数值分析课程总结

第1章绪论

1.1基本概念

绝对误差：准确值X与近似值X*之间的差值；取绝对值，为绝对误差限；

相对误差：准确值X与近似值X*之间的差值与准确值X的比值；取绝对值，为相对误差限；

有效数字：若近似值的误差限是其某一位的半个单位，则称该近似值准确到这一位，且从这一位到左边第一个非零数字都称为该近似值的有效数字；

1.2算法程序

1.泰勒逼近

%Taylor多项式逼近函数
%fun表示被逼近的函数f(x);n是Taylor多项式的次数
%x0表示f(x)在该点做Taylor展开；x1表示在该点求函数f(x)的近似值
function TaylorExp(fun,x0,n,x1)
    syms x;
    p=0;
    for i=0:n
        if i<=1
            m=1;
        else
            m=m*i;
        end
        p=p+((x-x0)^i)*subs(diff(fun,i),x0)/m;
    end
    if i==n
        if nargin==4
            disp('给定点处的函数值的近似值是')
            p0=subs(p,'x',x1), %计算给定点的函数值的近似值，并输出
        else
            disp('所求Taylor多项式是')
            p=collect(p);  %将插值多项式展开
            p=vpa(p,6),  %将插值多项式的系数化成保留6位有效数字的小数，并输出
        end
    end
end

 2.秦九韶

function QinJiuShao(A,x0)

%秦九韶算法,A为函数系数向量的已知多项式且降幂排列，x0为某点求多项式P（x）

n=size(A',1);

p0=A(n);

for i=n-1:-1:1

p0=p0*x0+A(i);

end

disp('给定点处的函数值的近似值是')

p0

end

第2章线性方程组的数值解法

2.1基本概念

Gauss消去法

【数值分析——线性方程组直接方法】LU分解与Gauss消去法_lu分解法解线性方程组-CSDN博客

矩阵三角分解法

矩阵分解 三角分解(LU分解)_系数矩阵的三角分解式子-CSDN博客

向量与矩阵范数

向量与矩阵的范数（比较1-范数、2-范数、无穷范数、p-范数、L0范数 和 L1范数等）_矩阵2范数-CSDN博客

解线性方程组的迭代法与收敛性

迭代法求解线性方程组的收敛问题总结_如何判断迭代收敛-CSDN博客

第3章非线性方程(组)的数值解法

3.2求实根的二分法

3.3迭代法及其收敛性

3.4Newton迭代法

3.5弦截法

3.6抛物线（Müller）法

3.7非线性方程组的迭代法简介

第4章插值法

4.2Lagrange插值

4.3Newton插值

4.4Hermite插值

4.5分段多项式插值

4.6三次样条插值

4.7B样条简介

第5章数据拟合与函数逼近

5.2最小二乘法

5.3正交多项式

5.4最佳平方逼近

5.5最佳一致逼近

第6章数值微积分

6.2数值微分

6.3数值积分的一般概念

6.4Newton-Cotes求积公式

6.5复化求积公式

6.6Romberg算法

6.7Gauss型求积公式

6.8振荡函数的积分的数值求积公式

6.9重积分的数值求积公式

第7章常微分方程初值问题的数值解法

7.2Euler方法及改进的Euler方法

7.3Runge-Kutta方法

7.4单步法的相容性、收敛性与稳定性

7.5线性多步法

7.6常微分方程组和高阶常微分方程的数值解法简介