数值分析-第一章-学习小结

数值分析

第1章绪论

--------学习小结

一、本章学习体会

通过本章的学习，让我初窥数学的又一个新领域。数值分析这门课，与我之前所学联系紧密，区别却也很大。在本章中，我学到的是对数据误差计算，对误差的分析，以及关于向量和矩阵的范数的相关内容。

误差的计算方法很多，对于不同的数据需要使用不同的方法，或直接计算，或用泰勒公式。而对于二元函数的误差计算亦有其独自的方法。无论是什么方法，其目的都是为了能够通过误差的计算，发现有效数字、计算方法等对误差的影响。

而对误差的分析，则是通过对大量数据进行分析，从而选择出相对适合的算法，尽可能减少误差。如果能够找到一个好的算法，不仅能够减少计算误差，同时也可以减少计算次数，提高计算效率。

对于向量和矩阵的范数，我是第一次接触，而且其概念略微抽象。因此学起来较为吃力，仅仅知道它是向量与矩阵“大小”的度量。故对这部分内容的困惑也相对较多。

本章的困惑主要有两方面。一方面是如何能够寻找一个可靠而高效的算法。虽然知道算法选择的原则，但对于很多未接触的问题，真正寻找一个好的算法还是很困难。另一方面困惑来源于范数，不明白范数的意义和用途究竟算什么。希望通过以后的学习能够渐渐解开自己的疑惑。

二、本章知识梳理

2.1 数值分析的研究对象

方法的构造

研究对象

求解过程的理论分析

数值分析是计算数学的一个重要分支，研究各种数学问题的数值解法，包括方法的构造和求解过程的理论分析。它致力于研究如何用数值计算的方法求解各种基本数学问题以及在求解过程中出现的收敛性，数值稳定性和误差估计等内容。

2.2误差知识与算法知识

2.2.1误差来源

误差按来源分为模型误差、观测误差、截断误差、舍入误差与传播误差五种。其中模型误差与观测误差属于建模过程中产生的误差，而截断误差、舍入误差与传播误差属于研究数值方法过程中产生的误差。

2.2.2绝对误差、相对误差与有效数字

1.（1）绝对误差e指的是精确值与近似值的差值。

绝对误差：

绝对误差限：

（2）相对误差是指绝对误差在原数中所占的比例。

相对误差：

相对误差限：

结论：凡是经过四舍五入而得到的近似值，其绝对误差不超过该近似值末位的半个单位。

（3）有效数字的定义

有效数字的第一种定义:设a是x的近似值，如果a的误差绝对值不超过x 的第k位小数的半个单位，即则称近似值a准确到小数点后第

k位。从小数点后的第k位数字直到最左边非零数字之间的所有数字都叫有效数字。

有效数字第二种定义：设数x的近似值其中m是整数，是0,1,2，，9中的任意数，但,若

则具有k位有效数字。

通过学习总结出下面几个结论：

（1）若a是经过四舍五入而得到的近似值，则从它的末位数字到第一位非零数字都是有效数字。

（2）将任何数乘以10p（p=0，±1，±2，…）等于移动该数的小数点，并不影响其有效数字。

（3）有效数字相同的两个近似值的绝对误差不一定相同。

（4）准确值被认为具有无穷多位有效数字。

从有效数字的定义可以知道，由准确值经过四舍五入得到的近似值，从它的末位数字到第一位非零数字都是有效数字。

2.（1）相对误差与有效数字的关系：

若近似数具有n位有效数字，则其相对误差

。

若近似数的相对误差则该

近似数至少具有n位有效数字。

结论：有效数字位数越多，相对误差越小。

（2）绝对误差与有效数字的关系：

若其中m是整数，是0到9中的一个数字，.如果a作为数x的近似值，且a具有n位有效数字，则

若其中m是整数，是0到9中的一个数字，.如果a作为数x的近似值，如果|e（）则

a 具有n位有效数字。

结论：有效数字位数越多，绝对误差越小。

2.2.3误差估计的基本方法

1.（1）对于一元函数：

（2）二元函数：

)()

,()(),()),((b y

b a f a x b a f b a f εεε???+???≈

（3）n 元函数：

设

存在足够高阶的导数，a 是自变量x 的近似值，则是

的近似值。 如果且比值

不是很大，

则

2.算数运算误差：

2.2.4算法及计算复杂性

在数值计算中，要注意遵循一些原则，以保证数值稳定性。（1）能控制舍入误差的传播。

（2）合理安排量级相差悬殊数间的运算次序，防止大数将小数吃掉。（3）避免两个相近的数相减。

（4）避免接近零的数做除数，防止溢出。

（5）简化计算步骤，尽量减少运算次数。

2.3向量范数与矩阵范数

2.3.1 向量范数

1.向量范数满足三个条件：

（1）正定性

（2）齐次性

（3）成立三角不等式

2.对于中的任一向量则有

1-范数（列范数）

2-范数（欧氏范数）

P-范数

∞-范数

3.在空间中可以引进各种向量范数，且它们都满足下述向量定理：

设是上的任意两种向量范数，则存在与向量x无关的数m和M （0

也就是说，向量x的某一范数可以任意小（大）时，该向量的其它任意一种范数也会任意小（大）。

2.3.2矩阵范数

1.定义在上的实值函数称为矩阵范数，如果对于中任意的矩阵A和B，阵范数满足下列条件：

（1）非负性

（2）齐次性

（3）成立三角不等式

（4）相容性

2.当一个问题中需要向量范数和矩阵范数时，向量范数和矩阵范数应该是相容的。

对于给定的向量范数和矩阵范数，如果对于任一个x∈R n，A∈R n×n，满足，则所给的向量范数和矩阵范数是相容的。

设在中给定了一种向量范数，对任意矩阵，令

，由此定义的矩阵范数与给定的向量范数相容，将这种范数称为从属于所给定的向量范数的矩阵范数。

3.设A=,则：

矩阵A的列范数

矩阵A的谱范数

矩阵的行范数

弗罗贝尼乌斯范数

4.设矩阵的某种范数，则为非奇异矩阵，并且当这种范数

为算子范数时，还有

成立。

三、 本章思考题

问题：

向量和矩阵有多种范数，如1范数、2范数、∞范数。而作为向量和矩阵“大小”的度量，为什么要用这么多种范数来度量，而不是专门指定一种范数？ 个人理解：

1. 对于不同向量和矩阵，从运算等方面考虑，某一种或几种范数在计算上较为简单方便；

2. 对于不同领域，某一种或者几种范数，其应用价值和使用价值更高。

四、 本章测验题.

设????

??????---=953765432

A

试求 F

p A

p A ,,1,∞=

知识点：关于1-范数、∞-范数、佛罗比尼乌斯范数的概念及其计算。 解：=1A max （2+|-5|+3,3+|-6|+5,4+|-7|+9）=20

=∞A max （2+3+4,|-5|+|-6|+|-7|,3+5+9）=18 2549537654322222

22222=+++-+-+-+++=）（）（）（F

A

最新第六章习题答案-数值分析

第六章习题解答 2、利用梯形公式和Simpson 公式求积分2 1 ln xdx ? 的近似值，并估计两种方法计算值的最大 误差限。 解：①由梯形公式： 21ln 2 ()[()()][ln1ln 2]0.3466222 b a T f f a f b --= +=+=≈ 最大误差限 3''2 ()111 ()()0.0833******** T b a R f f ηη-=-=≤=≈ 其中，(1,2)η∈ ②由梯形公式： 13()[()4()()][ln14ln()ln 2]0.38586262 b a b a S f f a f f b -+= ++=++≈ 最大误差限 5(4)4()66 ()()0.0021288028802880 S b a R f f ηη-=-=≤≈， 其中，(1,2)η∈。 4、推导中点求积公式 3''()()()()() ()224 b a a b b a f x dx b a f f a b ξξ+-=-+<

数值分析第二章小结

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

数值分析(计算方法)总结

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|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。 2.比例法不是通过使求根区间缩小到0来求根，而是在一定条件下直接构造出一个点列（递推公式），使该点列收敛到方程的根。——这正是迭代法的基本思想。 事先估计: 事后估计 局部收敛性判定定理： 局部收敛性定理对迭代函数的要求较弱，但对初始点要求较高，即初始点必须选在精确解的附近 Steffensen迭代格式： Newton法： Newton下山法：是下山因子 弦割法： 抛物线法：令 其中：

数值分析第五章学习小结

第五章学习小结 姓名：张亚杰班级：机械1505班学号：S2******* 一、本章学习体会 本章的内容与实际关联很大，可以解决很多工程实际问题。1、主要有两方面内容：插值与逼近。插值即是由已知数据通过某种多项式求出在特定区间的函数值。逼近即是用简单函数近似代替复杂函数，如何在给定的精度下，求出计算量最小最佳的多项式，是函数逼近要解决的问题。2、插值中样条插值比较难，需要花一定的时间。逼近主要是必须使选择的多项式计算出的误差最小。3、我个人觉得本章的难点是样条插值与最佳平方逼近。 二、知识构图： 因为本章内容较多，故本次知识架构图分为三部分：插值、正交多项式和逼近。 1、插值：

2、正交多项式和逼近的知识总结采取以下方式： 一、正交多项式 1、正交多项式的概念与性质 若在区间上非负的函数满足 （1）对一切整数存在； （2）对区间上非负连续函数，若 则在上，那么，就称为区间上的权函数。 常见的权函数有 2、两个函数的内积 定义：给定[](),(),,()f x g x C a b x ρ∈是上的权函数，称 为函数()f x 与()g x 在[a,b]上的内积。 内积的性质： （1）对称性：()(),,f g g f =； （2）数乘性：(),(,)(,)kf g f kg k f g ==； （3）可加性：()()()1212,,,f f g f g f g +=+； （4）非负性：若在[a,b]上()0f x ≠，则。 (,)a b ()x ρ0,()b n a n x x dx ρ≥?(,)a b ()f x ()0b n a x x dx ρ=? (,)a b ()0f x ≡()x ρ(,)a b 2 ()1,()11 ()11(),0(),x x x a x b x x x x x e x x e x ρρρρρ--≡≤≤= -<<=-≤≤=≤<∞=-∞<<+∞ (,)a b (,)()()()b a f g x f x g x dx ρ=?(,)0f f >

数值分析 第一章 学习小结

数值分析 第1章绪论 --------学习小结 一、本章学习体会 通过本章的学习，让我初窥数学的又一个新领域。数值分析这门课，与我之前所学联系紧密，区别却也很大。在本章中，我学到的是对数据误差计算，对误差的分析，以及关于向量和矩阵的范数的相关内容。 误差的计算方法很多，对于不同的数据需要使用不同的方法，或直接计算，或用泰勒公式。而对于二元函数的误差计算亦有其独自的方法。无论是什么方法，其目的都是为了能够通过误差的计算，发现有效数字、计算方法等对误差的影响。 而对误差的分析，则是通过对大量数据进行分析，从而选择出相对适合的算法，尽可能减少误差。如果能够找到一个好的算法，不仅能够减少计算误差，同时也可以减少计算次数，提高计算效率。 对于向量和矩阵的范数，我是第一次接触，而且其概念略微抽象。因此学起来较为吃力，仅仅知道它是向量与矩阵“大小”的度量。故对这部分内容的困惑也相对较多。 本章的困惑主要有两方面。一方面是如何能够寻找一个可靠而高效的算法。虽然知道算法选择的原则，但对于很多未接触的问题，真正寻找一个好的算法还是很困难。另一方面困惑来源于范数，不明白范数的意义和用途究竟算什么。希望通过以后的学习能够渐渐解开自己的疑惑。 二、本章知识梳理

2.1 数值分析的研究对象 数值分析是计算数学的一个重要分支，研究各种数学问题的数值解法，包括方法的构造和求解过程的理论分析。它致力于研究如何用数值计算的方法求解各种基本数学问题以及在求解过程中出现的收敛性，数值稳定性和误差估计等内容。 2.2误差知识与算法知识 2.2.1误差来源 误差按来源分为模型误差、观测误差、截断误差、舍入误差与传播误差五种。其中模型误差与观测误差属于建模过程中产生的误差，而截断误差、舍入误差与传播误差属于研究数值方法过程中产生的误差。 2.2.2绝对误差、相对误差与有效数字 1.（1）绝对误差e指的是精确值与近似值的差值。 绝对误差：

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。 a(k=1,2,```,n-1)均不为零的充分必要条件定理顺序Gauss消去法的前n-1个主元素)(k kk 是方程组的系数矩阵A的前n-1个顺序主子式

第六章习题答案数值分析.docx

第六章习题解答 2 2、利用梯形公式和 Simpson 公式求积分 ln xdx 的近似值， 并估计两种方法计算值的最大 1 误差限。 解：①由梯形公式： T ( f ) b a [ f (a) f (b)] 2 1 [ln1 ln 2] ln 2 0.3466 2 2 2 最大误差限 R ( f ) (b a)3 f '' ( ) 1 1 1 0.0833 T 12 12 2 12 12 其中， (1,2) ②由梯形公式： b a 4 f ( b a f (b)] 1 4ln( 3 ln 2] 0.3858 S( f ) [ f (a) ) [ln1 ) 6 2 6 2 最大误差限 R S ( f ) (b a)5 f (4) ( ) 6 6 0.0021， 2880 2880 4 2880 其中， (1,2) 。 4、推导中点求积公式 f ( x)dx (b a) f ( a b ) (b a) 3 (a b) b a 2 24 证明： 构造一次函数 P （ x ），使 P a 2 b f a b , P ' ( a b ) f ' ( a b ), P '' ( x) 0 2 2 2 则，易求得 P( x) f ' ( a b )( x a b ) f ( a b ) 2 2 2 且 P(x)dx f ' ( a b )( x a b ) f ( a b ) dx b b a a 2 2 2 f ( a b )dx (b a) f ( a b ) ，令 P(x)dx I ( f ) b b a 2 2 a 现分析截断误差：令 r ( x) f ( x) P(x) f ( x) f ' ( a b )( x a b ) f ( a b ) 2 2 2 由 r ' ( x) f ' (x) f ' ( a b ) 易知 x a 2 b 为 r (x) 的二重零点， 2 a b )2 ， 所以可令 r (x) ( x)( x 2

第六章学习小结

第6章数值积分 --------学习小结 一、本章学习体会 通过学习本章我学会了利用计算机求积分的方法，可以说这一章是第五章的一个应用。其基本思想是对被奇函数进行拟合，给出数值积分。 这一章有个小小的疑惑:王老师上课说，我们都是在第五章拉格朗日插值法的思想下推出的许多求积分的方法，别的方法不好。我想假如我们在实际中求某个函数的积分，我们可先求出某些节点的函数值，然后用曲线拟合的方法或别的函数逼近的方法求出函数近似表达式，然后积分，感觉这样也挺好的。还有一个疑惑就是高斯型求积公式是在拉格朗日插值法的基础上推出的为什么能具有收敛性。拉格朗日插值中当节点数过多时不是就不准确了吗？ 二．本章知识梳理 第六章学的是数值积分。在实际工程中有很多积分我们是没有办法直接手工算出的，我们必须借助与计算机，而我们这章学的就是如何利用计算机实现积分的近似计算即数值积分法。 我们先介绍了插值型求积公式，这种方法实质是利用拉格朗日插值法近似逼近被插函数，后来我们通过一个例题了解到插值节点的选取对积分的代数精度有很大影响，我们就想到了直接将被积区间等分，就有了Newton-cotes求积公式，实质是等步长的拉格朗日插值近似逼近被插函数。但Newton-cotes求积公式不具有收敛性和稳定性，

我们常用n=1,2,4的求积公式。这其实也应了高次拉格朗日插值不可取。当插值节点多时我们怎么办呢？后来我们又引进了复化求积公式，包括复化梯形公式和复化Simpson 公式，实质是将区间等分，在每个小区间上利用Newton-cotes 求积公式。这样一来求积公式就具有了收敛性和稳定性。但复化求积公式要把节点的函数值都求出来，这就增大了计算量而且还不能按我们要求的精确度来选取补偿，基于复化求积的这些缺点我们又想出了用变步长算法即逐次半分法来求解。但如果我们遇到()()b a x f x dx ρ?这样的积分该怎么做呢？则我们又引进了高斯型求积公式。这种方法也是基于拉格朗日插值法思想构造的公式高斯型求积公式关键是确定节点。找一个在(a,b)区间带权()x ρ的正交多项式的零点位置即为节点。我们可以利用前面学到的四种正交多项式来求解。高斯型求积公式可以达到插值型求积公式的最高精度。如果有n 个节点，则其代数精度为2n-1.但高斯型求积公式实际应用是节点和求积系数没有继承性。所以在实际计算时我们要根据实际情况选择适当的求积公式。 1、求积公式的一般形式： )()(0 k b a n k k x f dx x f ? ∑=≈λ ?∑=-=b a n k k k n x f dx x f R 0 )()(λ 代数精度：当)(x f 为次数不高于m 的多项式时带入求积公式左边等于右边，当为m+1次时，左右两边不相等，此时求积公式就为m 次代数精度。

数值分析 第六章 习题

第六章 习 题 1. 计算下列矩阵的1A ，2A ，A ∞三种范数。 （1）1101A ???=????，（2）312020116A ????=??????? . 2. 用Jacobi 方法和Gauss-Seidel 迭代求解方程组 1231231 238322041133631236x x x x x x x x x ?+=??+?=??++=? 要求取(0)(0,0,0)T x =计算到(5)x ，并分别与精确解(3,2,1)T x =比较。 3. 用Gauss-Seidel 迭代求解 12312312 35163621122x x x x x x x x x ??=??++=???+=?? 以(0)(1,1,1)T x =?为初值，当(1)() 310k k x x +?∞?<时，迭代终止。 4. 已知方程组121122,2,x x b tx x b +=?? +=? （1）写出解方程组的Jacobi 迭代矩阵，并讨论迭代收敛条件。 （2）写出解方程组的Gauss-Seidel 迭代矩阵，并讨论迭代收敛条件. 5. 设有系数矩阵 122111221A ?????=?????? ， 211111112B ?????=??????? ， 证明：（1）对于系数矩阵A ，Jacobi 迭代收敛，而Gauss-Seidel 迭代不收敛. （2）对于矩阵B ，. 6. 讨论方程组 112233302021212x b x b x b ?????????????=??????????????????? 用Jacobi 迭代和Gauss-Seidel 迭代的收敛性；如果都收敛，比较哪种方法收敛更快.

数值分析学习心得体会.doc

数值分析学习感想 一个学期的数值分析，在老师的带领下，让我对这门课程有了深刻的理解和感悟。这门 课程是一个十分重视算法和原理的学科，同时它能够将人的思维引入数学思考的模式，在处 理问题的时候，可以合理适当的提出方案和假设。他的内容贴近实际，像数值分析，数值微 分，求解线性方程组的解等，使数学理论更加有实际意义。 数值分析在给我们的知识上，有很大一部分都对我有很大的帮助，让我的生活和学习有 了更加方便以及科学的方法。像第一章就讲的误差，在现实生活中，也许没有太过于注意误 差，所以对误差的看法有些轻视，但在学习了这一章之后，在老师的讲解下，了解到这些误 差看似小，实则影响很大，更如后面所讲的余项，那些差别总是让人很容易就出错，也许在 别的地方没有什么，但是在数学领域，一个小的误差，就很容易有不好的后果，而学习了数 值分析的内容，很容易就可以将误差锁定在一个很小的范围内，在这一范围内再逼近，得出 的近似值要准确的多，而在最开始的计算中，误差越小，对后面的影响越小，这无疑是好的。 数值分析不只在知识上传授了我很多，在思想上也对我有很大的影响，他给了我很多数 学思想，很多思考的角度，在看待问题的方面上，多方位的去思考，并从别的例子上举一反三。像其中所讲的插值法，在先学习了拉格朗日插值法后，对其理解透彻，了解了其中 的原理和思想，再学习之后的牛顿插值以及三次样条插值等等，都很容易的融会贯通，很容 易的就理解了其中所想，他们的中心思想并没有多大的变化，但是使用的方式却是不同的， 这不仅可以学习到其中心内容，还可以去学习他们的思考方式，每个不同的思考方式带来的 都是不同的算法。而在看待问题上，不同的思考方式总是可以快速的全方位的去看透彻问题， 从而知道如何去解决。 在不断的学习中，知识在不断的获取，能力在不断的提升，同时在老师的不懈讲解下， 我逐渐的发现数值分析所涵盖的知识面特别的广泛，而我所需要学习的地方也更加的多，自 己的不足也在不断的体现，我知道这只是我刚刚接触到了数学的那一角，在以后我还会接触 到更多，而这求知的欲望也在不停的驱赶我，学习的越多，对今后的生活才会有更大的帮助。 计算132 2013014923 张霖篇二：数值分析学习报告 数值分析学习心得报告 班级：11级软工一班 姓名： * * * 学号: 20117610*** 指导老师：* * * 学习数值分析的心得体会 无意中的一次选择，让我接触了数值分析。 作为这学期的选修课，我从内心深处来讲，数值分析真的有点难。感觉它是在高等数学 和线性代数的基础上，又加深了探讨。虽然这节课很难，我学的不是很好，但我依然对它比 较感兴趣。下面就具体说说我的学习体会，让那些感兴趣的同学有个参考。 学习数值分析，我们首先得知道一个软件——matlab。matrix laboratory，即矩阵实验 室，是math work公司推出的一套高效率的数值计算和可视化软件。它是当今科学界最具影 响力、也是最具活力的软件，它起源于矩阵运算，并高速发展成计算机语言。它的优点是强 大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面、便捷的与其他程序和语 言接口。 根据上网搜集到的资料，你就会发现matlab有许多优点： 首先，编程简单使用方便。到目前为止，我已经学过c语言，机器语言，java语言，这

数值分析第六章实验报告

一、实验名称 Newton-cotes型求积公式 二、实验目的 学会Newton-cotes型求积公式,并应用该算法于实际问题。 三、实验内容 求定积分?π cos xdx e x 四、实验要求 选择等分份数n,用复化Simpson求积公式求上述定积分的误差不超过8 10-的近似值,用MATLAB中的内部函数int求此定积分的准确值,与利用复化Simpson求积公式计算的近似值进行比较。 五、实验程序与输出结果 在MATALAB的Editor窗口中输入以下程序： function y=comsimpson(fun,a,b,n) z1=feval (fun,a)+ feval (fun,b);m=n/2; h=(b-a)/(2*m); x=a; z2=0; z3=0; x2=0; x3=0; for k=2:2:2*m x2=x+k*h; z2= z2+2*feval (fun,x2); end for k=3:2:2*m x3=x+k*h; z3= z3+4*feval (fun,x3); end y=(z1+z2+z3)*h/3; 然后保存为然后保存为comsimpson.m的文件 在MATALAB工作窗口命令窗口中输入： Q2 =comsimpson (@fun,0,pi,1000000000) syms x fi=int(exp(x).*cos(x),x,0,pi); Fs= double (fi)

wQ2= double (abs(fi-Q2) ) 运行后结果： Q2=-12.0703，Fs=-12.0703, wQ2=5.2654e-08 六、实验结果分析 利用复化simpson求积公式计算运行后其结果为Q2=-12.0703，利用内部函数求解的结果为Fs=-12.0703,两者的误差为wQ2=5.2654e-08。从中可以看出误差结果达到了1E-8级数，而相对应的N已经取到了10亿次，再增大N对结果已经没有太大变化。可见复化simpson要得到比较准确的结果需要运算的次数比较大。

数值分析第四章学习小结

第四章学习小结 本章为非线性方程与非线性方程组的迭代解法，由此可分为两大节4.1非线性方程的迭代解法和4.2非线性方程组的迭代解法。本章以人口增长模型为引言，由于在实际应用中只有很少类型的非线性方程能解出根的解析表达式，对于大多数非线性方程，只能用数值法求出它的根的近似值，本章将要介绍几种常用的有效的数值求根方法，它们都属于迭代法，因而还要讨论这些方法的收敛性和收敛速度。 4.1.1对分法 （1）基本思想： ①确定方程有根的区间； ②将区间逐次分半缩小，得到一个区间长度以1/2的比例减小的含根区间序列{}k x ，在给定根的误差界时，利用长度趋于零的特点，可得到在某个区间中满足要求的近似根。收敛速度与公比为12 的等比数列的收敛速度相同。 (2)迭代终止条件 或者 (3)二分法的优缺点： 优点：程序简单，总能求出近似根，对()f x 要求不高。 缺点：收敛速度慢，只能求单根和奇数重根，不能求偶重根，复根。二分法一般用于对根求近似根。 4.1.2简单迭代法及其收敛性 迭代法的基本思想: 迭代法是一种逐次逼近法，用某个固定公式反复校正根的近似值，使 12 a b x +=2k k b a ε-<2 k k k b a x s ε--≤

之逐步精确化，最后得到满足精度要求的解。 迭代法的基本思想是将隐式方程()x x ?=的求根问题归结为计算一组显式公式1()k k x x ?+=，逐步过程实际上是一个逐步显示化的过程。 收敛性：若由迭代公式1().1,2,3...k k x x k ?+==产生的序列{}k x 收敛于x *，则x *是原方程的根。 收敛条件： a ．非局部收敛性定理：设函数()[,]x C a b ?∈，在（a ，b ）内可导，且满足两个条件： （1）当[,]x a b ∈时，()[,]x a b ?∈；（2）当[,]x a b ∈时，'()1x L ?≤<，其中L 为一常数。则有如下结论： （1）方程()x x ?=在[,]a b 上有唯一的根s ； （2）对任取的0[,]x a b ∈，简单迭代法1()k k x x ?+=产生的序列{}[,]k x a b ?且收敛于s ； （3）成立误差估计式101k k L s x x x L -≤--或11k k k L s x x x L --≤-- 这种形式的收敛定理称为大范围收敛性定理，但当条件不够充分时，预先指定一个区间常常是不可能的。 b ．局部收敛性定理 设'(),()s s x ??=在包含s 的某个开区间内连续。如果'()1s ?<，则存在0δ>当0[,]x s s δδ∈-+时，由简单迭代法1()k k x x ?+=产生的序列 {}[,]k x s s δδ?-+且收敛于s 。 4.1.3简单迭代法的收敛速度

第六章非线性方程的数值解法习题解答

第六章非线性方程的数值解法习题解答 填空题： 1. 求方程()x f x =根的牛顿迭代格式是__________________。 Ans:1()1()n n n n n x f x x x f x +-=- '- 2.求解方程 在(1, 2)内根的下列迭代法中， (1) (2) (3) (4) 收敛的迭代法是（A ）. A ．(1)和(2) B. (2)和(3) C. (3)和(4) D. (4)和(1) 3.若0)()(，故迭代发散。 以上三中以第二种迭代格式较好。 2、设方程()0f x =有根，且'0()m f x M <≤≤。试证明由迭代格式1()k k k x x f x λ+=- (0,1,2,)k =L 产生的迭代序列{}0k k x ∞ =对任意的初值0(,)x ∈-∞+∞，当2 0M λ<< 时，均收敛于方程的根。

数值分析第六章小结【计算方法】

第六章 数值积分学习小结 一、本章知识梳理 求积公式及其代数精度： 数值求积公式的一般形式： ()0 ()()n b n k k a k f x dx f x λ=≈∑? 截断误差： )()(0 k b a n k k n x f dx x f R ?∑=-=λ 数值求积公式是一种近似方法，因此，要求它对尽可能多的被积函数f 能准确计算积分的值，这就有了代数精度的概念。 定义：对于上面所列的求积公式，当()f x 为任何次数不高于m 的多项式时 都成为等式，而当()f x 为某个m+1次多项式时不能成为等式，则称它具有m 次代数精度。 插值型求积公式： ()0 ()()n b n k k a k f x dx f x λ=≈∑? 其中() ()(0,1,...,) b n k k a l x dx k n λ ==? 截断误差： (1)0 ()[()](1)!n n b n j a j f R x x dx n ξ+==-+∏? 定理：n+1个节点的插值型求积公式至少具有n 次代数精度。 Newton —Cotes 求积公式： 求积公式：

()0 ()()n b n k a k b a f x dx f a k n λ =-≈+∑? 其中 ()() ()(0,1,...,)n n k k b a c k n λ=-= ()00 (1)[()]!()!n k n n n k j j k c t j dt k n k n -=≠-=--∏? 2(1) 00 ()[()](1)!n n n n n j h R f t j dt n ξ++==-+∏? 梯形公式(n=1)： ()[()()]2 b a b a f x dx f a f b -≈+? 3 1()''(),(,)12 b a R f a b ηη-=-∈ Simpson 公式(n=2)： ()[()4()+()]62 b a b a a b f x dx f a f f b -+≈ +? 5(4) 2()(),(,)2880 b a R f a b ηη-=-∈ Simpson3/8公式(n=3)： 22()[()3()3()()]833b a b a a b a b f x dx f a f f f b -++≈ +++? 5(4)3()(),(,)6480 b a R f a b ηη-=-∈ Cotes 公式(n=4)： 33()[7()32()12()32()7()]90424 b a b a a b a b a b f x dx f a f f f f b -+++≈ ++++? 7(6) 4()(),(,)1935360 b a R f a b ηη-=-∈

数值分析第六章学习小结

第六章 数值积分 --------学习小结 姓名 班级 学号 一、 本章学习体会 本章主要讲授了数值积分的一些求积公式及各种求积公式的代数精度，重点应掌握插值型求积公式，什么样的求积公式可以被称为插值型求积公式，Newton-Cotes 求积公式及其收敛性与数值稳定性，复化求积公式和高斯求积公式，在本章的学习过程中也遇到不少问题，比如本章知识点多，公式多，在做题时容易张冠李戴，其次对Newton-Cotes 求积公式的收敛性与数值稳定性理解不够透彻，处理一个实际问题时，不知道选取哪一种求积公式，来达到最精确的结果。 二、 本章知识梳理 6.1求积公式及其代数精度 代数精度的概念：如果求积公式(6.1)当f(x)为任何次数不高于m 的多项式时都成为等式,而当f(x)为某个m+1次多项式时(6.1)不能成为等式,则称求积公式(6.1)具有m 次代数精度。 6.2插值型求积公式 （1）求积公式： ?+++=b a n n n dx x n f R )()! 1()(1)1(ωξ （2）重要的定理：n+1个节点的插值型求积公式至少具有n 次代数度。 （3）求积系数：a b A k n k -=∑=0 6.3Newton-Cotes 求积公式及其收敛性与数值稳定性 （1）公式：∑?=≈n k k n k b a x f dx x f 0)()()(λ∑=-=n k k n k x f c a b 0)()()(

（2）截断误差：?∏=++-+=n n j j n n n dt t t f n h R 00 )1(2)()()!1(ξ （3）重要的定理：当n 为偶数时,n+1个节点的Newton-Cotes 求积公式至少具有n+1次代数精度。 （4）常用的Newton-Cotes 求积公式 n=1 梯形公式：)]()([2 )(b f a f a b dx x f b a +-≈? 余项：),(),(12 )(3 1b a f a b R ∈''--=ηη，具有一次精度。 n=2 Simpson 公式：)]()2 (4)([6)(b f b a f a f a b dx x f b a +++-≈? 余项：),(),(2880 )()4(5 2b a f a b R ∈--=ηη，具有三次精度。 6.4复化求积法 （1）复化梯形公式： ])(2)()([2)(11∑? -=+++≈n k b a kh a f b f a f h dx x f 截断误差： ],[),(122b a f h a b R T ∈''--=ηη （2）复化Simpson 公式： ])(2)(4)()([3)(111212∑∑?=-=-+++≈m k m k k k b a x f x f b f a f h dx x f 截断误差： ],[),(180)4(4b a f h a b R s ∈--=ηη 6.5Gauss 型求积公式 （1）定义：若n 个节点的插值型求积公式(6.23)具有2n-1 次代数精度,则称它为Gauss 型求积公式。 （2）定理：n 个节点的 Gauss 型求积公式的代数精度为2n-1。 （3）定理：设},1,0),({ =k x g k 是区间[a,b]上带权)(x ρ的正交多项式系,则求

数值分析第六章 13和13题答案

13- 设函数()f x 具有二阶连续导数,{}(*)0,'(*)0,''(*)0,k f x f x f x x =≠≠是由牛顿迭代 法产生的序列,证明 121''(*)lim ()2'(*)k k k k k x x f x x x f x +→∞--=-- 解 牛顿迭代法为 1(),0,1,2,...'()k k k k f x x x k f x +=- = 故 1() '()k k k k f x x x f x +-=- 2112112 121212211()'()()'()()()(*)['()][()(*)]'() '()['()](*)'()['()](*)k k k k k k k k k k k k k k k k k k x x f x f x x x f x f x f x f x f x f x f x f x f f x x x f x f x x ξξ+--------??-=-=??-?? --=---- 其中k ξ介于k x 与*x 之间,1k ξ-介于1k x -与*x 之间,根据式(7.14)得 211222111'()['()]*lim lim () '()['()](*)1''(*)2'(*)k k k k k k k k k k k k x x f f x x x x x f x f x x f x f x ξξ+-→∞→∞-----=-=--- 公式7.14----12''(*)lim 2'(*)k k k e f x e f x +→∞= 15- 考虑下列修正的牛顿公式(单点斯蒂芬森方法) 21()(())()k k k k k k f x x x f x f x f x +=-+- 设()f x 有二阶连续导数,(*)0,'(*)0f x f x =≠,试证明该方法是二阶收敛的. 证明: 将(())k k f x f x +在k x 处作台劳展开,得 21(()) ()'()()''()()2k k k k k k f x f x f x f x f x f f x ξ+=++

数值分析考试复习总结

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 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 .0210113 21??≤ -+---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()122x x x ++. (2) ) 11(2x x x x x -++. (3) x x x x x x x cos 1sin )cos 1(sin cos 12+≈ +=-. □

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。当ρ(B)=0时，则理论上迭代有限步得到精确解。 对简单迭代法而言，有的对任意初始向量都收敛（通常所说的收敛），有的对部分初始向量收敛，有的对任意初始向量(解向量除外)都不收敛。 ③对于由简单迭代法导出的Gauss-Seidel迭代法：x(k+1)=B1x(k)+B2x(k)+gk=0,1,… 应用上述结论需首先将由简单迭代法导出的Gauss-Seidel迭代格式改写为简单迭代：x(k+1)=(I–B1)?1B2x(k)+(I?B1)?1gk=0,1,…迭代收敛的充要条件为ρ((I?B1)?1B2)<1 若||(I?B1)?1B2||<1则对于任意的初始向量x(0)，与简单迭代法相应的Gauss-Seidel 迭代收敛。 设B=B1+B2，若||B||∞<1，或||B||1<1，则对于任意初始向量x(0)，与简单迭代法相应的Gauss-Seidel迭代收敛。 ④掌握Jacobi迭代及由Jacobi迭代导出的Gauss-Seidel迭代收敛性的判断方法。 对于Jacobi迭代与Gauss-Seidel迭代的收敛性，首先考察系数矩阵A是否严格对角占优。 对于Gauss-Seidel迭代，其次考察系数矩阵A是否对称正定。 其它判断方法与简单迭代以及由简单迭代导出的Gauss-Seidel迭代之收敛性判断方法相同。