《光学》课程教学大纲.docVIP

《数值分析》教学大纲 课程编号本科生《》是它以数学问题为对象，研究适用于工程计算计算的数值计算方法及相关理论。通过本门课的使学生正确学习及上机实习，使学生正确理解有关的基本概念，掌握常用的基本数值方法，培养和提高应用计算机进行工程科学计算的能力，为以后的学习打下的应用基础。工程科学计算线性代 0.1本课程的研究内容和方法 0.2本课程发展简史 主要内容: 1、数值分析中所研究的对象、模型，所用方法和主要特点. 2、误差产生的原因及分类. 3、近似数精确度的三种具体表示法. 4、数值计算中应注意的一些问题. 基本要求: 1、了解数值分析中所研究的对象、模型，所用方法和主要特点. 2、了解误差产生的原因及四种分类. 3、熟悉、掌握近似数精确度的三种具体表示法. 4、熟悉、掌握数值计算中应注意的一些问题. 教学要点: 理解有效数字、绝对误差和相对误差的概念，掌握求近似数的有效数字，绝对误差（限）和相对误差（限）的方法。 第二章 解线性方程组的直接方法 (6学时) 主要内容： 1、高斯消去法，列主元消去法的具体计算步骤 。 2、杜利特尔分解定义，分解的可行性及唯一性条件，具体分解方法和步骤； 利用杜利特尔分解求方程组解的计算公式。 3、解三对角方程的追赶法的步骤。 4、向量范数和矩阵范数的概念，计算几种常用的向量与矩阵的范数。 5、方程组的状态和条件数，会判断求条件数。 6、求解超定线性方程组的最小二乘法。 基本要求: 1、理解高斯消去法的基本思想，掌握高斯列主元消去法的具体计算步骤 。 2、掌握杜氏分解定义，分解的可行性及唯一性条件，具体分解方法和步骤；了解利用杜氏分解求方程组解的计算公式。 3、掌握解三对角方程的追赶法的步骤。 4、熟悉向量范数和矩阵范数的概念，并掌握几种常用的向量与矩阵范数的计算。 5、了解方程组的状态和条件数，会判断求条件数。 6、掌握求解超定线性方程组的最小二乘法。 教学要点: 首先要求学生充分理解会用高斯列主元消去法求线性方程组的解。会利用杜利特尔分解、乔列斯基分解求线性方程组的解。能够熟练写出解三对角方程的追赶法迭代格式和会用这方法求解线性方程组的解。熟练计算几种常用的向量与矩阵的范数。会判断和熟练用最小二乘法求解超定线性方程组。 第三章 解线性方程组的迭代方法 (8学时) 主要内容： 迭代法的一般形式，迭代格式收敛的定义，构造相应问题的迭代格式 雅克比迭代格式的分量形式及矩阵形式，以及用雅克比迭代法求解线 性方程组近似解的步骤 。 3、高斯—赛德尔迭代格式的分量形式及矩阵形式，以及用高斯—赛德尔迭代法求解线性方程组近似解的步骤。 4、松弛方法，松弛方法的分量形式，了解其矩阵形式，以及用松弛方法求解线性方程组近似解的步骤。 5、迭代法的收敛条件，求矩阵的谱半径及其迭代法在收敛条件下的误差估计。 6、最速下降法 基本要求: 1、了解迭代法的一般形式，掌握迭代格式收敛的定义，会构造相应问题的迭代格式。 掌握雅克比迭代格式的分量形式及矩阵形式，以及用雅克比迭代法求解线 性方程组近似解的步骤。 3、掌握高斯—赛德尔迭代格式的分量形式及矩阵形式，以及用高斯—赛德尔迭代法求解线性方程组近似解的步骤。 4、了解松弛方法，掌握松弛方法的分量形式，了解其矩阵形式，以及用松弛方法求解线性方程组近似解的步骤。 5、了解迭代法的收敛条件，会求矩阵的谱半径，掌握其迭代法在收敛条件下的误差估计。 6、了解最速下降法 教学要点: 首先要求学生熟练掌握用一般迭代法的收敛准则，在J-迭代法、G-S迭代法和松弛法下，求线性方程组的近似解，且加以分析 。会求向量范数和矩阵范数。了解在一般迭代法下进行误差分析。了解最速下降法及应用。 矩阵的特征值和特征向量的计算 (4学时) 主要内容： 1、矩阵的幂法、反幂法。 2、矩阵的Jacobi方法，矩阵的Q-R方法。 基本要求: 了解矩阵的幂法、反幂法。 了解矩阵的Jacobi方法及矩阵的Q-R方法。 教学要点: 本章重点应该要求学生知道矩阵的幂法、反幂法，了解矩阵的Jacobi方法及矩阵的Q-R方法。 第五章 插值法 (8学时) 主要内容： 1、多项式插值的概念、插值多项式的存在性和唯一性。 2、拉格朗日插值多项式及其误差表达式。 3、分段线性插值和分段二次插值及其余项估计式。 4、差商定义及其性质，牛顿插值多项式及其余项估计式。 5、差分定义及其性质，掌握等距节点插值多项式及其余项估计式。 6、分段线性插值公式，埃尔米特（Hermite）插值。 7、样条函数，三次样条插值概念，三次样条插值的公式。 基本要求: 1、掌握多项式插值的概念、插值多项式的存在性和唯一性。 2、掌握拉格朗日插值