第 1 章 数值分析与科学计算引论
1.1 数值分析的对象、作用与特点
1.2 数值计算的误差
1.3 误差定性分析与避免误差危害
1.4 数值计算中算法设计的技术
第 2 章 插值法
2.1 引言
2.2 拉格朗日插值
2.2.1 线性插值与抛物线插值
取 n=1,即一阶多项式
点斜式:
两点式:
由两点式看出 是由两个线性函数
线性组合得到的,其系数分别为 及
,即
2.2.2 拉格朗日插值多项式
n 次插值基函数:若 n 次多项式 在 n+1 个节点
上满足条件
就称这 n+1 个 n 次多项式 为节点
上的 n 次插值基函数
所以有
2.2.3 插值余项与误差估计
2.3 均差与牛顿插值多项式
2.4 埃尔米特插值
2.5 分段低次插值
2.6 三次样条插值
第 3 章 函数逼近与快速傅里叶变换
3.1 函数逼近的基本概念
3.2 正交多项式
3.2.1 正交函数族与正交多项式
若 为 [a,b] 上的权函数且满足
则称 与
在 [a,b] 上带权
正交
若函数族 满足关系
则称 是 [a,b]上带权
的正交函数族;
若 ,则称为标准正交函数族
设 是 [a,b] 上首项系数
的 n 次多项式,
为 [a,b] 上的权函数,如果多项式序列
满足上式,则称多项式序列
在 [a,b] 上带权
正交,称
为 [a,b] 上带权
的 n 次正交多项式
定理:设 是 [a,b] 上带权
的正交多项式,则
在区间 (a,b) 内有 n 个不同的零点
3.2.2 勒让德多项式
当区间为 [-1,1],权函数 时,由
正交化得到的多项式称为勒让德多项式,并用
表示,勒让德多项式的简单表达式
由于 是 2n 次多项式,求 n 阶导数后得
于是得首项 的系数
,显然最高项系数为 1 的勒让德多项式为
勒让德多项式有下述几个重要性质:
正交性
奇偶性
由于 是偶次多项式,经过偶次求导仍为偶次多项式,经过奇次求导仍为奇次多项式,故 n 为偶数时,
为偶函数,n 为奇数时,
为奇函数
递推关系
零点
在区间 [-1,1] 内有 n 个不同的实零点
3.2.3 切比雪夫多项式
当权函数 ,区间为 [-1,1] 时,由序列
正交化得到的正交多项式就是切比雪夫多项式,它可以表示为
若令 ,则
递推关系
正交
切比雪夫多项式 在区间 [-1,1] 上带权
正交,且
令 ,则
,于是
奇偶性
只含 x 的偶次幂,
只含 x 的奇次幂
零点
在区间 [-1,1] 上有 n 个零点
首项系数
的首项
的系数为
3.2.4 切比雪夫多项式零点插值
3.2.5 其他常用的正交多项式
3.3 最佳平方逼近
3.4 曲线拟合的最小二乘法
3.5 有理逼近
3.6 三角多项式逼近与快速傅里叶变换
第 4 章 数值积分与数值微分
4.1 数值积分概论
4.1.1 数值积分的基本思想
由积分中值定理
我们将 称为区间 [a,b] 上的平均高度。这样,只要对平均高度
提供一种算法,相应地便获得一种数值求积方法.
梯形公式,用端点的算术平均值作为平均高度
中矩阵公式,用区间中点近似取代平均高度
更一般地,我们可以在区间 [a,b] 上适当选取某些节点 ,然后用 f(x) 的加权平均得到平均高度
的近似值
称为求积节点;
称为求积系数,亦称伴随节点
的权。权
仅仅与节点
的选取有关,而不依赖于被积函数 f(x) 的具体形式.
4.1.2 代数精度的概念
如果某个求积公式对于次数不超过 m 的多项式均能准确地成立,但对于 m+1 次多项式就不准确成立,则称该求积公式具有 m 次代数精度(或代数精确度).
4.1.3 插值型的求积公式
作为积分 的近似值,这样构造出的插值型求积公式
式中求积系数 通过插值基函数
积分得出,即
4.1.4 求积公式的余项
4.1.5 求积公式的收敛性与稳定性
4.2 牛顿-柯特斯公式
4.2.1 柯特斯系数与辛普森公式
牛顿-柯特斯公式,将积分区间 [a,b] 划分为 n 等份,步长 ,选取等距节点
式中 称为柯特斯系数
当 n=1
当 n=2
相应的求积公式是辛普森(Simpson)公式:
当 n=4,有柯特斯公式
这里
4.3 复合求积公式
4.3.1 复合梯形公式
将区间 [a,b] 划分为 n 等份,分点 ,在每个子区间
上采用梯形公式,则得
得复合梯形公式(不要余项)
4.3.2 复合辛普森求积公式
将区间 [a,b] 划分为 n 等份,在每个子区间 上采用辛普森公式,若记
,则得
得复合辛普森求积公式 (不要余项)
4.4 龙贝格求积公式
4.4.1 梯形公式的递推化
用复合梯形公式求得子区间 上的积分值为
把每个子区间上的积分值相加得
进而得到下面梯形递推公式
其中 ,是梯形公式而不是复合梯形公式
4.4.2 外推技巧
由梯形公式,当 [a,b] 分为 n 等份时有
若记 ,当区间 [a,b] 分为 2n 等份时,则有
,并且有
设 ,则有
其中系数 与 h 无关,代入
得
结合上两条式子得到
这里 是与 h 无关的系数,用 S(h) 近似积分值 I,其误差阶为
,这比复合梯形公式的误差阶
提高了,容易看到
,即将 [a,b] 分为 n 等份得到的复合辛普森公式
这种将计算 I 的近似值的误差阶由 提高到
的方法称为外推算法,也称为理查森外推算法,只要真值与近似值的误差能表示成 h 的幂级数,都可使用外推算法,提高精度.
同理有
记 ,得
同理有
4.4.3 龙贝格算法
记 等,从而可将上述公式写成统一形式
经过 m(m=1,2,…) 次加速后,余项便取下列形式:
上述处理方法通常称为理查森外推加速方法
龙贝格求积算法,设 表示二分 k 次后求得的梯形值,且以
表示序列
的m次加速值
计算过程如下:
(1) 取 ,求
令 (k 记为区间 [a,b] 的二分次数)
(2) 求梯形值 ,即按递推公式计算
(3) 求加速值,逐个求出下面 T 表的第 k 行其余个元素
(4) 若 (预先给定的精度),则终止计算,并取
;否则令
,转 (2) 继续计算
同一行的下标与上标之和固定,元素由左边及左上角的元素得出
4.5 自适应积分方法
4.6 高斯求积公式
4.6.1 一般理论
机械求积公式
含有 2n+2 个待定参数 。当
为等距节点时得到的插值求积公式其 代数精度至少为 n 次,如果适当选取
,有可能使求积公式具有 2n+1 次代数精度.
下面研究带权积分,这里
为权函数,其求积公式为
为不依赖于
的求积系数,
为求积节点,可适当选取
及
使上式具有 2n+1 次代数精度
如果该求积公式具有 2n+1 次代数精度,则称其节点 为高斯点相应的公式称为高斯型求积公式
根据定义要使上式具有 2n+1 次代数精度,只要取 ,对 m=0,1,…,2n+1,上式精确成立,则得
当给定权函数 ,求出右端积分,则可由上式解得
及
定理:插值型求积公式的节点 是高斯点的充分必要条件是以这些节点为零点的多项式
与任何次数不超过 n 的多项式 p(x) 带权 正交,即
4.6.2 高斯-勒让德求积公式
在高斯求积公式中取权函数 ,区间为 [-1,1],则得高斯-勒让德求积公式
勒让德多项式是区间 [-1,1]上的正交多项式,因此勒让德多项式 的零点就是上述求积公式的高斯点
4.6.3 高斯-切比雪夫求积公式
4.6.4 无穷区间的高斯型求积公式
4.7 多重积分
4.8 数值微分
第 5 章 解线性方程组的直接方法
5.1 引言与预备知识
5.2 高斯消去法
5.2.1 高斯消去法
举个例子说明消去法的基本思想
通过行变换得到与原方程组等价的三角形线性方程组
5.2.2 矩阵的三角分解
由于对矩阵进行行的初等变换相当于用初等矩阵左乘该矩阵,故消去法的第一步可表示为
其中
即用第 1 行处理后面的行,注意 m 前面都有 - 号
第 k 步消去法可表示为
其中
即用第 k 行处理后面的行
可将上述所有步结合到一起得到
将上面的三角矩阵 记为 U,得到
其中
为单位下三角矩阵 ,此为 LU 分解
5.2.3 列主元消去法
5.3 矩阵三角分解法
5.3.1 直接三角分解法
5.3.2 平方根法
5.3.3 追赶法
5.4 向量和矩阵的范数
5.5 误差分析
第 6 章 解线性方程组的迭代法
6.1 迭代法的基本概念
6.1.1 引言
举个例子,求解线性方程组
记为 Ax=b,其中
此方程组的精确解是 ,现将线性方程组改写为
或写为 ,其中
任取初始值,例如取 ,将这些值代入上述方程组右边,(若为等式即得到此方程组的解),得到新的值
,再将
分量再代入上述方程组得到
,反复利用这个计算程序,得到一向量序列和一般的计算公式(迭代公式)
简写为
这就是迭代法
6.2 雅可比迭代法与高斯-塞德尔迭代法
6.2.1 雅可比迭代法
将线性方程组中的系数矩阵 分成三部分
设 ,选取 M 为 A 的对角元素部分,即选取 M=D(对角矩阵),A=D-N,得到解
的雅可比迭代法
其中 ,称 J 为解
的雅可比迭代法的迭代矩阵
下面给出雅可比迭代法的分量计算公式,记
由雅可比公式有
或
于是解 的雅可比迭代法的计算公式为
6.2.2 高斯-塞德尔迭代法
选取分裂矩阵 M 为 A 的下三角部分,即选取 M=D-L (下三角矩阵),A=M-N,于是得到解 的高斯-塞德尔迭代法
其中 ,称
为解
的高斯-塞德尔迭代法的迭代矩阵
6.2.3 雅可比迭代与高斯-塞德尔迭代收敛性
6.3 超松弛迭代法
6.4 共轭梯度法
第 7 章 非线性方程与方程组的数值解法
7.1 方程求根与二分法
7.2 不动点迭代法及其收敛性
7.3 迭代收敛的加速方法
7.4 牛顿法
7.5 弦截法与抛物线法
7.6 求根问题的敏感性与多项式的零点
7.7 非线性方程的数值解法
第 8 章 矩阵特征值计算
8.1 特征值性质和估计
8.2 幂法及反幂法
8.3 正交变换与矩阵分解
8.4 QR方法
第 9 章 常微分方程初值问题数值解法
9.1 引言
如果存在实数 L>0,使得
则称 f 关于 y 满足 Lipschitz 条件,L 称为 f 的 Lipschitz 常数.
定理:设 f 在区域 上连续,关于 y 满足利普希茨条件,则对任意
,常微分方程初值问题
当 x∈[a,b] 时存在唯一的连续可微解 y(x)
即导数满足 Lipschitz 条件就存在唯一解
9.2 简单的数值方法
9.2.1 欧拉法与后退欧拉法
后退欧拉法也称为隐式欧拉法,用右矩形公式 近似,则得
9.2.2 梯形方法
取平均斜率
梯形法的迭代公式为
9.2.3 改进欧拉公式
即把欧拉法的结果代入梯形方法
或表示为下列平均化形式
9.2.4 单步法的局部截断误差与阶
9.3 龙格-库塔方法
9.3.1 显式龙格-库塔法的一般形式
基于改进欧拉法,用高阶级数逼近积分
得 r 级显式龙格-库塔法(简称 R-K 法)
其中