计算方法各章小结.docVIP

计算方法各章小结 第一章计算方法与误差小结 误差在数值计算中是不可避免的，误差的传播和积累直接影响到计算结果的精度。在研究算法的同时，必须注重误差分析，使建立起来的算法科学有效。绝大多数情况下不存在绝对的严格和精确，在考虑数值算法时要能将误差限制在许可的范围之内，这种算法就是数值稳定的。 本章介绍了计算方法和误差理论的基本概念，并且对误差的产生与防止进行了分析；同时介绍了绝对误差(限)、相对误差(限)、有效数字的概念和三者的联系及计算的方法；最后介绍了误差在近似值运算中的传播、估算方法和数值稳定性的概念以及减少运算误差的原则。 按照误差产生的来源可分为模型误差、观测误差、截断误差和舍入误差等。 误差的表示法有绝对误差和相对误差两种。 在表示一个近似数时，要用到有效数字的概念，这在数值计算中非常有用，有效数字是由绝对误差决定的。 通常用函数的泰勒展开对误差进行估计。 第二章一元非线性方程数值解法小结 非线性方程厂f(x)=o的解通常叫做方程的根，也叫做函数，f(x)的零点，本章讨论了求解非线性方程近似根常用的一些数值方法。先要确定有根区间，且对于收敛的迭代格式，这个区间要足够小。针对各种求根的数值方法的特点，要考虑其收敛性、收敛速度和计算量。 二分法是逐步将含根区间分半，主要用来求实根，特别适合于为收敛的迭代公式提供好的初值。 迭代法是一种逐次逼近的方法，这种方法是建章在已知方程根的大致位置的基础上，迭代法只是起着把根的精确值一步一步算出来的作用，即通过迭代公式反复校正根的近似值，使之逐步精确化，直到求出满足精度要求的结果。一通过选代牧敛的理论可知，迭代法具有线性收敛速度。迭代法不仅可用于含一个未知元的一个方程，也可用于含多个未知元的方程组。 牛顿法具有较快的收敛速度，但对初值选取要求较高。扩大初值的选取范围，可采用牛顿下山法。 若改用差商替换牛顿公式中的导数后得到的迭代公式便是弦截法，它避开了导数的计算，具有超线性的收敛速度，每计算一步，要用到前面两步的信息。 迭代法的收敛速度，即误差下降速度是衡量迭代法的一个重要准则，而迭代一步所花费的计算量也可用来作为一个衡量标准。对于具体问题可具体分析。 第三章解线性方程组的直接方法小结 本章介绍了解线性方程组的直接法。直接法是_种计算量小而精度高的方法。直接法中具有代表性的算法是高斯消去法(在第奠嘉提到的克莱姆算法也是J种直接法，但该算法用于高阶方程组时计算量太大而不实用)，其他算法大都是它的变型，这类方法是解具有稠密矩阵或非结构矩阵(零元分布无规律)方程组的有效方法。 选主元的算法有很好的数值稳定性。从计算简单出发实际中多选用列主元法。解三对角矩阵方程组(A的对角元占优)的追赶法以及解对称正定矩阵方程组的平方根法都是三角分解法，且都是数值稳定的方法，这些方法不选主元素，也具有较高的精度。 向量、矩阵的范数、矩阵的条件数和病态方程组的概念，是数值计算中一些基本概念。线性方程组的病态程度是其本身的固有杼睦，因此即使用数值稳定的方法求解，也难以克服严重病态导致的解的失真。在病态不十分严重时，用双精度求解可减轻病态的影响。 在实际应用中如何选择算法是一个重要问题，往往从三个方面考虑： 1)解的精度高。 2)计算量小。 3)所需计算机内存小。 但这些条件相互间是矛盾而不能兼顾的，因此实际计算时应根据问题的特点和要求及所用计算机的性能来选择算法。一般说，系数矩阵为中、小型满矩阵，用直接法较好；当系数矩阵为大型、稀疏矩阵时，有效的解法是第4章要讨论的迭代法。 第四章解线性方程组的迭代法小结 本章介绍了解线性方程组Ax=b迭代法的一些基本理论和具体方法。迭代法是一种逐次逼近的方法，即对任意给定的初始近似解向量，按照某种方法逐步生成近似解序列，使解序列的极限为方程组的解。注意到在使用迭代法解方程组时，其迭代矩阵B和迭代向量，在计算过程中始终不变，迭代法具有循环的计算公式，方法简单，程序实现方便，它的优点是能充分利用系数的稀疏性，适宜解大型稀疏系数矩阵的方程组。 迭代法不存在误差累积问题。使用迭代法的关键问题是其收敛性与收敛速度，收敛性与迭代初值的选取无关，这是与一般非线性方程求根相比的优越之处。在实际计算中，判断一种迭代格式收敛性较麻烦，由于求迭代矩阵的谱半径时需要求特征值，当矩阵的阶数较大时，特征值不易求出，通常采用矩阵的任一种范数都小于1或对角占优来判断收敛性。有时也可边计算边观察其收敛性。如何加快迭代过程的收敛速度是一个很重要的问题，实用中更多的采用SOR法，选择适当的松弛因子叫有赖于实际经验。我们应针对不同的实际问题，采用适当的数值算法。 第五章插值与曲线拟合小结 本章介绍的插值法和曲线拟合的最小二乘法都是实用性很强的方法。它们解决的实际问题虽然各式各样，但抽象为数学问题却有它