1. 數學基礎
泰勒公式
If and if exists on the open interval , then for any points and in the closed interval ,
for some point between and
收斂階數 order of convergence
描述一個序列的收斂速度
如果 ,那麼序列的收斂階數爲
使用迭代公式 來計算 ,求
收斂階數爲3
定理:對於迭代公式,如果在附近收斂,並且
那麼迭代公式的收斂階數爲
2. 計算機算法
計算機使用二進制表示數字,由於有限的數字位數,無法精確地表示每一個數字,可能需要進行舍入
絕對誤差:
相對誤差:
兩個非常接近的數字相減會帶來較大地誤差,通過分式上下同乘兩數相加來避免
一個數值計算過程是不穩定的,如果在這個過程中一個階段的誤差被下一個階段放大
3. 解線性方程組
解,先將化成兩個簡單的上三角、下三角矩陣
解,得到
解,得到原方程的解
Doolittle分解
令,依次更新的行,的列
LDU分解
對Doolittle分解的提取對角線元素,分解成
Crout分解
令,依次更新的列,的行
Cholesky分解
需是實對稱正定矩陣
高斯消元法 with Scaled Row Pivoting
取每一行絕對值最大的數
取最大的行作爲第次消元的pivot row
範數
矩陣的範數
範數: 絕對值行求和取最大
1範數: 絕對值列求和取最大
2範數: 的譜半徑(最大特徵值)開平方
用迭代法解方程
The equation suggests an iterative process
如果,則迭代法收斂
Richardson:
Modified Richardson:
Jacobi:
Gauss-Seidel:
SOR(successive over relaxation):
Consider a system
discuss its convergence when using Jacobi and G-S methods.
Solution: decomposing the coefficient matrix such that
Jacobi:
解特徵方程得到特徵值
, Jacobi方法收斂Gauss-Seidel:
解特徵方程得到特徵值
, Gauss-Seidel方法不收斂
4. 函數逼近
多項式插值
給定一組點,找到一個插值多項式使得
誤差項
拉格朗日插值法
牛頓插值法
等間距:
迎風差:
厄米特插值法
插值函數在給定點的函數值、導數都需與給定值相等
2n+2個條件,可以確定一個2n+1階多項式
構造基函數
最小二乘逼近
函數逼近
正交多項式
如果
則稱在權函數下正交
勒讓德正交多項式
區間爲
切比雪夫正交多項式
區間爲
5. 數值微分與積分
數值微分
Richardson外推法
反覆將帶入泰勒展開式、組合,消去低階項
數值積分
Newton-Cotes
使用拉格朗日插值多項式近似函數,對多項式積分
Trapezoid
使用一次函數近似,計算梯形面積
Composite Trapezoid
將區間n等分,, 計算n個梯形面積
Simpson
Composite Simpson
n等分區間,
Gaussian Quadrature
尋找最合適的點和係數,使得近似的精度最高
個係數,個點,可以確定精度最高階多項式
選擇的個點爲階正交多項式的零點
選擇正交多項式要根據權重函數,區間,若區間不是,則需要作變量代換化成
當權重函數,選擇切比雪夫正交多項式
6. 非線性方程求根
Bisection Method
, then
收斂階數:
Newton Method
收斂階數:
Secant Method
使用近似
收斂階數:
7. 常微分方程的數值解法
在給定曲線上一個點的前提下,解一階常微分方程
不直接求原函數,而是求某個點的近似函數值
局部截斷誤差:,則稱該方法是階的
Euler’s Method
Trapezoidal Method
implicit Euler formula
第二步採用迭代的方法
Modified Euler Method
不用迭代
Runge-Kutta Methods
上面的方式是單步(single-step methods)的,因爲只依賴