数值微分与数值积分数值微分与数值积分是现代计算机科学中非常重要的数学工具。
它们可以用来处理各种研究。
在本文中，我们将讨论这两种方法的基础原理，以及它们在不同领域中的应用。
什么是数值微分？数值微分是指对给定函数进行求导的一种数值方法。
在实际应用中，函数的导数通常很难求得解析解，这时需要使用数值微分的方法来进行近似计算。
数值微分通常是通过在函数的某个点进行差分计算来完成的。
考虑一个函数$f(x)$在某个点$x_0$进行微分的情况。
我们可以计算$f(x_0+h)$和$f(x_0-h)$，其中$h$是一个小的正数。
然后，我们可以计算$[f(x_0+h) - f(x_0-h)]/2h$来得到$f'(x_0)$的近似值。
数值微分的应用非常广泛。
在科学和工程领域中，它通常用于计算物理量相关的导数。
例如，流体力学中的速度梯度、量子力学中的波函数导数，都可以使用数值微分进行近似计算。
此外，在金融领域中，数值微分也可用于计算期权价格等任意变量导数的近似解。
什么是数值积分？数值积分是指对给定函数进行积分的一种数值方法。
与数值微分类似，函数的积分通常很难求得解析解，而不得不使用数值积分的方法来近似计算。
在数值积分中，我们通常使用数值积分公式来计算定义在一个区间$[a,b]$上的函数（如果积分问题是无限积分，我们需要进行变形，将其转化为有限积分问题）。
数值积分公式通常基于插值方法，即将函数转化为一个多项式，并对多项式进行积分。
数值积分也应用广泛。
在科学和工程领域中，它通常用于计算面积、物质质量，以及探测信号的峰值等。
在金融领域中，数值积分也可用于计算期权定价公式的近似解。
数值微分和数值积分的误差分析在应用数值微分和数值积分时，误差是一个重要的考虑因素。
误差源可以来自于采样、采样噪声、近似方法等。
通常，我们使用误差分析来评估误差大小。
数值微分的误差通常归因于选取的$h$值。
当$h$太大时，我们会失去一些重要的信息，如函数的局部斜率。
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。
