版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kevin_zhao_zl/article/details/90488160
整理一下数值分析的笔记~
目录:
1. 误差
2. 多项式插值与样条插值(THIS)
3. 函数逼近
4. 数值积分与数值微分
5. 线性方程组的直接解法
6. 线性方程组的迭代解法
7. 非线性方程求根
8. 特征值和特征向量的计算
9. 常微分方程初值问题的数值解
1. 差商(均差)及其性质
定义1.设
f(x)在互异节点
xi处的函数值为
fi,i=0,1,...,n,称
f[xi,xj]=xi−xjfi−fj为
f(x)关于节点
xi,xj的一阶差商,
f[xi,xj,xk]=xk−xjf[xi,xk]−f[xi,xj]为
f(x)关于
xi,xj,xk的二阶差商,以此类推k阶差商:
f[x0,x1,...,xk−1,xk]=xk−1−xkf[x0,x1,...,xk−1]−f[x0,x1,...,xk−2,xk]
差商的性质:
-
差商具有对称性,任意调换节点的次序,差商的值不变
-
当
fk(x)在包含节点
x0,x1,...,xk的区间存在时,在
x0,x1,...,xk之间必存在一点
ξ使得:
f[x0,x1,...,xk]=k!fk(ξ)
eg.给出函数y=f(x)的函数表,写出函数的查商表。
i |
0 |
1 |
2 |
3 |
xi |
-2 |
-1 |
1 |
2 |
f(xi) |
5 |
3 |
17 |
21 |
如下:
xi |
f(xi) |
一阶差商 |
二阶差商 |
三阶差商 |
-2 |
5 |
|
|
|
-1 |
3 |
-2 |
|
|
1 |
17 |
7 |
3 |
|
2 |
21 |
4 |
-1 |
-1 |
2. 牛顿基本插值公式
定义2.称多项式:
Nn(x)=a0+a1(x−x0)+a2(x−x0)(xx1)+...+an(x−x0)(x−x1)...(x−xn−1)=f0+k=1∑nf[x0,x1,...,xk]ωk(x)其中ωk(x)=j=0∏k−1(x−xj)
为
f(x)关于节点
xi的n次Newton基本插值多项式,由于插值多项式具有唯一性,所以牛顿基本插值公式余项为:
Rn(x)=f(x)−Nn(x)=(n+1)!f(n+1)(ξ)ωn+1(x)
eg.给出f(x)的函数表,求四次牛顿插值多项式。
xi |
f(xk) |
一阶均差 |
二阶均差 |
三阶均差 |
四阶均差 |
0.40 |
0.41075 |
|
|
|
|
0.55 |
0.57815 |
1.11600 |
|
|
|
0.65 |
0.69675 |
1.18600 |
0.28000 |
|
|
0.80 |
0.88811 |
1.27573 |
0.35893 |
0.19733 |
|
0.90 |
1.02652 |
1.38410 |
0.43348 |
0.21300 |
0.03134 |
(五次均差较小近似0),按四次牛顿插值公式带入数据:
N4(x)=0.41075+1.116(x−0.4)+0.28(x−0.4)(x−0.55)+0.19733(x−0.4)(x−0.55)(x−0.65)+0.03134(x−0.4)(x−0.55)(x−0.65)(x−0.8)
3. 差分及其性质
定义3.设f(x)在等距节点
xk=x0+kh处的函数值为
fk,k=0,1,,...,n,称:
Δfk=fk+1−fk,k=0,1,...,n−1为f(x)在xk处的一阶向前差分∇fk=fk−fk−1,k=1,2,...,n为f(x)在xk处的一阶向后差分Δ2fk=Δfk+1−Δfk,k=0,1,...,n−1为f(x)在xk处的二阶向前差分∇2fk=∇fk−∇fk−1,k=1,2,...,n为f(x)在xk处的二阶向后差分...以此类推:Δmfk=Δm−1fk+1−Δm−1fk−1为f(x)在xk处的m阶向前差分∇mfk=∇m−1fk−∇m−1fk−1为f(x)在xk处的m阶向后差分。可以证明Δmfk=∇mfk+m
在等距节点的前提下,差商和差分有如下关系:
f[xi,xi+1,...,xi+m]=m!⋅hmΔmfi=m!⋅hm∇mfi+m
4. 牛顿向前向后插值公式
牛顿前插公式:
Nn(x0+th)=f0+tΔf0+2!t(t−1)Δ2f0+...+n!t(t−1)...(t−n+1)Δnf0
前插公式余项:
Rn(x)=(n+1)!t(t−1)...(t−n)hn+1f(n+1)(ξ),ξ∈(x0,xn)
牛顿后插公式:
Nn(x0+th)=fn+t∇fn+2!t(t+1)∇2fn+...+n!t(t+1)...(t+n−1)∇nfn
后插公式余项:
Rn(x)=(n+1)!t(t+1)...(t+n)hn+1f(n+1)(ξ),ξ∈(x0,xn)
eg.给出
f(x)=cosx在
xk=kh,k=0,1,...,6,h=0.1处的函数值,用四次等距节点插值公式计算f(0.048)及f(0.566)的近似值并估计误差。
解:
根据题意插值条件为
xk |
0 |
0.1 |
0.2 |
0.3 |
0.4 |
0.5 |
0.6 |
f(xk) |
1.00000 |
0.99500 |
0.98007 |
0.95534 |
0.92106 |
0.87758 |
0.82534 |
1. 构造差分表
一阶 |
二阶 |
三阶 |
四阶 |
五阶 |
-0.005 |
|
|
|
|
|
-0.00993 |
|
|
|
-0.01493 |
|
0.00013 |
|
|
|
-0.0098 |
|
0.00012 |
|
-0.02473 |
|
0.00025 |
|
-0.00002 |
|
-0.00955 |
|
0.00010 |
|
-0.03428 |
|
0.00035 |
|
-0.00001 |
|
-0.00920 |
|
0.00009 |
|
-0.04348 |
|
0.00044 |
|
|
|
-0.00876 |
|
|
|
-0.05224 |
|
|
|
|
差分表中斜体数字是
x0处的各阶向前差分,黑体是
X6处的各阶向后差分。
2.应用牛顿前插公式计算
f(0.048)的近似值
取x=0.048,x0=0,h=0.1,则t=hx−x0=0.48,用差分表中的各阶向前差分,得:f(0.048)=cos0.048≈N4(0.048)=f0+tΔf0+2!t(t−1)Δ2f0+...+n!t(t−1)...(t−n+1)Δnf0=1.000+0.48×(−0.00500)+2!(0.48)(0.48−1)(−0.00993)+3!(0.48)(0.48−1)(0.48−2)(0.00013)+4!(0.48)(0.48−1)(0.48−2)(0.48−3)(0.00012)=0.99885
根据牛顿前插余项公式的误差估计:
∣R4(x)∣≤5!M5∣t(t−1)(t−2)(t−3)(t−4)∣h5,其中x=0.048,h=0.1,t=0.48,M5是cosx的五次导函数在区间[0,0.6]上绝对值的最大值,有∣M5∣≤∣sin0.6∣≤0.565可知∣R4(0.048)∣≤1.5845×10−7[0.5×10−6
3. 应用牛顿后插公式计算f(0.566)的近似值
x=0.566,x6=0.6,h=0.1,则t=hx−x6=−0.34用差分表中下半部的各阶向后差分得:f(0.566)=cos0.0566≈N4(0.566)=fn+t∇fn+2!t(t+1)∇2fn+...+n!t(t+1)...(t+n−1)∇nfn=0.82534+(−0.34)×(−0.05224)+2!−0.34(−0.34+1)×(−0.00867)+3!−0.34(−0.34+1)(−0.34+2)×(−0.00044)+4!−0.34(−0.34+1)(−0.34+2)(−0.34+3)×(0.00009)=0.84405于是f(0.566)=cos0.566≈0.84405
根据牛顿后插公式余项得:
∣R5(x)∣≤5!M5∣t(t+1)(t+2)(t+3)(t+4)∣h5其中x=0.566,x6=0.6,h=0.1t=hx−x6=−0.34∣M5∣≤∣sin0.6∣≤0.565得∣R5(0.566)∣≤1.7064×10−7[0.5×10−6]
5. 牛顿插值多项式小结
{持续更新}
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]