數(shù)值分析及其應(yīng)用（第二版）

部分符號(hào)說(shuō)明
第一章基礎(chǔ)知識(shí)
1.1誤差
1.1.1誤差源
1.1.2誤差的初等分析
1.2計(jì)算機(jī)的算術(shù)運(yùn)算
1.2.1定點(diǎn)數(shù)及其運(yùn)算
1.2.2浮點(diǎn)數(shù)及其運(yùn)算
1.3誤差傳播
1.3.1算術(shù)運(yùn)算的誤差傳播
1.3.2函數(shù)計(jì)算的誤差傳播
1.4函數(shù)的模
1.5切彼曉夫正交多項(xiàng)式
1.6正交多項(xiàng)式的一般性質(zhì)
1.6.1一般正交多項(xiàng)式的構(gòu)成和遞推關(guān)系
1.6.2正交多項(xiàng)式的零點(diǎn)
1.6.3函數(shù)的正交多項(xiàng)式展開(kāi)
1.6.4離散情況下的正交多項(xiàng)式
1.7幾種常用的正交多項(xiàng)式
1.7.1第二類(lèi)切彼曉夫多項(xiàng)式
1.7.2勒讓德多項(xiàng)式
1.7.3拉蓋爾多項(xiàng)式
1.7.4埃爾米特多項(xiàng)式
小結(jié)
附錄一部分切彼曉夫多項(xiàng)式
習(xí)題一
第二章插值
2.1引言
2.2拉格朗日插值多項(xiàng)式
2.3差分.差商和牛頓插值多項(xiàng)式
2.4埃爾米特插值多項(xiàng)式
2.5樣條插值
小結(jié)
習(xí)題二
第三章數(shù)值微分與數(shù)值積分
3.1數(shù)值微分
3.2牛頓-柯特斯求積公式
3.2.1閉型牛頓-柯特斯求積公式
3.2.2開(kāi)型牛頓-柯特斯求積公式
3.2.3牛頓-柯特斯求積公式的舍入誤差
3.2.4牛頓-柯特斯求積公式的收斂性
3.3組合型求積公式和自適應(yīng)積分
3.3.1組合型求積公式
3.3.2自適應(yīng)積分方法
3.3.3龍貝格積分
3.4高斯型積分
3.4.1引言
3.4.2一般的高斯型求積公式
3.4.3用正交多項(xiàng)式表示高斯型求積公式的系數(shù)
3.4.4幾種常用的高斯型求積公式
3.5*數(shù)值積分的進(jìn)一步討論
3.5.1奇異積分
3.5.2樣條積分
3.5.3重積分的計(jì)算
小結(jié)
習(xí)題三
第四章常微分方程初值問(wèn)題
4.1引言
4.2尤拉方法
4.3龍格-庫(kù)塔方法
4.4單步法的使用
4.4.1李查遜加速和誤差估計(jì)
4.4.2*誤差控制和龍格-庫(kù)塔-Fehlbers方法
4.5阿達(dá)姆斯方法
4.5.1阿達(dá)姆斯開(kāi)型公式
4.5.2阿達(dá)姆斯閉型公式
4.5.3阿達(dá)姆斯公式的使用和加速
4.5.4預(yù)報(bào)-校正格式的收斂性
4.5.5*變步長(zhǎng)阿達(dá)姆斯預(yù)報(bào)-校正算法
4.6*米爾尼方法和哈明方法
4.6.1米爾尼方法
4.6.2哈明方法
4.7*埃爾米特方法
4.8*例
4.9常微分方程組的數(shù)值解
4.10*穩(wěn)定性
4.10.1齊次常系數(shù)線(xiàn)性差分方程
4.10.2差分格式的穩(wěn)定性
小結(jié)
習(xí)題四
第五章函數(shù)逼近與計(jì)算
5.1引言
5.2函數(shù)的一致逼近
5.2.1一致逼近的基本定理
5.2.2*里米茲算法
5.3多項(xiàng)式展開(kāi)的函數(shù)逼近方法
5.3.1臺(tái)勞多項(xiàng)式逼近的局限性
5.3.2函數(shù)的切彼曉夫多項(xiàng)式逼近
5.3.3多項(xiàng)式的計(jì)算
5.3.4冪級(jí)數(shù)精簡(jiǎn)
5.4最小二乘曲線(xiàn)擬合
5.4.1最小二乘的一般原理
5.4.2多項(xiàng)式的最小二乘逼近
5.4.3正交多項(xiàng)式的最小二乘逼近
5.4.4Granl多項(xiàng)式的最小二乘逼近
5.4.5例
5.5*函數(shù)的有理分式逼近
5.5.1Pade逼近
5.5.2Pade逼近的幾個(gè)例題
5.5.3有理分式計(jì)算
5.5.4用切彼曉夫級(jí)數(shù)構(gòu)造有理分式逼近
5.6*周期函數(shù)的最小二乘法和離散
付立葉變換
5.6.1周期函數(shù)的最小二乘法
5.6.2離散付立葉變換(DFT)
5.6.3離散付立葉變換與周期函數(shù)的
最小二乘法
5.7*快速付立葉變換(FFT)
5.7.1FFT的直觀(guān)推導(dǎo)
5.7.2N＝2r的庫(kù)利-圖基算法推導(dǎo)
5.8*實(shí)數(shù)據(jù)的FFT算法
5.8.1*同時(shí)計(jì)算兩個(gè)實(shí)函數(shù)的FFT算法
5.8.2用N點(diǎn)FFT計(jì)算2N個(gè)實(shí)數(shù)的
付立葉變換
小結(jié)
附錄二一些常用的初等函數(shù)逼近
公式
習(xí)題五
第六章非線(xiàn)性方程求根
6.1二分法
6.2函數(shù)迭代
6.2.1一般單點(diǎn)迭代
6.2.2多點(diǎn)迭代
6.3弦截法和拋物線(xiàn)法
6.3.1試位法
6.3.2弦截法
6.3.3拋物線(xiàn)法
6.4牛頓迭代法
6.4.1單根情況下的牛頓迭代公式
6.4.2重根情況下的牛頓迭代公式
6.5實(shí)多項(xiàng)式的求根方法
6.5.1*求多項(xiàng)式全部實(shí)根或復(fù)根的途徑
6.5.2用牛頓迭代法求多項(xiàng)式的根
6.5.3*劈因子迭代法
6.5.4實(shí)多項(xiàng)式系數(shù)誤差對(duì)根的影響
6.6*實(shí)多項(xiàng)式的實(shí)根分布
6.7*非線(xiàn)性方程組
6.7.1解非線(xiàn)性方程組的牛頓迭代法
6.7.2最速下降法
小結(jié)
習(xí)題六
第七章解線(xiàn)性代數(shù)方程組的直接法
7.1引言
7.2線(xiàn)性代數(shù)的基本理論
7.2.1解的存在性和唯一性
7.2.2內(nèi)積和向量空間
7.2.3矩陣的特征值和特征向量
7.2.4標(biāo)準(zhǔn)型
7.3向量.矩陣的模
7.3.1向量模
7.3.2矩陣模
7.4高斯消去法
7.4.1高斯消去法
7.4.2高斯消去法與LU分解
7.5選主元和加比例因子的
高斯消去法
7.5.1高斯主元消去法
7.5.2加比例因子的高斯消去法
7.6高斯消去法的變形
7.6.1杜利特爾方法
7.6.2對(duì)稱(chēng)正定矩陣的平方根法
7.6.3三對(duì)角線(xiàn)矩陣的追趕法
7.7*行列式和逆矩陣
7.7.1行列式的計(jì)算
7.7.2求逆矩陣
7.7.3分塊法求逆矩陣
7.8誤差分析
7.8.1自由項(xiàng)擾動(dòng)對(duì)解的影響
7.8.2矩陣的條件數(shù)
7.8.3|A-1|的估計(jì)
7.8.4系數(shù)矩陣擾動(dòng)對(duì)解的影響
7.8.5*舍入誤差的影響
7.8.6*剩余.誤差及迭代校正法
小結(jié)
習(xí)題七
第八章解線(xiàn)性代數(shù)方程組的迭代法
8.1向量和矩陣的極限
8.2迭代法
8.2.1迭代法的一般形式
8.2.2迭代法的收斂性
8.2.3迭代法的收斂速度
8.3雅可比迭代
8.3.1雅可比迭代
8.3.2雅可比迭代的收斂性
8.4賽德?tīng)柕?br />8.4.1賽德?tīng)柕?br />8.4.2賽德?tīng)柕氖諗啃?br />8.5*松弛法
8.5.1松弛迭代的一般形式
8.5.2坐標(biāo)松弛法
8.5.3最優(yōu)斜量法
小結(jié)
習(xí)題八
第九章矩陣特征值和特征向量的解法
9.1引言
9.2冪法求按模最大特征值
9.3冪法的變形與加速
9.3.1簡(jiǎn)單移位法
9.3.2冪法的加速
9.3.3反冪法
9.3.4內(nèi)積法
9.4雅可比方法
9.5*Givens方法和Householder方法
9.5.1Given3方法
9.5.2Householder方法
9.5.3對(duì)稱(chēng)三對(duì)角陣的特征值
9.5.4求特征向量
9.6*LR和QR算法
9.6.1一般原理
9.6.2收斂性
9.6.3計(jì)算技術(shù)
小結(jié)
習(xí)題九
參考書(shū)目