数值分析 - 毕业文章.docx

往会使用迭代法，已知曲线的一点，设法算出其斜率，找到下一点，作业；（3）注重Matlab

往会使用迭代法，已知曲线的一点，设法算出其斜率，找到下一点，

作业；（3）注重Matlab等软件上机实验；（4）要多动手编

可以在一定的高度上对课程有一个大体轮廓。如若不然，一开始就急

有良好的复杂性及数值试验，计算复杂性是算法好坏的标志，它包括

数值分析又常被称为计算方法。

数值分析是计算数学的一个主要部分。而计算数学是数学科学的一个分支，它研究用计算机求解数学问题的数值计算方法及其软件实现。计算数学几乎与数学科学的一切分支有联系，它利用数学领域的成果发展了新的更有效的算法及其理论，反过来很多数学分支都需要探讨和研究适用于计算机的数值方法。因此，数值分析内容十分广泛。

首先，数值计算的误差分析，误差是衡量我们的计算有效与否的标准，我们的算法解决问题如果在误差允许的范围内，则算法是有效的，否则就是一个无效的问题求解。

其次，在科学研究和工程技术中有许多问题可归结为求解方程及方程组，根据方程式是否线性分为线性方程（组）和非线性方程（组）。

线性方程（组）的主要解法有：直接接法和迭代法。

直接法是线性方程组的系数以矩阵来表示，再利用矩阵分解的方式求解，这些方法包括：高斯消去法、矩阵的三角分解法（具体包括直接三角分解法、一般非奇异矩阵的三角分解法（LU分解法）、追赶法）。这部分还包括了向量与矩阵的范数、扰动方程的误差界等知识。

迭代法包括有雅可比迭代法、高斯塞德尔迭代法、逐次超松驰迭代法（SOR）及对称逐次超松弛迭代法，一般会用在大型的线性方程组中。

非线性方程，其名称是因为函数的根就是使其值为零的点。若函数本身可微且其导数是已知的，可以用牛顿法求解，其他的方法包括二分法、弦割法、抛物线法等。

再次，求解特征值和特征向量的数值算法问题。在已学过的线性代数中我们已经学习过直接求解低阶方阵的特征值和特征向量的方法，但是对于高阶方阵的特征值和特征向量直接求解是不现实的，所以，我们有必要用数值的方法来求解。其方法包括有乘幂法、反幂法、雅可比法、QR法等等。

还有，函数插值问题。这在工程技术中，我们经常会遇到只知道某函数在某区间内有限个点处的函数值及其部分导数值，而不知道其具体表达式，或知道其具体表达式，但由于表达式太复杂不易于计算它在其他点处的函数及其导数值等，所以就需要一个易于求解函数值及导数值的函数来近似代替原函数，这就是函数插值问题。其主要方法包括：拉格朗日插值法、牛顿插值法、埃尔米特插值法、分段插值法、样条插值法等等。

另外，就是函数逼近。在简单集合中用简单函数来代替一个复杂的已知函数或一个仅知道有限个函数值的函数，是数值计算中最基本的方法之一，也就是函数逼近方法。其主要有最佳一致逼近、最佳平方逼近、最小二乘法等方法。

再者，就是数值积分与数值微分的问题了。

数值积分的目的是在求一定积分的值。一般常用牛顿－柯特斯公式，包括辛普森积分法、高斯求积等，还有龙贝格求积算法、高斯型求积公式等等。

用数值方法求微分有插值法、泰勒展开法等方法。

最后，就是微分方程的初值问题的数值解法。在自然科学与工程技术等许多领域中，常常还需要求解微分方程的初值问题。因此，我们需要用数值的方法去解微分方程的初值问题。数值分析用近似的方式计算微分方程的解，包括常微分方程及偏微分方程。常微分方程往往会使用迭代法，已知曲线的一点，设法算出其斜率，找到下一点，再推出下一点。欧拉方法是其中最简单的方式，较常使用

的发展是相辅相成、互相促进的。计算方法的发展启发了新的计算机必须根据实际情况把它转化成多项式近似表示。这都是数值分析的任西。总之，想在任何事情上学有所成，都必须遵循一定的方法。尤其区间内有限个点处的函数值及其部分导数值，而不知道其具体表达式的是龙格－库塔法。偏微分方程的数值分析解法一般都会先将问题离散化，转换成有限元素的次空间。可以透过有限元素法、有限差分法及有限体积法，这些方法可将偏微分方程转换为代数方程，但其理论论证往往和泛函分析的定理有关。另一种偏微分方程的数值分析解法则是利用离散傅立叶变换或快速傅立叶变换。

的发展是相辅相成、互相促进的。计算方法的发展启发了新的计算机

必须根据实际情况把它转化成多项式近似表示。这都是数值分析的任

西。总之，想在任何事情上学有所成，都必须遵循一定的方法。尤其

区间内有限个点处的函数值及其部分导数值，而不知道其具体表达式

近几十年来由于计算机的发展及其在各技术科学领域的应用推广与深化，新的计算性学科分支纷纷兴起，如计算力学、计算物理、计算化学、计算经济学等等，