数值分析 各章重点 公式整理

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ε(x )=|x −x ∗|是x ∗的绝对误差，e =x ∗−x 是x ∗的误差，ε(x )=|x −x ∗|≤ε，ε为x ∗的绝对误差限（或误差限） e r =ex =x ∗−x x为x ∗ 的相对误差，当|e r |较小时，令 e r =ex ∗=x ∗−x x ∗相对误差绝对值得上限称为相对误差限记为：εr 即：|e r |=|x ∗−x||x ∗|≤ε|x ∗|=εr绝对误差有量纲，而相对误差无量纲若近似值x ∗的绝对误差限为某一位上的半个单位，且该位直到x ∗的第一位非零数字共有n 位，则称近似值 x ∗有n 位有效数字，或说 x ∗精确到该位。

例：设x=π=3.1415926…那么x ∗=3,ε1(x )=0.1415926…≤0.5×100,则x ∗有效数字为1位，即个位上的3，或说 x ∗精确到个位。

科学计数法：记x ∗=±0.a 1a 2⋯a n ×10m (其中a 1≠0),若|x −x ∗|≤0.5×10m−n ，则x ∗有n 位有效数字，精确到10m−n 。

由有效数字求相对误差限：设近似值x ∗=±0.a 1a 2⋯a n ×10m （a 1≠0）有n 位有效数字，则其相对误差限为12a 1×101−n由相对误差限求有效数字：设近似值x ∗=±0.a 1a 2⋯a n ×10m （a 1≠0）的相对误差限为为12（a 1+1）×101−n 则它有n 位有效数字令x ∗、y ∗是x 、y 的近似值，且|x ∗−x|≤η(x )、|y ∗−y|≤η(y)1. x+y 近似值为x ∗+y ∗,且η(x +y )=η(x )+η（y ）和的误差（限）等于误差（限）的和2. x-y 近似值为x ∗−y ∗,且η(x +y )=η(x )+η（y ）3. xy 近似值为x ∗y ∗,η(xy )≈|x ∗|∗η(y )+|y ∗|∗η(x)4. η(xy )≈|x ∗|∗η(y )+|y ∗|∗η(x)|y ∗|21．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x 0=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|< 为止，此时取x *≈(x k +x k -1)/2作为近似根。

数值分析重点公式下面是一些数值分析中的重点公式：1.最大值和最小值：- 最大值：记作 max(a, b) 表示 a 和 b 中较大的值。

- 最小值：记作 min(a, b) 表示 a 和 b 中较小的值。

2.线性插值：-线性插值：对于给定的两个点(x1,y1)和(x2,y2)，如果希望在这两个点之间的x值为x的位置计算对应的y值，可以使用线性插值：y=y1+(y2-y1)*((x-x1)/(x2-x1))。

3.数值微分：-前向差商：用f'(x)≈(f(x+h)-f(x))/h的形式近似表示函数f(x)在点x处的导数，其中h是一个小的正数。

-后向差商：用f'(x)≈(f(x)-f(x-h))/h的形式近似表示函数f(x)在点x处的导数。

-中心差商：用f'(x)≈(f(x+h)-f(x-h))/(2*h)的形式近似表示函数f(x)在点x处的导数。

4.数值积分：-矩形法则：使用函数在每个小矩形中的平均值作为矩形高度来计算定积分的近似值。

-梯形法则：使用底边为区间长度的梯形面积的一半来计算定积分的近似值。

-辛普森法则：使用函数在每个小区间上的平均值和两个端点值的加权平均来计算定积分的近似值。

5.数值解线性方程组：-高斯消元法：将线性方程组转化为上三角矩阵，然后通过回代求解各个未知数。

-LU分解：将线性方程组的系数矩阵分解为一个下三角矩阵L和一个上三角矩阵U，再通过回代求解各个未知数。

-追赶法（托马斯算法）：适用于解三对角系数矩阵的线性方程组，通过追赶的方式求解。

6.数值解非线性方程：-二分法：通过计算函数在区间端点的值的符号来确定函数在区间内的根的存在，并迭代缩小区间直至满足精度要求。

-牛顿法：通过迭代逼近函数的根，在每一步迭代中使用切线来逼近根的位置。

-弦截法：通过迭代逼近函数的根，在每一步迭代中使用割线来逼近根的位置。

7.数值解常微分方程：-欧拉方法：使用函数在当前点的导数值来估计下一个点的函数值。

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。

第一章1霍纳（Horner ）方法： n a 1-n a 2-n a ……2a 1a 0a输入=c+ n b *c c b n *1- c b *3 c b *2 c b *1n b 1-n b 2-n b 2b 1b 0bAnswer P （x ）=0b该方法用于解决多项式求值问题P （x ）=n a n x +1-n a 1-n x +2-n a 2-n x +……+2a 2x +1a x +0a2 注：p ˆ为近似值绝对误差：|ˆ|pp E p -=相对误差：|||ˆ|p pp R p -=有效数字:210|||ˆ|1d p p pp R -<-= （d 为有效数字，为满足条件的最大整数） 3 Big Oh(精度的计算)： O(h ⁿ)+O(h ⁿ)=O(h ⁿ);O(h m )+O(h n )=O(h r ) [r=min{p,q}]; O(h p )O(h q )=O(h s ) [s=q+p]; 第二章2.1 求解x=g(x)的迭代法 用迭代规则，可得到序列值｛｝。

设函数g 。

如果对于所有x ，映射y=g(x)的范围满足y ， 则函数g 在内有一个不动点; 此外，设定义在内，且对于所有x ，存在正常数K<1，使得，则函数g 在内有唯一的不动点P 。

定理2.3 设有（i ）g ，g ’，（ii ）K 是一个正常数，（iii ）。

如果对于所有如果对于所有x 在这种情况下，P 成为排斥不动点，而且迭代显示出局部发散性。

. 波尔查诺二分法(二分法定理)<收敛速度较慢>试值（位）法：<条件与二分法一样但改为寻求过点(a,f(a))和(b,f(b))的割线L 与x 轴的交点(c,0)>应注意越来越小，但可能不趋近于0，所以二分法的终止判别条件不适合于试值法.牛顿—拉夫森迭代函数：)(')()(1111-----==k k k k k p f p f p p g p 其中k=1,2,……证明：用泰勒多项式证明第三章线性方程组的解法 对于给定的解线性方程组Ax=b一Gauss Elimination （高斯消元法 ）第一步Forward Elimination 第二步 BackSubstitution二LU Factorization第一步 A = LU 原方程变为LUx=y ；第二步 令Ux=y,则Ly = b 由下三角解出y ； 第三步 Ux=y,又上三角解出x ；三Iterative Methods （迭代法）2n n 22221211n n 1212111b x a x a x a b x a x a x a =+++=+++nn nn 22n 11n 2n n 22221211n n 1212111b x a x a x a b x a x a x a b x a x a x a =+++=+++=+++初始值四 Jacobi Method1.选择初始值2.迭代方程为五Gauss Seidel Method1.迭代方程为00201,,,n x x x 00201,,,n x x x nnk n nn k n k n n k n k nn k k kn n k k a x a x a x a bx a x a x a bx a x a x a b x )()()(1122111222121212111212111--++++++-=++-=++-=k k k kn n k k kn n k k a x a x a bx a x a x a bx )()(1112221121212111212111++++++++-=++-=2.选择初始值 判断是否能用Jacobi Method 或者GaussSeidel Method 的充分条件（绝对对角占优原则）第四章 插值与多项式逼近·第一节 泰勒级数和函数计算一些常用函数的泰勒级数展开：for all x for all x for all x -1 -1for00201,,,nx x x定理4.1（泰勒多项式逼近）设，而是固定值。

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。

第一章非线性方程和方程组的数值解法I B j J L2) 迭代法收敛阶：lim 匚4 =c^0,若p=1则要求Occ<1F 闾。

3) 单点迭代收敛定理：定理一：若当x 乏［a,b ］时，④(X )E ［a,b ］且®'(x)兰I cl, P ［a,b ］，则迭代格式收敛 于唯一的根；定理二：设 (x)满足：①x ：」a,b 1时,:(x) ：= a,b I ②亦，x 2 亡 ta,b 1 有 ®(x L ) -申(x 2)| 兰I 为—x 2 ,0 <1 c l 则对任意初值x^a,b i 迭代收敛，且：« —xX j 卅一x1 -I I j僅 一 x 兰X i — Xo1 -I定理三：设(x)在〉的邻域内具有连续的一阶导数， 且「'(：•)：：：1，则迭代格式具有局部收 敛性；定理四：假设 (x)在根〉的邻域内充分可导，则迭代格式x;：(x j )是P 阶收敛的=0,j =1,|l(, P-1,心(：)=0( Taylor 展开证明)f (x),4) Newton 迭代法：x+=x - —-，平方收敛f (x)5) Newton 迭代法收敛定理：设f (x)在有根区间La, b 1上有二阶导数，且满足：①： f (a)f(b) ：：0 ； ②： f (x) = 0,x b,b 1 ；③： f 不变号,x •〔a,b 11)二分法的基本原理，误差:b -a④：初值x0•〔a,b 】使得f (x) f (x) ：：： 0 ；则Newt on迭代法收敛于根〉。

f i-X26）多点迭代法： f (X i )f (X i ) f(X i 」)X j 1 — XjX 1X jf(X i ) — f(X i 」) f(X i ) — f(X i1) — f(X 1)—f(x)Xi —X 」收敛阶： PJ '5 2 7） Newton 迭代法求重根（收敛仍为线性收敛） ，对Newt on 法进行修改①：已知根的重数「，x 卄“老（平方收敛） ②：未知根的重数： X i 1 二 X - '( ),u(x)，()，：•为 f (x)的重根，则〉为 u(x)的单u (X i ) f (X)根。

第一章 非线性方程和方程组的数值解法 1）二分法的基本原理，误差：~12k b ax α+--<2)迭代法收敛阶：1lim0i pi ic εε+→∞=≠，若1p =则要求01c <<3)单点迭代收敛定理：定理一：若当[],x a b ∈时，[](),x a b ϕ∈且'()1x l ϕ≤<，[],x a b ∀∈，则迭代格式收敛于唯一的根； 定理二：设()x ϕ满足:①[],x a b ∈时,[](),x a b ϕ∈， ②[]121212,,, ()(),01x x a b x x l x x l ϕϕ∀∈-≤-<<有 则对任意初值[]0,x a b ∈迭代收敛,且：110111i i iii x x x llx x x lαα+-≤---≤-- 定理三:设()x ϕ在α的邻域内具有连续的一阶导数，且'()1ϕα<，则迭代格式具有局部收敛性；定理四：假设()x ϕ在根α的邻域内充分可导，则迭代格式1()i i x x ϕ+=是P 阶收敛的()()()0,1,,1,()0j P j P ϕαϕα==-≠（Taylor 展开证明）4）Newton 迭代法:1'()()i i i i f x x x f x +=-，平方收敛 5）Newton 迭代法收敛定理:设()f x 在有根区间[],a b 上有二阶导数，且满足： ①：()()0f a f b <； ②:[]'()0,,f x x a b ≠∈； ③：[]'',,f x a b ∈不变号④：初值[]0,x a b ∈使得''()()0f x f x <； 则Newton 迭代法收敛于根α。

6）多点迭代法：1111111()()()()()()()()()i i i i i i i i i i i i i i i f x f x f x x x x x f x f x f x f x f x f x x x -+-----=-=+----收敛阶：12P +=7）Newton 迭代法求重根（收敛仍为线性收敛），对Newton 法进行修改 ①：已知根的重数r,1'()()i i i i f x x x rf x +=-(平方收敛） ②：未知根的重数：1''()(),()()()i i i i u x f x x x u x u x f x +=-=,α为()f x 的重根，则α为()u x 的单根。

第一章 非线性方程和方程组的数值解法 1）二分法的基本原理，误差：~12k b ax α+--<2）迭代法收敛阶：1lim0i pi ic εε+→∞=≠，若1p =则要求01c <<3）单点迭代收敛定理：定理一：若当[],x a b ∈时，[](),x a b ϕ∈且'()1x l ϕ≤<，[],x a b ∀∈，则迭代格式收敛于唯一的根；定理二：设()x ϕ满足：①[],x a b ∈时，[](),x a b ϕ∈， ②[]121212,,, ()(),01x x a b x x l x x l ϕϕ∀∈-≤-<<有 则对任意初值[]0,x a b ∈迭代收敛，且：110111i i iii x x x ll x x x lαα+-≤---≤--定理三：设()x ϕ在α的邻域内具有连续的一阶导数，且'()1ϕα<，则迭代格式具有局部收敛性；定理四：假设()x ϕ在根α的邻域内充分可导，则迭代格式1()i i x x ϕ+=是P 阶收敛的 ()()()0,1,,1,()0j P j P ϕαϕα==-≠L （Taylor 展开证明）4）Newton 迭代法：1'()()i i i i f x x x f x +=-，平方收敛 5）Newton 迭代法收敛定理：设()f x 在有根区间[],a b 上有二阶导数，且满足： ①：()()0f a f b <； ②：[]'()0,,f x x a b ≠∈；③：[]'',,f x a b ∈不变号④：初值[]0,x a b ∈使得''()()0f x f x <；则Newton 迭代法收敛于根α。

6）多点迭代法：1111111()()()()()()()()()i i i i i i i i i i i i i i i f x f x f x x x x x f x f x f x f x f x f x x x -+-----=-=+----收敛阶：P =7）Newton 迭代法求重根（收敛仍为线性收敛），对Newton 法进行修改 ①：已知根的重数r ，1'()()i i i i f x x x rf x +=-（平方收敛） ②：未知根的重数：1''()(),()()()i i i i u x f x x x u x u x f x +=-=，α为()f x 的重根，则α为()u x 的单根。

第一章误差限计算：第二章一多項式函數f(x)，在 x = a 的泰勒展開式是：拉格朗日插值基函数：*).(|*)(|*))(( *)(x x f x f x f εε'≈的误差限得).(*)( ),,(,,,,,),,(*1***11**11k nk kn n n n x x f f x x f x x x x x x f εε∑=⎪⎪⎭⎫ ⎝⎛∂∂≈的误差限同理得的近似值为准确值，多元函数 ∏∏∏≠=≠=≠=--=--=nkj j jk j nkj j j knk j j jk x x x x x xxx x l 000)()()(∑==nk kky x lx P 0)()(.||)(||)(||)/( ),(||)(||)( ),()()( 2*2*1*2*2*1*2*1*1*2*2*1*2*1*2*1*2*1x x x x x x x x x x x x x x x x x εεεεεεεεε+≈+≈+=±牛顿插值其中an 为第n 阶差商，0阶差商即为f(x0). 余项 差商表差商导数求法牛顿前插公式（等距点适用）差分表)())(())(()()(110102010----++--+-+=n n n x x x x x x a x x x x a x x a a x N []0101(),,,()()()n n n R x f x x x x x x x x x x =---第三章最小二乘法拟合：直线拟合求a0和a1 多项式拟合⎪⎪⎩⎪⎪⎨⎧=+=+∑∑∑∑∑=====mi ii mi m i i i mi i m i i y x x a x a y x a m a 1110211110xa a x y 10)(+=0121011201ni n i i n i i n i i i n n n n i i n i i i a m a x a x y a x a x a x x y a x a x a x x y++⎧+++=⎪+++=⎪⎨⎪⎪+++=⎩∑∑∑∑∑∑∑∑∑∑∑第四章辛普森求积公式插值求积公式 （拉格朗日插值）插值求积公式余项复合梯形公式复合辛普森公式∑⎰=≈nk k kbax f Adx x f 0)()(⎰=bak k dxx l A )()()()()(0k k nkj j jk j k x x x x x x x x x l ωω'-=--=∏≠=[]⎰⎰+=-=+ban ba dxx n fdxx P x f f R )()!1()()()()()1(ωξ[]b a ,∈ξ⎥⎦⎤⎢⎣⎡++=∑-=)()(2)(211b f x f a f h T n k k n 121101()4()2()()6n n n k k k k h S f a f x f x f b --+==⎡⎤=+++⎢⎥⎣⎦∑∑高斯点及系数表将求积区间[a,b]变换到[-1,1]上数值求导两点公式数值求导三点公式22batabx++-=[]),(2)()(1)(1ξfhxfxfhxf''--='[]).(2)()(1)(11ξfhxfxfhxf''+-='),(3)]()(4)(3[21)(221ξfhxfxfxfhxf'''+-+-='),(6)]()([21)(221ξfhxfxfhxf'''-+-=').(3)](3)(4)([21)(2212ξfhxfxfxfhxf'''++-='第五章杜利特尔分解L y=b 求解 y U x=y 求解 x追赶法L y=b 求解 y U x=y 求解 x范数：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=nn nn n n u u u u u u U l l l L222112112121,111⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡----11112122111122211n n nn nn n n u u u l a l al b a c b a c b a c b⎪⎩⎪⎨⎧-=-===+++1,,2,1/11111n i ua b l l c u b l i i i i ii i()111112m ax 8)m ax (m ax ((2()0ij nniji nj nijj ni TTTn A a Aa A A a A AA A A A A f E A A λλλ∞≤≤=≤≤=====-=-=∑∑矩阵范数计算公式定理对阶方阵（称为的行范数）称为的列范数）称为的范数）其中表示的最大特征值即常用的条件数第六章雅可比迭代高斯-塞德尔迭代(i=1,2,…,n k=0,1,2,…)收敛性)det(G I -λ求最大特征值)(G ρ，若>1,发散，若>1,收敛。

数值分析公式大全1.插值公式：
-拉格朗日插值公式
-牛顿插值公式
-分段线性插值公式
-分段多项式插值公式
- Hermite插值公式
2.数值积分公式：
-矩形法
-梯形法
-辛普森法则
-龙贝格公式
-复合梯形公式
-复合辛普森公式
3.数值微分公式：
-前向差分
-后向差分
-中心差分
-五点差分公式
4.数值方程求根公式：
-二分法
-割线法
-牛顿迭代法
-雅可比迭代法
-弦截法
- Muller法
5.线性方程组求解公式：
- 直接法（LU分解，Cholesky分解）
- 迭代法（雅可比迭代法，Gauss-Seidel迭代法，SOR迭代法）-共轭梯度法
-GMRES法
6.常微分方程数值解法：
- Forward Euler法
- Backward Euler法
- 改进的Euler法
-龙格-库塔法
-预测校正法
7.偏微分方程数值解法：
-有限差分法
-有限元法
-谱方法
-边界元法
8.近似计算公式：
- Taylor级数展开
-泰勒展开的截断误差估计
- 常用数学公式（例如：sin x的级数展开）
9.最优化问题求解公式：
-单变量最优化问题求解公式
-多变量最优化问题求解公式
-线性规划求解公式
-非线性规划求解公式。

第一章绪论（1-4）一、误差来源及分类二、误差的基本概念1.绝对误差及绝对误差限2.相对误差及相对误差限3.有效数字三、数值计算的误差估计1.函数值的误差估计2.四则运算的误差估计四、数值计算的误差分析原则第二章插值（1.2.4-8）一、插值问题的提法（定义）、插值条件、插值多项式的存在唯一性二、拉格朗日插值1.拉格朗日插值基函数的定义、性质2.用拉格朗日基函数求拉格朗日多项式3.拉格朗日插值余项（误差估计）三、牛顿插值1.插商的定义、性质2.插商表的计算3.学会用插商求牛顿插值多项式四、等距节点的牛顿插值1.差分定义、性质及计算（向前、向后和中心）2.学会用差分求等距节点下的牛顿插值公式五、学会求低次的hermite插值多项式六、分段插值1.分段线性插值2.分段三次hermite插值3.样条插值第三章函数逼近与计算（1-6）一、函数逼近与计算的提法（定义）、常用两种度量标准（一范数、二范数\平方逼近）二、基本概念连续函数空间、最佳一次逼近、最佳平方逼近、内积、内积空间、偏差与最小偏差、偏差点、交错点值、平方误差三、学会用chebyshev定理求一次最佳一致逼近多项式，并估计误差（最大偏差）四、学会在给定子空间上通过解方程组求最佳平方逼近，并估计误差（平方误差）五、正交多项式（两种）定义、性质，并学会用chebyshev多项式性质求特殊函数的（降阶）最佳一次逼近多项式六、函数按正交多项式展开求最佳平方逼近多项式，并估计误差七、一般最小二乘法（多项式拟合）求线性拟合问题第四章数值分析（1-4）一、数值求积的基本思想及其机械求积公式二、代数精度的定义并学会判别求积公式的代数精度三、插值型求积公式、定义及其性质四、newton-cotes公式定义、余项及其代数精度五、学会用几种低阶newton-cotes公式及其逼近公式方程求积分近似值六、学会用龙贝格算法求积分近似值七、高斯公式定义及其代数精度，并学会用guass-chebyshev公式求积分近似值第五章常微分方程数值解法一、掌握显式的欧拉法，隐式欧拉法，梯形方法，中点欧拉法和改进欧拉法，包括这些方法，公式的推导，解题和局部截断误差（是几阶的方程）二、掌握runge-kutta方法的基本思想，以及二阶、三阶、四阶、五阶R-K方法的格式和局部截断误差第六章方程求跟（1-5）一、学会用二分法求解问题二、一般迭代法的基本思想三、局部收敛性定义、定理并学会用该定理判别迭代法的局部收敛性四、牛顿迭代法公式的推导，局部收敛性与收敛速度，牛顿法的应用与解题五、牛顿法的变形第七章解线性方程组的直接截法（1-6）一、学会用顺序高斯消去法，列主元素或完全主元素法，求解线性方程二、学会用矩阵三角分解法，平方根法（改进平方根法），追赶法求解问题三、掌握向量和矩阵的定义，性质，计算，应用四、矩阵的谱半径，条件数，定义，计算，应用五、线性方程组的误差分析第八章线性方程组的迭代法（1-4）一、一般方程组的一般迭代法思想，迭代格式，收敛性，一般误差分析二、学会用雅各比迭代法解题，学会判别其收敛性三、学会guass-seidel迭代法解题，学会判别其收敛性四、学会SOR迭代法解题，学会判别其收敛性。

数值分析重点第一章 误差分析近似数误差大小的度量方法：绝对误差/相对误差/有效数字1、 有效数字的判断定义：从末尾到第一个非零数字之间的所有数字的个数。

几个重点结论： （1）、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（不超过其末尾数的半个单位） 则称近似数 x* 具有 n 位有效数字。

（2）、相对误差与有效数字的关系（误差：精确值与近似值的差值）得到相对误差限2.误差的分类：模型误差、观测误差、截断误差（方法误差）和舍入误差（计算误差）3.误差算法设计应注意的问题 ： （1）、避免两个相近的数相减考虑能否改变一下算法 （2）、防止大数“吃掉”小数当一组数进行相加运算时，应按照由小到大的次序进行相加。

（3）、绝对值太小的数不宜作除数 考虑能否改变一下算法 （4）、注意简化计算程序，减少计算次数 （5）、选用数值稳定性好的算法 4、误差的传播：Taylor 展开式：f( x 1 , x 2 ,…, x n )在(x 1*, x 2*,…, x n * )的展开：e(y) = f( x 1 , x 2 ,…, x n )-f(x 1*, x 2*,…, x n * )例如：ε（x 1+x 2）=ε(x 1)+ε(x 2)mn x 10.021*⨯±=ααα nm x x -⨯≤-1021*m n x 10.0*21⨯±=ααα nm x x -⨯≤-1021*132110.-⨯=m n αααα 1110-⨯>m α)1(111**1021101021)(----⨯=⨯⨯<-=n m n m r x x x x e αα112212()()()n n nf f f x x x x x x x x x ***∂∂∂≈-+-++-∂∂∂)()()(2211n nx e x fx e x f x e x f ∂∂++∂∂+∂∂=),,2,1(),,,(21n k x x x f x f n x k k ='=∂∂***)()(1k nk kx e x fy e ∑=∂∂≈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|2第二章 代数插值通过一些实验所得的离散点找到函数的一个满足精度要求且便于计算的近似表达式（多项式）。

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。

第一章 绪论1. *x ＝ n 21k a a a .010⨯±，如果｜*x －x|≤0.5n k 10-⨯（这里n 是使此式成立的最大正整数），则称*x 为x 的具有n 位有效数字的近似值。

2．定理：设x 的近似值*x 有（1-1）的表示式： （１）如果*x 有n 位有效数字，则n 1110a 21|x ||x x |-**⨯≤-（２）如果n 1110)1a (21|x ||x x |-**⨯+≤-，则*x 至少有n 位有效数字。

第二章 非线性方程根求解 1. （零点存在定理）如果f(x)在[a,b]上连续，使f(a)⋅f(b)<0，则必存在α∈(a,b)，使f(α)=0。

2.二分法的误差： |1k 1k k k 2ab |x x ||x x +-*-=-≤- 3. 局部收敛性：设α是f(x)=0的根，若存在α的一个邻域∆，当迭代初值属于∆时，迭代法得到的序列{k x }收敛到α，则称该迭代法关于根α具有局部收敛性。

4. 收敛速度：设i x 为第i 次迭代值，α是f(x)=0的根，令α-=εi i x ，且假设迭代收敛，即α=∞→i i x lim 。

若存在实数P ≥1，使 c ||||limpi 1i i =εε+∞→≠0 ，则称此方法关于根α具有P阶收敛速度。

C 称为渐近误差常数，渐近误差常数C 与f(x)有关。

C ≠0保证了P 的唯一性。

对于特殊的函数，C 可能为零，此时，由这个函数针对此方法迭代产生的序列收敛得更快。

一般情况下，P 越大，收敛就越快。

当P=1时，我们称为线性收敛。

P>1，称为超线性收敛。

P=2，称为平方收敛。

5.牛顿迭代法：)x (f )x (f x x k k k 1k '-=+定理3：如果方程f(x)=0的根α是单根，且在α的某领域内f(x)具有二阶的连续导数,则Newton 迭代法必是局部收敛的 且 )(f 2)(f lim2i1i i α'α''-=εε+∞→（即具有二阶收敛速度）定理4：如果α是方程f(x)=0的r 重根（r>1），且f(x)在α的某邻域内具有r 阶连续导数，则Newton 法具有局部收敛性，且具有线性收敛速度。