数值分析读书报告.docxVIP

数值分析读书报告姓名: 夏勇 学院:数学与物理学院 专业:信息与计算科学学号:20091001897 专业号:123092科学计算在我们平时的运算过程中,我们总会遇见一些问题,例如:两个相近的数相减,绝对值很小的数作除数等等.这在以前的话,我会把它们当作一般的运算进行处理,但是我学了数值分析中的数值运算产生的误差之后,我了解到这样的运算会造成很大的误差,它会丢失有效数字,使运算的结果很差.为了避免这样的结果,我们应当把原有的运算化形后再进行运算,例如,我们直接运算的结果是不好的,但是我们经过化形成之后,再进行运算时,结果就会好很多.关于插值法的一些问题插值法,就是一种近似的运算方法.在我们平时的学习中,我们会遇到许多的解不出来的函数.例如,我们在做实验时,我们往往是得到了一些离散的点,然后需要通过这些离散的点来画出这个函数的图形,那我们应该怎么画出这个函数的图形呢?这就有一个方法的问题.而插值法就为我们提供了这种方法.我们通过用多项式来逼近这个函数.因为多项式函数简单,而且其性质也很好.在多项式插值中,最简单的就是把我们得到的离散的点代入多项式中,然后运算多形式的系数.这个方法的思路很简单,但是运算的时候太过于繁杂,所以我们一般是不用的.这样我们就得想一个好的方法,拉格朗日插值法是一个.拉格朗日插值法的表达形式是:,其中的，是我们已知的离散点，而.拉格朗日插值是一个非常简单的插值，它的表达形式一目了然，使得我们很好的理解。如果多项式的次数较低时，用这种方法是非常好的，但是当插值节点增减时，计算要全部重新进行，这就让我们觉得它太繁琐了，所以我们又提出了另外一种插值法，这就是牛顿插值法。在牛顿法中，我们引进了均差的概念。K阶均差：,所以牛顿插值的表达式是：,这样我们如果增减一些点时，就不需要再把原来已经运算过的东西再运算一遍了，这使我们的运算速度大大的提高了，让我们的工作效率有了改善。牛顿插值有它的运算优势，但是这种运算对于我们人来说，其还是很麻烦的，我们必须要求助于计算器或者电脑。不管是拉格朗日插值，还是牛顿插值，它们只是满足了在那些离散点处插值函数的函数值与原函数的函数值是相等的，但是其不能保证在这些点处它们的导数值相等，甚至是其高阶导数值也相等。为了满足这种要求，我们又提出了一种插值，它就是艾尔米特插值方法。由于考虑到实用性，我们只是介绍了两个典型的艾尔米特插值，一个是已知了三个点的函数值和某一个的导数值，求其三次艾尔米特插值时，我们利用的是牛顿插值方法来计算的。而另外一种情况是已知两个函数值和其导数值，我们是用类似于拉格朗日插值的方法，运用基函数方法来运算的.前面讨论的插值函数虽然有的已经有了一致收敛性，但是其光滑性较差，对于像高速飞机的机翼形线，船体放样等型值线往往要求有二阶光滑度，既有二阶连续导数。我们就提出了三次样条插值。它就是在艾尔米特插值上的一种改进。函数逼近在数值计算中经常要计算函数值，如计算机中计算基本初等函数及其他特殊函数；当函数只在有限点集上给定函数值，要在包含该点集的区间上用公式给出函数的简单表达式，这些都涉及在区间[a,b]上用简单函数逼近已知复杂函数的问题，这就是函数逼近问题。在这里我们讨论的是，对函数类A中给定的函数f(x)，记作f(x),要求在另一类简单的便于计算的函数类B中求函数p(x),使p(x)与f(x)的误差在某种度量意义下最小。在这里面，我们主要讨论了正交多形式逼近，其中我们介绍了两个特殊的正交多项式，一个是勒让德多项式，其表达形式是：n=1,2,.而另一个是切比雪夫多项式，其表达形式是：|x|1.我们在用函数逼近时，用的就是这两个函数。如果要求的是其最大误差最小，那我们就用切比雪夫多项式来逼近，因为在同次的多项式中,切比雪夫多项式的最大值最小.但是如果要求的是使其误差的二阶范数最小,那么就要用勒让德多项式来逼近了,因为其的二阶范数是和0靠的最近的,在同次的多项式中.这主要是我们所用的最佳正交多项式的方法.数值积分运算的问题考虑了函数逼近之后,我们现在要考虑的就是对于一些较麻烦的函数怎么求它的某些运算.例如函数的积分运算,如果函数的性质不好的话,我们就不能求出其值,那么我们就要找一个运算来逼近它.我们介绍的方法是公式:其中的称为求积节点，称为求积系数。除此之外，我们还提出了代数精度的概念。为的就是能够比较不同的求积公式的好坏。在课本中，我们主要介绍的是梯形公式和辛普森公式。其中的辛普森公式有点特殊，因为它的代数精度是n+1,这是我们要注意的。后面我们为了提高求积精度，介绍了高斯求积公式，它可以把精度提高到2n+1，这是一个非常好的求积公式。通过它的启发，我觉得我们可以找一些特殊的区间，使得一些求积公式的精度能够得到大的提高，这是有价值的。有关线性方程组关于解线性方程，我们在