数值分析例.ppt

数 值 分 析;第一章 绪论与误差分析; 例1-3 设 x*=2.18是由精确值x 经过四舍五入得到的近似值。问 x的绝对误差限ε和相对误差限η各是多少？;三、有效数字;则称近似数 x* 具有 n 位有效数字。; 例1-4 下列近似数是通过四舍五入的方法得到的，试判定它们各有几位有效数字：; 例1-4 已知 e =2.718281828……, 试判断下面两个近似数各有几位有效数字？;三、绝对误差、相对误差、有效数字的关系;3、相对误差与有效数字的关系; 解：由于 ，则近似值 x* 可写为; 练习1.1: 判断下列近似数个有几位有效数字，用绝对误差限表示。; 习 题 一; 1-6 设 ,假定 g 是精确的，而对时间 t 的测 量有 ± 0.1s 的误差。证明：当t 增大时，S 的绝对误差增大而相对误差减小.;第二章 代数插值;一、线性插值（n=1）;二、抛物线插值（n=2）;于是得到;这样，就得到二次拉格朗日插值多项式的三种表示形式 ;三、n 次Lagrange插值多项式;对于误差估计式;于是，得到如下Lagrange插值多项式及其误差估计;例2 已知;关于误差，由;（2）.取 x0 ,x1 ,x2 作二次插值;本节(§2 )要点;这个表达式给出了 n+1 阶差商与 n+1 阶导数之间的关系式。; 例4 已知f(x) 的五组数据(1,0)、(2,2)、(3,12)、(4,42)、(5,116),求 N4 (x)。如果再增加一个节点(6,282),求出N5(x)，并计算 N4(1.5)、N5(1.5).;由Newton公式的递推式得到：;关于离散数据：;4.2 分段线性插值; 这时的插值函数为分段函数：;则有：;于是,当 h→ 0 时，分段线性插值S(x) 收敛于f(x) 。值得注意的是：分段线性插值虽然有很好的收敛性质，但却不是光滑的。也就是说，S(x)的导数不一定存在！;4.3 分段Hermite 插值 ;代入下式;关于误差，若f(x)在[a,b]具有4阶连续导数，可推得 ;关于整体误差，若 f(x) ∈C4[a,b] ,则可按如下方式考虑：; 本节(§4 )问题; 2. 三次样条函数的定义;常用的边界条件有以下几种：;令：;得到;或者，表示为矩阵方程;便得到三次样条函数： ;也就是：;将;求解此方程组，也可以求出三次样条函数。;由第一个等式和第二个等式得到 y0=yn ,m0=mn;结合得到;表示为矩阵方程：;三次样条函数三转角算法的实现流程; 例4 已知函数y=f(x) 的如下数据,试求其在区间[0,3]上的三次样条插值函数S(x)。 ;已知;这样便求得;本节(§5-1、2 )要点;2. 三弯矩算法;方程组(2.6)的矩阵形式为;矩阵形式为;得;针对三种边界条件求解相应的方程组;得到M0、M1、…、Mn后代入; 例2-5 求三次样条插值函数S(x)，满足自然边界条件(S”(x0)=S”(xn)=0)，已知离散数据如下： ;代入方程组;代入;5.3 三次样条插值函数的误差估计;练 习 二;2-4 设 f(x)∈C2[a,b] ，且 f(a)=f(b)=0 ， ;2-7 证明n阶差商有下列性质; 2-11 给定插值条件式f(0)=0, f(1)=1, f(2)=0, f(3)=1,分别求出边界条件为;第三章 最佳逼近;*求连续函数最佳平方逼近的步骤*;3. 求出法方程组的解 c0* ,c1* , … , cn* ,得到最佳平方逼近; 例3.1求 在 上的最佳平方逼近一次多项式，并估计误差。; 这时由;解之得 ;得到 ;在区间[-1，1]上两两正交，试求 f(x)=ex 在这个区间上的最佳平方逼近二次多项式，并给出误差估计。;从而求得; 例3.3 求 f(x)=arctanx 在[0，1] 上的最佳平方逼近二次多项式，并估计误差。;法方程组为;本节(§2)小结;§２ 数据拟合的最小二乘法;二、最小二乘法拟合曲线的步骤;第三步：对于其整体误差;最后可以将法方程组表示为：;例如所求得最小二乘拟合函数为n次多项式，则：;三、数值例子 ;由;解得：;最小二乘拟合曲线; 解：在坐标轴描点;根据如下离散数据给出法方程组;所求二次拟合曲线为 ;最小二乘拟合曲线;例3.6 对如下数据作形如 y = a eb x 的拟合曲线;对 z=A+Bx 作线性拟合曲线，取;得正则方程组;最小二乘拟合曲线;例3.7 　利用最小二乘法解下列超定方程组;关于法方程