数值分析期末考试复习题及其答案1.已知都有6位有效数字，求绝对误差限.（4分）解:由已知可知,n=62分2分2.已知求（6分）解：1分1分1分= 2分1分3.设（6分）①写出f(x)=0解的Newton迭代格式②当a为何值时，（k=0,1……)产生的序列收敛于解:①Newton迭代格式为： 3分② 3分4.给定线性方程组Ax=b，其中：，用迭代公式（k=0，1……）求解Ax=b,问取什么实数，可使迭代收敛（8分)解：所给迭代公式的迭代矩阵为2分其特征方程为2分即，解得2分要使其满足题意，须使,当且仅当2分5.设方程Ax=b，其中，试讨论解此方程的Jacobi迭代法的收敛性，并建立Gauss—Seidel迭代格式（9分）解：3分2分即，由此可知Jacobi迭代收敛1分Gauss-Seidel迭代格式：（k=0,1,2，3 (3)6.用Doolittle分解计算下列3个线性代数方程组:(i=1，2,3)其中，（12分)解：①A= =LU 3分由Ly=b1，即y= 得y= 1分由Ux1=y，即x1= 得x1= 2分②x2=由Ly=b2=x1,即y= 得y= 1分由Ux2=y，即x2= 得x2= 2分③x3=由Ly=b3=x2，即y= 得y= 1分由Ux3=y，即x3= 得x3= 2分7.已知函数y=f（x)有关数据如下:要求一次数不超过3的H插值多项式,使（6分）解：作重点的差分表，如下:3分=-1+（x+1)-x(x+1）+2x。
x（x+1)= 3分8.有如下函数表：试计算此列表函数的差分表，并利用Newton前插公式给出它的插值多项式（7分）解：由已知条件可作差分表，3分（i=0,1,2，3）为等距插值节点,则Newton向前插值公式为:=4+5x+x（x—1)= 4分9.求f(x)=x在[—1,1]上的二次最佳平方逼近多项式，并求出平方误差（8分)解：令2分取m=1，n=x，k=,计算得:（m，m）==0 （m，n)= =1 （m，k)= =0（n,k）= =0。
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。
期末数值分析重点总结第一部分：数值逼近（Approximation）数值逼近是数值分析的基础，主要研究如何利用有限的计算资源得到逼近数学问题的有效算法。
数值逼近的主要内容包括多项式逼近、插值和最小二乘等。
1. 多项式逼近多项式逼近是指用一个多项式函数来逼近给定函数的值。
通过选择合适的多项式次数和插值点，可以使得多项式逼近误差最小化。
其中最常用的方法是最小二乘法，它可以通过最小化残差来得到最佳的多项式逼近。
多项式逼近在信号处理、图像处理和计算机图形学等领域中有广泛的应用。
2. 插值插值是指通过已知数据点的函数值来估计在其他点的函数值。
常用的插值方法有拉格朗日插值和牛顿插值。
拉格朗日插值通过构造一个满足插值条件的多项式来逼近给定函数。
牛顿插值则利用差商的概念来构造插值多项式。
插值方法在数值微分和数值积分中有广泛的应用。
3. 最小二乘最小二乘是一种在一组离散数据点上拟合曲线的方法。
通过最小化数据点与拟合曲线之间的欧几里得距离，可以得到最佳拟合曲线。
最小二乘法可以用于曲线拟合、参数估计和数据关联等问题。
第二部分：数值解方程（Numerical Solution of Equations）数值解方程是数值分析的重要内容之一，研究如何通过数值计算来求解非线性方程组和线性方程组。
数值解方程的主要方法有迭代法、常微分方程数值解和偏微分方程数值解等。
1. 迭代法迭代法是求解非线性方程组的常用方法之一。
通过不断迭代逼近方程的根，可以得到方程组的数值解。
常用的迭代法有牛顿迭代法和弦截法。
迭代法在计算机辅助设计、优化和数据分析等领域中有广泛的应用。
2. 常微分方程数值解常微分方程数值解研究如何通过数值计算来求解常微分方程。
常微分方程数值解的主要方法有Euler方法、Runge-Kutta方法和线性多步法等。
常微分方程数值解在物理学、工程学和生物学等领域中有广泛的应用。
3. 偏微分方程数值解偏微分方程数值解研究如何通过数值方法来求解偏微分方程。
