下载文档原格式
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。
山东省考研数学复习资料数值分析重点知识点数值分析是数学中的一个重要分支，它研究的是利用数值方法解决实际问题的理论和方法。
对于山东省考研的学生来说，数值分析是一个必修课程，理解和掌握数值分析的重点知识点对于备考非常重要。
本文将详细介绍山东省考研数学复习资料中数值分析的重点知识点。
一、数值误差与有效数字在进行数值计算时，绝对精确的数值很难获得，因此数值计算中会产生误差。
数值误差主要分为绝对误差和相对误差。
绝对误差是指计算结果与真实值之差的绝对值，相对误差是指绝对误差与真实值之比的绝对值。
为了评估数值的精确程度，我们还需要了解有效数字的概念。
有效数字是指一个数中，从第一个非零数位开始，一直到最后一个数字位之间的数字个数。
在进行数值计算时，我们需要考虑有效数字和误差的影响。
二、插值与多项式逼近插值是指利用已知数据点构造出一个函数，在这些数据点上与给定函数的函数值相等。
而多项式逼近是指利用已知数据点构造出一个多项式函数，使该多项式函数与给定函数在这些数据点上尽可能接近。
插值与多项式逼近是数值分析中常见的实用计算方法，可以用于曲线拟合、数据恢复等实际问题的求解。
三、数值积分与数值微分数值积分是利用数值方法计算给定函数在一个区间上的积分值。
数值微分是利用数值方法计算给定函数在一个点处的斜率或导数值。
数值积分和数值微分是计算积分和求导数的常用数值方法，可以广泛应用于物理、工程、金融等领域的问题求解。
四、常微分方程的数值解法常微分方程是研究物理、生物和工程等领域的重要工具。
数值解法通过将常微分方程问题转化为数值离散问题，进而求解出近似的数值解。
常见的数值解法包括欧拉法、改进的欧拉法、龙格-库塔法等，每种方法都有其适用范围和特点，需要根据具体问题选择合适的方法。
五、线性代数方程组的数值解法线性代数方程组是数值分析中的重要问题，常常涉及到大规模的稀疏矩阵。
数值解法通过将线性代数方程组转化为数值问题，并应用迭代法或直接法求解出线性代数方程组的解。
数值分析考试复习总结 WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-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,,1,0 =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 , 其中 n x x x ,,,12 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。
数值分析考试知识点总结数值分析是一门研究数值计算方法和数值计算误差的学科，它的研究对象是计算机数值计算和数值模拟方法的理论和技术。
一、误差分析数值计算是以实际问题为基础的分析过程，其目的是研究数值计算误差和误差的影响，以确保数值计算的准确性和可靠性。
数值计算误差主要包括截断误差和舍入误差两个部分。
1. 截断误差截断误差是由于在数值计算过程中，使用了近似代替精确值而引起的误差。
例如，在对连续函数的微分或积分进行数值计算时，所采用的近似公式都会引起截断误差。
截断误差可以通过增加计算步骤或者采用更加精确的计算方法来减小。
2. 舍入误差舍入误差是由于计算机对于无限小数进行截断或者舍入时引起的误差。
由于计算机是以有限的二进制数进行存储和运算，因此对于很小的数字或者非常大的数字，都会存在舍入误差。
舍入误差的大小与计算精度有关，可以通过提高计算精度来减小舍入误差。
二、插值和逼近插值和逼近是数值分析中常见的计算技术，用于利用已知的数据点来估计未知函数的值。
1. 插值插值是通过已知的数据点来估计未知函数在这些数据点之间的取值。
插值方法的目标是通过已知数据点构造一个函数，使得该函数在已知点上的取值与已知数据点的取值一致。
常见的插值方法包括拉格朗日插值多项式和牛顿插值多项式。
2. 逼近逼近是通过已知的数据点来估计未知函数的近似值，与插值不同的是，逼近方法不要求逼近函数必须在已知数据点上取特定的值。
常用的逼近方法包括最小二乘法逼近和样条逼近。
三、数值积分数值积分是通过数值计算来近似求解定积分的值，它是数值分析中的一个重要内容。
1. 复化数值积分复化数值积分是通过将积分区间划分成若干子区间，然后在每个子区间上进行数值积分来近似求解定积分的值。
复化数值积分方法包括复化梯形公式、复化辛普森公式以及复化辛普森三分法等。
2. 数值积分的误差分析在数值积分中，由于使用了近似方法，所以会引入数值积分误差。
要保证数值积分的准确性，需要对数值积分误差进行分析和评价。
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 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a 0.937关于精确数x 有3位有效数字，估计a 的相对误差. 计f(a)对于f(x)的误差和相对误差. 解 a 的相对误差：由于1 |E(x)| x a 10 32-^10 2 2 9f(a)对于f(x)的误差和相对误差.E r (x)—1018|E(f)| | -.1 x 、1 a| =般要经历哪几个阶段？在对于f (x) .J x ，估x aE r (x)(Th1)| E r (f)| 10 3. 1 a 4 10 34=102 0.252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 2xx 1x1 cosx(1)| 1;1;(3)0,|x|解(1)2X 2(1x)(1 2x).1 cosxsin 2 xsin x,x 1 x)■x(1 cosx) 1 cosx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n其中：n(X)(X X j),j 0 n X i (X i X j).j 0例1 n=1时，线性插值公式P(x) yo (x X i) (x X o) (X o X i) y1(X i X o)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X o , X1的一次插值多项式为其中(2) 过点X o,X1,X2的二次插值多项式为其中重点是分段插值：例题：1.利用)：解⑵：方法一.由Lagrange 插值公式可得：L3(X) X2(X 12)方法二•令3 1由L a( 1) 3，L S(1)-，定A, B (称之为待定系数法) □2 215.设f(x) x2，求f(x)在区间［0,1］上的分段线性插值函数f h(x)，并估计误差，取等距节点，且h 1/10.解f(x) X2，X i ih ，i 0,1, ,10，h 110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L 2[a,b]中讨论2. 离散意义下在n 维欧氏空间R n 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 L 2[a,b]的 n 1 维子空间 P n =span {1,x,x 2 , x n }, 其中1, x,x 2 , x n 是L 2[a, b]的线性无关多项式系.n 对f L 2[a,b]，设其最佳逼近多项式可表示为： a i x ii 0由(f *，) 0,P nn*即 (x —xHa j (f,x i ), i 0(1) n(*2)j 0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{x i }i n 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f (x) cos x ， x [0,1]的一次和二次最佳平方逼近多项式 解： 设P 1*(x) a 0 a 1x ， P ； (x) b 0 b 1x b 2x 2分别为f(x)的一次、二次最佳平方逼近多项式。
内积(f,g)；f(x) g(x)dx计算如下内积:误差估计:|f(x)f h (x) |^rmax(X ih)(x (i 1)h)建立法方程组:1为什么要进行数值积分 答：梯形复化求积公式和 2:方法好坏的判断：代数精度误差分析 1•代数精度的概念等价定义若求积公式（* ）对1,x,x 2, ,x m 是精确的，但对x m 1不精确，则（* ）具 有m 次代数精度。
3:误差1等距剖分下的数值求积公式：公式特点：节点预先给定，均匀分布,系数W j ,i 0（1） n 待定(1,1) (1, x) (1, x 2)（X, X ）(x, x 2) / 2 2、(x , x ) (1, f)(x, f)(x 2, f)a o(1)1 2a1于是 P 1 解得: 1 2ao，得: a o12~2,a124~212 •24x22b 。
(12)b 13b 2o %-b 2 22 23 43b o ;b 1訊2 212 242，a 2 ，b 2 于是: P 2（X ） 12~2242 x .第四章?常用哪些公式，方法？ simps on 复化求定义若求积公式ba f(x)dxnw i f (x i )( * )对所有次数i 0m 的多项式是精确的，但对m 1次多项式不精确，则称（*）具有m 次代数精度。
(x) b o0,利用插值多项式p n (x)近似代替f(x)，即得插值型求积公式Newton-Cotes 公式 2给定节点数下的具有最佳逼近性质(具有最高次代数精度)的数值求积公式： Gauss求积公式 公式特点：系数w i ,i 0(1)n 和节点x i ,i 0(1)n 均待定 3分段插值多项式n (x)近似代替f(x)(分段求积)复化求积公式 复化求积公式通过高次求积公式提高精度的途径不行，类似函数插值 分而治之： 分段+低次求积公式 ------- 称为复化求积法 两类低次(n 4)求积公式： 1.Newton — Cotes 型：矩形、梯形、Simpson 、Cotes 公式分别称为复化矩形、梯形、辛甫生、柯特斯公式2.Gauss 型： 一点、两点、三点Gauss 求积公式称为复化一点、两点、三点 Gauss 公式复化梯形公式(T n )[f (x n 1) 4 f (X n *)f (X n )]}6【f (a) 4 " f (x k 1)/ 1 f (X k ) f (b)] 6k 12k 1其中 h b 一a ，X k 1/2为e k 的中点n复化辛甫生公式是最常用的数值求积方法。
常采用其等价形式： 复化柯特斯公式其中，hX k 2为[X k 1,X k ]的中点,T n2{[ f(x Q ) fg] [f(X 1) f(X 2)]hn 1h【f(a) 2f(xQf (b)],h2k 1[f (x n 1) b anf (x n )]}复化辛甫生公式： (每个e k 上用辛甫生公式求4f(xpf (X 2)]f (X 1)] [ f (X 1) 4f(xpX k 1, X k 3为［X k 1 , X订的四等分的分点自适应复化求积法计算时，要预先给定n或步长h，在实际中难以把握因为，h取得太大则精度难以保证，h太小则增加计算工作量自适应复化梯形法的具有计算过程如下：步1n 1,h ba, T i ，【f 心)f(^】步2步3判断|T2 T i l ?若是，则转步5；步 4 n 2n,h h/2, T i T2，转步2；步5输出T2.第五章1:常用方法：(1) .直接解法：Gauss逐步(顺序)消去法、Gauss 主元素法、矩阵分解法等；(2) .迭代解法：构造某种极限过程去逐步逼近方程组的解①•经典迭代法Jacobi 迭代法、Gauss Seidel迭代法、逐次超松弛(SOR迭代法等；② .Krolov子空间的迭代法根据A的对称性，又分为：A对称正定——共轭梯度法A非对称----- BICG 、GMRes最小残量法)③.解一类特定背景问题的迭代法多重网格法2:几类迭代法优缺点比较：3:迭代方法目标：求解Ax b 其中，A非奇异。
基本思想：把线性方程组Ax b的解x,化为一个迭代序列极限解关键：构造迭代序列所满足的公式：迭代格式。
构造迭代格式基本步骤：1. 将A分裂：A： B C ,其中，B非奇异2. 构造迭代格式其中G B 1C,称之为迭代矩阵，g B 1b其中，b Ax(k)为勺X（k）的残余向量此时，G I B1A,g B 1b常用的迭代方法将A （aj分裂为A D L U其中00 0 a12a 1na 21L0，Ua n 1,na n1a n,n 10 00 Jacobi迭代方法若a i 0，迭代格式x(k 1)G J x(k)g①其中Jacobi迭代矩阵：G J D 1(L U)①式可写为分量形式x(k1)丄[b in(k)iaijxj ],k0. ( *1)aii j 1j i方法（*1 ）或①称为Jacobi迭代方法.Gauss— Seidle迭代方法若a i 0，迭代格式x(k 1) G G x(k)g②其中，Gauss-Seidel 迭代矩阵: G G(D L) 1U 其分量形式1i 1(k 1) 1 (k X i [b aqX jn1)a j x(k)] ,i 1,2, , n .（*2）a ii j 1j i1即,在计算新分量x(k 1)时，利用新值x(k 1), j 1,2, ,i 1 迭代法(*2 )或②称为Gauss-Seidel迭代方法。
超松弛方法(SOR)方法定义SOF方法的迭代格式如下：1i 1(k 1)1z i [b i a ia ii j 1(k 1) (k 1)X：z, (1n(k 1) (k) !j X j a j X j ],j i 1\ (k) -)X i ,11,2,,n(*3)称为松弛因子，1即为G S方法.其矩阵形式其中，SOR 法的迭代矩阵：G(D L) 1[(1)D U]g (D L) 1b .第七章1:解非线性方程与方程组的方法：1. 准确方法女口：用求根公式对n 4次的代数多项式求根。
但：绝大多数的方程并无准确方法可用。
如：n 5次的代数多项式并无求根公式。
2. 数值方法(实际中大多采用)基本思想：设法找到一个能收敛到方程的解的序列。
(1) .区间套法——二分法。
(2) .迭代法：①•简单迭代法；②.Newton迭代法；割线法；④.加速算法。
2:收敛条件：二分法无条件简单迭代法条件：定理1如果(x)满足以下条件：1) x [a,b], (x) [a,b];2) 常数L: 0 L 1,使得对任意两点X1,X2 [a,b],都有(X1 ) (X2) LX1 X2 ,则：方程(*)在［a,b］上的解存在唯一,且对任给的初值x o,由迭代过程(* *) 所产生的序列X k收敛到.例题：2. 为求方程x3 x2 1 0在X。
1.5附近的一个根，设将方程改写为下列等价形式，并建立相应的迭代公式：(1)X 1 1/X2，迭代公式X n 1 1 1/X：(2)X3 1 X2，迭代公式X n 1 (1 X；)"3，(3)X2 1/(X 1)，迭代公式X n 1 1 (X n 1)"2，试分析每一种迭代公式的收敛性，并问哪一种迭代收敛得快？解: 取X0 1.5的邻域［1.3, 1.6］来考察(1)(X) 1 1/X2，(X)2/X32/1.330.901 1，故迭代公式(1)收敛⑵(X)(1 X2)'3,(X) 2X/[3(1 X2)2/3] 2 1.6/[3(1 1.32)]2/30.5515,故迭代公式(2)也收敛。
