数值计算方法

最新推荐文章于 2024-07-29 00:58:39 发布

POP-2000

最新推荐文章于 2024-07-29 00:58:39 发布

阅读量1w

点赞数 8

本文链接：https://blog.csdn.net/yi_xiaoming_/article/details/116830275

版权

第一章绪论

1.1 数值计算方法的研究对象和特点

1.计算机解决科学计算问题的一般过程可概括为:实际问题->数学模型->计算方法->程序设计->上机计算。
2.对算法所要考虑的问题：
a.计算速度：eg：求解一个20 阶线性方程组,用克莱姆法则要进行9.71020 次运算, 如用每秒1亿次乘法运算的计算机要30 万年; 而用加减消元法需3000 次乘法运算.
b.存储量
c.数值稳定性
3.数值计算方法的特点
面向计算机，算法只能包括加、减、乘、除运算和逻辑运算。
有可靠的理论分析，能任意逼近并达到精度要求，保证收敛性和数值稳定性，对误差进行分析。
有好的计算复杂性，时间复杂性和空间复杂性。
要有数值实验，通过数值试验证明是可行的。

1.2 浮点数

1.2.1 定点数
1.设r为大于1的正整数,ai为0,1,…,r-1中的某一个,位数有限的r进制正数可写成: 在这里插入图片描述
x有l位整数,有m位小数,因为进位制的基数是r,所以

把小数点永远固定在指定位置上位数有限的数称为定点数,称n=l+m为字长,一般取l=n,m=0或l=0,m=n.
2.值得指出的是,在定点数运算操作数在它所能表示的范围内,而且还要求运算结果也在它所能表示的范围内,否则会产生溢出。
1.2.2 浮点数
1.设s是r进制数,p是r进制正负整数或零, r进制数x可以用s和rp的乘积表示为在这里插入图片描述
再设s的整数部分等于零,即s满足条件 -1<s<1;
则满足上述形式和条件的r进制数x称为r进制浮点数,s和p分别称为浮点数x的尾数和阶数
如果尾数的小数位数等于有限正整数t,则把x称为t位浮点数.
此外,如果还要求尾数s小数点后第一位数字不等于0,也就是要求尾数s满足条件在这里插入图片描述 ,
则该浮点数为r进制规格化浮点数.
1.2.3 计算机数系
1.进位制为r, 阶数为p且l≤p ≤u,(l,u为整数), 尾数的小数位数为t, T位r进制浮点数集合F具有如下形式
其中，di为整数满足0 ≤ di ≤r-1, i=1,2,…,t
F为规格化的浮点数系，F中共有2(r-1)rt-1(u-l+1)+1个浮点数.
2.任一计算机只能用有限的位数来表示浮点的尾数和阶数.
在计算机数系中,数的个数有限,数系中的每一个数都是有理数,从整体看,数系中的数分布很不均匀;
从局部看,阶数相同的数,又以相等的距离,分布在数轴的某一段上.
所以计算机数系是由一些残缺不全,分布不均匀的数组成,如果运算超出了计算机数系的范围,则产生溢出.

1.3 误差

模型误差:在建立数学模型过程中, 不可能将所有因素均考虑, 必然要进行必要的简化, 这就带来了与实际问题的误差。
观测误差: 测量已知参数时, 受测量工具及手段的影响，测量数据带来的误差。
截断误差: 在数学模型不能得到精确解时，通常要用数值方法求它的近似解，其近似解与精确解之间的误差称为截断误差或方法误差。
舍入误差: 计算机的字长是有限的, 每一步运算均需四舍五入, 由此产出的误差。
误差和误差限
相对误差和相对误差限

7.有效数字:如果近似值x* 的误差限是其某一位的半个单位, 该位到x的第一位非零数字共有n 位, 我们称x有n 位有效数字。
8.

1.4 误差的传播

1. 在这里插入图片描述

在这里插入图片描述
2.函数的运算误差

1.5 设计算法时应注意的原则

1.简化计算步骤, 减少运算次数。
2.注意避免两个相近数的相减，两个相近的数相减, 有效数字会大大损失。
3.防止大数 “吃掉” 小数。
4.避免除数的绝对值远小于被除数的绝对值。否则舍入误差会扩大。
5.使用数值稳定的算法。在运算过程中,舍入误差能控制在某个范围内的算法称为数值稳定的算法,否则就称为不稳定的算法.

第2章方程求根

2.1 增值寻根法与二分法

1. 在这里插入图片描述
2.二分法，先求迭代次数

3.二分法的优点是简单,对f(x)只要求连续,它的收敛速度与比值为1/2的等比级数相同,它的局限性是只能用于求实根,不能用于求复根及公偶数重根.

2.2 迭代法

迭代法是一种逐步逼近的方法,它是解代数方程、超越方程、微分方程等的一种基本而重要的数值方法。
1. 在这里插入图片描述

2.4 牛顿切线法

解非线性方程f(x)=0的牛顿(Newton) 法，就是将非线性方程线性化的一种方法。它是解代数方程和超越方程的有效方法之一。
1. 在这里插入图片描述

2.5 割线法

1. 在这里插入图片描述

第3章线性方程组的数值方法

数值计算方法可求解线性代数方程组大致可分两类:
直接法，就是经过有限步算术运算，可求得方程组精确解的方法（如果每步计算都是精确进行的话）
迭代法，就是用某种极限过程逐步逼近其精确解的方法。

3.1.1 回代过程

1.若计算过程中没有舍入误差，经过有限次的算术运算，可求得方程组 Ax=b （|A|0）的精确解的方法叫直接法。主要用于解系数矩阵是低阶稠密矩阵的线性方程组。
2. 在这里插入图片描述

3.1.2 消元过程

在这里插入图片描述
2.
3.从消元过程可以看出，对于n阶线性方程组，只要各步主元素不为零，经过n-1步消元，就可以得到一个等价的系数矩阵为上三角形阵的方程组，然后再利用回代过程可求得原方程组的解.
Ax=b 可用高斯消元法求解的充分必要条件是：系数矩阵 A 的各阶顺序主子式均不为零。
4.当n较大时,高斯消元法中乘除法的次数与加减法的次数近似为在这里插入图片描述

3.2 高斯主元素消元法

1.在采用高斯消元法解方程组时，用做除法的小主元素可能使舍入误差增加，主元素的绝对值越小，则舍入误差影响越大。固应避免采用绝对值小的主元素，同时选主元素尽量的大，可使该法具有较好的数值稳定性。
2.列主元素消元法
3.完全主元素消元法在这里插入图片描述

3.3 高斯——若当消元法

1.在高斯消元过程中，先将主元素化为1，而后将主元所在列的其它元素均化为零，最后将系数矩阵化为单位矩阵 E，无需回代就可求得原方程的解，此法称为高斯—若当消元法。在这里插入图片描述
2.高斯—若当消元法也可进行全主元素消元法及列主元素消元法.
当值较大时，高斯消元法比高斯—若当消元法节省n3/6次乘除法和加减法。
3.高斯—若当消元法对求一个矩阵的逆矩阵，或对求解仅常数项不同的很多方程组及矩阵方程是非常有用的.

3.4 矩阵分解

1.矩阵的LU分解在这里插入图片描述
2.
3.

3.5 向量与矩阵的范数

1. 在这里插入图片描述
2.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 λ , || λ x||=| λ |· ||x||；
③ 三角不等式 ||x+y||≤ ||x|| +||y|| ；
则称 ||x|| 为向量 x 的范数。
3. 在这里插入图片描述

4.矩阵的范数

5.

3.6 误差分析

1. 在这里插入图片描述

3.7 迭代法及其收敛性

3.8 雅可比迭代法与高斯—塞德尔迭代法

1. 在这里插入图片描述

第4章矩阵的特征值与特征向量问题

对n 阶方阵A求数λ和非零向量x ,使其满足Ax=λx这样的 λ 值称为矩阵A的特征值，非零向量 x 称为矩阵A的与特征值λ 相对应的一个特征向量。

4.1 幂法与反幂法

1.矩阵按模最大的特征值称为主特征值,幂法是计算矩阵的主特征值和相应特征向量的一种向量迭代法。
2.幂法；在这里插入图片描述
3.幂法的加速：原点平移法
4. 反幂法是用于求非奇异矩阵A的按模最小的特征值和对应特征向量的方法. 而结合原点平移法的反幂法则可以求矩阵A的任何一个具有先验了解的特征值和对应的特征向量。