数值分析是一门研究如何利用计算机高效、准确地解决数学问题的学科,主要涉及数学模型的数值计算方法和误差分析。它广泛应用于科学计算、工程应用、金融建模、数据分析等领域,是现代科学与工程不可或缺的工具。数值分析的核心主题包括数值逼近、数值积分与微分、线性方程组的求解、非线性方程的迭代方法、特征值问题以及微分方程的数值解法等。
学习数值分析的重要性在于,许多实际问题无法通过解析方法直接求解,必须依赖数值方法进行近似计算。掌握数值分析不仅能够帮助解决复杂的数学问题,还能提高计算效率和结果的可靠性。通过本课程,学生将学会如何将数学理论转化为可执行的算法,并理解这些算法在实际应用中的表现和局限性。
数值分析课程的特色和亮点在于其理论与实践的结合。课程不仅注重数学理论的推导,还强调算法的实现与优化,通常会结合编程语言(如Python、MATLAB等)进行实际案例的模拟与验证。通过本课程的学习,学生将为后续的科研与工程实践奠定坚实的数值计算基础。
满分100分,60分及格,其中各单元作业共20分,各单元测试共20分,期末考试60分。
第一章 误差的来源
通过本章的学习了解误差的来源;理解浮点数,误差、误差限和有效数字;相对误差和相对误差限;误差的传播以及在近似计算中需要注意的一些现象;能够应用误差限和有效数字之间的关系,通过有效数字位来计算误差限和相对误差限。
教学内容:
第1节误差的来源
第2节浮点数、误差、误差限、有效数字
第3节相对误差和相对误差限
第4节误差的传播
第5节在近似计算中需要注意的一些现象
第二章 插值法与数值微分
通过本章的学习了解各种插值方法的构造及误差分析;理解插值方法的思想及误差定理的证明思想;
能够熟练应用已知条件构造各种插值,尤其是拉格朗日插值、牛顿插值、Hermite插值。
教学内容:
第1节插值的定义
第2节线性插值
第3节线性插值的误差估计及例题
第4节二次插值
第5节 二次插值的误差估计及例题
第6节 n次插值
第7节 分段线性插值
第8节 分段线性插值的误差估计及例题
第9节Hermite插值
第10节Hermite插值的误差估计
第11节三次样条插值函数
第三章 数据拟合法
通过本章的学习了解多变量的数据拟合;理解问题的提出及最小二乘原理;能够掌握非线性曲线的数据拟合。
教学内容:
第1节问题的提出及最小二乘原理
第2节多变量的数据拟合
第3节非线性曲线的数据拟合
第四章 数值积分
通过本章的学习了解梯形求积公式、抛物线求积公式、Romberg求积;理解Newton-Cotes公式;复化公式及其误差估计;Romberg求积;Gauss型求积公式的基本理论和方法。能够应用梯形求积公式、抛物线求积公式和Romberg求积等进行具体问题的计算。
教学内容:
第1节 Newton-Cotes公式
第2节 代数精确度
第3节梯形求积公式、抛物线求积公式的误差估计
第4节复合求积公式
第5节逐次分半法
第6节变步长梯形求积法
第7节 龙贝格求积
第8节高斯型求积公式
第五章 解线性代数方程组的直接法
通过本章的学习了解高斯消去法、主元素消去法、LU分解、平方根法的基本思想;理解误差产生的原因以及如何减小误差。能够运用高斯消去法、主元素消去法、LU分解、平方根法进行具体问题的计算。
教学内容:
第1节 Guss消去法
第2节 主元素消去法
第3节 三角分解法
第4节 对称正定矩阵的平方根法
第5节 误差分析
第六章 线性方程组的最小二乘问题
通过本章的学习了解不相容方程组概念;理解方程组的最小二乘解思想;能够熟练求解一个矩阵的广义逆。
教学内容:
第1节 矩阵的广义逆
第2节 用广义逆矩阵讨论方程组的解
第七章 解线性方程组的迭代法
通过本章的学习了解几种常见的迭代格式;理解迭代法的收敛性分析和误差估计;
能够熟练掌握收敛的几个条件。
教学内容:
第1节 迭代法的思想
第2节 高斯赛德尔迭代法和超松弛迭代法
第3节 迭代法的收敛性