数值分析总复习

数值分析复习资料一、重点公式第一章 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：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。

数值分析期末知识点总结一、引言数值分析是一门研究如何使用计算机提高数学模型数值计算精度和效率的学科。

它是计算数学的一个重要分支，涉及到数值计算、数值逼近和误差分析等一系列内容。

在数值分析课程中，我们将学习到数值解微分方程、线性代数问题的求解、插值与拟合、积分等一系列内容。

本文将对数值分析期末知识点进行总结，以便帮助大家复习。

二、常见数值计算方法1. 插值与拟合插值与拟合是数值分析中重要的内容，它们用于在给定数据点集上构造一个函数，以便在其他点上进行求值。

插值是通过一些已知数据点来求得一个函数，使得这个函数能够通过这些点，而拟合则是通过已知数据点来求得一个函数，使得这个函数在这些点附近能够比较好地拟合数据。

常见的插值方法包括线性插值、拉格朗日插值、牛顿插值等；而拟合方法包括最小二乘法拟合、多项式拟合等。

2. 数值解微分方程数值解微分方程是数值分析的一个重要内容，它讨论如何使用计算机对微分方程进行数值求解。

微分方程是自然界中描述变化的数学方程，它们在物理学、化学、生物学等领域都有着重要的应用。

数值解微分方程的方法包括欧拉法、中点法、四阶龙格-库塔法等。

3. 数值线性代数数值线性代数是数值分析领域的另一个重要内容，它讨论如何使用数值方法解决线性代数问题。

原始的线性代数问题可能非常大或者非常复杂，因此我们常常需要使用计算机进行数值计算。

数值线性代数的方法包括高斯消元法、LU分解、Jacobi迭代法、Gauss-Seidel 迭代法等。

4. 数值积分数值积分是数值分析的一个重要内容，它讨论如何使用数值方法对积分进行数值求解。

在实际问题中，有很多积分问题是无法解析求解的，因此我们需要使用数值方法进行近似求解。

数值积分的方法包括复合辛普森法、复合梯形法、龙贝格积分法等。

三、数值分析的误差分析在数值计算过程中，我们会遇到误差的问题。

这些误差可能来自于测量、舍入、截断等各种原因。

因此，误差分析是数值分析中一个非常重要的内容。

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））插值基函数（因子）可简洁表示为其中: ()∏∏≠==-='-=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 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其中（2） 过点210,,x x x 的二次插值多项式为其中重点是分段插值: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 可得： )21()(23-=x x x L 方法二. 令由 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,,1,0Λ=i ， 101=h设 1+≤≤i i x x x ，则： 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 Λ, 其中 n x x x ,,,12Λ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),(*即 ∑===nj ij j i n i x f a x x 0*)1(0),,(),(（*2） 其中称(*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》期末复习提纲第一章数值分析中的误差(一) 考核知识点误差的来源类型；绝对误差和绝对误差限，相对误差和相对误差限，有效数字；绝对误差的传播。

误差的定性分析(二)复习要求1. 知道产生误差的主要来源。

2. 了解绝对误差和绝对误差限、相对误差和相对误差限和有效数字等概念以及它们之间的关系。

3. 知道四则运算中的误差传播公式。

4. 避免误差危害的若干原则第二章插值法(一) 考核知识点插值函数，插值多项式，被插值函数，节点；拉格朗日插值多项式：插值基函数；均差及其性质，牛顿插值多项式；分段线性插值、线性插值基函数。

(二)复习要求1. 了解插值函数，插值节点等概念。

2. 熟练掌握拉格朗日插值多项式的公式，知道拉格朗日插值多项式余项。

3. 掌握牛顿插值多项式的公式，了解均差概念和性质，掌握均差表的计算，知道牛顿插值多项式的余项。

4. 掌握分段线性插值的方法和线性插值基函数的构造。

第三章函数逼近(一) 考核知识点函数逼近的基本概念，内积，范数，勒让德与切比雪夫正交多项式，最佳一次一致逼近，最佳平方逼近，曲线拟合的最小二乘法（二）复习要求1. 熟练掌握内积，范数等基本概念。

2. 熟练掌握勒让德与切比雪夫正交多项式的性质。

3. 掌握用多项式做最佳平方逼近的方法。

4. 最小二乘法及其计算方法。

第四章数值积分与数值微分(一) 考核知识点数值求积公式，求积节点，求积系数，代数精度；插值型求积公式，牛顿―科特斯求积公式，牛顿―科特斯系数及其性质，(复合)梯形求积公式，(复合)Simpson求积公式；高斯型求积公式，高斯点，(二点、三点)高斯―勒让德求积公式；(二) 复习要求1. 熟练掌握数值积分和代数精度等基本概念。

2. 熟练掌握牛顿−科特斯求积公式和科特斯系数的性质。

熟练掌握并推导(复合)梯形求积公式和(复合)Simpson求积公式。

3. 知道高斯求积公式和高斯点概念。

会用高斯−勒让德求积公式求定积分的近似值。