PID数计算方法与算法.pptVIP

数值计算方法与算法 第0章 绪论 误差的类型 绝对误差＝真实值－近似值 相对误差＝绝对误差／真实值 误差的来源 原始误差、截断误差、舍入误差 一些例子： 计算地球的体积 计算 计算 如何减小计算误差？ 选择好的算法、提高计算精度 范数的定义 满足非负性,齐次性,三角不等式的实函数 常用的向量范数 常用的矩阵范数 矩阵的谱半径 例：计算矩阵 的范数和谱半径。 例：范数在误差估计中的应用 第1章 插值 第2章 数值微分和数值积分 数值微分 差商法 向前差商 向后差商 中心差商 插值法在 x 附近取点(xi,f(xi))构造插值多项式φ。 样条法在 x 附近取点(xi,f(xi))构造样条函数φ。 f’(x)≈φ’(x) 例：用中心差商公式计算f’(xi)。 例：用向后差商公式计算f’’(0.2), f’’(0.4)。 例：设xi=x0+i*h, i=1,...,n。计算φ’(xk)。 解： 误差估计 前后差商中心差商插值微分 数值积分 插值法 若积分公式对任意m次多项式都取等号，则称积分公式具有至少m阶的代数精度。 插值型积分公式的代数精度≥n。 当积分节点 x0,...,xn 给定时，代数精度≥n的积分公式唯一。 例：设xi=a+i*h, i=0,...,n, h=(b-a)/n。 计算Newton-Cotes积分 解： 特别，当n=1,2时，积分公式分别称为 梯形公式 Simpson公式 误差估计 特别，梯形公式和Simpson公式的误差为 代数精度＝1 代数精度＝3 复化数值积分 梯形公式 Simpson公式 Richardson外推法 我们要计算 假设 则 有比　　 和　　 更高的精度。 误差估计 Romberg积分公式 等分的梯形公式， 瑕积分 重积分 Gauss-Legendre积分 定理：假设 满足 则插值积分公式具有2n+1阶的代数精度。 证明： 课本21页性质1.3：若f(x)为m次多项式， 则f[x0,...,xn,x]为m-n-1次多项式。 求多项式空间在内积下的标准正交基。 解法1：对任意基作Gram-Schmidt正交化。 解法2：对任意度量方阵作相合对角化。 解法3：求解正交关系的线性方程组。 解法4：Legendre多项式 第3章 曲线拟合的最小二乘法 第4章 非线性方程求根 第5章 解线性方程组的直接法 第6章 解线性方程组的迭代法 第7章 计算矩阵的特征值和特征向量 第8章 常微分方程数值解 复 习 第0章　绪论 误差的定义 向量的范数 矩阵的范数、条件数、谱半径 第1章　插值 Lagrange插值 差商、Newton插值 Hermite插值 插值公式的截断误差 Runge现象 样条函数 第2章　数值微分和数值积分 差商型数值微分、插值型数值微分、微分公式的截断误差 插值型数值积分、复化数值积分、积分公式的截断误差、代数精度 外推法、Romberg积分、Gauss -Legendre积分 矩形域上的二重积分 第3章　最小二乘拟合 参数拟合问题 ? 矛盾线性方程组的最小二乘解 第4章　非线性方程求根 对分法 迭代法 Newton法 弦截法 收敛条件、收敛阶数、计算复杂度 Newton法解非线性方程组 第5章　直接法解线性方程组 消元法Gauss消元、列主元消元、全主元消元、追赶法 分解法LU分解、PLU分解、 PLUQ分解、Dolittle分解、Courant分解、LDLT分解、QR分解 计算复杂度 第6章　迭代法解线性方程组 迭代格式 迭代矩阵 收敛条件 Jacobi迭代 Gauss-Seidel迭代 松弛迭代 第7章　矩阵的特征值和特征向量 利用幂法计算模最大特征值及其特征向量 利用反幂法计算模最小特征值及其特征向量 利用QR方法计算所有特征值 利用Jacobi方法计算实对称阵的所有特征值及其特征向量 幂法 反幂法 QR方法 Jacobi方法 第8章　常微分方程数值解 常微分方程初值问题 化为积分方程 利用Euler公式求解 利用Runge-Kutta公式求解 利用Adams公式求解 向前Euler公式 向后Euler公式 Picard迭代 中心Euler公式 梯形公式 改进的 Euler公式 Adams公式 结 束 Jacobi迭代 Gauss-Seidel迭代 迭代法解线性方程组 A X = B A Xk+1 – B = C (A Xk – B) C 称为 Conditioner，满足 ρ (C)1　或　||C||1 通常取 C = I – A ?-1，其中 ?≈A，于是 Xk