《ID数值计算方法与算法ppt课件》由会员分享，可在线阅读，更多相关《ID数值计算方法与算法ppt课件（99页珍藏版）》请在金锄头文库上搜索。
1、1,数值计算方法与算法,2,第0章 绪论,3,数学建模 数值计算,实际问题数学问题近似解,什么是数值计算方法？ 什么是“好的”数值计算方法？ 误差小 误差分析 耗时少 复杂度分析 抗干扰 稳定性分析,4,误差的类型 绝对误差真实值近似值 相对误差绝对误差真实值 误差的来源 原始误差、截断误差、舍入误差,5,一些例子： 计算地球的体积 计算 计算 如何减小计算误差？ 选择好的算法、提高计算精度 范数的定义 满足非负性,齐次性,三角不等式的实函数,6,常用的向量范数 常用的矩阵范数 矩阵的谱半径 例：计算矩阵 的范数和谱半径。 例：范数在误差估计中的应用,7,第1章 插值,8,函数逼近 用未知函数
2、f(x)的值构造近似函数(x)。要求误差小、形式简单、容易计算。 常用的函数逼近方法 插值：(xi)=yi, i=0,1,n. 拟合：|(x)-f(x)|尽可能小 通常取 (x) = a00(x) + + ann(x)，其中 i(x)为一组基函数。,9,多项式插值 给定平面上n+1个插值点(xi,yi), 构造n次多项式(x), 满足(xi)=yi, i=0,1,n.,10,单项式插值,11,Lagrange插值,12,Newton插值,13,k阶差商,14,差商的性质 以x0,xn为节点的n次插值多项式(x)的首项系数等于fx0,xn。 证明：分别以x0,xn-1和x1,xn为节点构造n-1
3、次插值多项式1(x)和 2(x)，则有对n用归纳法。 fx0,xn与x0,xn的顺序无关。,15,误差估计： 证明：设，则 有n+2个零点。根据中值定理，存在 于是。,16,Hermite插值 给定平面上n+1个插值点(xi,yi,mi), 构造2n+1次多项式(x), 满足(xi)=yi, (xi)=mi, i=0,1,n.,17,单项式基函数,Lagrange基函数,18,误差估计： 证明：设 ，则 有2n+3个零点。根据中值定理，存在 于是。,19,Runge现象：并非插值点取得越多越好。 解决办法：分段插值,20,三次样条插值 给定平面上n+1个插值点(xi,yi), 构造分段三次多项
4、式(x), 满足(xi)=yi, (x)可微，”(x)连续。,21,第2章 数值微分和数值积分,22,数值微分 差商法 向前差商 向后差商 中心差商,23,插值法在 x 附近取点(xi,f(xi)构造插值多项式。 样条法在 x 附近取点(xi,f(xi)构造样条函数。 f(x)(x),24,例：用中心差商公式计算f(xi)。 例：用向后差商公式计算f(0.2), f(0.4)。,25,例：设xi=x0+i*h, i=1,.,n。计算(xk)。 解：,26,误差估计 前后差商中心差商插值微分,27,数值积分 插值法,28,若积分公式对任意m次多项式都取等号，则称积分公式具有至少m阶的代数精度。
5、插值型积分公式的代数精度n。 当积分节点 x0,.,xn 给定时，代数精度n的积分公式唯一。,29,例：设xi=a+i*h, i=0,.,n, h=(b-a)/n。计算Newton-Cotes积分 解：,30,特别，当n=1,2时，积分公式分别称为 梯形公式 Simpson公式,31,误差估计 特别，梯形公式和Simpson公式的误差为 代数精度1 代数精度3,32,复化数值积分,33,梯形公式 Simpson公式,34,Richardson外推法 我们要计算 假设 则 有比 和 更高的精度。 误差估计,35,Romberg积分公式 等分的梯形公式， 瑕积分 重积分 Gauss-Legendr
6、e积分,36,定理：假设 满足 则插值积分公式具有2n+1阶的代数精度。 证明： 课本21页性质1.3：若f(x)为m次多项式， 则fx0,.,xn,x为m-n-1次多项式。,37,求多项式空间在内积下的标准正交基。 解法1：对任意基作Gram-Schmidt正交化。 解法2：对任意度量方阵作相合对角化。 解法3：求解正交关系的线性方程组。 解法4：Legendre多项式,38,第3章 曲线拟合的最小二乘法,39,曲线拟合 对区间 I 上的连续函数 f ，构造特定类型的函数 使 f 。 对离散数据序列 (xi, yi), i=1,2,m，构造特定类型的函数 使 (xi)yi 。 最小二乘法 求
7、 使最小。 求 使最小。,40,多项式拟合 其中 是标准正交基，。 求使 最小。,41,奇异值分解 Moore-Penrose 广义逆 矛盾方程组 的解,42,其他类型的离散数据拟合,43,第4章 非线性方程求根,44,问题 求f(x)=0在区间a,b内的实根 求f(x)=0在x0附近的一个实根 求f(x)=0在x0附近的一个复根 求多项式f(x)=0的所有复根 求非线性方程组的根 方法 用近似函数(x)的根逼近f(x)的根。,45,二分法 已知f(a)f(b)0则根在b,c内。 当|f(c)|或|b-a|时，输出c。 迭代步数：O(log2),46,不动点 当| (x)|L1时，|xk+1-
8、|L|xk-|。 当|xn+1-xn|时，输出 xn。 迭代步数：O(logL),Lipschitz 常数,线性收敛,47,Newton法（一阶Taylor展开）,当|f(xk)|或|xk+1-xk|时，输出xk+1。 迭代步数：O(loglog),二次收敛,48,Newton法（p重根情形）,49,用Newton迭代法求 f(z)=z32z+2 的根。当初值分别位于红、蓝、绿色区域时，迭代收敛到三个根。当初值位于黑色区域时，迭代陷入死循环010。图片引自John Hubbard, Dierk Schleicher, Scott Sutherland, How to find all root
9、s of complex polynomials, Inventiones mathematicae 146, 1-33 (2001).,50,弦截法 （线性插值）,当|f(xk)|或|xk+1-xk|时，输出xk+1。 迭代步数：O(loglog),51,弦截法的收敛速度,52,Newton法解非线性方程组 求的所有复根等价于求 x1,xn 使 f(t)=(t-x1)(t-xn)。,53,其他求根方法 Brent（反插值 x=(y)） Halley（二阶Taylor展开） Muller（二次插值） 有理插值,54,第5章 解线性方程组的直接法,55,问题：求解n元线性方程组AX=B。 方法？
10、速度？精度 ？存储？ 下三角方程组 上三角方程组 n(n-1)/2次加减法，n(n+1)/2次乘除法。,56,Gauss消元法解一般方程组 (2n3+3n2-5n)/6次加减法，(n3+3n2-n)/3次乘除法。,57,追赶法解三对角方程组 3n-3次加减法，5n-4次乘除法。,58,线性方程组解的精度 矩阵条件数,59,Gauss消元法的实质是LU分解 存在性？A的顺序主子式0。 唯一性？L1U1=L2U2 L1-1L2=U1U2-1 对角 精确度？A-1b的相对误差(L,U,b)的相对误差cond(L)cond(U)。,60,Dolittle分解 Courant分解,61,全/列/行主元分
11、解 LDLT分解、Cholesky分解,62,QR分解,63,SVD分解 Givens旋转Householder反射,64,第6章 解线性方程组的迭代法,65,Jacobi迭代 Gauss-Seidel迭代,66,迭代法解线性方程组 A X = B A Xk+1 B = C (A Xk B) C 称为 Conditioner，满足 (C)1或|C|1 通常取 C = I A -1，其中 A，于是 Xk+1 = Xk -1 (A Xk B),67,Jacobi迭代： = D 定理：A行对角优、或A列对角优 Jacobi迭代收敛。 Gauss-Seidel迭代： = D + L 定理：A行对角优、
12、或A列对角优、或A正定 Gauss-Seidel迭代收敛。,68,松弛迭代： = w-1D + L 定理：松弛迭代收敛 0w2 定理：A正定且0w2 松弛迭代收敛 Newton迭代求 A-1： Xk+1 = 2 Xk Xk A Xk,69,第7章 计算矩阵的特征值和特征向量,70,问题1：求复方阵的模最大(最小)特征值。 方法：幂法、反幂法 问题2：求复方阵的所有特征值。 方法：QR 迭代 问题3：求Hermite方阵的所有特征值。 方法：Jacobi 方法,71,幂法 当 A 只有一个模最大的特征值max ，并且 x0 与max 的特征向量 amax 不正交时 当 A 的模最大的特征值都相同
13、时，以上迭代仍然收敛。,72,当 A 的模最大的特征值各不相同时，可以选取数 s 使 A - s I 的模最大的特征值只有一个。 当 A 恰有 m 个模最大的特征值时，有 R 的特征值就是 A 的模最大的特征值。,73,反幂法 当 A 只有一个模最小的特征值min ，并且 x0 与min 的特征向量 amin 不正交时 计算 A - s I 的模最小的特征值等价于计算 A 的最接近 s 的特征值。,74,QR 迭代 利用 QR 分解，酉相似 A 为上三角。 QR 迭代的本质是幂法 当 时，QR 迭代收敛。 可对 A - s I 作 QR 分解，加速收敛。,75,Jacobi 方法 通过 Giv
14、ens 旋转，逐渐减小非对角元。本质是 2 阶 Hermite 方阵的酉相似。 Jacobi 方法具有 2 阶收敛速度。,76,复矩阵的奇异值分解 A = UV 一般方法 AH A = VH2 V 或 A AH = U2 UH QR 迭代 Jacobi 方法 计算 2 阶方阵的 SVD,77,第8章 常微分方程数值解,78,问题：求解一阶常微分方程的初值问题： 解法：化微分方程为积分方程,79,Euler折线法 向前Euler公式 向后Euler公式 Picard迭代 中心Euler公式 梯形公式 改进的 Euler公式,80,Runge-Kutta方法 选取 xi, cij 使 yr 有最高
15、精度 p，即,81,Runge-Kutta方法的误差估计 设满足Lipschitz条件 设满足 初值误差 截断误差 整体误差,82,线性多步法 (*) 其中 (t) 为 f(t,y(t) 的 q 次插值多项式。 当 xn,xn-q 为插值节点时，(*) 称为显式Adams公式。 当 xn+1,xn+1-q 为插值节点时，(*) 称为隐式Adams公式。,83,一阶常微分方程组的初值问题： 解法：同一阶常微分方程的初值问题。,84,高阶常微分方程的初值问题 解法：令 化方程为,85,单步法(*) 收敛性 稳定性将(*)应用于方程y=y，得 yn+1=E(h)yn。当|E(h)|1时，称(*)绝对
16、稳定的。称复数 h : |E(h)|1为绝对稳定区域。称实数 h : |E(h)|1为绝对稳定区间。,86,复习,87,第0章绪论,误差的定义 向量的范数 矩阵的范数、条件数、谱半径,88,第1章插值,Lagrange插值 差商、Newton插值 Hermite插值 插值公式的截断误差 Runge现象 样条函数,89,第2章数值微分和数值积分,差商型数值微分、插值型数值微分、微分公式的截断误差 插值型数值积分、复化数值积分、积分公式的截断误差、代数精度 外推法、Romberg积分、Gauss -Legendre积分 矩形域上的二重积分,90,第3章最小二乘拟合,参数拟合问题 矛盾线性方程组的最小二乘解,91,第4章非线性方程求根,对分法 迭代法 Newton法 弦截法 收敛条件、收敛阶数、计算复杂度 Newton法解非线性方程组,92,第5章直接法解线性方程组,消元法Gauss消元、列主元消元、全主元消元、追赶法 分解法LU分解、PLU分解、
