現(xiàn)代數(shù)值計(jì)算

第1章　科學(xué)計(jì)算與Matlab　1
1.1　科學(xué)計(jì)算的意義　1
1.2　誤差基礎(chǔ)知識　2
1.2.1　誤差的來源　2
1.2.2　誤差度量　2
1.2.3　有效數(shù)字　3
1.2.4　計(jì)算機(jī)的浮點(diǎn)數(shù)系　3
1.2.5　一個實(shí)例　4
1.2.6　數(shù)值計(jì)算中應(yīng)注意的幾個問題　4
1.3　Matlab軟件　7
1.3.1　簡介　7
1.3.2　向量和矩陣的基本運(yùn)算　8
1.3.3　流程控制　15
1.3.4　腳本文件和函數(shù)文件　18
1.3.5　幫助系統(tǒng)　22
1.3.6　畫圖功能　26
1.3.7　數(shù)據(jù)操作　30
習(xí)題一　33
數(shù)值實(shí)驗(yàn)一　33
第2章　線性方程組的直接解法　35
2.1　高斯消去法　35
2.2　矩陣的三角分解　39
2.2.1　LU分解和LDU分解　39
2.2.2　喬列斯基分解　42
2.2.3　追趕法　44
2.2.4　分塊三角分解　46
2.3　QR分解和奇異值分解　47
2.3.1　正交矩陣　47
2.3.2　QR分解　50
2.3.3　奇異值分解　52
習(xí)題二　53
數(shù)值實(shí)驗(yàn)二　54
第3章　多項(xiàng)式插值與樣條插值　56
3.1　多項(xiàng)式插值　56
3.1.1　多項(xiàng)式插值問題的定義　56
3.1.2　插值多項(xiàng)式的存在唯一性　57
3.1.3　插值基函數(shù)　57
3.2　拉格朗日插值　58
3.2.1　拉格朗日插值基函數(shù)　58
3.2.2　拉格朗日插值多項(xiàng)式　58
3.2.3　插值余項(xiàng)　60
3.3　牛頓插值　62
3.3.1　差商　62
3.3.2　牛頓插值公式及其余項(xiàng)　64
3.3.3　差分與等距節(jié)點(diǎn)的插值公式　65
3.4　埃爾米特插值　66
3.4.1　兩點(diǎn)三次埃爾米特插值　66
3.4.2　埃爾米特插值多項(xiàng)式的余項(xiàng)　68
3.4.3　n+1個點(diǎn)2n+1次埃爾米特插值多項(xiàng)式H2n+1（）及其余項(xiàng)R2n+1（）　68
3.5　三次樣條插值　68
3.5.1　樣條插值概念的產(chǎn)生　68
3.5.2　三次樣條函數(shù)　70
習(xí)題三　78
數(shù)值實(shí)驗(yàn)三　79
第4章　函數(shù)逼近　81
4.1　內(nèi)積與正交多項(xiàng)式　81
4.1.1　權(quán)函數(shù)和內(nèi)積　81
4.1.2　正交函數(shù)系　82
4.1.3　勒讓德多項(xiàng)式　82
4.1.4　切比雪夫多項(xiàng)式　84
4.1.5　其他正交多項(xiàng)式　85
4.2　最佳一致逼近與切比雪夫展開　86
4.2.1　最佳一致逼近多項(xiàng)式　86
4.2.2　線性最佳逼近多項(xiàng)式的求法　87
4.2.3　切比雪夫展開與近似最佳逼近多項(xiàng)式　88
4.3　最佳平方逼近　90
4.3.1　預(yù)備知識　90
4.3.2　最佳平方逼近　90
4.4　曲線擬合的最小二乘法　94
4.4.1　最小二乘法　94
4.4.2　利用正交多項(xiàng)式作最小二乘擬合　97
4.4.3　非線性最小二乘問題　99
4.4.4　矛盾方程組　102
4.5　周期函數(shù)逼近與快速傅里葉變換　103
4.5.1　周期函數(shù)的最佳平方逼近　103
4.5.2　快速傅里葉變換（FFT）　105
習(xí)題四　107
數(shù)值實(shí)驗(yàn)四　108
第5章　數(shù)值積分與數(shù)值微分　109
5.1　引言　109
5.2　幾個常用積分公式及其復(fù)合公式　110
5.2.1　幾個常用積分公式　110
5.2.2　代數(shù)精度　111
5.2.3　積分公式的復(fù)合　112
5.3　變步長方法與外推加速技術(shù)　118
5.3.1　變步長梯形法　118
5.3.2　外推加速技術(shù)與龍貝格求積方法　119
5.4　牛頓-科茨公式　121
5.5　高斯公式　123
5.5.1　高斯公式的定義及性質(zhì)　123
5.5.2　常用高斯型公式　126
5.5.3　高斯型公式的應(yīng)用　132
5.6　多重積分的計(jì)算　135
5.6.1　二重積分的計(jì)算　135
5.6.2　蒙特卡羅模擬求積法簡介　138
5.7　數(shù)值微分　141
5.7.1　基于拉格朗日插值多項(xiàng)式的求導(dǎo)方法　141
5.7.2　基于樣條函數(shù)的求導(dǎo)方法　144
習(xí)題五　147
數(shù)值實(shí)驗(yàn)五　149
第6章　線性方程組的迭代解法　151
6.1　范數(shù)和條件數(shù)　151
6.1.1　向量范數(shù)和矩陣范數(shù)　151
6.1.2　擾動分析和條件數(shù)　153
6.2　基本迭代法　155
6.2.1　雅可比迭代法　156
6.2.2　高斯-賽德爾迭代法　157
6.2.3　超松弛（SOR）迭代法　158
6.2.4　迭代的收斂性分析和誤差估計(jì)　160
6.3　不定常迭代法　165
6.3.1　最速下降法　165
6.3.2　共軛梯度法　168
6.3.3　廣義極小殘量法　172
6.3.4　預(yù)處理技術(shù)　176
習(xí)題六　178
數(shù)值實(shí)驗(yàn)六　179
第7章　非線性方程求根　180
7.1　非線性方程求根的基本問題　180
7.2　二分法　182
7.3　不動點(diǎn)迭代方法　183
7.4　迭代加速　186
7.5　牛頓法　188
7.6　割線法　194
7.7　非線性方程組簡介　196
7.8　非線性最小二乘問題　199
7.9　大范圍求解方法　201
習(xí)題七　204
數(shù)值實(shí)驗(yàn)七　205
第8章　矩陣特征值與特征向量的計(jì)算　206
8.1　前言　206
8.2　冪方法　208
8.2.1　乘冪法　208
8.2.2　反冪法　212
8.2.3　結(jié)合原點(diǎn)平移的反冪法　213
8.3　QR方法　214
習(xí)題八　216
數(shù)值實(shí)驗(yàn)八　217
第9章　常微分方程初邊值問題數(shù)值解　218
9.1　歐拉公式及其改進(jìn)　218
9.1.1　歐拉公式　218
9.1.2　數(shù)值積分與多步法　220
9.1.3　預(yù)估校正格式　223
9.2　龍格-庫塔公式　225
9.3　收斂性與穩(wěn)定性　230
9.3.1　單步法的收斂性　230
9.3.2　單步法的穩(wěn)定性　232
9.4　微分方程組和剛性問題　233
9.5　有限差分法　236
習(xí)題九　239
數(shù)值實(shí)驗(yàn)九　239
參考文獻(xiàn)　241
索引　242