数值分析第二章小结
数值分析第二章(研究生)
(x)
( x x ) ( x x ) ( x x )
i0 i k i0 i k i
ni k
n
n d ( x xi ) ( x x k ) ( x x ) i ， ( x k ) dx i0 i k
( x ) y , i 0 , 1 , , n(插值条件 )
i i
这类问题称为插值问题。
( x ) -----f(x)的插值函数, f(x) -----被插值函数 x0 ,x1,x2 ,…,xn -----插值节点， [a,b]称为插值区间
求插值函数的方法称为插值法。 若x∈[a,b]，可计算f(x) 的近似值φ(x), 则 x 称为插值点。
x x i px ( ) y l ( x ) , 其 中 l ( x ) n次拉格朗日插值多项式 kk k x k 0 i 0x k i
n n
又
x x i px ( ) yl ( x ) y [ ] y kk k k x k 0 k 0 k 0 i 0x k i
3. 基函数和每一个节点都有关。节点确定，基函 数就唯一的确定。 4. 基函数和被插值函数无关。 5. 基函数之和为1。
定理
n次拉格朗日插值多项式
n k0
p(x) yl ) yl )yl ) yl ) k k (x 0 0(x 11(x n n(x xx 其 中 lk(x) i i0 x k x i
公式的结构：它是两个一次函数的线性组合 线性插值基函数
x x 1 l ( x ) , 0 x x 0 1 x x 0 l ( x ) 1 x x 1 0
3 线性插值的几何意义 用直线 P ( x ) 近似代替被插值函数 f ( x ) 。
数值分析知识点总结
数值分析知识点总结数值分析知识点总结：本文提供了数值分析中的一些重要知识点和例题，但更多的例题可以参考老师布置的作业题和课件相关例题。
第1章数值分析与科学计算引论：绝对误差和相对误差是衡量近似值精度的指标，有效数字则是描述近似值精度的一种方式。
其中，相对误差限是绝对误差的上界。
有效数字的计算方法为：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。
一个比较好用的公式是f(x)的误差限：f(x)f'(x)(x)。
第2章插值法：插值多项式的余项表达式可以用来估计截断误差。
三次样条插值与三次分段埃尔米特插值有所不同，但哪一个更优越需要根据实际情况而定。
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？三弯矩法可以用来求解三次样条表达式。
第3章函数逼近与快速傅里叶变换：带权(x)的正交多项式是在特定区间上满足一定条件的多项式，其中[-1,1]上的勒让德多项式具有重要性质。
切比雪夫多项式也有其独特的性质。
用切比雪夫多项式零点做插值点得到的插值多项式与拉格朗日插值有所不同。
最小二乘拟合的法方程可以用来拟合曲线，但当次数n较大时，不直接求解法方程。
第4章数值积分与数值微分：XXX让德求积公式和XXX-XXX求积公式是数值积分中的两种方法，其中高斯求积公式可以用来计算定积分。
勒让德多项式的零点就是高斯点，这种形式的高斯公式被称为XXX让德求积公式。
中点方法是一种数值积分方法，其公式如下：插值型的求导公式有两点公式和三点公式。
第5章介绍了解线性方程组的直接方法，其中包括LU矩阵的推导过程。
相关例题可以在教材第4章作业题和课件中找到。
第6章介绍了解线性方程组的迭代法，判断迭代法是否收敛的条件如下：第7章介绍了非线性方程与方程组的数值解法，其中牛顿法是一种常见的方法。
对于单根且光滑的f(x)=0，牛顿法是局部二阶收敛的。
简化牛顿法和牛顿下山法都是非线性方程组的求解方法。
计算方法 数值分析 第二章考点总结CH.2(1)
1第二章 解线性方程组的直接法解线性方程组11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b+++=⎧⎪+++=⎪⎪⎨⎪+++=⎪⎪⎩或写成矩阵式Ax b =其中()1212,(,,,),(,,,)T Tij n n n nA a x x x x b b b b ⨯=== Gauss 消去法（矩阵行变换法）第k 次消元公式()()(1)()()(1)()()/(1,,)(,1,,)(1,,)k k ik ik kk k k k ij ij ik kj k k k i i ik k m a a i k n a a m a i j k n b b m b i k n ++==+=-=+=-=+计算中，中间结果不必保留，进行一次变换后原来存放(1)k A -的单元存放()k A，(1)k b-的单元存放()k b。
因此，我们得到Gauss消去法的算法：2循环：1,2,,k = n-1何时可行？即第k 步 Gauss 消去法可实行，易见充要条件是()0k kk a ≠若A 的各阶顺序主子式 *det()0ij k k a ≠ 1,,1k n =- ，则有：()**()()()1122()det()det() ||k ij k k ij k kk k k kk k kk a a a a a a =⇔≠ 消元过程可进行到 1k n =-。
因此，可以用Gauss 消去法解线性方程组的充要条件是系数矩阵的各阶顺序主子式不为0。
最后得到()()() n n n A x b A =是上三角阵()()k k A x b =与Ax b =同解2,,k n =解()()n n A x b=只需递推（回代过程）2211112()/, ,,1(0 = 1)nk k kjj kk j k k k i i i k i k x b ax a k n k k a a =+===-=>=∑∑∏ 当时，规定：3计算量 第k 步消元计算ik m 用(n-k )次除法，算诸()k ij a 用2(-)n k 乘法和2(-) n k 次加减法， 对1,,1k n =- 相加，可得消元过程共需2(1)/3n n -⨯÷次(1)(21)/6n n n -- 右端 (1)()n bb →(1)/2 n n -⨯÷ (1)/2 +n n -－(1)/2 (1)/2 +-n n n n -⨯÷-回代3233 /3/3 /3(1)(25)/6 /3n n n n n n n n +-≈-+≈总数：乘除法加减法矩阵的三角分解（用矩阵乘法分解的观点看Gauss 消去法）对A 作行变换相当于左乘初等矩阵，例如(1)(2)AA →(2)1A L A =其中421131110-1 -01-001n m L m m ⎛⎫ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎝⎭＝ 类似的讨论易知：()()1111 ,,n n n n AL L A b L L b --==1,,100001 00000001 k k k n k L m m k +⎛⎫ ⎪ ⎪ ⎪⎪- ⎪ ⎪ ⎪ ⎪-⎝⎭＝第列令()1111111121313212,1= := 110=11n n n n n n n U A A L L U L L L m m m m m m -------=⎛⎫⎪⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪⎝⎭上三角阵则单位下三角阵5定理：**(),det()0 1,,1ij n n ij k k A a a k n =≠=- ，则A 可表示为A=LU L ：单位下三角阵，U 上三角阵，且分解唯一。
数值分析_第2章
证：由1。 f '( x) C[a, b],由2。 f '( x)不变号，故f ( x) 知 知 单调，再由3。 唯一的 [a, b]，使f ( ) 0. 知
由1 3 知f ( x)在[a, b]上必属于下列四种情形之一：
。 。
f ''( x) 0 f (a) 0, f (b) 0, f '( x) 0(增) f ''( x) 0
二．收敛性：
mn . n .
◆判定二分次数：
1 lim n 1 b0 a0 0 n 2
1 对 0，若要求 mn n 1 b0 a0 2
b0 a0 则2 n log 2 1与取整的 1抵消 .
定理1.(单点法收敛的充分条件) 设f ( x)在[a, b]上二阶 可导，且满足：
。 1. f ''( x)在[a, b]上不变号（凹凸不变性）；
2。 f '( x)在[a, b]上不为0（单调性）； . 3。 f (a) f (b) 0; . 4。取x0 [a, b], 使f ( x0 ) f ''( x0 ) 0.x1 [a, b], f ( x1 ) f ( x0 ) 0. . 则由(6)所得 xn 单调收敛于f ( x) 0在[a, b]上的唯一根。
列表计算：
n
0 1 2 3 4 5
xn
2 1 1.33333 1.40000 1.41176 1.40378
2
f ( xn )
2 -1 -0.22223 -0.04000 -0.00692
hn
数值分析总结
第一章绪论1.数值运算的误差估计2.绝对误差、相对误差与有效数字3.避免误差的相关问题病态问题与条件数算法的数值稳定性数值运算中的若干原则第二章非线性方程求根1.不动点迭代格式不动点迭代格式的构造、计算全局收敛性判断局部收敛性与收敛阶判断（两个方法）2.Newton迭代格式、计算及几何意义局部收敛性及收敛阶（单、重根）非局部收敛性判断（两个方法）3.Steffensen迭代格式及计算（具有）二阶的局部收敛性4.Newton迭代的变形求重根的迭代法（三种方法）避免导数计算的弦割法（两种方法）Newton下山法*5.二分法计算预先估计对分次数第三章解线性方程组的直接法1.矩阵三角分解法及其方程组求解 直接三角分解法及其分解的条件平方根法（Cholesky 分解）追赶法列主元三角分解法* 2.Gauss 消去法Gauss 主元素消去法（列主元素消去法、全主元素消去法） Gauss 顺序消去法3.方程组的性态与误差分析 向量和矩阵的范数（基础知识） 方程组解的相对误差估计 矩阵的条件数 病态方程组的求解*第四章解线性代数方程组的迭代法1.迭代法的基本理论简单迭代法格式的构造、收敛性判断以及方程组的求解Gauss—Seidel迭代法格式的构造、收敛性判断以及方程组的求解2.三种迭代法的构造、收敛性判断以及方程组的求解Jacobi迭代法基于Jacobi迭代法的Gauss—Seidel迭代法逐次超松弛迭代法①掌握简单迭代收敛性判断的方法。
设B为迭代矩阵，如果||B||<1，则用||B||判断迭代的收敛性比用ρ(B)<1更为方便，但此结论仅为充分条件。
如果||B||≥1，判断迭代的收敛性需考察ρ(B)<1是否成立。
如果需证明迭代发散，则需证明ρ(B)≥1。
②简单迭代法的收敛快慢，依赖于迭代矩阵谱半径的大小。
当ρ(B)<1，迭代次数k≥(mln10)/(-lnρ(B))，则迭代矩阵谱半径越小，收敛越快。
数值分析知识点总结
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 re 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*11102m 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*211102ε-=⨯。
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7三、第3章函数逼近与快速傅里叶变换的正交多项式？什么是[-1,1]上的勒让德多项式？它有3.什么是[a,b]上带权()x什么重要性质？4.什么是切比雪夫多项式？它有什么重要性质？5.用切比雪夫多项式零点做插值点得到的插值多项式与拉格朗日插值有何不同?6.什么是最小二乘拟合的法方程？用多项式做拟合曲线时，当次数n较大时，为什么不直接求解法方程？例题请参考第3章书上的作业题和课件上的例题。
数值分析第二章学习小结-
数值分析第⼆章学习⼩结-第2章插值法--------学习⼩结姓名班级学号⼀、本章学习体会1.我的感受：在学习本章之前，我在很多地⽅都见到过涉及到插值法的问题，⽐如中学时见到的类似于“给定两组数据，求⽬标函数”，⽣活中的“由坐⽕车的某两站到站时间估计⽕车到其他站的时间”。
⽽经过了《数值分析》第⼆章“插值法”的学习，我知道了简单估计与科学插值之间的关系以及拉格朗⽇插值、⽜顿插值、分段线性插值、三次样条插值、埃尔⽶特插值这些经典的插值⽅法，我知道了插值法是⾮常系统、科学的数学估计⽅法与⼯科领域的优化⽅法。
2.我的困惑：经过了这⼀章插值法的学习，我知道了拉格朗⽇插值、⽜顿插值等等优秀的插值⽅法，但是针对不同的问题，我们应该如何选择最适合的插值⽅法呢？或者说在不同类型的题⽬中各种插值法的优势是什么？（困惑解答在⼩结思考题处）⼆、本章知识梳理b x a x xc x a x s n j j i i ≤≤-+=∑∑-+,)(1)(313三、本章思考题思考题：在不同类型的题⽬中各种插值法的优势劣势分别是什么？思考：1.拉格朗⽇插值：优点：公式结构整齐紧凑，理论分析⽅便简单；缺点：随着插值点的变化计算量成倍增加，计算变得⼗分繁琐，插值点较多时误差⼤数值不稳定。
插值多项式不能全⾯反映被插值函数的性质，不能满⾜插值多项式与被插值函数在部分或全部插值节点上的导数值与⾼阶导数值相等。
2.⽜顿插值：优点：公式结构整齐紧凑，理论分析⽅便简单并且随着插值点的变化计算仍相对⽐较简单；缺点：插值多项式不能全⾯反映被插值函数的性质，不能满⾜插值多项式与被插值函数在部分或全部插值节点上的导数值与⾼阶导数值相等。
3.埃尔⽶特插值优点：插值函数与被插值函数贴合程度⾼，在插值节点上其⼆者导数值相同；缺点：被插值函数在插值节点的导数值在实例中不易知。
4.分段线性插值优点：计算简洁⽅便，舍⼊误差较⼩，数据稳定性好，易编程缺点：在插值节点处不光滑，不满⾜插值节点处插值函数导数连续。
数值分析第二章小结
第2章线性方程组的解法--------学习小结一、本章学习体会通过本章知识的学习我首先了解到求解线性方程组的方法可分为两类：直接法和迭代法。
计算机虽然运行速度很快，但面对运算量超级多的问题，计算机还是需要很长的时间进行运算，所以，确定快捷精确的求解线性方程组的方法是非常必要的。
本章分为四个小节，其中前两节Gauss消去法和直接三角分解法因为由之前《线性代数》学习的一定功底，学习起来还较为简单，加之王老师可是的讲解与习题测试，对这一部分有了较好的掌握。
第三节矩阵的条件数与病态方程组，我Ax 的系数矩阵A与左端向量b的元素往往是通首先了解到的是线性方程组b过观测或计算而得到，因而会带有误差。
即使原始数据是精确的，但存放到计算机后由于受字长的限制也会变为近似值。
所以当A和b有微小变化时，即使求解过程精确进行，所得的解相对于原方程组也可能会产生很大的相对误差。
对于本节的学习掌握的不是很好，虽然在课后习题中对课堂知识有了一定的巩固，但整体感觉没有很好的掌握它。
第四节的迭代法，初次接触迭代法，了解到迭代法就是构造一个无线的向量序列，使他的极限是方程组的解向量。
迭代法应考虑收敛性与精度控制的问题。
三种迭代方法的基本思想我已经掌握了，但是在matlab 的编程中还存在很大的问题。
在本节的学习中我认为我最大的问题还是程序的编写。
通过这段时间的练习，虽然掌握了一些编写方法和技巧。
相比于第一章是对其的应用熟练了不少，但在程序编写上还存在很多问题。
希望在以后的学习中能尽快熟练掌握它，充分发挥它强大的作用。
二、本章知识梳理2.1、Gauss 消去法（次重点）Gauss 消去法基本思想：由消元和回代两个过程组成。
2.1.1顺序Gauss 消去法（对方程组的增广矩阵做第二种初等行变换）定理 顺序Gauss 消去法的前n-1个主元素)(k kk a (k=1,2,```,n-1)均不为零的充分必要条件是方程组的系数矩阵A 的前 n-1个顺序主子式)1,,2,1(0)1()1(1)1(1)1(11-=≠=n k a a a a D kkk kK ΛΛM MΛ消元过程：对于 k=1,2,···,n-1 执行 （1）如果,0)(=ak kk则算法失效，停止计算，否则转入（2）。
数值分析第二章
2
§2.
插值多项式的求法
(1) 拉格朗日插值多项式 寻求 Pn ( x) = y0 l0 ( x) + y1l1 ( x) + L + y n l n ( x) 表达形式的插值多项式， 其中 l k ( x) ： 次 数 ≤ n 的 多 项 式 ， 满 足 (i = 0,1, L, n). 1, l k ( xi ) = 0, i=k i≠k ， 这样 有
( x − x1 )( x − x2 ) ( x − x0 )( x − x 2 ) ( x − x0 )( x − x1 ) + y1 + y2 ( x0 − x1 )( x0 − x2 ) ( x1 − x0 )( x1 − x2 ) ( x2 − x0 )( x2 − x1 ) 称为二次插值或称抛物插值。
0.0000003138
线性插值： 115 ≈ N1 (115) = 10 + 0.047619(115 − 100) = 10.7143 ； 抛物插值： 115 ≈ N 2 (115) = N1 (115) + (−0.00009411)(115 − 100)(115 − 121) = 10.7228 ； 误差计算：①假定 f ( x) = x ，则可用以前估计方法 R1 ≤ 0.01125, R2 ≤ 0.0017. ②但实际中， f ( x) 一般未知，当 f [ x0 , x1 ,L, xn , x] 变化不剧烈时，我们可 使用 Rn ( x) ≈ f [ x0 , x1 , L, x n , xn +1 ]ω n +1 ( x) ， 估计 R2 (115) ≈ f [ x0 , x1 , x2 , x3 ]ω 3 (115) = 0.0000003138(115 − 100)(115 − 121)(115 − 144) ≈ 0.00082 与实际误差： 115 − N 2 (115) ≈ 0.001 相当接近。
数值分析第二章
例1 用消去法解方程组
x1 x2 x3 6,
4 x2 x3 5,
2
x1
2 x2
x3
1.
(2.2) (2.3) (2.4)
解 第1步，将方程(2.2)乘上-2加到方程(2.4)上去，
消去(2.4)中的未知数x1，得到
4x2 x3 11.
(2.5)
第2步，将方程(2.3) 加到方程(2.5)上去，消去
ln1 y1 ln2 y2 lnn yn bn
解为
n1
, y1
b1 l11
,
y2
b2
l21 y1 l22
,
bn l1 j y j
yn
j1
lnn
计算量（乘除法的主要部分）都为 n2/2.
因此，我们将一般的线性方程组化成等价的三
角形方程组来求解.
首先举一个简单的例子来说明消去法的基本思想.
但实际计算中由于舍入误差的存在和影响，这种 方法也只能求得线性方程组的近似解. 本章将阐述这 类算法中最基本的和具有代表性的算法就是高斯消 元法,以及它的某些变形和应用.这类方法是解低阶稠 密矩阵方程组及某些大型稀疏矩阵方程组(例如，大 型带状方程组)的有效方法.
2. 迭代法
就是用某种极限过程去逐步逼近方程组精确解的 方法. 迭代法具有计算机的存储单元较少、程序设计 简单、原始系数矩阵在计算过程中始终不变等优点， 但存在收敛条件和收敛速度问题.迭代法是解大型稀 疏矩阵方程组(尤其是由微分方程离散后得到的大型 方程组)的重要方法.
(
Ab)
0
4
1 5r3 2r10
4
1
5 r3 r2 0 4 1
5
2 2 1 1 0 4 1 11 0 0 2 6
数值分析绪论-学习小结
第1章绪论--------学习小结一、本章学习体会本章是对《数值分析》这本书的简单阐述和对入门基础的介绍，其中最大的收获就要是范数和算法了。
1.范数是进入研究生以来，学的一个新的数学概念，用于定义向量或者矩阵的大小即向量或者矩阵的模，又由于其正定性，可让我们联想到计算方阵大小的行列式的绝对值即）（A。
范数的其难点：①范数是一个比较抽象的概念，我们无法通过想象确定它是某一个确定的范畴；②范数存在的现实意义，由于我们所学所指的有限，我们无从知道范数的现实意义，无法加深对其的理解；③范数用于定义向量、矩阵的大小，有时是不固定的。
在解决问题时，如何找到恰当的范数是至关重要的。
2.数值计算的算法问题用数值计算方法求解数值问题是通过具体的算法实现的。
所谓算法就是规定了怎样从输入数据计算出数值问题的解得一个有限的基本运算序列。
①“良态”问题和“病态”问题：在适定的情况下，若对于原始数据很小的变化δX，对应的参数误差δy也很小，则称该数学问题是良态问题；若δy很大，则称为病态问题。
病态问题中解对于数据的变化率都很大，因此数据微小变化必将导致参数模型精确解的很大变化。
数学问题的性态完全取决于该数学问题本身的属性，在采用数值方法求解之前就存在，与数值方法无关。
②稳定算法和不稳定算法：如果用数值方法计算时,误差在计算过程中不扩散的算法称为稳定算法。
否则称为不稳定算法。
在遇到问题是，要尽量选择稳定算法进行计算。
③数值计算应注意的问题：避免相近二数相减；避免小分母；避免大数吃小数；选用稳定的算法。
二、 本章知识梳理三、 本章思考题1.对于范数的引入：方阵行列式的绝对值是一个范数。
范数 有绪论研究对象误差算法范数研究用计算机求解各种数学问题的数值计算方法及其理论与软件实现误差算法 来源分类模型误差 观测误差 截断误差 舍入误差 绝对误差相对误差设计算法五原则1.避免相近两数相减2.防止大数吃小数3.减少计算次数，差积累4.避免绝对值小的数做除数5.设法控制误差的传播向量范数矩阵范数点儿类似于方阵行列式的绝对值，是否范数的引入来源于此，如果不是，它是如何引入的呢？2.矩阵的奇异与否与其范数有何关系？3.遇到数值问题时，具体的算法该如何选择？在没有精确值的情况、两个算法都得到收敛的、稳定的结果时，该如何判断哪一个值更准确、更接近于精确值？ 四、 本章测验题已知：A=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡123654321,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=456x 试求：),2,1(x p ∞=p 以及F A A A ∞，1。
数值分析 第二章 学习小结
第2章线性方程组的解法--------学习小结本章学习体会本章主要学习的是线性方程组的解法。
而我们则主要学习了高斯消去法、直接三角分解法以及迭代法三种方法。
这三种方法的优缺点以及适用范围各有不同。
高斯消去法中，我们又学习了顺序高斯消去法以及列主元素高斯消去法。
顺序高斯消去法可以得到方程组的精确解，但要求系数矩阵的主对角线元素不为零，而且该方法的数值稳定性没有保证。
但列主元素高斯消去法因为方程顺序的调整，其有较好的数值稳定性。
直接三角分解法中，我们主要学习了Doolitte分解法与Crout分解法。
其思想主要是：令系数矩阵A=UL，其中L为下三角矩阵，U是上三角矩阵，为求AX=b 的解，则引进Ly=b,Ux=y 两个方程，以求X得解向量。
这种方法计算量较小，但是条件苛刻，且不具有数值稳定性。
迭代法（逐次逼近法）是从一个初始向量出发，按照一定的计算格式，构造一个向量的无穷序列，其极限才是所求问题的精确解，只经过有限次运算得不到精确解。
该方法要求迭代收敛，而且只经过有限次迭代，减少了运算次数，但是该方法无法得到方程组的精确解。
二、本章知识梳理针对解线性方程组，求解线性方程组的方法可分为两大类：直接法和迭代法，直接法（精确法）：指在没有舍入误差的情况下经过有限次运算就能得到精确解。
迭代法（逐次逼近法）：从一个初始向量出发，按照一定的计算格式，构造一个向量的无穷序列，其极限才是所求问题的精确解，只经过有限次运算得不到精确解。
我们以前用的是克莱姆法则，对于计算机来说，这种方法运算量比较大，因此我们学习了几种减少运算次数的方法，有高斯消去法、直接三角分解法，同时针对病态方程组，也提出了几种不同的解法。
Gauss消去法Gauss消去法由消元和回代两个过程组成，消元过程是指针对方程组的增广矩阵，做有限次初等行变化，使它系数矩阵变为上三角矩阵。
顺序Gauss消去法消元过程：对于K=1,2,3…,n-1执行如果,则算法失效，停止计算；否则转（2）对于计算回代过程：综上：顺序Gauss消去法的数值稳定性是没有保证的。
数值分析复习总结
数值分析复习总结数值分析课本重点知识点第一章P4定义一P5定义二P6定理1P7例题3P10条件数（1）绝对误差（限）和相对误差（限）公式（2）有效数字（3）条件数及其公式第二章P26定理2（以及余项推导过程）P36两个典型的埃尔米特插值（1）拉格朗日插值多项式（包括其直线公式和抛物线公式）（2）插值余项推导及误差分析（估计）（3）两个典型的埃尔米特插值（4）三次样条插值的概念第三章P63例题3（1）最佳平方逼近公式的计算（2）T3（x）的表达式第四章P106复合梯形公式P107复合辛普森求积公式P108例题3（1）复合公式及其余项（2）判断一个代数的精确度第五章P162定义3向量的范数P165定理17P169定义8（1）左中右矩形公式（2）LU分解（3）谱半径和条件数（4）向量的范数第六章P192定理9第1条P192例题8第七章P215不动点和不动点迭代法P218定理3P228弦截法P229定理6第九章P280欧拉法与后退欧拉法P283改进欧拉公式数值分析课后点题答案第一章数值分析误差第二章插值法第三章函数逼近所以无解19。
观测物体的直线运动，得出以下数据：时间t(s) 0 0.9 1.9 3.0 3.9 5.0 距离s(m)10305080110求运动方程。
解：被观测物体的运动距离与运动时间大体为线性函数关系，从而选择线性方程 s a bt =+ 令{}1,span t Φ=22012201016,53.63,(,)14.7,(,)280,(,)1078,s s =====则法方程组为614.728014.753.631078a b = ??? ?从而解得7.85504822.25376a b =-??=? 故物体运动方程为22.253767.855048S t =-20。
已知实验数据如下：i x 19 25 31 38 44 j y19.032.349.073.397.8用最小二乘法求形如2s a bx =+的经验公式，并计算均方误差。
数学分析第二章知识点总结（通用3篇）
数学分析第二章知识点总结（通用3篇）数学分析第二章知识点总结篇11.无理数⑴无理数：无限不循环小数⑵两个无理数的和还是无理数2.平方根⑴算术平方根、平方根一个正数有两个平方根，0只有一个平方根，它是0本身;负数没有平方根。
⑵开平方：求一个数的平方根的运算叫开平方被开方数3.立方根⑴立方根，如果一个数x的立方等于a，即，那么这个数x就叫a 的立方根.⑵正数的立方根是正数，负数的立方根是负数，0的立方根是0.⑶开立方、被开方数4.公园有多宽求根式、估算根式、根据面积求边长5.实数的运算运算法则(加、减、乘、除、乘方、开方)运算定律(五个-加法[乘法]交换律、结合律;[乘法对加法的]分配律) 运算顺序：A.高级运算到低级运算;B.(同级运算)从"左"到"右"(如5÷×5);C.(有括号时)由"小"到"中"到"大"。
6.实数的概念是每年中考的必考知识点，尤其是相反数、倒数和绝对值都是高频考点。
我们不仅需要会求一个数的相反数，求一个数的倒数，求一个数的绝对值;还要注意0是没有倒数的，倒数等于它本身的有±1，相反数等于它本身的只有0。
7.科学记数法可以说是是每年中考的必考题，在解决具体问题时，需要记清楚相关概念;另外注意单位换算。
对于近似数和精确度需要注意的是带计算单位的数的精确度，需要统一为以“个”为计算单位的数，再来确定。
8.科学记数法可以说是是每年中考的必考题，在解决具体问题时，需要记清楚相关概念;另外注意单位换算。
对于近似数和精确度需要注意的是带计算单位的数的精确度，需要统一为以“个”为计算单位的数，再来确定。
9.实数比较大小也是中考热点，主要方法可用数轴比较法、估算法和作差法。
至于倒数法和平方法不是很常见，所以只需简单了解即可。
10.计算是数学的基础，也是我们解决问题的必要手段。
数值分析总结
数值分析(计算方法)总结(总9页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--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==…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|<E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]= [a0,b0], f(a)<0, f(b)>0.将[a0,b0]对分，中点x0= ((a0+b0)/2),计算f(x0)。
3.比例法一般地，设 [a k,b k]为有根区间，过(a k, f(a k))、 (b k, f(b k))作直线，与x轴交于一点x k,则：1.试位法每次迭代比二分法多算一次乘法，而且不保证收敛。
数值分析总结
数值分析复习总结任课教师王建国第二章数值分析基本概念教学内容：1.误差与有效数字误差、误差限、相对误差、相对误差限和有效数字的定义及相互关系；误差的来源和误差的基本特性；误差的计算（估计）的基本方法。
2.算法的适定性问题数值分析中的病态和不稳定性问题；病态问题和不稳定算法的实例分析。
3.数值计算的几个注意问题数值计算的基本概念误差概念和分析误差的定义：设x是精确值，p是近似值，则定义两者之差是绝对误差:a x p∆=-由于精确值一般是未知的,因而Δ不能求出来,但可以根据测量误差或计算情况估计它的上限|-|x p εε<称为绝对误差限。
相对误差定义为绝对误差与精确值之比ar x∆∆=ar xη∆∆=<称为相对误差限● 误差的来源：舍入误差将无限位字长的精确数处理成有限位字长近似数的处理方法称为舍入方法。
带来舍人误差。
截断误差用数值法求解数学模型时，往往用简单代替复杂,或者用有限过程代替无限过程所引起的误差。
● 有效数字对于a=a0 a1 … am . am+1 … am+n(a0≠0) 的近似数， 若|Δ|≤0.5x10-n ，则称a 为具有m+n+1位有效数字的有效数，其中每一位数字都叫做a 的有效数字。
有效数和可靠数的最末位数字称为可疑数字有效数位的多少直接影响到近似值的绝对误差与相对误差的大小。
推论1 对于给出的有效数，其绝对误差限不大于其最末数字的半个单位。
推论2 对于给出的一个有效数，其相对误差限可估计如下：例:计算y = ln x 。
若x ≈ 20，则取x 的几位有效数字可保证y 的相对误差 < 0.1% ?120.10mn x a a a =±⨯1102m nx x *-∆=-≤⨯120.10mn x a a a =±⨯15()10nr x a -∆≤⨯●数值计算的算法问题“良态”问题和“病态”问题在适定的情况下，若对于原始数据很小的变化δX，对应的参数误差δy也很小，则称该数学问题是良态问题；若δy很大，则称为病态问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第二章小结
对于n 元线性方程组b A =x (*),其中A 为非奇异矩阵,当0det ≠A 时,方程组有唯一的解向量。
求解线性方程组的方法可分为两类：直接法（如克莱姆法则，高斯消去法等）和迭代法（Jacobi 迭代法和GS 迭代法等）。
一 、直接法
1、Gauss 消去法:(1) 顺序Gauss 消去法:将矩阵化为上三角矩阵
(2) 列主元素Gauss 消去法:将增广矩阵],[)()(k k b A 中绝对值最大的元素交换到底k 行的主对角线上。
比较：顺序Gauss 消去法的计算结果数值稳定性没有列主元素Gauss 消去法的好。
2、直接三角分解法：
(1)定义 Doolittle 分解法和Crout 分解法:如果方程组b A =x 的系数矩阵A 可以分解为A=LU,其中L 是下三角矩阵U 是上三角矩阵,这样方程组b A =x 就化为两个容易求解的三角方程组:y U b Ly ==x ,。
定理3 Doolittle 分解法的充要条件是矩阵A 的前n-1阶顺序主子式0≠K D (k 取1,2,3,4...,n-1)
推论 矩阵A 有唯一Crout 分解的充要条件是A 的前n-1阶顺序主子式0≠K D (k 取1,2,3,4...,n-1)
Doolittle 分解计算公式为:
对于k=1,2,3...,n
),...,1,(1
1n k k j u l a u k t tj kt kj kj +=-=∑-=
);,...,2,1(/)(1
1n k n k k i u u l a l kk k t tk it kj ik <++=-=∑-=
则求解下三角方程组y U b Ly ==x 和上三角方程组的计算方程式: ⎪⎪⎪⎩
⎪⎪⎪⎨⎧--=-===-==∑∑+=-=1
,,2,1,/)(u /),,3,2(11111 n n i u x u y x y x n i y l b y b y ii n i t t it i i nn
n n t i t it i i Crout 分解计算公式为:
对于k=1,2,3...,n
),...,1,(1
1n k k j u l a l k t tk it ik ik +=-=∑-=
);,...,2,1(/)(1
1n k n k k j l u l a u kk k t tj kt kj kj <++=-=∑-=
则求解下三角方程组y b y U L ==x ~
~和上三角方程组的计算方程式: ⎪⎪⎪⎩⎪⎪⎪⎨⎧--=-===-==∑∑+=-=1
,,2,1,),,3,2()(/1111111 n n i x u y x y x n i l y l b y l b y n i t t it i i n n
ii t i t it i i (2)选主元的Doolittle 分解法
优点:对A 的要求低,只要矩阵A 可逆即可,即只要矩阵A 非奇异便可通过对A 做适当变换就可以了.
二、迭代法
1、思想：通过构造一个无限的向量序列，使它的极限是方程组b A =x 的解向量，通过求迭代矩阵，再通过迭代公式使解向量逐步逼近精确解。
所以迭代法的缺点也很明显，凡是迭代法都存在收敛性与
精度控制的问题。
2、迭代法的一般形式
把系数矩阵分为两个矩阵即P N A -=,
递推公式为:
),2,1,0(,)()1( =+=+k d X G X k k 谱半径：ρ（G ）=//max 1i n
i λ≤≤为迭代矩阵G 的谱半径 定理 对任意矩阵n R d ∈,上述迭代法收敛的充要条件是谱半径
小于1。
矩阵收敛的充分条件：迭代矩阵的某种范数小于1。
（1） Jacobi 迭代法
迭代矩阵:
)(1U L D G J +-=- 迭代公式:
b D x U L D x k k 1)(1)1()(--+++-= Jacobi 迭代法收敛的充要条件:迭代矩阵的谱半径小于1
Jacobi 迭代法收敛的充分条件:矩阵A 是对角线按行或列严格占优势(则A 也是非奇异矩阵)。
Jacobi 迭代法收敛的充分条件:迭代矩阵的某种范数小于1。
（2）GS 迭代法
迭代矩阵:U D L G G 1)(-+-=
迭代公式:
b L D Ux D L x k k 1)(1)1()()(--++++-= GS 迭代法收敛的充要条件:迭代矩阵的谱半径小于1
GS 迭代法收敛的充分条件:矩阵A 是对角线按行或列严格占优势(则A 也是非奇异矩阵)。
GS 迭代法收敛的充分条件：迭代矩阵的某种范数小于1。
（3）SOR 迭代法
迭代矩阵:])11([)1(1D w U D w L G S -++
-=- 迭代公式:)])11[()1(1)1(U D w
D w L x k +-+-=-+ SOR 迭代法收敛的充要条件:迭代矩阵的谱半径小于1
SOR 迭代法收敛的充分条件:矩阵A 是对角线按行或列严格占优势,则用10≤<w 的SOR 方法求解必收敛。
SOR 迭代法收敛的充分条件：如果系数矩阵A 是正定矩阵，则用20<<w 的方法求解必收敛。
总结：很多问题最后都会归结为几个方程组的求解问题，对方程组的求解大学«线性代数»中介绍的克拉默法则条件苛刻，要求前提0≠A ,而且计算量很大，所以克拉默法则是一个效率很低经济效益又很差的算法，在实际中用迭代法解方程组就是一个很现实的方法。
迭代法的解法思想就是用逐次试探方程组的解，当相邻两次的解差值很小到可接受的范围时，此时的解即为最近似解，可以当做方程组的解。