《简介与数值方法》课件.ppt

简介与数值方法本课程将带领您探索数值方法，以解决工程和科学领域中常见的数学问题。通过学习这些方法，您将能够使用计算机高效地计算近似解，从而为现实问题提供可行性解决方案。

课程目标与学习要求学习目标理解数值计算的基本概念，包括误差分析、稳定性分析等掌握线性方程组、非线性方程、插值与拟合、数值积分、数值微分等的数值解法学习常微分方程和偏微分方程的数值解法了解蒙特卡罗方法的基本原理和应用学习要求认真听讲、积极思考、独立完成作业掌握课本内容并能灵活运用鼓励思考问题，并能用数值方法解决实际问题

课程大纲概览1绪论介绍数值方法的基本概念2线性方程组高斯消元法、LU分解法、迭代法3非线性方程求根二分法、牛顿法、割线法、试位法4插值与拟合拉格朗日插值、牛顿插值、样条插值、最小二乘法5数值积分梯形法则、Simpson法则、Romberg积分法、自适应积分6数值微分差分公式、误差分析、变步长算法7常微分方程Euler方法、改进的Euler方法、Runge-Kutta方法、Adams预测校正法8偏微分方程有限差分法、边界条件处理、稳定性分析9蒙特卡罗方法随机数生成、概率分布采样

数值计算的基本概念1数值计算是利用计算机来解决数学问题的一种方法。2它通过将数学问题转化为一系列数值运算，得到问题的近似解。3数值计算广泛应用于各个领域，例如科学研究、工程设计、金融分析等。

误差的定义与来源误差定义数值计算中的误差是指计算结果与真实值之间的差异。误差来源**舍入误差:**由于计算机只能存储有限位数的数字，导致舍入产生的误差**截断误差:**由于使用近似公式或迭代算法，导致截断产生的误差**数据误差:**由于输入数据本身存在误差，导致的误差

绝对误差与相对误差绝对误差绝对误差是指计算结果与真实值之间的差的绝对值。相对误差相对误差是指绝对误差与真实值的比值。

舍入误差与截断误差舍入误差舍入误差是由于计算机只能存储有限位数的数字，导致舍入产生的误差。例如，将3.1415926…舍入到小数点后两位得到3.14，舍入误差为0.0015926…截断误差截断误差是由于使用近似公式或迭代算法，导致截断产生的误差。例如，使用泰勒级数展开近似计算函数值，截断后的项会导致误差。

误差分析案例案例1计算圆周率的值时，由于使用有限位数的数字进行计算，舍入误差不可避免，会导致计算结果与真实值之间存在差异。案例2使用数值积分方法计算定积分时，由于使用近似公式，截断误差不可避免，会导致计算结果与真实值之间存在差异。

数值稳定性介绍稳定性定义数值稳定性是指算法对输入数据中的微小误差的敏感程度。稳定性影响稳定性会影响算法的可靠性。如果算法不稳定，微小的输入误差会放大，导致计算结果出现较大偏差。

病态问题分析病态问题定义病态问题是指输入数据中的微小扰动会导致解的很大变化。病态问题影响病态问题会使数值解法变得困难，因为即使采用精确的算法，也很难得到可靠的结果。

线性方程组的直接解法高斯消元法通过行变换将系数矩阵化为上三角矩阵，然后回代求解未知数。LU分解法将系数矩阵分解为下三角矩阵L和上三角矩阵U的乘积，然后分别求解。

高斯消元法原理步骤1：消元通过行变换将系数矩阵化为上三角矩阵。步骤2：回代从最后一个方程开始，依次回代求解未知数。

高斯消元法实过高斯消元法，可以求得该线性方程组的解为x=1,y=1。

LU分解法基础LU分解定义LU分解是指将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积。LU分解应用LU分解可以用于求解线性方程组、计算矩阵的逆矩阵、求解特征值等。

LU分解法应用假设线性方程组的系数矩阵为A，则LU分解法可以将方程组化为以下形式：LUx=b

其中，L为下三角矩阵，U为上三角矩阵，x为未知数向量，b为常数项向量。可以通过先求解Ly=b，再求解Ux=y来求解未知数向量x。

矩阵条件数条件数定义条件数是用来衡量矩阵对微小扰动敏感程度的指标。条件数影响条件数越大，矩阵对微小扰动越敏感，求解线性方程组的结果越不稳定。

迭代法求解线性方程组Jacobi迭代法迭代法是求解线性方程组的一种近似解法。它通过不断迭代，逐渐逼近方程组的解。Gauss-Seidel迭代法Gauss-Seidel迭代法是对Jacobi迭代法的改进，它利用每次迭代得到的最新值来更新其他变量。

Jacobi迭代法假设线性方程组为Ax=b，则Jacobi迭代法的迭代公式为：x^(k+1)=D^(-1)(b-(L+U)x^(k))

其中，D为系数矩阵A的主对角线元素组成的对角矩阵，L为A的下三角部分，U为A的上三角部分，x^(k)为第k次迭代的解。

Gauss-Seidel迭代法Gauss-Seidel迭代法的迭代公式为：x_i^(k