综合前几节的内容我们知道 梯形公式,Simpson公式, Cotes公式的代数精度分别为 1次,3次和5次 复合梯形、复合 Simpson、复合 Cotes公式的收敛阶分别为 2阶、4阶和6阶 无论从代数精度还是收敛速度,复合梯形公式都是较差的 有没有办法改善梯形公式呢?

3.7数据拟合(最小二乘法) 实例:考察某种纤维的强度与其拉伸倍数的关系,下表 是实际测定的24个纤维样品的强度与相应的拉伸倍数 是记录:

当积分区间[a,b]的长度较大,而节点个数n+1固定时 直接使用 Newton-Cotes-公式的余项将会较大 而如果增加节点个数,即n+1增加时 公式的舍入误差又很难得到控制 为了提高公式的精度,又使算法简单易行往往使用复合方法 即将积分区间[a,b]分成若干个子区间 然后在每个小区间上使用低阶 Newton-Cotes-公式 最后将每个小区间上的积分的近似值相加

§5.3常微分方程组和高阶 微分方程的数值解法简介 一、常微分方程组的数值解法 下列包含多个一阶常微分方程的初值问题

计算机始于数值计算,却在非数值计 算中得到了广泛的用,显示了它强大的生 命力。在现代计算机应用领域中,数据处 理占约70~80%。数据库技术是数据处理的 最新成果。它的出现,使得计算机应用更 加广泛地渗透到工业、农业、商业、文教、 卫生及军事等各个领域

第一节数据结构讨论的范畴 一、算法+数据结构=程序设计 二、很多数值计算问题的数学模型通常可用一组线性 或非线性的代数方程组或微分方程组来描述,而 大量非数值计算问题的数学模型正是本门课程要 讨论的数据结构

方程是在科学研究中不可缺少的工具 方程求解是科学计算中一个重要的研究对象 几百年前就已经找到但是对于更高次数 了代数方程中二次至的代数方程目前仍 五次方程的求解公式无有效的精确解法 对于无规律的非代数方程的求解也无精确解法 因此研究非线性方程的数值解法成为必然

第一节数据结构讨论的范畴 一、算法+数据结构=程序设计 很多数值计算问题的数学模型通常可用一组线性或非线性的代数方程组或微分方程组来描述,而大量非数值计算问题的数学模型正是本门课程要讨论的数据结构

二维向量和三维向量都可以度量其大小和长度 高维向量的\长度\能否定义呢? \范数\是对向量和矩阵的一种度量,实际上是二维 和三维向量长度概念的一种推广 数域:数的集合,对加法和乘法封闭 线性空间:可简化为向量的集合对向量的加法和 数量乘法封闭, 也称为向量空间

为了提高数值计算结果的可靠度,基于正交设计、差分法和人工神经网络建立了新的边坡岩体力学参数反分析方法.按照正交设计要求,选定反演参数的水平,确定数值模拟方案;用FLAC2D差分程序计算得出相应的神经网络分析样本;对RBF神经网络进行训练;利用现场监测位移,对某露天矿边坡岩体的力学参数进行神经网络反分析.反分析结果与理论值的误差很小,满足精度要求,表明该反分析方法的可行性和精确性