数值分析(第五版)计算实习题第五章作业
数值分析第五章
第一题：
LU分解法：
建立m文件
function h1=zhijieLU(A,b)%h1各阶主子式的行列式值
[n n]=size(A);RA=rank(A);
if RA~=n
disp('请注意：因为A的n阶行列式h1等于零，所以A不能进行LU分解。A的秩RA如下：')
RA,h1=det(A);
return
end
if RA==n
for p=1:n
h(p)=det(A(1:p,1:p));
end
h1=h(1:n);
for i=1:n
if h(1,i)==0
disp('请注意：因为A的r阶主子式等于零，所以A不能进行LU分解。A的秩RA和各阶顺序主子式h1依次如下：')
h1;RA
return
end
end
if h(1,i)~=0
disp('请注意：因为A的r阶主子式都不等于零，所以A能进行LU分解。A的秩RA和各阶顺序主子式h1依次如下：')
for j=1:n
U(1,j)=A(1,j);
end
for k=2:n
for i=2:n
for j=2:n
L(1,1)=1;L(i,i)=1;
if i>j
L(1,1)=1;L(2,1)=A(2,1)/U(1,1);L(i,1)=A(i,1)/U(1,1);
L(i,k)=(A(i,k)-L(i,1:k-1)*U(1:k-1,k))/U(k,k);
else
U(k,j)=A(k,j)-L(k,1:k-1)*U(1:k-1,j);
end
end
end
end
h1;RA,U,L,X=inv(U)*inv(L)*b
end
end
输入：
>> A=[10 -7 0 1;-3 2.099999 6 2;5 -1 5 -1;2 1 0 2];
>> b=[8;5.900001;5;1];
>> h1=zhijieLU(A,b)
输出：
请注意：因为A的r阶主子式都不等于零，所以A能进行LU分解。A的秩RA和各阶顺序主子式h1依次如下：
RA =
4
U =
10.0000 -7.0000 0 1.0000
0 2.1000 6.0000 2.3000
0 0 -2.1429 -4.2381
0 -0.0000 0 12.7333
L =
1.0000 0 0 0
-0.3000 1.0000 0 0
0.5000 1.1905 1.0000 -0.0000
0.2000 1.1429 3.2000 1.0000
X =
-0.2749
-1.3298
1.2969
1.4398
h1 =
10.0000 -0.0000 -150.0001 -762.0001
列主元高斯消去法：
建立m文件
function [RA,RB,n,X]=liezhu(A,b)
B=[A b];n=length(b);RA=rank(A);RB=rank(B);zhicha=RB-RA;
if zhicha>0
disp('请注意：因为RA~=RB，所以方程组无解')
return
warning offMATLAB:return_outside_of_loop
end
if RA==RB
if RA==n
disp('请注意：因为RA=RB，所以方程组有唯一解')
X=zeros(n,1);C=zeros(1,n+1);
for p=1:n-1
[Y,j]=max(abs(B(p:n,p)));C=B(p,:);
B(p,:)=B(j+p-1,:);B(j+p-1,:)=C;
for k=p+1:n
m=B(k,p)/B(p,p);
B(k,p:n+1)=B(k,p:n+1)-m*B(p,p:n+1);
end
end
b=B(1:n,n+1);A=B(1:n,1:n);X(n)=b(n)/A(n,n);
for q=n-1:-1:1
X(q)=(b(q)-sum(A(q,q+1:n)*X(q+1:n)))/A(q,q); end
else
disp('请注意：因为RA=RB end 输入： >> A=[10 -7 0 1;-3 2.099999 6 2;5 -1 5 -1;2 1 0 2]; >> b=[8;5.900001;5;1]; >> [RA,RB,n,X]=liezhu(A,b),H=det(A) 输出： 请注意：因为RA=RB，所以方程组有唯一解 RA = 4 RB = 4 n = 4 X = 0.0000 -1.0000 1.0000 1.0000 H = -762.0001 第二题： 建立列主元高斯消去法m文件（题一中已有） （1）输入： >> format compact >> A=[3.01 6.03 1.99;1.27 4.16 -1.23;0.987 -4.81 9.34]; >> b=[1;1;1]; >> [RA,RB,n,X]=liezhu(A,b),h=det(A),C=cond(A) 输出： 请注意：因为RA=RB，所以方程组有唯一解 RA = 3 RB = n = 3 X = 1.0e+03 * 1.5926 -0.6319 -0.4936 h = -0.0305 C = 3.0697e+04 (2)输入： >> A=[3.00 6.03 1.99;1.27 4.16 -1.23;0.990 -4.81 9.34]; >> b=[1;1;1]; >> [RA,RB,n,X]=liezhu(A,b),h=det(A) 输出： 请注意：因为RA=RB，所以方程组有唯一解 RA = 3 RB = 3 n = 3 X = 119.5273 -47.1426 -36.8403 h = -0.4070 第三题： 输入： >> clear >> A=[10 7 8 7;7 5 6 5;8 6 10 9;7 5 9 10]; >> b=[32 23 33 31]’; >> dA=det(A),lamda=eig(A),Ac2=cond(A,2) 输出： dA = 1.0000 lamda = 0.0102 0.8431 3.8581 30.2887 2.9841e+03 下面分析误差性态： 建立m文件： function Acp=pjwc(A,jA,b,jb,p) %Acp矩阵A的p条件数cond %pjwc：p范数解的误差性态分析 %jA是A的近似矩阵jA=A+δA，jb=b+δb Acp=cond(A,p);dA=det(A);X=A\b; deltaA=jA-A; pndA=norm(deltaA,p);deltab=jb-b; pndb=norm(deltab,p); if pndb>0 jX=A\jb;Pnb=norm(b,p);pnjx=norm(jX,p);deltaX=jX-X; pnjdX=norm(deltaX,p);jxX=pnjdX/pnjX; pnX=norm(X,p);xX=pnjdX/pnX; pndb=norm(deltab,p);xAb=pndb/pnb;pnbj=norm(jb,p);xAbj=pndb/pnbj; Xgxx=Acp*xAb; end if pndA>0 jX=jA\b;deltaX=jX-X;pnX=norm(X,p); pnjdX=norm(deltaX,p); pnjX=norm(jX,p);jxX=pnjdX/pnjX;xX=pnjdX/pnX; pnjA=norm(jA,p);pnA=norm(A,p); pndA=norm(deltaA,p);xAbj=pndA/pnjA;xAb=pndA/pnA; Xgxx=Acp*xAb; end if (Acp>50)&(dA<0.1) disp('请注意：AX=b是病态的，A的p条件数Acp，A的行列式值dA，解X，近似解jX，解的相对误差xX，解的相对误差估计Xgxx，b或A的相对误差xAb依次如下：') Acp,dA,X',jX',xX',jxX',Xgxx',xAb',xAbj' else disp('请注意：AX=b是良态的，A的p条件数Acp，A的行列式值dA，解X，近似解jX，解的相对误差xX，解的相对误差估计Xgxx，b或A的相对误差xAb依次如下：') Acp,dA,X',jX',xX',jxX',Xgxx',xAb',xAbj' end 输入： >> jA=[10 7 8.1 7.2;7.08 5.04 6 5;8 5.98 9.89 9;6.99 5 9 9.98]; >> jb=b;p=2; >> Acp=pjwc(A,jA,b,jb,p) 输出： 请注意：AX=b是良态的，A的p条件数Acp，A的行列式值dA，解X，近似解jX，解的相对误差xX，解的相对误差估计Xgxx，b或A的相对误差xAb依次如下： Acp = 2.9841e+03 dA = 1.0000 ans = 1.0000 1.0000 1.0000 1.0000 ans = -9.5863 18.3741 -3.2258 3.5240 xX = 10.4661 jxX = 0.9842 Xgxx = 22.7396 xAb = 0.0076 xAbj = 0.0076 Acp = 2.9841e+03 第四题： （1）输入： 建立m文件: for n=2:6 a=hilb(n); pnH(n-1)=cond(a,inf); end pnH n=2:6; plot(n,pnH); 可见条件数随着n的增大而急剧增大 （2）输入： >> n=2;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) 输出： 请注意：因为RA=RB，所以方程组有唯一解RA = 2 RB = 2 n = 2 X = 1.0000 1.0000 输入：>> r=b-H*X,deltax=X-x 输出： r = deltax = 1.0e-15 * 0.4441 -0.6661 输入： >> n=3;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x 输出： X = 1.0000 1.0000 1.0000 r = 1.0e-15 * 0.2220 deltax = 1.0e-13 * -0.0200 0.1221 -0.1255 >> n=4;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x X = 1.0000 1.0000 1.0000 1.0000 r = 1.0e-15 * -0.4441 -0.1110 deltax = 1.0e-12 * -0.0222 0.2485 -0.5980 0.3886 >> n=5;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x X = 1.0000 1.0000 1.0000 1.0000 1.0000 r = 1.0e-15 * 0.2220 0.1110 deltax = 1.0e-11 * -0.0035 0.0524 -0.1937 0.2591 -0.1148 >> n=6;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x X = 1.0000 1.0000 1.0000 1.0000 1.0000 r = 1.0e-15 * 0.2220 0.1110 deltax = 1.0e-11 * -0.0035 0.0524 -0.1937 0.2591 -0.1148 >> n=7;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x X = 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 r = 1.0e-15 * 0.2220 0.1110 deltax = 1.0e-09 * -0.0008 0.0219 -0.1482 0.3854 -0.4254 0.1677 >> n=8;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x X = 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 r = 1.0e-15 * -0.2220 -0.1110 -0.1110 deltax = 1.0e-06 * -0.0000 0.0018 -0.0236 0.1279 -0.3442 0.4870 -0.3466 0.0978 >> n=9;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x X = 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 r = 1.0e-15 * 0.4441 0.2220 -0.2220 0.2220 0.2220 -0.1110 deltax = 1.0e-04 * -0.0000 0.0002 -0.0028 0.0197 -0.0722 0.1471 -0.1687 0.1017 -0.0251 >> n=10;H=hilb(n); >> x=(linspace(1,1,n))'; >> b=H*x; >> [RA,RB,n,X]=gauss(H,b) >> r=b-H*X,deltax=X-x X = 1.0000 1.0000 1.0000 1.0000 0.9999 1.0003 0.9996 1.0004 0.9998 1.0000 r = 1.0e-15 * 0.4441 -0.2220 0.2220 -0.1110 0.1110 0.1110 deltax = 1.0e-03 * -0.0000 0.0001 -0.0023 0.0205 -0.0974 0.2669 -0.4369 0.4214 -0.2209 0.0485 % 数值分析思考题1 1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 答：（1）绝对误差（限）与有效数字：将x 的近似值x * 表示成 x *=±10m ×(a 1×10﹣1+a 2×10﹣2+ …a n ×10﹣n +…+a k ×10﹣k +…)，其中m 是整数，a 1≠0，a 1，a 2，…，a k 是0到9中的一个数字。若绝对误差，那么x *至少有n 个有效数字，即a 1，a 2，…，a n 为有效数字，而a n+1，…，a k ，…不一定是有效数字。因此，从有效数字可以算出近似数的绝对误差限；有效数字位数越多，其绝对误差限也越小。 （2）相对误差（限）与有效数字：将x 的近似值x * 表示成 x *=±10m ×(a 1×10﹣1+a 2×10﹣2+ …a n ×10﹣n +…+a k ×10﹣k +…)，其中m 是整数，a 1≠0，a 1，a 2，…，a k 是0到9中的一个数字。若a k 是有效数字，那么相对误差不超过 ;反之，如果已知相对误差r ，且有 ，那么a k 必为有效数字。 2、相对误差在什么情况下可以用下式代替 ' 答：在实际计算时，由于真值常常是未知的，当较小时， r e x x e x x *****-== 通常用代替。 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 答：（1）病态问题：对于数学问题本身，如果输入数据有微小变化，就会引起输出数据（即问题真解）的很大变化，这就是病态问题。 （2）不同点：数值稳定性是相对于算法而言的，算法的不同直接影响结果的不同；而病态性是数学问题本身性质所决定的，与算法无关，也就是说对病态问题，用任何算法（或方法）直接计算都将产生不稳定性。 4、 取 ，计算 ，下列方法中哪种最好为什么 （1）(3322-，（2）(2752-，（3）()31 322+，（4）()61 21，（5） 99702-答：（1）( 332-==； （2）(2752-==； , （3） ()31322+=； （4）()6121=； （5）99702-=； 由上面的计算可以看出，方法（3）最好，因为计算的误差最小。 2141.≈)6 21 数值分析 第1章绪论 --------学习小结 一、本章学习体会 通过本章的学习，让我初窥数学的又一个新领域。数值分析这门课，与我之前所学联系紧密，区别却也很大。在本章中，我学到的是对数据误差计算，对误差的分析，以及关于向量和矩阵的范数的相关内容。 误差的计算方法很多，对于不同的数据需要使用不同的方法，或直接计算，或用泰勒公式。而对于二元函数的误差计算亦有其独自的方法。无论是什么方法，其目的都是为了能够通过误差的计算，发现有效数字、计算方法等对误差的影响。 而对误差的分析，则是通过对大量数据进行分析，从而选择出相对适合的算法，尽可能减少误差。如果能够找到一个好的算法，不仅能够减少计算误差，同时也可以减少计算次数，提高计算效率。 对于向量和矩阵的范数，我是第一次接触，而且其概念略微抽象。因此学起来较为吃力，仅仅知道它是向量与矩阵“大小”的度量。故对这部分内容的困惑也相对较多。 本章的困惑主要有两方面。一方面是如何能够寻找一个可靠而高效的算法。虽然知道算法选择的原则，但对于很多未接触的问题，真正寻找一个好的算法还是很困难。另一方面困惑来源于范数，不明白范数的意义和用途究竟算什么。希望通过以后的学习能够渐渐解开自己的疑惑。 二、本章知识梳理 2.1 数值分析的研究对象 方法的构造 研究对象 求解过程的理论分析 数值分析是计算数学的一个重要分支，研究各种数学问题的数值解法，包括方法的构造和求解过程的理论分析。它致力于研究如何用数值计算的方法求解各种基本数学问题以及在求解过程中出现的收敛性，数值稳定性和误差估计等内容。 2.2误差知识与算法知识 2.2.1误差来源 误差按来源分为模型误差、观测误差、截断误差、舍入误差与传播误差五种。其中模型误差与观测误差属于建模过程中产生的误差，而截断误差、舍入误差与传播误差属于研究数值方法过程中产生的误差。 2.2.2绝对误差、相对误差与有效数字 1.（1）绝对误差e指的是精确值与近似值的差值。 绝对误差： 第五章习题解答 1、给出数据点:0134 19156 i i x y =?? =? (1)用012,,x x x 构造二次Lagrange 插值多项式2()L x ,并计算15.x =的近似值215(.)L 。 (2)用123,,x x x 构造二次Newton 插值多项式2()N x ,并计算15.x =的近似值215(.)N 。 (3)用事后误差估计方法估计215(.)L 、215(.)N 的误差。 解: (1)利用012013,,x x x ===,0121915,,y y y ===作Lagrange 插值函数 2 20 2 1303011915 01031013303152933 ()()()()()() ()()()()()()()() i i i x x x x x x L x l x y x x =------== ?+?+?-------++= ∑ 代入可得2151175(.).L =。 (2)利用 134,,x x x ===,9156,,y y y ===构造如下差商表： 229314134196()()()()()N x x x x x x =+-+---=-+- 代入可得215135(.).N =。 (3)用事后误差估计的方法可得误差为 ()()()02222 03-x 150 x x x -=117513506563-04.()()()(..).x f L R L x N x x x --≈= -≈- ()()()3222203-154 x x -=1175135-1.0938-04 .()()()(..)x x f N R x L x N x x x --≈=-≈- 2、设Lagrange 插值基函数是 0012()(,,,,)n j i j i j j i x x l x i n x x =≠-==-∏ 试证明:①对x ?,有 1()n i i l x ==∑ ②00110001211()()(,,,)()()n k i i i n n k l x k n x x x k n =?=?==??-=+? ∑ 其中01,,,n x x x 为互异的插值节点。 证明： ①由Lagrange 插值多项式的误差表达式10 1()()()()()!n n i i f R x x x n ξ+==-+∏知，对于函数1()f x =进行 《数值分析》第一章思考题 1.算法这一概念，数学上是如何描述的？ 答：算法的概念：算法是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。 算法在数学上的主要描述方式有：自然语言、结构化流程图、伪代码和PAD图 2.数值分析中计算误差有哪些？举列说明截断误差来源。 答：在数值分析中的计算误差主要有： （1）模型误差（2）观测误差（3）截断误差（4）舍入误差 求解数学模型所用的数值方法通常是一种近似方法，因近似方法产生的误差称为截断误差或者方法误差。例如在函数的泰勒展开式，我们在实际的计算时只能截取有限项代数和计算。 3.浮点数由哪两部分组成？指出各部分重点。 答：浮点数主要由：尾数+阶数两部分组成的。 在机器中表示一个浮点数时，一是要给出尾数，用定点小数形式表示，尾数部分给出有效数字的位数，决定了浮点数的表示精度。二是要给出阶码，用整数形式表示，阶码指明小数点在数据中的位置，决定了浮点数的表示范围。 4.有效数字的概念是如何抽象而来的，简单给予叙述。 答：有效数字是一个数据在保证最小误差的情况下，取的一个能够在计算中发挥其有效作用的近似值。有效数字的作用在于，最大精度地去发挥这个数值在计算中的作用，而又不会对计算结果造成太大影响，使计算过程简化。 5.何谓秦九韶算法，秦九韶算法有何优点？ 答：秦九韶算法是一种多项式简化算法，将一元n次多项式的求值问题转化为n 个一次式的算法，大大简化了计算过程，对于一个n次多项式，至多做n次乘法和n次加法。。 6.在数值计算中，会发生大数吃小数现象，试对这一现象做解释 答：一个绝对值很大的数和一个绝对值很小的数直接相加时，很可能发生所谓“大数吃小数”的现象，从而影响计算结果的可靠性，这主要是计算机表示的数的位数是有限的这一客观事实引起的。 例如在12位浮点数计算机中进行浮点数相加，系统只保留前12位作为有效数字，小的那个数化成浮点数中的有效数字被舍去，出现大数吃小数的现象，对计算结果造成了影响。 ￥ 数值分析思考题1 1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 2、相对误差在什么情况下可以用下式代替 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 4、取 ，计算 ，下列方法中哪种最好为什么（1）(3 3-，（2）(2 7-，（3） ()3 1 3+ ，（4） ()6 1 1 ，（5）99- , 数值实验 数值实验综述：线性代数方程组的解法是一切科学计算的基础与核心问题。求解方法大致可分为直接法和迭代法两大类。直接法——指在没有舍入误差的情况下经过有限次运算可求得方程组的精确解的方法，因此也称为精确法。当系数矩阵是方的、稠密的、无任何特殊结构的中小规模线性方程组时，Gauss消去法是目前最基本和常用的方法。如若系数矩阵具有某种特殊形式，则为了尽可能地减少计算量与存储量，需采用其他专门的方法来求解。 Gauss消去等同于矩阵的三角分解，但它存在潜在的不稳定性，故需要选主元素。对正定对称矩阵，采用平方根方法无需选主元。方程组的性态与方程组的条件数有关，对于病态的方程组必须采用特殊的方法进行求解。 数值计算方法上机题目1 1、实验1. 病态问题 实验目的： 算法有“优”与“劣”之分，问题也有“好”和“坏”之别。所谓坏问题就是问题本身的解对数据变化的比较敏感，反之属于好问题。希望读者通过本实验对此有一个初步的体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 $ r e x x e x x ** * ** - == 141 . ≈)61 第一章复习与思考题 1. 什么是数值分析？它与数学科学和计算机的关系如何？ 答：数值分析也称计算数学，是数学科学的一个分支，主要研究的是用计算机求解各种数学问题的数值计算方法及其理论与软件实现. 数值分析以数学问题为研究对象，但它并不像纯数学那样只研究数学本身的理论，而是把理论与计算紧密结合，着重研究数学问题的数值方法及其理论. 2. 何谓算法？如何判断数值算法的优劣？ 答：一个数值问题的算法是指按规定顺序执行一个或多个完整的进程，通过算法将输入元变换成输出元. 一个面向计算机，有可靠理论分析且计算复杂性好的算法就是一个好算法. 因此判断一个算法的优劣应从算法的可靠性、准确性、时间复杂性和空间复杂性几个方面考虑. 3. 列出科学计算中误差的三个来源，并说出截断误差与舍入误差的区别. 答：用计算机解决实际问题首先要建立数学模型，它是对被描述的实际问题进行抽象、简化而得到的，因而是近似的，数学模型与实际问题之间出现的误差叫做模型误差. 在数学模型中往往还有一些根据观测得到的物理量，如温度、长度等，这些参量显然也包含误差，这种由观测产生的误差称为观测误差. 当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，其近似解和精确解之间的误差称为截断误差或方法误差. 有了求解数学问题的计算公式以后，用计算机做数值计算时，由于计算机字长有限，原始数据在计算机上表示时会产生误差，计算过程又可能产生新的误差，这种误差称为舍入误差. 截断误差和舍入误差是两个不同的概念，截断误差是由所采用的数值方法而产生的，因而也称方法误差，舍入误差是由数值计算而产生的. 4. 什么是绝对误差与相对误差？什么是近似数的有效数字？它与绝对误差和相对误差有何关系？ 答：设 为准确值， 为 的一个近似值，称 为近似值 的绝对误差，简称误差. 近似值的误差 与准确值 的比值 称为近似值 的相对误差，记作 . 通常我们无法知道误差的准确值，只能根据测量工具或计算情况估计出误差绝对值的一个上界 ， 第一章 绪论 姓名 学号 班级 习题主要考察点：有效数字的计算、计算方法的比较选择、误差和误差限的计算。 1 若误差限为5105.0-?,那么近似数有几位有效数字（有效数字的计算） 解：2*103400.0-?=x ，325*102 1102 1---?=?≤-x x 故具有3位有效数字。 2 14159.3=π具有4位有效数字的近似值是多少（有效数字的计算） 解：10314159.0?= π，欲使其近似值*π具有4位有效数字，必需 41*102 1 -?≤-ππ，3*3102 1102 1--?+≤≤?-πππ，即14209.314109.3*≤≤π 3 已知2031.1=a ，978.0=b 是经过四舍五入后得到的近似值，问b a +， b a ?有几位有效数字（有效数字的计算） 解：3*1021 -?≤-a a ，2*102 1-?≤-b b ，而1811.2=+b a ，1766.1=?b a 2123****102 1 10211021)()(---?≤?+?≤ -+-≤+-+b b a a b a b a 故b a +至少具有2位有效数字。 2123*****102 1 0065.01022031.1102978.0)()(---?≤=?+?≤ -+-≤-b b a a a b b a ab 故b a ?至少具有2位有效数字。 4 设0>x ，x 的相对误差为δ，求x ln 的误差和相对误差（误差的计算） 解：已知δ=-* *x x x ，则误差为 δ=-= -* **ln ln x x x x x 则相对误差为 * * ** * * ln ln 1ln ln ln x x x x x x x x δ = -= - 5测得某圆柱体高度h 的值为cm h 20*=，底面半径r 的值为cm r 5*=， 已知cm h h 2.0||*≤-，cm r r 1.0||*≤-，求圆柱体体积h r v 2π=的绝对误差 限与相对误差限。（误差限的计算） 解：*2******2),(),(h h r r r h r r h v r h v -+-≤-ππ 绝对误差限为 πππ252.051.02052)5,20(),(2=??+????≤-v r h v 相对误差限为 %420 1 20525) 5,20() 5,20(),(2 ==??≤ -ππv v r h v 6 设x 的相对误差为%a ,求n x y =的相对误差。（函数误差的计算） 解：%* *a x x x =-， )%(* **** *na x x x n x x x y y y n n n =-≤-= - 7计算球的体积，为了使体积的相对误差限为%1，问度量半径r 时允许的相对误差限为多大（函数误差的计算） 习题5 1．导出如下3个求积公式，并给出截断误差的表达式。 (1) 左矩形公式：?-≈b a a b a f dx x f ))(()( (2) 右矩形公式：))(()(a b b f dx x f b a -≈? (3) 中矩形公式：?-+≈b a a b b a f dx x f ))(2 ( )( 解：(1) )()(a f x f ≈， )()()()(a b a f dx a f dx x f b a b a -=≈?? (2) )()(b f x f ≈，??-=≈b a b a a b a f dx b f dx x f ))(()()( )()(2 1)()()()(2 ηηξf a b dx b x f dx b x f b a b a '--=-'=-'=??，),(,b a ∈ηξ (3) 法1 )2 ( )(b a f x f +≈ ， 法2 可以验证所给公式具有1次代数精度。作一次多项式 )(x H 满足 )2()2( b a f b a H +=+，)2 ()2(b a f b a H +'=+'，则有 2 )2 )((!21)()(b a x f x H x f +-''= -ξ， ),(b a ∈ξ 于是 2．考察下列求积公式具有几次代数精度： （1） ?'+ ≈1 )1(2 1 )0()(f f dx x f ； （2） )3 1()31()(1 1f f dx x f +- ≈?-。 解： （1）当1)(=x f 时，左=1，右=1+0=1，左=右； 当x x f =)(时，左21= ，右=2 1 210=+，左=右； 当2 )(x x f =时，左=3 1 ，右=1，左≠右，代数精度为1。 ： 数值分析课程思考题 1．叙述拉格朗日插值法的设计思想。 Lagrange插值是把函数y=f(x)用代数多项式pn(x)代替，构造出一组n次差值基函数；将待求得n次多项式插值函数pn(x)改写成另一种表示方式，再利用插值条件确定其中的待定函数，从而求出插值多项式。 2．函数插值问题的提出以及插值法发展的脉络。 问题的提出：实际问题中常遇到这样的函数y=f(x),其在某个区间[a,b]上是存在的。但是，通过观察或测量或试验只能得到在[a,b]区间上有限个离散点x0,x1,…,xn上的函数值y=f(xi),(i=0,…,n)或者f(x)函数表达式是已知的，但却很复杂而不便于计算希望用一个简单的函数描述它。 发展脉络：在工程中用的多的是多项式插值和分段多项式插值。在多项式插值中，首先谈到的是Lagrange插值，其成功地用构造插值基函数的方法解决了求n次多项式插值函数的问题，但是其高次插值基函数计算复杂，且次数增加后，插值多项式需要重新计算，所以在此基础上提出Newton插值，它是另一种构造插值多项式的方法，与Lagrange插值相比，具有承袭性和易于变动节点的特点。如果对插值函数，不仅要求他在节点处与函数同值，还要求它与函数有相同的一阶，二阶甚至更高阶的导数值，这就提出了Hermite插值，它是利用未知函数f(x)在插值节点上的函数值及导数值来构造插值多项式的。为了提高精度，加密节点时把节点分成若干段，分段用低次多项式近似函数，由此提出了分段多项式插值。最后，由于许多工程中对插值函数的光滑性有较高的要求，就产生了样条插值。 3．描述数值积分算法发展和完善的脉络。 数值积分主要采用插值多项式来代替函数构造插值型求积公式。通常采用Lagrange插值。如果取等距节点，则得到Newton-Cotes公式，其中，当n=1时，得到梯形公式；当n=2时，得到Simpson公式；当n=4时，得到Cotes公式。由于高次Newton-Cotes公式的求积系数有正有负，将产生很大的计算误差，引起计算不稳定，所以受分段插值的启发，对数值积分也采用分段求积，导出复化求积公式； 其中，在小区间上用梯形公式求和的称为复化梯形公式，用Simpson公式求和的成为复化Simpson公式，用Cotes公式求和的称为Cotes公式。但由于步长的选取是个问题，所以，导出逐次分半法来计算。而由于有些函数在x=0的值无法求出，为 《计算方法》期中复习试题 一、填空题： 1、已知3.1)3(,2.1)2(,0.1)1(===f f f ，则用辛普生（辛卜生）公式计算求得 ?≈3 1 _________ )(dx x f ,用三点式求得≈')1(f 。 答案：2.367，0.25 2、1)3(,2)2(,1)1(==-=f f f ，则过这三点的二次插值多项式中2 x 的系数为 ， 拉格朗日插值多项式为 。 答案：-1， )2)(1(21 )3)(1(2)3)(2(21)(2--------= x x x x x x x L 3、近似值*0.231x =关于真值229.0=x 有( 2 )位有效数字； 4、设)(x f 可微,求方程)(x f x =的牛顿迭代格式是( )； 答案 )(1)(1n n n n n x f x f x x x '--- =+ 5、对1)(3 ++=x x x f ,差商=]3,2,1,0[f ( 1 ),=]4,3,2,1,0[f ( 0 )； 6、计算方法主要研究( 截断 )误差和( 舍入 )误差； 7、用二分法求非线性方程f (x )=0在区间(a ,b )内的根时，二分n 次后的误差限为 ( 1 2+-n a b )； 8、已知f (1)＝2，f (2)＝3，f (4)＝5.9，则二次Newton 插值多项式中x 2系数为 ( 0.15 )； 11、 两点式高斯型求积公式?1 0d )(x x f ≈(?++-≈1 )] 321 3()3213([21d )(f f x x f )，代数精 度为( 5 )； 12、 为了使计算 32)1(6 )1(41310-- -+-+ =x x x y 的乘除法次数尽量地少，应将该表 达式改写为 11 ,))64(3(10-= -++=x t t t t y ，为了减少舍入误差，应将表达式 数值分析思考题1 1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 答：（1）绝对误差（限）与有效数字：将x 的近似值x *表示成 x *=±10m ×(a 1×10﹣1+a 2×10﹣2+ …a n ×10﹣n +…+a k ×10﹣k +…)，其中m 是整数，a 1≠0，a 1，a 2，…，a k 是0到9中的一个数字。若绝对误差e ，那么x *至少有n 个有效数字，即a 1，a 2，…，a n 为有效数字，而a n+1，…，a k ，…不一定是有效数字。因此，从有效数字可以算出近似数的绝对误差限；有效数字位数越多，其绝对误差限也越小。 （2）相对误差（限）与有效数字：将x 的近似值x *表示成 x *=±10m ×(a 1×10﹣1+a 2×10﹣2+ …a n ×10﹣n +…+a k ×10﹣ k +…)，其中m 是整数，a 1≠0，a 1，a 2，…，a k 是0到9中的一个数字。若a k 是有效数字，那么相对误差不超过 ;反之，如果已知相对误差r ，且有，那么a k 必为有效数字。 2、相对误差在什么情况下可以用下式代替 答：在实际计算时，由于真值常常是未知的，当较小时，通常用代替。 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 r e x x e x x *****-== - 答：（1）病态问题：对于数学问题本身，如果输入数据有微小变化，就会引起输出数据（即问题真解）的很大变化，这就是病态问题。 （2）不同点：数值稳定性是相对于算法而言的，算法的不同直接影响结果的不同；而病态性是数学问题本身性质所决定的，与算法无关，也就是说对病态问题，用任何算法（或方法）直接计算都将产生不稳定性。 4、 取 ，计算 ，下列方法中哪种最好为什么 （1）(33-，（2）(27-，（3）()31 3+，（4）()61 1，（5） 99-答：（1）(33-==； （2）(27-==； （3） ()3 13+=； （4）()611+=； （5）99-=； 由上面的计算可以看出，方法（3）最好，因为计算的 误差最小。 ， 141.≈)61 第五章最小二乘法与曲线拟合小结 一、本章知识梳理 1、 从整体上考虑近似函数同所给数据点 (i=0,1,…,m)误差 (i=0,1,…,m) (i=0,1,…,m)绝对值的最大值，即误差向量 的∞—范数；二是误差绝对值的和，即误差向量r的1—范数；三是误差 平方和的算术平方根，即误差向量r的2—范数；前两种方法简单、自然，但不便于微分运算，后一种方法相当于考虑 2—范数的平方，因此在曲线拟合 中常采用误差平方和来度量误差 (i=0，1，…，m)的整体大小。 数据拟合的具体作法是：对给定数据 (i=0,1,…，m)，在取定的函 数类中,求,使误差(i=0,1,…,m)的平方和最小，即 从几何意义上讲，就是寻求与给定点 (i=0,1,…,m)的距离平方和为最小 的曲线（图6-1）。函数称为拟合函数或最小二乘解，求拟合 函数的方法称为曲线拟合的最小二乘法。 2、多项式拟合 假设给定数据点 (i=0,1,…,m)，为所有次数不超过的多项式构成的函数类，现求一,使得 (1) 当拟合函数为多项式时，称为多项式拟合，满足式（1）的称为最小二乘 拟合多项式。特别地，当n=1时，称为线性拟合或直线拟合。 显然 为的多元函数，因此上述问题即为求的极值问题。由多元函数求极值的必要条件，得 (2) 即 (3) （3）是关于的线性方程组，用矩阵表示为 (4) 式（3）或式（4）称为正规方程组或法方程组。 可以证明，方程组（4）的系数矩阵是一个对称正定矩阵，故存在唯一解。 从式（4）中解出 (k=0,1,…，n)，从而可得多项式 (5) 可以证明，式（5）中的满足式（1），即为所求的拟合多项式。我 们把称为最小二乘拟合多项式的平方误差，记作 由式(2)可得 (6) 多项式拟合的一般方法可归纳为以下几步： (1) 由已知数据画出函数粗略的图形——散点图，确定拟合多项式的次数n； (2) 列表计算和； (3) 写出正规方程组，求出； (4) 写出拟合多项式。 在实际应用中，或；当时所得的拟合多项式就是拉格朗日或牛 顿插值多项式。 3、曲线拟合： 曲线拟合，即把一组数据拟合为曲线，需遵循最小二乘法。常用双曲线型和指数型函数。 数值分析重点考察内容 第一章： 基本概念 第二章： Gauss消去法，Lu分解法 第三章： 题型：具体题＋证明，误差分析 三个主要迭代法，条件误差估计，范数的小证明 第四章： 掌握三种插值方法：拉格朗日，牛顿，厄尔米特，误差简单证明，构造复合函数 第五章： 最小二乘法计算 第六章： 梯形公式，辛普森（抛物线）公式，高斯公式三个重要公式，误差分析。 高斯求积公式的构造 第七章： 几种常用的迭代格式构造，收敛性证明。 第九章： 基本概念（收敛阶，收敛条件，收敛区域等）, 简单欧拉法。 第一章 误差 1. 科学计算中的误差来源有4个，分别是________，________，________，________。 2. 用Taylor 展开近似计算函数000()()'()()f x f x f x x x ≈+-，这里产生是什么误差？ 3. 0.7499作34 的近似值，是______位有效数字，65.380是舍入得到的近似值，有____几位有效数字，相对误差限为_______. 0.0032581是四舍五入得到的近似值，有_______位有效数字. 4. 改变下列表达式，使计算结果比较精确： （1） 11,||1121x x x x --++ （2） ||1x （3） 1cos ,0,|| 1.x x x x -≠ （4） sin sin ,αβαβ-≈ 5. 采用下列各式计算61)时，哪个计算效果最好？并说明理由。 （1） （2） 99-（3） 6(3- （4 6. 已知近似数*x 有4位有效数字，求其相对误差限。 上机实验题： 1、利用Taylor 展开公式计算 0!k x k x e k ∞ ==∑，编一段小程序，上机用单精度计算x e 的函数 值. 分别取 x =1，5，10，20，-1，-5，-10，-15，-20，观察所得结果是否合理，如不合理请分析原因并给出解决方法. 2、已知定积分10,0,1,2,,206 n n x I dx n x ==+? ,有如下的递推关系 1111100(6)61666 n n n n n x x x x I dx dx I x x n ---+-===++-?? 可建立两种等价的计算公式 (1) 1016,0.154n n I I I n -=-=取； (2) 12011),0.6n n I nI I n -=-=（取 来计算123419,,,,,I I I I I ，编程比较哪种计算的数值结果好，并给出理论分析。 第五章 习 题 1. 用高斯消去法解方程组 123234011921261x x x ????????????=??????????????????? 2. 用LU 分解，将第1题中的系数矩阵分解为L 和U 的乘积，L 是对角线元素为1的下三角矩阵，U 是上三角矩阵. 3. 用平方根法和T LDL 分解为求解方程组 123121332522334x x x x x x x ++=??+=??+=? 4. 证明 （1）两个下三角矩阵的乘积仍为下三角矩阵. （2）下三角矩阵之逆仍为下三角矩阵. 5. 用列主元素消去法解方程组 1231231 233472212320x x x x x x x x x ?+=???+?=?????=? 取4位数字计算. 6. 对四阶Hilbert 矩阵为系数的方程组 12341234 1234 12341111 234111102345111103456111104 567x x x x x x x x x x x x x x x x ?+++=???+++=???+++=???+++=? 试求其系数方程组A 的条件数()cond A ∞并分析方程组的性态。 7. 如果A 是一个对称正定矩阵，且带宽为21m +，证明在A 的三角分解T A LL =中出现的矩阵L 也是带状矩阵. 8. 设有三对角方程组 11121 2122232 b x c x d a x b x c x d +=+++= (121111) 1n n n n n n n n n n n n a x b x c x d a x b x d ???????++=+= 其系数矩阵有严格对角优势. 试写出用LU 分解求其解的计算公式. 9. 画出2R 中满足下列不等式的集合. （1）11x ≤ （2）21x ≤ （3）1x ∞≤ 10. 求证1I ≥，11A A ?≥. 11. 试证明2 21A A A ∞≤ 12. 对矩阵 2100121001210012A ????????=???????? 求A ∞，2A ，1A 和2()Cond A . 13. 比较下面两个方程组的解. 123123123111 2311102341110345x x x x x x x x x ?++=???++=???++=?? ，1231231231.000.500.3310.500.330.2500.330.250.200x x x x x x x x x ++=??++=??++=? 第一章绪论 1．设0x >,x 的相对误差为δ，求ln x 的误差。 解：近似值* x 的相对误差为* **** r e x x e x x δ-= == 而ln x 的误差为()1ln *ln *ln ** e x x x e x =-≈ 进而有(ln *)x εδ≈ 2．设x 的相对误差为2%，求n x 的相对误差。 解：设()n f x x =，则函数的条件数为'() | |() p xf x C f x = 又1 '()n f x nx -= , 1 ||n p x nx C n n -?∴== 又((*))(*)r p r x n C x εε≈? 且(*)r e x 为2 ((*))0.02n r x n ε∴≈ 3．下列各数都是经过四舍五入得到的近似数，即误差限不超过最后一位的半个单位，试指 出它们是几位有效数字：*1 1.1021x =,*20.031x =, *3385.6x =, * 456.430x =,*57 1.0.x =? 解：*1 1.1021x =是五位有效数字； *20.031x =是二位有效数字； *3385.6x =是四位有效数字； *456.430x =是五位有效数字； *57 1.0.x =?是二位有效数字。 4．利用公式(2.3)求下列各近似值的误差限：(1) * * * 124x x x ++,(2) ***123x x x ,(3) **24/x x . 其中****1234 ,,,x x x x 均为第3题所给的数。 解： *4 1* 3 2* 13* 3 4* 1 51()1021()1021()1021()1021()102 x x x x x εεεεε-----=?=?=?=?=? *** 124***1244333 (1)()()()() 1111010102221.0510x x x x x x εεεε----++=++=?+?+?=? *** 123*********123231132143 (2)() ()()() 111 1.10210.031100.031385.610 1.1021385.610222 0.215 x x x x x x x x x x x x εεεε---=++=???+???+???≈ ** 24**** 24422 *4 33 5 (3)(/) ()() 11 0.0311056.430102256.43056.430 10x x x x x x x εεε---+≈ ??+??= ?= 5计算球体积要使相对误差限为1，问度量半径R 时允许的相对误差限是多少？ 解：球体体积为34 3 V R π= 则何种函数的条件数为 2 3'4343 p R V R R C V R ππ=== (*)(*)3(*)r p r r V C R R εεε∴≈= 又(*)1r V ε= 数值分析第五章答案 【篇一：数值分析第五版计算实习题】 第二章 2-1 程序： clear;clc; x1=[0.2 0.4 0.6 0.8 1.0]; y1=[0.98 0.92 0.81 0.64 0.38]; n=length(y1); c=y1(:); or j=2:n %求差商 for i=n:-1:j c(i)=(c(i)-c(i-1))/(x1(i)-x1(i-j+1)); end end syms x df d; df(1)=1;d(1)=y1(1); for i=2:n %求牛顿差值多项式 df(i)=df(i-1)*(x-x1(i-1)); d(i)=c(i)*df(i); end disp(4次牛顿插值多项式); p4=vpa(collect((sum(d))),5) %p4即为4次牛顿插值多项式,并保留小数点后5位数 pp=csape(x1,y1, variational);%调用三次样条函数 q=pp.coefs; disp(三次样条函数); for i=1:4 s=q(i,:)*[(x-x1(i))^3;(x-x1(i))^2;(x-x1(i));1]; s=vpa(collect(s),5) end x2=0.2:0.08:1.08; dot=[1 2 11 12]; figure ezplot(p4,[0.2,1.08]); hold on y2=fnval(pp,x2); x=x2(dot); y3=eval(p4); y4=fnval(pp,x2(dot)); plot(x2,y2,r,x2(dot),y3,b*,x2(dot),y4,co); title(4次牛顿插值及三次样条); 结果如下： 4次牛顿插值多项式 p4 = - 0.52083*x^4 + 0.83333*x^3 - 1.1042*x^2 + 0.19167*x + 0.98 三次样条函数 x∈[0.2,0.4]时， s = - 1.3393*x^3 + 0.80357*x^2 - 0.40714*x + 1.04 x∈[0.4,0.6]时，s = 0.44643*x^3 - 1.3393*x^2 + 0.45*x + 0.92571 x∈[0.6,0.8]时，s = - 1.6964*x^3 + 2.5179*x^2 - 1.8643*x + 1.3886 x∈[0.8,1.0]时，s =2.5893*x^3 - 7.7679*x^2 + 6.3643*x - 0.80571 输出图如下 2-3（1） 程序： clear; clc; x1=[0 1 4 9 16 25 36 49 64]; y1=[0 1 2 3 4 5 6 7 8];%插值点 n=length(y1); a=ones(n,2); a(:,2)=-x1; c=1; for i=1:n c=conv(c,a(i,:)); end q=zeros(n,n); r=zeros(n,n+1); for i=1:n [q(i,:),r(i,:)]=deconv(c,a(i,:));%wn+1/(x-xk) end dw=zeros(1,n); for i=1:n dw(i)=y1(i)/polyval(q(i,:),x1(i));%系数 end p=dw*q; syms x l8; for i=1:n 第一章思考题 (2012级本科学生作品) 1、什么样的算法被称为不稳定算法？试列举一个例子进行说明。 在算法执行过程中，舍入算法对计算结果影响大的一类算法被称为数值不稳定的一种算法。例如，假设初始数据有一点微小误差，就会对一个算法的数据结构产生很大的影响，造成误差扩散。用计算公式ln 1ln n n =-，构造出的递推算法是一个数值不稳定的算法；而另一公式ln 1(1ln)/n -=-则可以构造出一个数值稳定的算法。 2、我们都知道秦九韶算法能够减少运算次数，高中也学过他的具体过程，请举出一个例子并用秦九韶算法计算。 答；一般的，一元n 次多项式的求值需要经过(1)/2n n +次乘法和n 次加法，而秦九韶算法只需要n 次乘法和n 次加法。具体的不太会了。。 3、为什么要设立相对误差的概念？ 答：相对误差是近似值误差与精确值的比值，用来衡量近似值的近似程度。x=10±1，y=1000±5。虽然x 的误差比y 的误差小，但y 的近似程度比x 更好。这单用误差无法表现出来，而相对误差可以解决这个问题。 4、误差在生活中有什么作用？ 答：误差的作用不仅仅体现在数学课题研究中，在生活中误差的作用也非常大，比如在建筑行业中，设计图纸时必须要达到一定的精确度才行。 5、有效数字以及计算规则 答：有效数字是指实际上能测量到的数值，在该数值中只有最后一位是可疑数字，其余的均为可靠数字。它的实际意义在于有效数字能反映出测量时的准确程度。例如，用最小刻度为0.1cm 的直尺量出某物体的长度为11.23cm ，显然这个数值的前3位数是准确的，而最后一位数字就不是那么可靠，医|学教育网搜集整理因为它是测试者估计出来的，这个物体的长度可能是11.24cm ，亦可能是11.22cm ，测量的结果有±0.01cm 的误差。我们把这个数值的前面3位可靠数字和最后一位可疑数字称为有效数字。这个数值就是四位有效数字。 在确定有效数字位数时，特别需要指出的是数字“0”来表示实际测量结果时，它便是 数值分析试题 一、 填空题（2 0×2′） 1. ??????-=? ?????-=32,1223X A 设x =0.231是精确值x *=0.229的近似值，则x 有 2 位有效数字。 2. 若f (x )=x 7－x 3＋1，则f [20,21,22,23,24,25,26,27]= 1 ， f [20,21,22,23,24,25,26,27,28]= 0 。 3. 设，‖A ‖∞＝___5 ____，‖X ‖∞＝__ 3_____， ‖AX ‖∞≤_15_ __。 4. 非线性方程f (x )=0的迭代函数x =?(x )在有解区间满足 |?’(x )| <1 ，则使用 该迭代函数的迭代解法一定是局部收敛的。 5. 区间[a ,b ]上的三次样条插值函数S (x )在[a ,b ]上具有直到 2 阶的连续导数。 6. 当插值节点为等距分布时，若所求节点靠近首节点，应该选用等距节点下牛顿差商 公式的 前插公式 ，若所求节点靠近尾节点，应该选用等距节点下牛顿差商公式的 后插公式 ；如果要估计结果的舍入误差，应该选用插值公式中的 拉格朗日插值公式 。 7. 拉格朗日插值公式中f (x i )的系数a i (x )的特点是：=∑=n i i x a 0)( 1 ；所 以当系数a i (x )满足 a i (x )>1 ，计算时不会放大f (x i )的误差。 8. 要使 20的近似值的相对误差小于0.1%，至少要取 4 位有效数字。 9. 对任意初始向量X (0)及任意向量g ，线性方程组的迭代公式x (k +1)=Bx (k )+g (k =0,1,…) 收敛于方程组的精确解x *的充分必要条件是 ρ(B)<1 。 10. 由下列数据所确定的插值多项式的次数最高是 5 。 第五章学习小结 姓名：张亚杰班级：机械1505班学号：S2******* 一、本章学习体会 本章的内容与实际关联很大，可以解决很多工程实际问题。1、主要有两方面内容：插值与逼近。插值即是由已知数据通过某种多项式求出在特定区间的函数值。逼近即是用简单函数近似代替复杂函数，如何在给定的精度下，求出计算量最小最佳的多项式，是函数逼近要解决的问题。2、插值中样条插值比较难，需要花一定的时间。逼近主要是必须使选择的多项式计算出的误差最小。 3、我个人觉得本章的难点是样条插值与最佳平方逼近。 二、知识构图： 因为本章内容较多，故本次知识架构图分为三部分：插值、正交多项式和逼近。 1、插值： 2、正交多项式和逼近的知识总结采取以下方式： 一、正交多项式 1、正交多项式的概念与性质 若在区间上非负的函数满足 （1）对一切整数存在； （2）对区间上非负连续函数，若 则在上，那么，就称为区间上的权函数。 常见的权函数有 2、两个函数的内积 定义：给定[](),(),,()f x g x C a b x ρ∈是上的权函数，称 为函数()f x 与()g x 在[a,b]上的内积。 内积的性质： （1）对称性：()(),,f g g f =； （2）数乘性：(),(,)(,)kf g f kg k f g ==； （3）可加性：()()()1212,,,f f g f g f g +=+； （4）非负性：若在[a,b]上()0f x ≠，则。 3、函数的正交 （1）两个函数的正交与正交函数系 若内积 (,)a b ()x ρ0,()b n a n x x dx ρ≥?(,)a b ()f x ()0b n a x x dx ρ=? (,)a b ()0f x ≡()x ρ(,)a b 2 ()1,()11 ()11(),0(),x x x a x b x x x x x e x x e x ρρρρρ--≡≤≤= -<<=-≤≤=≤<∞=-∞<<+∞ (,)a b (,)()()()b a f g x f x g x dx ρ=?(,)0f f >数值分析思考题1
数值分析-第一章-学习小结
第五章习题解答_数值分析
数值分析第一章思考题
数值分析作业思考题汇总
第一章复习与思考题
数值分析最佳习题(含答案)
《数值分析》第五章答案
数值分析思考题答案
《数值计算方法》精彩试题集及问题详解1-6 2
数值分析思考题1
数值分析第五章学习小结【计算方法】
数值分析思考题
数值分析 第五章习题
数值分析第一章绪论习题答案
数值分析第五章答案
数值分析第一章思考题
数值分析试题及答案解析
数值分析第五章学习小结