数值计算复习资料
- 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)。
第一章 绪论
§1 绪论:数值分析的研究内容 §2 误差的来源和分类 §3 误差的表示 §4 误差的传播
§5 算法设计的若干原则
一、误差的分类(绝对误差,相对误差)
例1-1 设 x *=2.18是由精确值x 经过四舍五入得到的近似值。问 x 的绝对误差限ε和相对误差限η各是多少?
解:因为 x =x * ±0.005 ,所以绝对误差限为ε=0.005 相对误差限为
二、有效数字
定义 设数 x 的近似值可以表示为
其中 m 是整数,αi (i=1,2, …, n ) 是0到9 中的一个数字,而α1 ≠ 0. 如果其绝对误差限为 则称近似数 x* 具有 n 位有效数字。
结论:通过四舍五入原则求得的近似数,其有效数字就是从末尾到第一位非零数字之间的所有数字。
例1-2 下列近似数是通过四舍五入的方法得到的,试判定它们各有几位有效数字: x 1* =87540,x 2*=8754×10, x 3*=0.00345, x 4*= 0.3450 ×10-2
已知 有5位有效数字。同理可以写出 可以得出 x 2 , x 3 , x 4 各具有4、3、4 位有效数字。
例1-3 已知 e =2.718281828……, 试判断下面两个近似数各有几位有效数字? 解:由于
%23.018
.2005
.0*
≈=
=
x ε
η
m n x 10.021*
⨯±=ααα *1
102
m n
x x --≤⨯1112x x *-≤510.8754010x *=⨯而5
511102
1-*
⨯≤-x x 所以1221102x x *-≤⨯520.875410x *=⨯54221102x x *--≤⨯5331102x x *--≤⨯230.34510x *-=⨯-23331102x x *--≤⨯6441102x x *--≤⨯240.345010x *-=⨯24441102
x x *---≤⨯718281.2,718282.221==e e
而
e 1有7位有效数字。同理:
e 2 只有6位有效数字。 三、算法设计的若干原则
• 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)
练习: 求方程 x 2-56x +1=0 的两个根,使它们至少具有四位有效数字
•
第二章 插值与拟合
1、Lagrange 插值多项式,Newton 插值多项式的构造与插值余项估计,及证明过程。
2、 Hermite 插值多项式的构造与插值余项估计,
带导数条件的插值多项式的构造方法,基于承袭性的算法,基函数法, 重节点差商表的构造;
3、分段插值及三次样条插值的构造
4、最小二乘拟合
• 掌握Lagrange 插值多项式的构造方法及具体结构 • 掌握Lagrange 插值多项式误差分析方法和证明方法 • 掌握Newton 插值多项式的形式及误差 • 掌握差商表的构造过程 关于离散数据:
Newton 插值多项式:
而
所以 7
161102
110210000005.00000001.0--⨯=⨯=≤=- e e
i x i
y 0x 1x 0y 1y n
x n
y :
)
,(),
()!
1()
()(1)1(b a x n f x R n n n ∈+=++ξωξ∑∏
=≠=⎪⎪⎪⎭
⎫ ⎝⎛--=n j j i
j i
n j
i i n y x x x x x L 0
0)(6
11021
0000005.00000001.0-⨯=
≤=- e e 1
110
2718282.0718282.2⨯==e 61521021
1021000005.00000008.0--⨯=⨯=<=- e e ]
,[)()()(1000n x x f x x x f x N -+=
例1-3 已知f (x ) 的五组数据(1,0)、(2,2)、(3,12)、(4,42)、(5,116),求 N 4 (x )。如果再增加一个节点(6,282),求出N 5(x ),并计算 N 4(1.5)、N 5(1.5). 解:先由前五组数据列差商表 1 0 2 2 2
3 12 10
4 4 42 30 10 2
5 11
6 74 22 4 0.5
6 282 166 46 8 1 0.1如果,再增加一点(6, 282), 就在上表中增加一行计算差商 由Newton 公式的递推式得到:
得到: 1. 高次插值的Runge 现象,应如何避免?
2.分段性插值有何优缺点?误差估计?(插值节点的选择)
3. Hermite 插值的构造, 误差估计
4.三次样条函数的定义、构造过程
5.数据拟合的最小二乘法(可化为直线拟合的非线性 拟合的处理方法)
二、典型例题分析
例 1. 令x 0=0, x 1=1,写出y (x )=e-x 的一次插值多项式L 1(x ) ,并估计插值误差.(P55,t14题)
)4)(3)(2)(1(5.0)3)(2)(1(2)2)(1(4)1(20)(4
----+---+--+-+=x x x x x x x x x x x N )5)(4)(3)(2)(1(1.0)()(45
-----+=x x x x x x N x N )
5.1()5.1(5N f ≈)55.1)(45.1)(35.1)(25.1)(15.1(1.0)5.1(4-----+=N 328125.028125.0+=609375
.0=