數(shù)學(xué)計算方法與軟件的工程應(yīng)用

第一章　應(yīng)用數(shù)學(xué)工具軟件
第一節(jié)　概述
第二節(jié)　MAPLE軟件介紹
一、工作表界面
二、基本數(shù)學(xué)運(yùn)算
三、作圖
四、微分方程
第三節(jié)　MATLAB軟件基礎(chǔ)
一、MATLAB的命令窗口和編程窗口
二、MATLAB的數(shù)據(jù)結(jié)構(gòu)與基本運(yùn)算
三、MATLAB的矩陣表示與運(yùn)算
四、MATLAB的繪圖
五、MATLAB的程序設(shè)計
第四節(jié)　FORTRAN及IMSL數(shù)學(xué)庫的使用
一、IMSL數(shù)學(xué)庫
二、IMSL數(shù)學(xué)庫的調(diào)用
三、Visual Fortran中使用IMSL數(shù)學(xué)庫和統(tǒng)計庫
四、數(shù)值計算誤差
第五節(jié)　統(tǒng)計分析軟件STATISTICA
一、STATISTICA6.0的統(tǒng)計分析功能
二、STATISTICA軟件的基本操作
三、STATISTICA6.0的基本操作過程
四、應(yīng)用實(shí)例
　參考文獻(xiàn)
第二章　矩陣分析基礎(chǔ)
第一節(jié)　線性空間與線性變換
一、線性空間
二、線性子空間
三、內(nèi)積空間
四、線性變換及其矩陣
第二節(jié)　特征值與特征向量
一、特征值與特征向量概念與性質(zhì)
二、線性變換矩陣的化簡
三、矩陣多項(xiàng)式
第三節(jié)　向量范數(shù)與矩陣范數(shù)
一、向量范數(shù)及其性質(zhì)
二、矩陣的范數(shù)
第四節(jié)　矩陣分解
一、矩陣的三角分解（或LU分解）
二、矩陣的滿秩分解
三、矩陣的QR分解
四、矩陣的奇異值分解
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第三章　線性方程組的數(shù)值方法
第一節(jié)　線性方程組的基本概念
第二節(jié)　Gauss消去法與三角分解法
一、Gauss順序消去法
二、Gauss選主元消去法
三、矩陣的直接三角分解法
第三節(jié)　矩陣的條件數(shù)與病態(tài)方程組
一、右端項(xiàng)擾動對解的影響和矩陣的條件數(shù)
二、系數(shù)矩陣擾動對解的影響和病態(tài)方程組概念
三、病態(tài)方程組的求解
第四節(jié)　線性方程組的迭代方法
一、迭代法的基本概念
二、Jacobi迭代法與Gauss?Seidel迭代法
三、逐次超松弛迭代法
第五節(jié)　利用數(shù)學(xué)軟件求解線性方程組
一、用MATLAB軟件求解線性方程組
二、調(diào)用IMSL程序庫求解線性方程組
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第四章　非線性方程組的數(shù)值方法
第一節(jié)　非線性方程組的基本概念
第二節(jié)　一元非線性方程的迭代法
一、非線性方程的搜索法
二、非線性方程的不動點(diǎn)迭代
三、非線性方程的Newton迭代
第三節(jié)　非線性方程組的迭代法
一、向量值函數(shù)的導(dǎo)數(shù)
二、非線性方程組的不動點(diǎn)迭代
三、非線性方程組的Newton迭代
四、非線性方程組的擬Newton迭代
第四節(jié)　利用數(shù)學(xué)軟件求解非線性方程組
一、用MATLAB軟件求解非線性方程組
二、用IMSL數(shù)學(xué)庫求解非線性方程組
第五節(jié)　非線性方程組的同倫算法
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第五章　數(shù)值逼近方法
第一節(jié)　拉格朗日插值與牛頓插值
一、函數(shù)插值的基本概念
二、拉格朗日插值多項(xiàng)式
三、牛頓插值多項(xiàng)式
第二節(jié)　分段多項(xiàng)式插值與樣條插值
一、多項(xiàng)式插值的局限性
二、分段線性插值和三次厄爾米特插值
三、三次樣條插值
第三節(jié)　離散數(shù)據(jù)的最小二乘擬合
一、最小二乘擬合的基本概念
二、廣義逆矩陣與多項(xiàng)式擬合
三、正交多項(xiàng)式與正交多項(xiàng)式擬合
第四節(jié)　數(shù)值積分和數(shù)值微分
一、數(shù)值積分的基本概念
二、數(shù)值積分的基本方法
三、正交多項(xiàng)式與高斯型積分
四、數(shù)值微分
第五節(jié)　利用數(shù)學(xué)軟件進(jìn)行數(shù)值逼近
一、用MATLAB軟件解決數(shù)值逼近問題
二、調(diào)用IMSL程序庫求解數(shù)值逼近問題
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第六章　最優(yōu)化方法
第一節(jié)　最優(yōu)化的基本概念
第二節(jié)　線性規(guī)劃方法
一、線性規(guī)劃的標(biāo)準(zhǔn)形式和基本性質(zhì)
二、線性規(guī)劃的單純形方法
三、線性規(guī)劃的對偶理論
第三節(jié)　無約束最優(yōu)化方法
一、無約束最優(yōu)化問題的概念
二、一維搜索方法
三、最速下降法與牛頓法
四、擬牛頓方法
五、共軛梯度法
第四節(jié)　約束最優(yōu)化方法
一、約束最優(yōu)化問題
二、可行方向法
三、懲罰函數(shù)法
第五節(jié)　利用數(shù)學(xué)軟件求解最優(yōu)化問題
一、用MATLAB軟件求解最優(yōu)化問題
二、調(diào)用IMSL程序庫求解最優(yōu)化問題
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第七章　應(yīng)用統(tǒng)計方法
第一節(jié)　常用的隨機(jī)變量與統(tǒng)計量
一、離散型隨機(jī)變量
二、連續(xù)型隨機(jī)變量
三、統(tǒng)計量及其分布
第二節(jié)　參數(shù)估計與假設(shè)檢驗(yàn)方法
一、參數(shù)點(diǎn)估計方法
二、參數(shù)區(qū)間估計方法
三、參數(shù)檢驗(yàn)方法
四、非參數(shù)檢驗(yàn)方法
第三節(jié)　回歸分析方法
一、一元線性回歸方法
二、多元線性回歸方法
三、可化為線性模型的非線性回歸
第四節(jié)　方差分析與正交設(shè)計方法
一、單因素方差分析
二、雙因素方差分析
三、正交設(shè)計方法
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第八章　實(shí)驗(yàn)設(shè)計與數(shù)據(jù)分析處理
第一節(jié)　正交實(shí)驗(yàn)設(shè)計與分析
一、2**6全析因?qū)嶒?yàn)設(shè)計及分析
二、中心復(fù)合或響應(yīng)曲面的實(shí)驗(yàn)設(shè)計與分析
三、穩(wěn)健實(shí)驗(yàn)設(shè)計及分析的田口（Taguchi）方法
第二節(jié)　多元數(shù)據(jù)模型回歸與分析
一、實(shí)驗(yàn)數(shù)據(jù)分析
二、回歸模型的選擇
第三節(jié)　數(shù)據(jù)處理與分析的智能化計算問題
一、BP神經(jīng)網(wǎng)絡(luò)
二、BP網(wǎng)絡(luò)的模型結(jié)構(gòu)
三、BP神經(jīng)網(wǎng)絡(luò)計算
四、BP神經(jīng)網(wǎng)絡(luò)計算程序
五、STATISTICA神經(jīng)網(wǎng)絡(luò)計算軟件
六、模擬退火（Simulated Annealing, SA）算法
七、遺傳算法（Genetic Algorithm, GA）
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第九章　常微分方程的數(shù)值方法
第一節(jié)　微分方程數(shù)值方法的有關(guān)概念
第二節(jié)　初值問題的數(shù)值方法
一、初值問題的Euler法
二、初值問題的Runge?Kutta方法
三、線性多步法
四、剛性微分方程組
五、微分代數(shù)方程組
六、微分代數(shù)方程組求解程序BESIRK
第三節(jié)　邊值問題的數(shù)值方法
一、邊值問題的差分法
二、邊值問題的打靶法
第四節(jié)　微分方程數(shù)值方法的軟件實(shí)現(xiàn)
一、用MATLAB軟件求解微分方程
二、用IMSL程序庫求解微分方程
　評注與進(jìn)一步閱讀
　參考文獻(xiàn)
　習(xí)題
第十章　偏微分方程數(shù)組數(shù)值解法
第一節(jié)　線上法
第二節(jié)　加權(quán)余量法
第三節(jié)　有限元法
一、離散化
二、有限元方程
三、殘差最小化
四、整合求解
第四節(jié)　正交配置法
一、非對稱正交配置法
二、對稱正交配置法
第五節(jié)　正交配置法的拓展
評注與進(jìn)一步閱讀
參考文獻(xiàn)
習(xí)題
附錄　正交多項(xiàng)式