西南交通大学研究生数值分析总复习.ppt

§2 绝对误差、相对误差和有效数字 相对误差 有效数字的定义 §3 基本运算中的误差估计 设y=f (x1,x2) 若x1,x2,的近似值分别为x1*, x2*,令y*=f(x1*,x2*)作为y的近似值,其绝对误差限的估计式为:? ?|f(x1*,x2*)|x1-x*1||+|f(x1*,x2*)|x2-x*2||； §1.3 选用算法应遵循的原则 1.尽量简化计算步骤，减少乘除运算的次数. 3.尽量避免相近数相减 例如，当x很大时，应 第二章 非线性方程求解 对分法的误差估计 §2 简单迭代法 2.1 迭代法的基本思想 压缩映象原理的证明 2.2 迭代法的收敛条件（三大定理） 两个重要误差公式说明 迭代法的收敛条件之二 推论1应用举例 应用举例 迭代法的收敛条件之三 2.3 Steffensen方程—简单迭代法的加速 {xn}的r 阶收敛定理 1、 Aitken加速法 Aitken加速法（续） Newton法（续） Newton法举例 Newton法收敛定理 计算重根的牛顿迭代法(续1） 3.2 弦截法 弦截法迭代公式的几何解释 弦截法的几点说明(续） 第三 章 线性方程组 直接解法 Gauss消元法） 2.2 列主元素法 列主元素法 2.3 全主元素法 杜利特尔（Doolittle）分解——LU分解 3.2 矩阵的三角分解 解线性方程组举例 Choleskg分解1 第四章 线性方程组 迭代解法 常用的向量范数 Rn中范数的等价性 常用的矩阵范数 范数的相容性 求范数举例 矩阵的谱半径（续） 公式 的重要性说明 矩阵的条件数 雅可比（Jacobi）迭代法 Jacobi迭代法定义 Jacobi迭代法定义（续） 求例2中的Gauss-Seidel法的迭代阵M的两种方法 求例2中的Gauss-Seidel法的迭代阵M的两种方法续1 求例2中的Gauss-Seidel法的迭代阵M的两种方法续2 两种迭代法举例 例4（ Jacobi迭代法续） 例4（ G-S迭代法续） §4 松驰法 松驰法（续） 迭代法的收敛条件（续2） 直接用矩阵A判定敛散性 直接用矩阵A判定敛散性（续） 例子 差商的性质 4.2 误差估计 5.2 分段多项式插值 1、分段线性插值 2、分段抛物插值 例1（续） 正规方程组的几种形式（续） 正交多项式曲线拟合（续） 正规方程组的几种形式（续） 几种常用的正交多项式 Legendre多项式性质（续2） （二）切比雪夫（Chebyshev）多项式 最佳平方逼近多项式举例 切比雪夫定理 零次最佳一致逼近多项式 一次最佳一致逼近多项式举例 例11（续） 切比雪夫插值法 切比雪夫插值法（续1） 例10 称为k阶差商 称为1阶差商 定义：差商 2点Newton型插值 2、利用差商表的最外一行，构造插值多项式 （1）各阶差商均具有线性性质，即若f (x)=a? (x)+b? (x)， 则对任意常数k，都有： （2）k阶差商f [x0,x1,…,xk]可表成f (x0),f (x1)…,f(xk)的线性组合： 由插值多项式的唯一性可知，n次Newton插值多项式与n次Lagrange插值多项式是相等的，即Nn(x) = Ln(x)，它们只是表示形式不同。因此Newton余项与Lagrange余项也是相等的，即： 由此可得差商与导数的关系： 例：已知由插值节点(0,0),(0.5,y),(1,3)和(2,2) 构造的3次插值多项式P3(x)的x3的系数为6， 试确定数据y. 和引例类似，可导出Hermite插值的误差估计。 定理6.2 设x0,x1,…,xn为区间[a, b]上的互异节点，H(x)为f (x)的过这组节点的2n+1次Hermite插值多项式。若f (x)在[a,b]上2n+2连续可导，则对?x?[a, b]插值余项为： 特别地，n =1的三次Hermite插值余项为： 注意与引例的误差估计式，与Lagrange插值的误差 估计式相比较。 在大范围且节点较多的情况下，常采用分段低次多项式插值，大致可分为两类，一类为局部化分段插值，即把插值区间分段后，在每个小区间上直接构造低次插值多项式，也叫简单分段插值；另一类是非局部化分段插值，即在整个区间上构造分段插值多项式，如样条插值。 下面介绍几种简单分段插值： 以下几种分段插值都设为： 已知yi = f(xi) (i = 0,1,…,n)，在每个子区间[x