研数值分析复习提纲.doc

全日制硕士生“数值分析” 复习提纲 （2008、11） 一、考核知识点及其要求 （一）引论 误差的基本概念 理解截断误差、舍入误差、绝对（相对）误差和误差限、有效数字、算法的数值稳定性等基本概念。 数值算法设计若干原则 掌握数值计算中应遵循的几个原则：简化计算步骤以节省计算量（秦九韶算法），减少有效数字的损失（避免相近数相减），选择数值稳定的算法。 （二）插值方法 1、插值问题的提法 理解插值问题的基本概念、插值多项式的存在唯一性。 2、Lagrange插值 熟悉Lagrange插值公式（线性插值、抛物插值、n次Lagrange插值），掌握其余项表达式（及各种插值余项表达式形式上的规律性）。 3、Newton插值 熟悉Newton插值公式，了解其余项公式，会利用均差表和均差的性质计算均差。 4、Hermite插值 掌握两点三次Hermite插值及其余项表达式，会利用承袭性方法构造非标准Hermite插值。 5、分段线性插值 知道Runge现象，了解分段插值的概念，掌握分段线性插值（分段表达式）。 6、三次样条函数与三次样条插值概念 了解三次样条函数与三次样条插值的定义。 （三）曲线拟合与函数逼近 1、曲线拟合的最小二乘法 熟练掌握曲线拟合最小二乘法的原理和解法（只要求线性最小二乘拟合），会求超定方程组的最小二乘解。 2、连续函数的最佳平方逼近 了解最佳平方逼近函数的概念，掌握最佳平方逼近多项式的求法（从法方程出发）。 （四）数值微积分 1、数值求积的基本思想、插值型求积公式与代数精度 掌握插值型求积公式（系数表达式），理解代数精度概念，会利用代数精度构造求积公式。 2、Newton-Cotes公式（等距节点插值型求积公式） 掌握梯形公式和Simpson公式，了解其余项公式与代数精度的联系，了解系数之和的性质，掌握稳定性条件；理解复化求积方法的思想。 3、正交多项式 掌握函数正交和正交多项式的概念（函数内积、2-范数、权函数，正交函数序列，正交多项式），了解Legendre多项式。 4、Gauss型求积公式 理解Gauss型求积公式的概念（最高代数精度、插值型），掌握构造Gauss型求积公式的方法（Gauss点和系数的求法），掌握其数值稳定性结论。 5、基于Taylor公式的数值微分公式 掌握常用的几个一阶差商公式。 （五）线性代数方程组的直接解法 1、三角形方程组的解法 熟练掌握三角形方程组解法（前推、回代公式）。 2、Gauss消去法 熟练掌握顺序Gauss消去法和列主元Gauss消去法的原理，并会应用之求解具体的方程组，理解选主元的优点。 3、三角分解法 掌握三角分解法的原理，并会用直接三角分解法求解具体的方程组。 4、追赶法与平方根法 掌握追赶法与平方根法的原理，并会应用之求解具体的方程组。 5、向量和矩阵的范数、谱半径与条件数 知道向量和矩阵范数的概念与基本性质，掌握常用的向量和矩阵范数的计算，掌握矩阵谱半径的定义与计算，掌握矩阵范数和谱半径的大小关系，会计算条件数，掌握条件数大小与方程组病态程度的关系，知道条件数不小于1。 （六）线性代数方程组的迭代解法 1、迭代法的基本思想 理解迭代法的基本概念，掌握基本型迭代的公式。 2、Jacobi迭代和G-S迭代 熟悉Jacobi迭代与G-S迭代的公式及迭代矩阵。 迭代法收敛性分析 熟练掌握迭代法收敛性充要条件与收敛性充分条件、Jacobi迭代与G-S迭代的收敛性判定，知道收敛速度与迭代矩阵谱半径（范数）大小的关系。 4、了解SOR法及其收敛性结论 （七）方程求根 1、二分法 掌握二分法及其误差估计。 2、不动点迭代法 理解不动点迭代法，掌握迭代法的局部收敛条件与收敛阶的判定。 3、Newton迭代法 熟悉Newton迭代法及其收敛性结论，掌握Newton法的应用（如应用于代数方程等特殊方程）。 （八）常微分方程数值解法 1、数值解的概念 理解数值解的概念，掌握初值问题数值解法的特点（步进式）。 2、Euler方法、局部截断误差 掌握Euler公式、隐式Euler公式和梯形公式，会推导其局部截断误差，并判断方法的阶；了解改进的Euler公式。 3、Runge-Kutta方法的原理 知道Runge-Kutta方法的原理，掌握经典4阶Runge-Kutta公式 的特点（性质）。 4、线性多步法的概念 知道线性多步法的一般形式与构造途径。 5、单步法的收敛性与稳定性 掌握单步法的收敛性与稳定性的概念，会论证收敛性和推导绝对稳定的条件（限于模型方程形式，其中λ为负实数）。 二、具体章节内容： 1. 教材