《数值分析》总结
标签:数值分析
Me | [LOL] |
---|---|
Qyetfu | zhengdongjian@tju.edu.cn |
第一章 误差
- 绝对误差 e∗=x∗−x e ∗ = x ∗ − x
- 相对误差 e∗r=e∗x e r ∗ = e ∗ x ,常取 e∗r=e∗x∗ e r ∗ = e ∗ x ∗
- 误差限/绝对误差限 ϵ∗≥e∗ ϵ ∗ ≥ e ∗ ,绝对误差的上限
- 相对误差限 ϵ∗r≥e∗r→e∗ ϵ r ∗ ≥ e r ∗ → e ∗ ,相对误差的上限
- 误差的四个类型
- 数学模型和实际问题的误差: 模型误差
- 测量物理量(e.g. 长度,温度)时的误差: 观测误差
- 计算方法的误差:截断误差
- 计算结果在计算机中因字长限制保存时出现的误差:舍入误差
- 一个计算方法如果输入数据有误差,而在计算过程中舍入误差不增长,则称此算法是数值稳定的。
→
→
条件数
- 误差的四则运算
- 加减法: ϵ(x∗1±x∗2)=ϵ(x∗1)±ϵ(x∗2) ϵ ( x 1 ∗ ± x 2 ∗ ) = ϵ ( x 1 ∗ ) ± ϵ ( x 2 ∗ )
- 乘法: ϵ(x∗1×x∗2)=|x∗1×ϵ(x∗2)+|x∗2|×ϵ(x∗1) ϵ ( x 1 ∗ × x 2 ∗ ) = | x 1 ∗ × ϵ ( x 2 ∗ ) + | x 2 ∗ | × ϵ ( x 1 ∗ )
- 除法: ϵ(x∗1x∗2)=|x∗1|×ϵ(x∗2)+|x∗2|×ϵ(x∗1)|x∗2|2 ϵ ( x 1 ∗ x 2 ∗ ) = | x 1 ∗ | × ϵ ( x 2 ∗ ) + | x 2 ∗ | × ϵ ( x 1 ∗ ) | x 2 ∗ | 2
第二章 插值法
- [一般的]多项式插值: P(x)=a0+a1x+a2x2+⋯+anxn P ( x ) = a 0 + a 1 x + a 2 x 2 + ⋯ + a n x n
- 牛顿插值: N(x)=f(x0)+f[x0,x1](x−x0)+f[x0,x1,x2](x−x0)(x−x1)+… N ( x ) = f ( x 0 ) + f [ x 0 , x 1 ] ( x − x 0 ) + f [ x 0 , x 1 , x 2 ] ( x − x 0 ) ( x − x 1 ) + …
- 拉格朗日插值:
L(x)=(x−x1)(x−x2)…(x0−x1)(x0−x2)…f(x0)+(x−x0)(x−x2)(x−x3)…(x1−x0)(x1−x2)(x1−x3)…f(x1)+…
L
(
x
)
=
(
x
−
x
1
)
(
x
−
x
2
)
…
(
x
0
−
x
1
)
(
x
0
−
x
2
)
…
f
(
x
0
)
+
(
x
−
x
0
)
(
x
−
x
2
)
(
x
−
x
3
)
…
(
x
1
−
x
0
)
(
x
1
−
x
2
)
(
x
1
−
x
3
)
…
f
(
x
1
)
+
…
L(x)=∑i=1n(x−x0)(x−x1)…(x−xi−1)(x−xi+1)…(x−xn)(xi−x0)(xi−x1)…(xi−xi−1)(xi−xi+1)…(xi−xn)f(xi) L ( x ) = ∑ i = 1 n ( x − x 0 ) ( x − x 1 ) … ( x − x i − 1 ) ( x − x i + 1 ) … ( x − x n ) ( x i − x 0 ) ( x i − x 1 ) … ( x i − x i − 1 ) ( x i − x i + 1 ) … ( x i − x n ) f ( x i )
- [牛顿插值法]均差表构造
xi x i | yi y i | 一阶均差 | 二阶~ | 三阶 | … … |
---|---|---|---|---|---|
x0 x 0 | y0 y 0 | ||||
x1 x 1 | y1 y 1 | f[x0,x1]=y1−y0x1−x0 f [ x 0 , x 1 ] = y 1 − y 0 x 1 − x 0 | |||
x2 x 2 | y2 y 2 | f[x1,x2]=y2−y1x2−x1 f [ x 1 , x 2 ] = y 2 − y 1 x 2 − x 1 | f[x0,x1,x2]=f[x1,x2]−f[x0,x1]x2−x0 f [ x 0 , x 1 , x 2 ] = f [ x 1 , x 2 ] − f [ x 0 , x 1 ] x 2 − x 0 | ||
… … | … … | … … | … … | … … | … … |
第三章 函数逼近
权函数
∫baρ(x)g(x)dx ∫ a b ρ ( x ) g ( x ) d x函数内积
(f(x),g(x))=∫baρ(x)f(x)g(x)dx ( f ( x ) , g ( x ) ) = ∫ a b ρ ( x ) f ( x ) g ( x ) d x- 两函数内积为0,则称它们在 [a,b] [ a , b ] 上带权 ρ(x) ρ ( x ) 正交
正交函数族:函数族 ϕ0(x),ϕ1(x),... ϕ 0 ( x ) , ϕ 1 ( x ) , . . . 满足
(ϕj,ϕk)=∫baρ(x)ϕj(x)ϕk(x)dx=0(j≠k)|Ak>0(j=k) ( ϕ j , ϕ k ) = ∫ a b ρ ( x ) ϕ j ( x ) ϕ k ( x ) d x = 0 ( j ≠ k ) | A k > 0 ( j = k )勒让德多项式
P0(x)=1,Pn(x)=12nn!dndxn(x2−1)n P 0 ( x ) = 1 , P n ( x ) = 1 2 n n ! d n d x n ( x 2 − 1 ) n
第四章 数值积分方法
代数精度:如果某个求积公式对次数不超过m的多项式均能准确成立,但对m+1次不准确成立,则称其具有m次代数精度
梯形公式: ∫baf(x)dx=b−a2[f(a)+f(b)] ∫ a b f ( x ) d x = b − a 2 [ f ( a ) + f ( b ) ]
矩形公式: ∫baf(x)dx=b−a[f(a+b2)] ∫ a b f ( x ) d x = b − a [ f ( a + b 2 ) ]
牛顿-科斯特公式
- n n 次的牛顿-科斯特公式至少具有次代数精度;
- 当 n n 为偶数时,则至少具有次代数精度。
- 二阶为辛普森公式,系数: b−a6→1→4→1 b − a 6 → 1 → 4 → 1
- 四阶系数: b−a90→7→32→12→32→7 b − a 90 → 7 → 32 → 12 → 32 → 7
辛普森公式: S=b−a6[f(a)+4f(a+b2)+f(b)] S = b − a 6 [ f ( a ) + 4 f ( a + b 2 ) + f ( b ) ]
- 余项: R[f]=−b−a180(b−a2)4f(4)(η) R [ f ] = − b − a 180 ( b − a 2 ) 4 f ( 4 ) ( η )
复合求积公式(令 h=b−a h = b − a )
- 复合梯形: Tn=h2[f(a)+2∑n−1k=1f(xk)+f(b)] T n = h 2 [ f ( a ) + 2 ∑ k = 1 n − 1 f ( x k ) + f ( b ) ] ,误差为 O(h2) O ( h 2 )
- 复合辛普森: Sn=h6[f(a)+4∑n−1k=0f(xk+12)+2∑n−1k=1f(xk)+f(b)] S n = h 6 [ f ( a ) + 4 ∑ k = 0 n − 1 f ( x k + 1 2 ) + 2 ∑ k = 1 n − 1 f ( x k ) + f ( b ) ] ,误差阶 O(h4) O ( h 4 )
高斯求积公式
高斯-勒让德公式
第五章 消元
第六章 迭代法
-
A=D−L−U
A
=
D
−
L
−
U
- A A 为原系数矩阵
- D D 为 A A 的对角线元素构成的矩阵(diagonal?)
- L L 为 A A 的下三角矩阵(lower?)
- U U 为 A A 的上三角矩阵(upper?)
- 雅克比迭代,迭代矩阵 B=D−1(L+U) B = D − 1 ( L + U )
- 高斯-赛德尔迭代,迭代矩阵 G=(D−L)−1U G = ( D − L ) − 1 U
- 迭代收敛充要条件: 迭代矩阵谱半径 ρ(B)<1 ρ ( B ) < 1
- 迭代收敛充分条件: 迭代矩的某个范数 ||B||<1 | | B | | < 1
第七章 非线性方程的数值解法
- 不动点存在且唯一的条件:
- C[a,b]→a≤φ(x)≤b C [ a , b ] → a ≤ φ ( x ) ≤ b
- ∃L<1,|φ(x)−φ(y)|≤L|x−y| ∃ L < 1 , | φ ( x ) − φ ( y ) | ≤ L | x − y |
- 局部收敛: φ(x) φ ( x ) 在 x∗ x ∗ 的某个邻连续,并且 |φ′(x∗)|<1 | φ ′ ( x ∗ ) | < 1
- 若
xk+1xpk→C,C≠0
x
k
+
1
x
k
p
→
C
,
C
≠
0
,则称迭代过程是
p
p
阶收敛的。
- 称为线性收敛
-
- p>1 p > 1 称为超线性收敛
- p=2 p = 2 称为平方收敛
- 若 φ′(x∗)=φ″(x∗)=⋯=φ(n−1)(x∗)=0,φ(n)(x∗)≠0 φ ′ ( x ∗ ) = φ ″ ( x ∗ ) = ⋯ = φ ( n − 1 ) ( x ∗ ) = 0 , φ ( n ) ( x ∗ ) ≠ 0 ,则该迭代过程在 x∗ x ∗ 附近是 p p 阶收敛的
- 迭代法误差估计:若有不动点,则误差估计为 |xk−x∗|≤Lk1−L|x1−x0| | x k − x ∗ | ≤ L k 1 − L | x 1 − x 0 |
- 二分法
- 当求出有根区间为 (a,b) ( a , b ) 时,误差为 |b−a|2 | b − a | 2
- 牛顿法
- φ(x)=x−f(x)f′(x) φ ( x ) = x − f ( x ) f ′ ( x ) , 是平方收敛的
- 简化牛顿法: φ(x)=x−f(x)f′(x0) φ ( x ) = x − f ( x ) f ′ ( x 0 ) ,线性收敛。
- 牛顿下山法: φ(x)=x−λf(xk)f′(xk) φ ( x ) = x − λ f ( x k ) f ′ ( x k ) , λ λ 称为下山因子,初始取 λ=1 λ = 1 ,逐次减半直到满足 |f(xk+1)|<|f(xk)| | f ( x k + 1 ) | < | f ( x k ) |
- 弦截法
- φ(x)=x−f(x)f(xk)−f(xk−1)xk−xk−1 φ ( x ) = x − f ( x ) f ( x k ) − f ( x k − 1 ) x k − x k − 1 ,用差商代替牛顿法中的导数。超线性收敛( p=1+5√2≈1.618 p = 1 + 5 2 ≈ 1.618 )
第九章 常微分方程处置问题数值解法
- 欧拉法: yn+1=yn+h∗f(xn,yn) y n + 1 = y n + h ∗ f ( x n , y n )
- 改进欧拉法
- 预测: y′n+1=yn+h∗f(xn,yn) y n + 1 ′ = y n + h ∗ f ( x n , y n )
- 校正: yn+1=yn+h2∗[f(xn,yn)+f(xn+1,y′n+1)] y n + 1 = y n + h 2 ∗ [ f ( x n , y n ) + f ( x n + 1 , y n + 1 ′ ) ]
- R-K法
- 二阶中点: yn+1=yn+h∗(f(xn,yn)+f(xn+h2,yn+h2f(xn,yn)) y n + 1 = y n + h ∗ ( f ( x n , y n ) + f ( x n + h 2 , y n + h 2 f ( x n , y n ) )
- 二阶休恩:
yn+1=yn+h4(K1+3K2)
y
n
+
1
=
y
n
+
h
4
(
K
1
+
3
K
2
)
- K1=f(xn,yn) K 1 = f ( x n , y n )
- K2=f(xn+23h,yn+23hK1) K 2 = f ( x n + 2 3 h , y n + 2 3 h K 1 )