《数值分析》复习笔记
数值分析 知识点总结
数值分析知识点总结一、数值分析的基本概念1. 数值分析的对象数值分析的对象是现实生活中的数字数据和信息。
这些数据和信息可以来自各个领域，包括自然科学、社会科学、技术工程等。
例如，物理实验中测得的实验数据、经济管理中的统计信息、天气观测中的气象数据等，都是数值分析的对象。
2. 数值分析的目的数值分析的主要目的是通过对数值数据和信息的定量分析，发现其中的规律，提取有用的信息，做出科学的预测和决策。
例如，通过对某种药物的临床试验数据进行数值分析，可以得出这种药物的疗效和毒性情况，为临床医生的治疗决策提供依据。
3. 数值分析的方法数值分析采用数学和计算机科学的方法对数值数据和信息进行处理和分析。
它涉及的具体方法包括数值计算、插值与逼近、数值微分和积分、常微分方程数值解、数值线性代数等。
二、数值分析的基本内容1. 数值计算数值计算是数值分析的基本方法之一，它包括离散化、数值稳定性、误差分析等内容。
离散化是将连续问题转化为离散问题，这是数值计算的基本工作方式。
数值稳定性研究的是数值方法对误差的敏感程度，是评价数值方法好坏的重要指标。
误差分析则研究数值计算中产生的误差的成因和大小。
2. 插值与逼近插值与逼近是数值分析的重要内容之一，它研究如何通过已知的数值数据估计未知函数的值。
插值是通过已知的离散数据点构造一个连续函数，使得这个函数通过这些数据点；逼近则是通过已知的离散数据点构造一个近似函数，使得这个函数与原函数的差尽量小。
3. 数值微分和积分数值微分和积分是数值分析的又一重要内容，它研究如何通过已知的函数值计算函数的导数和定积分值。
数值微分是通过函数值计算函数的导数值；数值积分则是通过函数值计算函数的定积分值。
这两项工作在科学计算中有着广泛的应用。
4. 常微分方程数值解常微分方程数值解也是数值分析的重要内容之一，它研究如何通过数值方法计算常微分方程的近似解。
常微分方程是自然界和技术工程中经常出现的数学模型，因此其数值解的研究有着广泛的应用价值。
(参考资料)数值分析笔记
常用的矩阵范数
n
矩阵的 1-范数:
A
1
max
1 jn
i 1
aij
矩阵的 2-范数:
A 2
max (AT A)
n
矩阵的-范数:
A
max 1in
j 1
aij
n
矩阵的 F-范数: A F
ai2j
i, j1
,也称矩阵的列范数. ,也称为谱范数. ,也称为行范数.
1, 2, …, n 为矩阵 A 的 n 个特征值,
向量的 1-范数:
向量的 2-范数:
向量的-范数:
x 1 x1 x2 xn
x 2
x12 x22 xn2
范数的等价性 m ‖x‖ ‖x‖ M ‖x‖ , xRn
x
max
1in
|
xi
|
常用的三种向量范数等价关系 ‖x‖ ‖x‖1 n‖x‖ , xRn
x x n x ,x Rn
2
x x n x ,x Rn
凡是由精确值经过四舍五入得到的近似值,其绝对误差限等于该近似值末位的半
个单位。
2.设近似值 x 的相对误差限位 10-5，则 x 至少具有（5）为有效数字。
第二章 解线性方程组的直接法
1、Gauss 消去法
是一种规则化的加减消元法，通过逐次消元计算，转化为等价的上三角形方程组。
顺序 Gauss 消去法(简称为 Gauss 消去法):
a11 U
a12 a22 l21u12
a13
a23 l21u13
a33 l31u13 l32u23
（2）平方根法
u11
LDM 分解 和 Cholesky 分解(GGT) D u22
数值分析复习重点.doc
第一章、绪论1、了解数值分析的研究对象与特点。
2、了解误差的来源与分类，会求有效数字，会简单的误差估计。
3、了解误茅的定性分析及避免误茅危害。
第一早、插值重点题目：P19, 5, 7.1、 了解插值的概念。
2、 掌握拉格朗日(Lagrange)插值法及其余项公式。
3、 了解均差的概念及基本性质，掌握牛顿(Newton)插值法。
4、 了解茅分的概念，会牛顿前插公式、后插公式。
5、 会埃尔米特(Hermite)插值及其余项公式。
6、 知道高次插值的病态性质，会分段线性插值和分段埃尔米特插值及其误并和收敛性。
7、 了解三次样条插值，知道其误差和收敛性。
重点题目：P5& 2, 6, 16.第三章、函数逼近与曲线拟合1、 了解函数逼近的基木概念，了解范数和内积空间。
2、 了解正交多项式的概念，了解切比雪夫多项式和勒让德多项式以及它们的性质，知道其他常用止交多项式。
理解最佳一致逼近的概念和切比雪夫定理，掌握简单的最佳一致逼近多项式的求法。
理解最佳平方逼近的概念，掌握最佳平方逼近多项式的求法，了解用止交多项式做最佳平 方逼近的方法。
6、了解最佳平方逼近与快速傅里叶变换。
7、了解有理逼近。
重点题目:P115, 4, 13, 15, 17, 19.第四章、数值积分与数值微分1、 了解数值求积的基本思想、代数精度的概念、插值型求积公式及其代数精度、求积公式的 收敛性和稳定性。
2、 掌握低阶牛顿-柯特斯(Newton-Cotes)公式及其性质和余项。
3、 会复化梯形公式和复化辛普森公式及其余项。
4、 会龙贝格(Romberg)求积算法。
5、 了解高斯求积公式的理论,会高斯-勒让德求积公式和高斯-切比雪夫求积公式。
6、 了解儿种常用的数值微分方法。
重点题目：P15& 1, 4, 6.第五章、解线性方程组的直接方法1、 了解求解方程组的两类方法，了解矩阵基础知识。
2、 掌握高斯消去法，了解矩阵的三角分解。
数值分析复习要点
3 v3 / v3 (
2 10
,
1 10
,
1 10
,
2 10
)T
u3 v3 6 1 2 2 10 3 6 1 2 2
得到R( A)的标准正交基为{ 1 , 2 , 3 }. 1 1 1 1 T 1 1 1 1 T 1 ( , , , ) , 2 ( , , , ) , 2 2 2 2 2 2 2 2 1 3 ( 2,1, 1, 2)T 10
(1) A为对称阵, 用H阵可将A作相似变换为三对角阵
习题
1. 已知向量x (2,0,2,1) , 试构造Householde r阵H
T
使Hx ke3 , 其中e3 0,0,1,0 , k R .
T
2.已知向量x (1,2,1,2)T , 试构造Householde r阵H 使Hx (1, 2 ,0,0)T .
估计迭代次数
|| x ( k ) || B ||k x* || || x (1) x ( 0) || 103 k ? 1 || B ||
收敛速度 R ln( ( B))
SOR分量形式 : (以二阶方程组为例)
( k 1) (k ) ( ( x1 x1 (b1 a11 x1 k ) a12 x2k ) ) a11 x ( k 1) x ( k ) (b a x ( k 1) a x ( k ) ) 2 2 21 1 22 2 2 a22
i , j 1
n
1 2 2
|| A || p max
|| x|| 0
|| Ax || p || x || p
p 1,2, , || A || （行范数）
数值分析复习提纲(修改完)
第一章 绪论【考点1】绝对误差概念。
近似数的绝对误差（误差）：()a =x a E -，如果()δa E ≤则称δ为a 的绝对误差限（误差限）。
【考点2】相对误差限的概念。
近似数a 的相对误差：()()/x a x =a E r -，实际运算()()/a a x a E r -=，a r /δδ=。
【考点3】有效数字定义。
设*x 的近似值a 可表示为n m a a .a a= 21010⨯±，m 为整数，其中1a 是1到9中的一个整数，n a a 2为0到9中的任意整数，若使()n m a||=|x a |E -*⨯≤-1021成立，则a 称近似*x 有位有效数字。
例：设256010002560,00256702.×=.a .=x -*=，则4-10×21=0.00005a -x ≤*。
因为，2-m=所以2n=，a 有2位有效数字。
若257.01000257.02⨯==-a ，则5102100000500000030-≤×=..=x-a ，因为2-=m ，所以3=n ，a 有3位有效数字。
例：设000018.x=，则00008.a=具有五位有效数字。
41021000010-≤×.=x-a ，因为1=m ，所以5=n ，即a 具有五位有效数字。
例：若3587.64=x *是x 的具有六位有效数字的近似值，求x 的绝对误差限。
410×0.358764=x *，即4=m ，6=n ，0.005=1021x -x 6-4⨯≤*【考点4】四舍五入后得到的近似数，从第一位非零数开始直到末位，有几位就称该近似数有几位有效数字。
【考点5】有效数字与相对误差的关系。
设x 的近似数为n m a a .a ×a= 21010±，)(a 01≠如果a 具有n 位有效数字，则的相对误差限为()111021--≤n r ×a δ，反之，若a 的相对误差限为()()1110121--+≤n r ×a δ，则a 至少具有n 位有效数字。
数值分析主要知识点
第三章
非线性方程的数值解法
二分法的思想以及其中对分次数的计算；
不动点迭代法、迭代格式的收敛性判定方法、
误差估计式；
Newton迭代法及其收敛性; 割线法迭代格式；
迭代加速方法。
第四章
线性方程组的直接解法
Gauss消去法与列主元素Gauss消去法； 三角分解（LU）法； 平方根方法（Cholesky分解）； 向量与矩阵范数； 条件数与病态方程组求解。
第五章
曲线拟合与最小二乘问题
拟合与插值的异同点、矛盾方程组的最小二乘解； 满秩分解、法方程组、可化为线性拟合的非线性拟合；
（极小）最小二乘解的存在唯一性、广义逆与极小
最小二乘解;
GS与MGS正交化与最小二乘解；
Householder正交化与最小二乘解。
第六章代法与Gauss-Seidel迭代法及其收敛性；
SOR迭代法及其收敛的必要条件、最佳松弛因子； 解非线性方程组的Newton迭代法与拟Newton思想。
第七章
最优化方法与共轭梯度法
与方程组等价的变分问题、线性寻查（线搜索）法；
最速下降法； 解线性方程组的共轭梯度法。
写、不得打印、不得复印，纸上签有姓名和学号；
可以携带计算器（考试期间不允许互借）。
《数值分析》复习主要知识点 第一章
绪论 基本概念：误差的分类（截断误差、舍入误差）、 绝对误差和相对误差、有效数字;
数值稳定性; 误差分析的原则：1）尽量避免相近的数相减，2）
尽量避免绝对值小的数做除数，3）防止大数吃小数， 4）先化简再计算，5）选用数值稳定的算法;
浮点数系统特征（四个整数表征）。
第八章
数值微分与数值积分
(整理)《数值分析》期末复习纲要.
《数值分析》期末复习纲要 第一章 数值计算中的误差分析主要内容(一)误差分析 1、误差的基本概念：（1）绝对误差：设x 是精确值， *x 是其近似值，则称()E x x x*=-是近似值*x 的绝对误差，简称误差。
特点：可正可负，带量纲。
（2）相对误差：称()r x x E x x *-=是近似值*x 的相对误差，若精确值x 未知，则定义()r x x E x x **-=。
注: 由四舍五入得到的近似值,误差不超过最末位的半个单位(准确到最末位)。
2、有效数字的概念：P6;3、算法的数值稳定性：数值稳定的算法：初始数据所带有的误差在计算的过程中能得到有效控制，不至于因误差的过度增长影响计算结果的精度。
数值不稳定的算法：初始数据所带有的误差在计算的过程中得不到有效控制，以至于因误差的过度增长而使计算结果的精度大大降低。
P11：例子(二)算法设计的基本准则P11-15 应用实例：课堂练习，作业基本要求1、掌握误差、有效数字等基本概念2、熟记算法设计准则，并能依据算法设计准则构造或选择计算公式。
（参见课堂练习、作业）第二章 线性代数方程组的数值解法直接法：不计初始数据的误差和计算过程中的舍入误差，经过有限步四则运算求得方程组的精确解。
迭代法：先给出方程组解的某一初始值，然后按照一定的迭代法则（公式）进行迭代，经过有限次迭代，求得满足精度要求的方程组的近似解。
主要内容（一）直接法的基本模式：高斯顺序消去法基本思想：按照各方程的自然排列顺序（不交换方程），通过按列消去各未知元，将方程组化为同解的三角形方程组来求解求解过程：⎩⎨⎧回代过程消元过程应用实例：课堂例题；练习 （二）高斯列主元消去法基本思想：按列消元，但每次按列消元之前，先选取参与消元的 方程首列系数，选取绝对值最大者，通过交换方程，使之成为主元，再进行消元。
(每一步消元之前先按列选取主元) 应用实例：课堂例题，作业(三)迭代法基本原理：（1）将原方程组b Ax =改写成如下等价形式：f Bx x += （2）构造相应的迭代公式：f Bx x m m +=-)1()(（3）任取一初始向量)0(x代入上述迭代公式，经迭代得到向量序列{}Tm n m m m x x x x ),,,()()(2)(1)( =，如果该向量序列{})(m x 收敛于某一向量Tn x x x x ),,,(21****= ，即),,2,1(lim )(n i x x i m i m ==*∞→Tn x x x x ),,,(21****= 即为原方程组的解。
数值分析笔记
第一章1.设x 为准确值，x*为x 的一个近似值.称e*=x*-x 为近似值的绝对误差，简称误差。
ε*=|e*|叫做近似值的误差限，e ∗x=x ∗−x x为相对误差，εr∗=ε∗|x ∗| 为相对误差限。
2.采用四舍五入原则时，值的误差不超过末位数字的半个单位(对π估计值取3.14时，误差|π-3.14|≤0.5 * 10-2). 3.ε(x 1∗±x 2∗)≤ ε(x 1∗)+ε(x 2∗) ε(x 1∗·x 2∗)≤|x 1∗|ε(x 2∗)+|x 2∗|ε(x 1∗) ε(x 1∗/x 2∗)≤|x 1∗|ε(x 2∗)+|x 2∗|ε(x 1∗)|x 2∗|24.相近数相减、大数吃小数等问题会加大误差。
T1. 已测得某场地长Ɩ的值为Ɩ*=110m ，宽d 的值为d*=80m ，已知 |Ɩ - Ɩ*| ≤ 0.2m ，|d – d*| ≤ 0.1m.试求面积s=Ɩd 的绝对误差限与相对误差限。
解：因为s= Ɩd, ðs ðƖ=d,ðsðd =Ɩ.故 ε(s∗)≈|(ðs ðl)∗|ε(l ∗)+|(ðs ðd)∗|ε(d ∗), (ðs ðl )∗=d ∗=80m (ðsðd)∗=l ∗=110m ε(l ∗)=0.2m ε(d ∗)=0.1m得绝对误差限 ε(s ∗)=27(m 2)相对误差限εr∗=ε(s ∗)|s ∗|=ε(s ∗)l ∗d ∗≈0.31%T3. 计算I n =e −1∫x n e xdx(n =0,1,…)1并估计误差。
解：由分部积分可得I n =e −1∫x n d (e x )=e −1(x n e x |01−∫e x d (x n )1)1=1−e −1n ∫x n−11e xdx =1−nI n−1 I 0=e−1∫e x10dx =1−e −1得到通式{I n =1−nI n−1 (n =1,2,…)I 0=1−e −1(1)为计算出I 0须先计算e -1,采用泰勒展开式，取k=7，使用四位小数计算。
数值分析考试复习总结汇总
第一章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 关于精确数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 ax x E r -=)(, 221018110921)(--⋅=⨯≤x E r . （1Th ）)(a f 对于)(x f 的误差和相对误差.|11||)(|a x f E ---==()25.021011321⨯⋅≤-+---ax x a =310-33104110|)(|--⨯=-≤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 xxx 对（2） ;1,11>>--+x xx xx 对（3）1||,0,cos 1<<≠-x x xx对.解 (1) )21()1(22x x x ++. (2) )11(2x x x x x-++.(3) xxx x x x x cos 1sin )cos 1(sin cos 12+≈+=-. □ 第二章拉格朗日插值公式（即公式（1））∑==ni 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 nij j j i j i x x x x x x x x x l ωω'-=--=∏≠= 其中: ()∏∏≠==-='-=nij j j i i nnj jn x x x xx x 00)(,)()(ωω. 例1 n=1时，线性插值公式 )()()()()(010110101x 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],[)()(1001011x 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],,[)()()()(21002010112122x 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 --+=))(](,,[)](,[)(102100100x x x x x x x f x x x x f x f --+-+=重点是分段插值: 例题:1. 利用Lagrange 插值公式求下列各离散函数的插值多项式（结果要简化）：（1）（2）解(2)：方法一. 由 Lagrange 插值公式)()()()()(332211003x l f x l f x l f x l f x L ⋅+⋅+⋅+⋅= 可得： )21()(23-=x x x L 方法二. 令)()21()(3B Ax x x x L +-=由 23)1(3-=-L ， 21)1(3=L ， 定A ，B （称之为待定系数法） □15.设2)(x x f =，求)(x f 在区间]1,0[上的分段线性插值函数)(x f h ，并估计误差，取等距节点，且10/1=h .解 2)(x x f =， ih x i = ， 10,,1,0 =i ， 101=h设 1+≤≤i i x x x ，则： ii ii i i i i h x x x x x f x x x x x f x f --+--⋅=++++1111)()()(h ihx h i h h i x h i -++-+-⋅=22))1(()1()( 100)1(10)12(+-+=i i x i 误差估计： ))1(()(!2|)()(|max)1(h i x ih x f x f x f hi x ix h +--''≤-+≤≤. □第三章最佳一致逼近:(了解) 最佳平方逼近 主要分两种情形：1. 连续意义下在空间],[2b a L 中讨论2. 离散意义下在n 维欧氏空间n R 中讨论，只要求提供f 的样本值1. 最佳逼近多项式的法方程组设],[2b a L 的1+n 维子空间 n P =span },,,1{2n x x x , 其中 n x x x ,,,12 是],[2b a L 的线性无关多项式系.对],[2b a L f ∈∀，设其最佳逼近多项式*φ可表示为: ∑==ni i i x a 0**φ由 n P f ∈∀=-φφφ ,0),(*⇒ ∑===-ni j i i n j x x a f 0*)1(0,0),(即 ∑===nj ij j i n i x f a x x 0*)1(0),,(),(（*2） 其中⎰⎰⎰⋅==⋅=+b ab abai iji jijidx x x f x f dx x dx x x x x)(),( ,),(称(*2)式为最佳逼近多项式的法方程组（或正规方程组）. 由n i i x 0}{=的线性无关性，可证明G 正定，即 上述法方程组的解存在且唯一 .11、 求x x f πcos )(= ，]1,0[∈x 的一次和二次最佳平方逼近多项式. 解： 设 x a a x P 10*1)(+= ， 2210*2)(x b x b b x P ++= 分别为)(x f 的一次、二次最佳平方逼近多项式。
数值分析复习重点归纳
1. 已知如下数据()i i x y ，，1,2,3,4i =，即（1，8），（2，7），（5，10），（10，21），试求一条形如by ax x=+的最小二乘拟合函数。
2. 考虑n 阶线性代数方程组Ax b =的扰动方程组()()A A x x b b +∆+∆=+∆设A 是非奇异矩阵，∙表示某种向量范数或从属于它的矩阵范数，且11A A -∆<，证明：（1）扰动方程有唯一解； （2）有估计()()1111A A A AA ---+∆≤-∆（3）记()1K A A A -=称为矩阵A 的条件数，则还有估计()()1x A b K A x K A AA A b ⎛⎫∆∆∆≤+ ⎪ ⎪-∆⎝⎭3. 方程组Ax b =，其中10.50.520.5,,0.51a A x a R a -⎡⎤⎢⎥=--∈⎢⎥⎢⎥--⎣⎦（1）试用迭代次数的充要条件求出使jacbi 迭代法收敛的a 的取值范围； （2）选择一种便于计算的迭代收敛的充分条件，求出G-S 迭代法收敛的a 的范围，并求出G-S 迭代公式（分量形式）；4. 设矩阵210131012A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦，试求()()2,,A cond A A ρ. 5. 设求()0f x =的迭代格式，()()()10,1,2,3......n n n n f x x x n f x +=-='收敛到()0f x = 精确解*x ，且*x 是方程()0f x =的单根，试证牛顿迭代格式二阶收敛，即()()()*1*12lim 2n n n n n f x x x x x f x -→∞--''-=-'- 6. 设*x 为()0f x =的一个根，()f x 在*x 的某领域为三次连续可微，且()*0f x ≠，对牛顿法做如下修改：()()()()()()10,1,2,3......n n nnn n n nn f x x x D f x f x f x D n f x +⎧=-⎪⎪⎨+-⎪==⎪⎩，证明该迭代法二阶收敛。
(完整版)数值分析考试复习总结汇总,推荐文档
10
100
误差估计：
f
max | f (x) fh (x) |
(x ih) (x (i 1)h) . 2! ixx(i1)h
□
第三章
最佳一致逼近:(了解) 最佳平方逼近
主要分两种情形：
1. 连续意义下
在空间 L2[a,b]中讨论
2. 离散意义下
在 n 维欧氏空间 Rn 中讨论，只要求提供 f 的样本值
n (x)
(x
xi
)
n
(xi
)
ji
n
n
其中: n (x) (x x j ), n xi (xi x j ) .
j0
j0
ji
例 1 n=1 时，线性插值公式
P1 ( x)
y0
(x x1) (x0 x1)
y1
(x x0 ) (x1 x0 )
，
例 2 n=2 时，抛物插值公式
P2 (x)
可得： L3 (x) x 2 (x 1 2)
方法二. 令
L3 (x) x(x 1 2) ( Ax B)
由
L3
(1)
3 2
，
L3 (1)
1， 2
定 A，B
（称之为待定系数法）
□
15.设 f (x) x2 ，求 f (x) 在区间[0,1] 上的分段线性插值函数 fh (x) ，并估计误差， 取等距节点，且 h 1/10 .
(2)
2x ( x 1 x
x 1 x) .
(3) 1 cos x sin 2 x sin x .
□
x
x(1 cos x) 1 cos x
第二章
拉格朗日插值公式（即公式（1））
数值分析考点整理
39
Gauss 型 求 积 公 式
不 是
插 值 型 求 积 公 式
(1). (2).
n 个节点的插值型求积公式的代数精度不会超过 2n－1 次。 Gauss 点与积分区间____无关_____但与被积函数___有关。
40
牛顿－科茨求积公式与高斯型求积公式的关键不同点是:牛顿－ 科茨求积公式的节点和求积系数确定后， 再估计其精度； 高斯型求积 公式是由精度确定其节点和求积系数。
5
零,是方阵 A 能进行 LU 分解的充分条件；严格行对角占优阵
能进行 LU 分解；非奇异矩阵不一定能进行 LU 分解。
(2).
设 A 是正定矩阵，则 A 的 cholesky 的分解唯一
L — — 单 位 下 三 角 矩 阵
U — — 上 三 角 矩 阵
6
7
4.向量范数和矩阵范数 本章节只要理解范数的基本定义并会计算三种范数及谱半径就 行了！
等分，即要计算个
42
43
44
用复合梯形公式，复合 Simpson 公式计算
1 x
0
1
4
2
dx 的近似值（保留小数点后三位）
T8
1 1 1 3 1 5 3 7 { f (0) 2[ f ( ) f ( ) f ( ) f ( ) f ( ) f ( ) f ( )] f (1)} =3.139 16 8 4 8 2 8 4 8 1 1 3 5 7 1 1 3 S 4 { f (0) 4[ f ( ) f ( ) f ( ) f ( )] 2[ f ( ) f ( ) f ( )] f (1)} 24 8 8 8 8 4 2 4 =3.142
合用复合梯形公式复合simpson公式计算???10214dxx?的近似值保留小数点后三位187438521834181201618ffffffffft?????????31391432141287858381402414fffffffffs?????????3142计算积分??20sin?xdxi若用复合simpson公式要使误差不超过51021??问区间20?要分为多少等分
数值分析考试复习总结
第一章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 关于精确数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 ax x E r -=)(, 221018110921)(--⋅=⨯≤x E r . （1Th ）)(a f 对于)(x f 的误差和相对误差. |11||)(|a x f E ---==()25.021011321⨯⋅≤-+---ax x a =310-33104110|)(|--⨯=-≤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 xxx 对（2）;1,11>>--+x xx xx 对（3）1||,0,c o s 1<<≠-x x xx对.解 (1) )21()1(22x x x ++. (2) )11(2x x x x x-++.(3) xxx x x x x cos 1sin )cos 1(sin cos 12+≈+=-. □ 第二章拉格朗日插值公式（即公式（1））∑==ni i i n x l y x p 0)()(插值基函数（因子）可简洁表示为)()()()()()(0i ni n nij j j i j i x x x x x x x x x l ωω'-=--=∏≠= 其中: ()∏∏≠==-='-=nij j j i i nnj jn x x x xx x 0)(,)()(ωω. 例1 n=1时，线性插值公式 )()()()()(010110101x 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],[)()(1001011x 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],,[)()()()(21002010112122x 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 --+=))(](,,[)](,[)(102100100x x x x x x x f x x x x f x f --+-+=重点是分段插值: 例题:1. 利用Lagrange 插值公式求下列各离散函数的插值多项式（结果要简化）：（1）（2）解(2)：方法一. 由 Lagrange 插值公式)()()()()(332211003x l f x l f x l f x l f x L ⋅+⋅+⋅+⋅= 可得： )21()(23-=x x x L 方法二. 令)()21()(3B Ax x x x L +-=由 23)1(3-=-L ， 21)1(3=L ， 定A ，B （称之为待定系数法） □15.设2)(x x f =，求)(x f 在区间]1,0[上的分段线性插值函数)(x f h ，并估计误差，取等距节点，且10/1=h .解 2)(x x f =， ih x i = ， 10,,1,0 =i ， 101=h设 1+≤≤i i x x x ，则： ii ii i i i i h x x x x x f x x x x x f x f --+--⋅=++++1111)()()(h ihx h i h h i x h i -++-+-⋅=22))1(()1()( 100)1(10)12(+-+=i i x i 误差估计： ))1(()(!2|)()(|ma x )1(h i x ih x f x f x f hi x ix h +--''≤-+≤≤. □第三章最佳一致逼近:(了解) 最佳平方逼近 主要分两种情形：1. 连续意义下在空间],[2b a L 中讨论2. 离散意义下在n 维欧氏空间n R 中讨论，只要求提供f 的样本值1. 最佳逼近多项式的法方程组设],[2b a L 的1+n 维子空间 n P =span },,,1{2n x x x , 其中 n x x x ,,,12 是],[2b a L 的线性无关多项式系.对],[2b a L f ∈∀，设其最佳逼近多项式*φ可表示为: ∑==ni i i x a 0**φ由 n P f ∈∀=-φφφ ,0),(*⇒ ∑===-ni j i i n j x x a f 0*)1(0,0),(即 ∑===nj ij j i n i x f a x x 0*)1(0),,(),(（*2） 其中⎰⎰⎰⋅==⋅=+b ab abai iji jijidx x x f x f dx x dx x x x x)(),( ,),(称(*2)式为最佳逼近多项式的法方程组（或正规方程组）. 由n i i x 0}{=的线性无关性，可证明G 正定，即 上述法方程组的解存在且唯一 .11、 求x x f πcos )(= ，]1,0[∈x 的一次和二次最佳平方逼近多项式. 解： 设 x a a x P 10*1)(+= ， 2210*2)(x b x b b x P ++= 分别为)(x f 的一次、二次最佳平方逼近多项式。
数值分析期末复习总结(优选.)
线性插值多项式（一次插值多项式）
n=2
L2 ( x) =
y0
(x ( x0
− −
x1 )( x − x2 ) x1 )( x0 − x2 )
+
y1
(x ( x1
− −
x0 )( x − x2 ) x0 )( x1 − x2 )
+
y2
(x ( x2
− −
x0 )( x − x1 ) x0 )( x2 − x1 )
f ( x=) f ( x0 ) + ( x − x0 ) f [x, x0]
1
f [ x, x0 ] = f [ x0 , x1] + ( x − x1 ) f [ x, x0 , x1]
2
……
f [ x, x0 , ... , xn−1] = f [ x0 , ... , xn ] + ( x − xn ) f [ x, x0 , ... , xn ] n−1
19
Newton 插值
为什么 Newton 插值
Lagrange 插值简单易用，但若要增加一个节点时，全部基函
数 lk(x) 都需重新计算，不太方便。
解决办法
设计一个可以逐次生成插值多项式的算法，即 n 次插值多项式 可以通过 n-1 次插值多项式生成 —— Newton 插值法
20
新的基函数
设插值节点为 x0 , … , xn ，考虑插值基函数组 ϕ0(x) = 1 ϕ1( x)= x − x0 ϕ2( x) = ( x − x0 )( x − x1 )
18
插值余项
几点说明
余项公式只有当 f(x) 的高阶导数存在时才能使用
ξx 与 x 有关，通常无法确定, 实际使用中通常是估计其上界
数值分析4.30笔记
数值分析笔记4.30笔记只是上课的辅助部分，远远不如老师讲的精彩！本次课程比较难，可能复述的不太明白。
新课导入由于数据测量存在误差，所以测量的点不一定完全正确。
插值的方法，可以通过这些点，但由于这些点存在误差，所以在生产实际中插值未必是最好的办法，从而引入拟合的概念。
找一条合适的曲线，让它到每个测量点的距离的平方和最小。
这条曲线就是我们要的拟合曲线。
曲线的类型往往通过我们的经验来取得。
常见的有以下几种类型一、 线性拟合若给定数组（i i y x ,） 其中 i =1,2,…… n 把各个点放到坐标系里，得到如果得到以下点，我们根据点的分布，推断可能有一条直线，可以最接近每个点，设直线为 y=a 1 +a 2 x图形中 a 1 为截距，a2 为斜率，若a1 a2 可知，则直线可求。
那么如何得到一个合适的曲线呢。
对应相同的x 测量点的值为1y ，曲线上的点为 121x a a + 这两距离就是第一个误差。
即 误差=1121y x a a -+ 对于2x 点，道理一样。
如果简单把这些误差累加，由于方向不同，可能使部分误差抵消。
比如有4个点误差分别为1,5，-3，-3.如果简单做和，为0.数值上显示没有误差，与实际不符。
因此对每一个误差做平方，使其符号一致再求和。
可以真实显示出曲线和各个点的位置关系是否最好。
设关于21,a a 的方程为),(21a a S 则有：∑=-+niiiyxaa1221])[(=),(21aaS误差平方和最小的直线，就是与原数据拟合最好的。
利用matlab软件进行线性拟合有两种函数“\”“polyfit()”老师证明了一下函数的合理性，我的高数、线数基本忘光，复述有困难，此处省略500字。
介绍matlab 使用中函数的格式例题一：具体步骤：打开MATLAB软件：新建文件夹disanke 双击右键新建文件quxnh.m 双击打开删除前三行写入程序如下分别用“\”“polyfit”编程运行后结果二、 非线型拟合 方法1. 线性化 例题：y=x ae b 该曲线 为非线型曲线， 可以两端同时去对数y l n =a ln +bx取 z=lny A=lna则 z= a+bx z 与x 间 为线型 2. 直接法用matlab 解决非线性拟合的方法：这两个函数所需信息量比较多，老师上课时候逐条介绍了，我复述不清楚，此处省略300字。
数值分析期末复习知识点
第一章（有效数字位数）1、经四舍五入取近似值，其绝对误差限不超过末尾数字的半个单位。
2、设X*为准确值，X为近似值，称e=X*-X为近似值X的绝对误差，简称误差（显然e可正可负，准确值X*未知，因此e的准确值无法求出）3、|e|=|X-X*|≤ŋ，则称ŋ为近似值X的绝对误差限，简称误差限。
4、e r=e/X*称为相对误差，由于准确值X*总是未知的，所以也把e r*=e/X称为近似值X的相对误差5、|e r*|=|e/X|≤ŋ*，则称ŋ*为近似值X的相对误差限6、设X是X*的近似值，如果|X*-X|≤1/2×10-k,则称用X近似值表示X*时准确到小数点后第k位，并称从小数点后第k位起，直到最左边的非零数字之间的所有数字为有效数字，称有效数字的位数为有效数位。
7、设X是X*的近似值，X=±10m×0.a1a2…,其中a i（i=2，3…）是0到9之间的自然数，a1≠0，m为整数，如果|X*-X|≤1/2×10m-n，那么称近似值有n位有效数字。
8、四舍五入所得到的数均为有效数字，但并不是说非四舍五入所得到的数不能为有效数字。
第二章、非线性方程求根（不动点迭代、牛顿法、弦截法、快速弦截法、局部收敛、全局收敛、收敛阶）1、不动点迭代法（迭代法）（单根区间求解方法）：将非线性方程f（x）=0化为一个同解方程x=ø（x），若要求f（x*）=0，则x*=ø（x*），称x*为f（x）的零点，为ø（x）的一个不动点。
2、定理：设迭代函数ø（x）在【a，b】上连续，且满足（1）当x∈【a，b】时，a≤ø（x）≤b，（2）存在一正数L，满足0<L<1,且∀x∈【a，b】,有|ø/（x）|≤L<1。
则1、方程x=ø（x）在【a，b】内有唯一解x*。
2、对于任意初值x0∈【a，b】,迭代法x k+1=ø（x k）均收敛x*3、设ø（x）有不动点x*，如果存在x*的一个邻域 S:|X*-X|< ŋ,对任意初值x0∈S,迭代过程x k+1=ø（x k）均收敛，则称迭代过程在根x*邻近局部收敛。
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。
- 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)。
始向量 x(0) = (0, 0, 0)T，用该迭代方法求近似解 x(k+1)（取小数点后四位） ，使 x
( k 1)
x(k )
10 3 。
7、 （某考题）为求方程 x3-x2-1=0 在初始值 x0=1.5 邻近的一个根，把方程改写成一下等价形式：
（1）求 f (x)的二次牛顿（Newton）插值多项式； （2）求 f (0.25)的近似值（取小数点后五位） ，并写出余项。 5、 （06 期末）给出 f (x)=3.6/x 的数值表： x f (x ) （1）求均差表； （2）写出三次牛顿插值多项式 N3 (x)； （3）利用上述插值多项式 N3 (x)计算 f (2.5)的近似值，并估算其误差大小。 6、 （12 期末）确定 a、b、c、d、e 的取值，使得下列函数是以： x y 0 1 1 1 2 0 3 10 1 3.60 2 1.80 3 1.20 4 0.90
1
-1
f ( x)dx A0 f ( x0 ) A1 f ( x1 ) A2 f ( x2 ) 中的高斯点 x0、x1、x2
和求积系数 A0、A1、A2 的值，并指明该求积公式的代数精度； （2）用上述求积公式求积分
3
1
dx 的近似值。 x
4、 （03 期末） （1）写出数值积分梯形法的递推化算法； （2）用龙贝格（Romberg）算法计算积分 I
★ 小明哥说要考的题型
填空题（15 分）、选择题（15 分）、计算及证明题（70 分）
一、插值与逼近（§2、3 章）
☆ 计算题： 1、 （05 期末）已知 y=sinx 的下列数据： x y π/6 0.5000 π/4 0.7071 π/3 0.8660
试用抛物插值公式求 x=π/5 处的近似值，并估计误差。 2、 （10 期末）已知 f ( x) 1 ，且有：
4 8.0000
已知上述数据的拟合曲线形如 y ae ，请确定参数 a 和 b。 14、 （11 期末）已知函数值表： x y -2 0 -1 1 0 2
2
1 1
2 0
用最小二乘法拟合这组数据的二次多项式 y a0 a1 x a2 x 。 15、 （03 期末）已知函数值表： x y 用最小二乘法求形如 y ☆ 证明题： 1.00 5.10 1.25 5.79 1.50 6.53 1.75 7.45 2.00 8.46
0 2 4 1
0 x1 6 0 x2 7 , X , b x 2 7 3 4 5 x4
（1）分别写出解上述方程组的雅可比（Jacobi）迭代、高斯-塞德尔（Gauss-Seidel）迭代和逐次超松弛 迭代（SOR）的迭代公式，并取 x(0) = (0, 0, 0, 0)T，用 SOR 迭代（ω=1.5）求它的一步迭代值； （2）用追赶法求解上述方程组（保留小数点后四位） 。 4、 （08 期末）设线性方程组：
（1）写出解此方程组的 Jacobi 迭代格式，并讨论 a 的取值范围使得该迭代格式收敛； （2）写出解此方程组的 Gauss-Seidel 迭代格式，并讨论 a 的取值范围使得该迭代格式收敛。 6、 （10 期末）设线性方程组：
x1 8 x2 7 x1 9 x3 8 9 x x x 7 1 2 3
b
a
f ( x)dx A0 f ( x0 ) A1 f ( x1 ) ... An f ( xn ) (*)
证明：求积公式（*）具有 n 次代数精度的充分必要条件是其为插值型的。
三、线性方程组与非线性方程（组）的数值解法（§5、6、7 章）
☆ 计算题： 1、 （03 期末）分别用高斯（Gauss）列主元消去法和 LU 分解法求解线性方程组：
0 1 2 1
2 0 4 0
0 x1 5 1 x2 3 , X , b x 3 17 3 3 7 x4
3、 （04 期末）设线性方程组 AX=b：
4 1 A 0 0
2 4 1 0
（1）求 T3(x)，T4(x)； （2）求多项式 f ( x) 2 x x 5 x 1 在[-1, 1]上的三次最佳一致逼近多项式 P3(x)。
4 3 2
9、 （09 期末）求函数 f (x)=arctan x 在[0, 1]上关于φ=span{1, x}带权ρ (x)=1 的最佳平方逼近多项式。 10、 （06 期末）求函数 f (x)=2x3+x2+2x-1 在[-1, 1]上关于φ=span{1, x, x2}带权ρ (x)=1 的最佳平方逼近多项 式。 11、 （08 期末）将 f ( x)
《数值分析》复习笔记
毛主席教导我们：“因为不可抗的压力，被迫处于被动地位的时候，这时的任务就是要努力脱出这种被动。如何脱出，须依情况而定。 在 许多情况下，‘走’是必须的。游击队的会走，正是其特点。走是脱离被动恢复主动的主要方法。往往有这种情形，有利的情况和主动的恢复， 产生于‘再坚持一下’的努力之中。”
1 的拟合曲线。 a bx
pn ( x ) （03 期末） 试证： 在[-1, 1]上的所有最高次项系数为 1 的 n 次多项式中， 勒让德 （Legendre） 多项式 ~
与零的平方误差最小。
二、数值积分与数值微分（§4 章）
☆ 计算题： 1、 （12 期末） （1）确定求积公式
1
-1
f ( x)dx Af (
x1 2 x2 2 x3 1 x1 x2 x3 2 2 x 2 x x 1 1 2 3
写出解上述方程组的 Jacobi 迭代格式和 Gauss-Seidel 迭代格式，并讨论它们的收敛性。 5、 （12 期末）已知线性方程组：
x1 ax2 b1 ax1 2 x2 b2
为插值节点的自然三次样条插值函数。
1 x x3 x [0,1] 2 3 f ( x) a b( x 1) c( x 1) d ( x 1) x [1,2] 4( x 2) 9( x 2) 2 e( x 2) 3 x [2,3]
x 在区间[0, 1]上按 Legendre 多项式展开求一次最佳平方逼近多项式。
4
12、 （07 期末）求函数 f ( x) x 在区间[-1, 1]上的二次最佳平方逼近多项式。 13、 （12 期末）给出离散数据如下表： x y 0 2.0000 1 2.5000
bx
2 4.0000
3 6.0000
3 3 ) Bf (0) Cf ( ) 中的待定参数 A、B、C，使 5 5
其代数精度尽可能高，并指出所得公式的代数精度。该公式是否为高斯型求积公式？（2）用该求积公式 计算
4
0
sin t dt 。 t 1 (3 期末）已知勒让德（Legendre）多项式： P2 ( x) （1）试确定求积公式
2 4 x12 x2 2 x1 x2 x2 2 0 2 2 2 x1 3 x1 x2 x2 3 0
1
-1
f ( x)dx 0 f ( x0 ) 1 f ( x1 ) 中的待定系数 x0、x1、λ0、λ1 的值，使其代数精度
尽可能高，并指明该求积公式的代数精度； （2）用上述求积公式求积分
4
0
dx 的近似值。 x6 1 (5 x 3 3 x) ， 2
3、 （06 期末）已知勒让德（Legendre）多项式： P3 ( x) （1）试确定三点高斯-勒让德求积公式
2 2 3 x1 3 4 7 7 x 1 2 2 4 5 x3 7
2、 （09 期末）试用杜利特尔（Doolittle）分解法求解线性方程组 AX=b，其中：
1 0 A 1 0
（1） x 3 1 x 2 ； （2） x 1 1 ； （3） x 1 2 x x 1
试建立相应的简单迭代公式，并分析各迭代公式的收敛性，据此选择一种迭代公式作为计算公式。 8、 （04 期末）应用 Newton 迭代法于方程 x3-a=0，导出求 3 a 的迭代公式。 9、 （03 期末）用 Newton 迭代法求解方程组：
m
x f (x )
0.32 8.08
0.34 3.68
0.36 1.66
（1）求 f (x)的二次拉格朗日（Lagrange）插值多项式； （2）用二次拉格朗日插值多项式求 f (0.33)的近似值（取小数点后三位） ，并计算截断误差。 3、 （08 期末）设 f (x)=x4，取节点为-1，0，1，2， （1）试用拉格朗日基函数写出 f (x)的三次插值多项式； （2）试用余项公式写出 f (x)的三次插值多项式。 4、 （09 期末）已知： x f (x ) -1 1 0 2 0.5 3
1 x
0
1
4
2
dx 的近似值，要求二分三次，结果取 9 位小数。
☆ 证明题： 1、 （05 期末）证明：插值型求积公式
b
a
f ( x)dx Ak f ( xk ) 的节点 a x0 x1 ... xn b 是高斯点
k 0
n
的充分必要条件是以这些节点为零点的多项式ωn+1(x)与任何次数不超过 n 的多项式 p(x)正交。 2、 （某考题）已知连续函数 f (x)在区间[a, b]上的数值求积公式为：
7、 （05 期末）求函数 f ( x) 3 x 在区间[-1, 1]上的二次最佳一致逼近多项式（已知切比雪夫多项式