修订时间：2019年11月

（一）参考书目

《数值分析》(第5版)，李庆扬 ，王能超， 易大义编，清华大学出版社，2008

（二）考查要点

一、数值分析与科学计算引论

1.误差的基本概念：误差来源与分类，截断误差，舍入误差，绝对误差、相对误差和误差限，有效数字。

2.误差定性分析与避免误差危害：算法的数值稳定性，病态问题与条件数，避免误差危害。

3.数值计算中算法设计的技术：多项式求值的秦九韶算法，迭代法与开方求值，以直代曲与化整为“零”，加权平均的松弛技术。

重点：误差、避免误差传播的若干原则。

二、插值方法

1.插值问题的基本概念：插值问题的提法，插值多项式的存在唯一性。

2. Lagrange插值：线性插值与抛物线插值，Lagrange插值，插值余项公式。

3. Newton插值：均差的概念与性质，Newton插值公式及其余项，差分的概念与性质，等距节点的Newton插值公式。

4. Hermite插值：两点三次Hermite插值及其余项，n点Hermite插值，非标准Hermite插值及其余项。

5.分段低次插值：Runge现象，分段线性插值，分段三次Hermite插值。

6.三次样条插值：三次样条函数与三次样条插值，构造三次样条插值的三弯矩方法。

重点：Lanrange插值、Newton插值。

三、函数逼近与曲线拟合

1.正交多项式：函数内积、欧几里德范数，正交函数序列，正交多项式，Legendre多项式。

2.曲线拟合的最小二乘法：最小二乘拟合问题的提法，最小二乘拟合问题的解法，非线性拟合问题（指数模型、双曲线模型），最小二乘法的其他应用（算术平均、超定方程组）。

3.连续函数的最佳平方逼近：最佳平方逼近问题的提法，最佳平方逼近的解法，基于正交函数的最佳平方逼近，利用Legendre多项式作最佳平方逼近。

重点：曲线拟合的最小二乘法。

四、数值积分与数值微分

1.数值求积基本概念：数值求积公式基本形式，插值型求积公式，代数精度。

2. Newton-Cotes求积公式：Newton-Cotes公式一般形式，梯形公式和Simpson公式及其余项，数值稳定性。

3.复化求积公式：复化梯形公式，复化Simpson公式，复化公式的余项，复化公式的收敛性。

4. Gauss型求积公式：Gauss型求积公式的概念（最高代数精度、插值型），Gauss点的特性，Gauss-Legendre求积公式，Gauss公式的余项、稳定性。

5. Romberg算法：二等分过程梯形公式的递推关系，Richardson外推加速法，Romberg算法。

6.数值微分公式：基于Taylor展开的数值微分公式，基于插值的数值微分公式。

重点：Newton-Cotes公式、代数精度概念、Romberg算法。

五、解线性代数方程组的直接法

1.三角形方程组的解法：前推、回代过程。

2．Gauss消去法：顺序Gauss消去法，列主元Gauss消去法。

3.直接三角分解法：矩阵三角分解，直接三角分解法。

4.追赶法与平方根法：解三对角方程组的追赶法，解对称正定方程组的平方根法。

5.向量和矩阵的范数与谱半径：向量范数，矩阵范数，矩阵谱半径。

6.扰动误差分析：条件数，病态方程组。

重点：方程组的性态和条件数、矩阵的三角分解。

六、解线性代数方程组的迭代法

1．迭代法的基本思想：迭代法的基本概念，基本型迭代公式。

2．Jacobi迭代与Gauss-Seidel迭代：Jacobi迭代，G-S迭代。

3．迭代法收敛性分析：收敛性充要条件，收敛性充分条件，收敛速度。

4．SOR法：SOR法迭代公式，SOR法收敛性条件。

重点：三种基本迭代法的格式、迭代法的收敛的充要条件及充分条件。

七、非线性方程与方程组的数值解法

1．基本概念与二分法：基本概念，求根的主要思想，二分法。

2．不动点迭代法:不动点迭代法，不动点迭代法的收敛性定理，局部收敛性，收敛速度与收敛阶。

3．Newton迭代法：Newton迭代法，Newton迭代法的收敛性，重根的处理，应用举例（如求方根、应用于代数方程等特殊方程）。

4．迭代过程的加速方法：Aitken加速方案，Steffensen迭代法。

重点：迭代法收敛性条件、Newton迭代法。

八、矩阵特征值计算

1．幂法与反幂法：幂法，加速方法，反幂法。

重点：幂法。

九、常微分方程初值问题数值解法

1．简单的数值方法：欧拉(Euler)法与后退欧拉法，梯形方法，改进欧拉公式，单步法的局部截断误差与阶。

2．龙格-库塔(Runge-Kutta)方法：显式龙格-库塔法的一般形式，二阶显式龙格-库塔法，三阶与四阶显式龙格-库塔法

3．单步法的收敛性与稳定性：收敛性与相容性。

重点：欧拉公式，改进的欧拉公式以及单步法的局部截断误差与阶。