实际中,存在大量的解线性方程组的问题。很多数值方法到最后也会涉及到线性方程组的求解问题:如样条插值的 M和m关系式,曲线拟合的法方程,方程组的 Newton迭代等问题

很多工程计算中,会遇到特征值和特征向量的计算,如:机械、结构或电磁振 动中的固有值问题;物理学中的各种临界值等。这些特征值的计算往往意义重大

实际中,很多问题的数学模型都是微分方程。我们可以研究它们的一些 性质。但是,只有极少数特殊的方程有解析解。对于绝大部分的微分方程是 没有解析解的。 常微分方程作为微分方程的基本类型之一,在自然界与工程界有很广泛 的应用。很多问题的数学表述都可以归结为常微分方程的定解问题

一、 Seidel迭代计算公式 使用简单迭代法求x(m+,在由第i个方程计算xm+时,x+,x2+,…x+ ,i-1 已经算出,但仍用的是x{m,x2,…,x如果在简单迭代法中,立即用 xm+,x,…,x代替xm,x2,,x,不仅可以减少一组存储单元, 而且还有可能提高收敛速度这就是赛德尔迭代 赛德尔迭代法的迭代公式为

基本要求 1、熟练掌握向量和矩阵范数的定义及其性质; 2、掌握条件数的定义,并能用条件数估计线性方程组接解的误差和病态特征;

基本要求 1、掌握插值多项式存在唯一性条件; 2、熟练掌握 Lagrange插值多项式及其余项表达式, 3、能熟练使用均差表和差分表构造 Newton插值公式

一、幂法分析 幂法是用来计算实方阵的按模最大的特征值及相应特征向量的一种迭代法设n阶实方阵A有n个线性无关的特征向量

迭代法的基本思想: 对给定方程f(x)=0,将它转换成等价的形式x=(x)给定初值x,构造迭代序列xk+1=9(x)k=1,2,…,如果迭代收敛

模型误差: 在建立数学模型过程中,要将复杂的现象抽象归 结为数学模型往往要忽略一些次要因素的影响, 而对问题作一些简化,因此和实际问题有一定的 区别 测试误差:

定义1设x为准确值,x为x的一个近似值,称 E(x\)=x'-x 为近似值x的绝对误差,简称误差,可简记为E. 定义2:E(x)x-x(x)数值(x)称为x的 绝对误差限或误差限,简记为ε