数值分析第五版》具有以下几个主要特点: 3.1 理论与实践相结合 本书在理论讲解的,也会介绍实际问题的求解方法,并通 过具体的例子帮助读者理解和运用数值计算方法。 3.2 算法深入浅出 书中详细介绍了各种数值计算方法的算法原理和实现细节,并提供了众多算法的伪代码和MATLAB代码。 3.3 常用数值工具的介绍 本书介绍了常用的数值计算工具,如MATLAB、等,以及 相应的数值计算库和函数。 3.4 实例与习题丰富 书中包含了大量实例和习题,帮助读者巩固所学知识,并 通过实践提高数值计算的能力。 4. 资源推荐 除了《数值分析第五版》这本教材外,还有一些相关的推荐资源: •《数值分析》(高级)王天浩,郭中杰 •《数值计算方法》(第3版)何书进 •网课资源:Coursera、edX等平台提供了一些优秀的数值分析课程 5. 《数值分析第五版》是一本全面而深入的数值分析教材。它不仅覆盖了数值计算的基础知识,还介绍了数值线性代数、非线性方程求根、数值微积分和优化问题的相关内容。这本教材以理论与实践相结合的方式呈现,通过丰富的实例和习题帮助读者理解和应用数值计算方法。如果你对数值计算感兴趣或者需要用数值方法解决实际问题,《数值分析第五版》是一本值得推荐的书籍。 1 误差 相对误差和绝对误差得概念 例题: 当用数值计算方法求解一个实际的物理运动过程时, 一般要经历哪几个阶段 在哪些阶段将有哪些误差产生 答: 实际问题-数学模型-数值方法-计算结果 在这个过程中存在一下几种误差: 建立数学模型过程中产生:模型误差 参数误差 选用数值方法产生:截断误差 计算过程产生:舍入误差 传播误差 6.设937.0=a 精确数x 有3位有效数字,估计a 的相对误差. 对于x x f -=1)(,估计)(a f 对于)(x f 的误差和相对误差. 解 a 的相对误差:由于 31021|)(|-⋅≤-≤a x x E . x a x x E r -=)(, 221018 1 10921)(--⋅=⨯≤x E r . 1Th )(a f 对于)(x f 的误差和相对误差. |11||)(|a x f E ---==()25 .0210 11321⨯⋅≤ -+---a x x a =310- 33 104110|)(|--⨯=-≤a f E r . □ 2有效数字 基本原则:1 两个很接近的数字不做减法: 2: 不用很小得数做分母不用很大的数做分子 例题: 4.改变下列表达式使计算结果比较精确: 1 ;1||,11211<<+--+x x x x 对 2 ;1,11>>- -+ x x x x x 对 3 1||,0,cos 1<<≠-x x x x 对. 解 1 )21()1(22x x x ++. 2 ) 11(2x x x x x -++. 3 x x x x x x x cos 1sin )cos 1(sin cos 12+≈+=-. □ 拉格朗日插值公式即公式1 ∑==n i i i n x l y x p 0)()( 插值基函数因子可简洁表示为 )()() () ()()(0i n i n n i j j j i j i x x x x x x x x x l ωω'-= --=∏ ≠= 其中: ()∏∏≠==-='-= n i j j j i i n n j j n x x x x x x 0 )(,)()(ωω. 例1 n=1时,线性插值公式 ) ()() ()()(0101 10101x x x x y x x x x y x P --⨯+--⨯=, 例2 n=2时,抛物插值公式 ) )(())(())(())(())(() )(()(1202102210120120102102x x x x x x x x y x x x x x x x x y x x x x x x x x y x P ----⨯ +----⨯ +----⨯ = 牛顿Newton 插值公式 由差商的引入,知 (1) 过点10,x x 的一次插值多项式为 )()()(0101x x c x f x p -+= 其中 ],[)()(100 1011x x f x x x f x f c =--= ⇒ )](,[)()(01001x x x x f x f x p -+= (2) 过点210,,x x x 的二次插值多项式为 ))(()()(10212x x x x c x p x p --+= 其中 ],,[) ()()()(2100 20 10112122x x x f x x x x x f x f x x x f x f c =---- --= ⇒ ))(](,,[)()(1021012x x x x x x x f x p x p --+=数值分析总结
李庆扬-数值分析第五版第5章和第7章习题答案解析
数值分析(计算方法)总结
数值分析知识点总结
数值分析总结
数值分析知识点总结
数值分析(计算方法)总结
数值分析知识点总结(一)
数值分析复习总结
数值分析-第五版-考试总结
数值分析-第五版-考试总结
数值分析第五版
数值分析考试复习总结