(2011工程硕士讲课讲义.docVIP

算法的数值稳定性 计算积分. 解：由：, 可得两个递推算法. 算法1：； 算法2：. 当仅考虑初始值有误差时，对于算法1，由：， 可知误差满足：， 因此算法1是不稳定的. 对于算法2，同理可知误差满足：， 所以，因此算法2是稳定的. 高斯消去法——示例 考虑如下线性方程组： 从上述方程组的第三个方程依此求解，得 高斯消去法的不足及其改进——高斯（全、列）主元素消去法 在上例中，由于建模、计算等原因，系数2.001而产生0.0005的误差，实际求解的方程组为 　高斯消去法的消元过程，从代数运算的角度看就是用一个下三角矩阵左乘方程组的系数矩阵Ａ，且乘积的结果为上三角矩阵，即 用于度量“量”的大小的概念 例１．３　上常用的向量范数： ， １、１—范数：；２、２—范数：； ３、—范数：； 例１．５　常用的矩阵范数： １、１范数（列范数）：；２、２范数（谱范数）： ； ３、—范数（行范数）：； 迭代法求解线性方程组的基本思想是 不追求“一下子”得到方程组的解，而是在逐步逼近方程组的精确解的迭代过程中获得满足精度要求的近似解，这一点与直接法不同； 通过对问题的转化，避免（困难的）矩阵求逆运算。 例1 解下面方程组（精确解为）. 解 1） 改写成等价形式，（2）构造迭代公式，即为雅可比迭代公式 3） 取初始向量，即代入上式，求出 . 再代回公式中，求出 ， ， . １、Jacobian 迭代法: 2、Gauss-Seidel 迭代法: 　　 （9） 根据GS迭代法（9），可进一步得到 即 （11） 式（11）表明：Gauss-Seidel 迭代法在计算第个迭代值时，及时地利用了在此步迭代中得到的新的迭代值：，，由于第步的迭代值通常比第步的迭代值更接近方程组的精确解，所以，在Jacobian迭代法和Gauss-Seidel迭代法都收敛的情况下，Gauss-Seidel迭代法的收敛速度比Jacobian迭代法的收敛速度快。 例2 解下面方程组（与例1相同，精确解为）. 解 1） 原方程组改为等价方程组 2） 构造迭代公式，即为高斯-赛德尔迭代公式. 3） 取初始向量，即代入上式，求出 ， ， . 拉格郎日插值法 一、线性插值(Linear Interpolation) 当时，插值问题的几何意义为：过两个已知点，求直线方程（即一次多项式）. 点斜式直线方程：. 两点对称式直线方程：. 由两点式可知，是由两个线性函数 的线性组合得到.这两个线性函数称为插值基函数，其性质为： . 二、抛物插值(Quadratic Interpolation) 当时，插值问题的几何意义为：过已知的三个点求抛物线（即二次多项式）.为了求出的表达式，可采用基函数方法，此时基函数、及是二次函数，且在节点上满足条件： . （5.5） 满足条件（5.5）的插值基函数很容易求出，例如求，因为它有两个零点及，故可表示为，其中待定，可由条件确定. 于是，.同理可求得及.因此，得抛物插值 . 5.2.2 n次拉格朗日插值 用插值基函数表示的一次与二次插值很容易推广到一般情形.下面讨论如何构造通过个节点的次插值多项式.设所求多项式为 ， 其中是次数不超过的待定多项式（插值基函数）. 要满足插值条件，即,从而插值基函数满足条件： . （5.6） 满足条件（5.6）的插值基函数很容易求出，例如求.因为是次多项式的个零点，可设 ， 又由，得到 ， 因此，当时,.次Lagrange插值多项式为 . （5.7） 例1 已知的函数值见表5-2，求的近似值. 解 1） 用线性插值计算，因为在之间，故取两点，，则有线性插值 ， 所以. 2） 用过三点的抛物插值计算，有 ， 所以. 2 牛顿插值公式 问题的引入：Lagrange插值方法具有公式整齐、程序容易实现的优点，然而，这种构造插值多项式的方法，有时显得不够灵活，如节点的个数变化时，均需要重新构造多项式. 设所求多项式为 ， 根据个插值条件=来确定系数. 令，就有. 再令时，，有. 令时，，有. 一般地,令时，，有 ， 可得，.对取值，则得到的各系数.插值多项式为 对于例1，用牛顿插值公式重新计算的近似值. 解 1） 首先构造差商表如下. 表5-5 差商表 一阶 二阶 =0.5 =0.707107 0.791090 =0.866025 0.607024 -0.351539 由表可得牛顿插值公式中各系数依次为 ,,. 2） 用线性插值计算，求得的近似值为 . 用抛物插值计算，求得的近似值为 . 所得结果与例1相