计算机思维基础知识点,《大学计算机基础与思维》计算方法知识点归纳.doc

绪论

舍入误差：只取有限位数。

截断误差：设计算法使用近似处理。(例如：插值、拟合、求积/微分等的余项。用1+x表示e^x的误差)

绝对误差：e(x*) = x*-x

绝对误差限：((x*)

相对误差：

相对误差限：

有效数字

※※定义1：如果近似值x*的误差限是某一位的半个单位，该位到 x* 的第一位非零数字共有n 位,称 x* 有n 位有效数字。

※※定义2：用 x* 表示 x 的近似值，并将x*表示成，若其误差限，则称 x*具有 n 位有效数字。

定理1：设近似值有n位有效数字，，则其相对误差限为。

定理2：设近似值的相对误差不大于则它至少有n位有效数字。

算术运算误差：

，

和或差的误差限是误差限之和。

※函数运算误差：

多元函数误差=(各个自变量偏导数*各个自变量误差)再求和

方程求根

二分法误差估计：

※※迭代法收敛条件：

设在[a , b]上存在,且满足条件：

(1) 当x∈[a , b]时，

(2) 存在正数0

则方程在[a , b]上有唯一根x*，对任意迭代初值 x0∈[a , b],迭代收敛于x*。

(领域内收敛条件)若方程之根的某邻域内存在，且存在正常数0

则任取 x0∈ U , 迭代格式均收敛于x*。

迭代法的收敛速度：

※定义：令为第k次迭代的误差，若：

则迭代是p阶收敛。

※定理：设x*为的根,在x*的邻域 U内有连续的 p 阶导数，则

(1)若则线性收敛；

(2)若则p阶收敛

※牛顿法：

令f(x)一阶Taylor展开式：，可解得：，可得迭代格式：

收敛阶数：单根至少2阶；重根线性。

双点割线法：将差商代替牛顿法中的导数f (( xk ), 得：

单点割线法：用x0代替双点割线法中的所有xk-1，得：

收敛阶数：双点割线法是超线性收敛的( p =1.618>1 )，单点割线法在单根附近是线性收敛的。

线性方程组的数值方法

向量的范数

定义1 对任意 n 维向量 x (Rn，若对应非负实数||x|| ，满足

① 非负性 ||x||(0 ，等号仅当 x=0 时成立；

② 齐次性 对任何实数 ( , || ( x||=| ( |· ||x||；

③ 三角不等式 ||x+y||( ||x|| +||y|| ；

则称 ||x|| 为向量 x 的范数。

※常用的向量范数有

矩阵的范数

定义2 对任意n阶方阵 A=(aij)nn，若对应一个非负实数 ||A|| ，满足

① 非负性 ||A||( 0 且||A||=0当且仅当A=0；

②齐次性 对任意实数 ( , || ( A||=| ( | ( ||A||；

③三角不等式 对任意两个n阶方阵A与B, 有

||A+B|| ( ||A||+||B||；

④相容性 ||AB|| ( ||A|| ||B||

则称 ||A|| 为矩阵A的范数。

※常用的矩阵范数有

(谱范数)

※定义3 设n 阶方阵 A=(aij)nn 的特征值为(i (i=1,2, …,n), 称为A的谱半径。

定义1 如果矩阵A或常数项b 的微小变化(小扰动), 引起方程组Ax=b解的巨大变化, 则称此方程组为“病态”方程组, 其系数矩阵 A 称为“病态”矩阵(相对于方程组而言), 否则称方程组为“良态”方程组, A称为“良态”矩阵.

※定义2 设A是非奇异矩阵, 称数condv(A) =||A-1||v||A||v (v=1,2或() 为矩阵A的条件数 .

※常用的条件数

(1) cond∞(A)=||A-1||(||A||(;

(2) A的谱条件数：

当A为对称矩阵时，

迭代法

定义1　如果序列｛x(k)｝的极限存在(记 x＊)，则称迭代法收敛，x＊就是方程组 Ax=b 的解，否则称此迭代法发散。

定义2　如果，则称矩阵序列｛A(k)｝依范数收敛于A，记

※定理1 1)迭代格式x(k+1) = Bx(k) + f 收敛 ( lim Bk=O；

2)迭代格式 x(k+1) = Bx(k) + f 收敛 ( (( B )<1。

定义3　称为迭代法 x(k+1) = Bx(k) + f 的收敛速度。

※雅可比迭代与高斯赛德尔迭代：

雅可比迭代法可写为矩阵形式，Jacobi迭代矩阵为 B1=BJ =D-1(L+U)

高斯—塞德尔迭代法可写为矩阵形式，G-S迭代矩阵为

B2 = BG =(D-L)-1U

定义1 设n 阶矩阵A=(aij)n×n，如果