計算方法
徐應祥
- 出版商: 中國水利水電出版社
- 出版日期: 2026-07-01
- 售價: $312
- 語言: 簡體中文
- 頁數: 268
- ISBN: 7522645840
- ISBN-13: 9787522645841
-
相關分類:
數值分析 Numerical-analysis
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
$219統計學習理論基礎 -
$300人工智能算法 捲1 基礎算法 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$405 -
$351人工智能算法 捲2 受大自然啟發的算法 -
$568金融中的機器學習 -
$270矩陣分析 -
$606利用 Python 實現概率、統計及機器學習方法(原書第2版) -
$861精通機器學習算法 -
強化學習演算法入門$419$398 -
$504深度學習的理論基礎與核心算法 -
$249矩陣論及其應用 -
$298概率論與數理統計(第2版) -
$468矩陣之美(基礎篇) -
概率機器學習 (基礎篇)$1,014$963 -
$374Gemini 深度使用手冊 -
人工智能數學基礎$959$911 -
Gemini 使用指南$474$450 -
一本搞定 Google AI:Gemini、NotebookLM、Workspace AI、Nano Banana 到 Gemini Omni,學會清晰化、結構化、規格化的 AI 工作法$399$315 -
Gemini Notebook 知識管理術 - 打造你的 AI 第二大腦$620$489 -
Gemini Notebook 任務神助手:200+ 實戰指令串聯 Gemini Notebook 與 AI Agent,全面解鎖學習、職場、生活與創意應用$650$507 -
$414統計學習方法和R語言實踐 -
AI 提問 X 學習 X 應用:ChatGPT、NotebookLM、Gemini、GitHub Copilot,從零到 AI Agent 實戰$390$308 -
$588Python 金融機器學習 -
$534Python 人工智能金融實操 -
$348矩陣理論教程
相關主題
商品描述
本書在高等數學和線性代數的基礎上,介紹計算機中常用數值計算方法的基本原理和實 現過程,內容主要包括數值計算方法的基本概念和誤差理論基礎、非線性方程的解法、 線性方程組的解法、矩陣特征值與特征向量的求法、插值法與曲線擬合法、數值積分與數值微分、常微分方程數值解法等。全書共分為7章。各章最後一節給出了該章主要算法的MATLAB參考程序,各章末也配備了一定量的練習題和上機實驗題目,並附了練習題答案。全書以介紹各類算法的基 本原理為主,敘述由淺入深,便於自學。本書可作為高等學校理工類專業或低年級研究生計 算方法課程的教材,也可供工程技術人員自學參考。
目錄大綱
前言
第1章 緒論
1.1 數值計算方法引論
1.2 數值計算中的誤差
1.2.1 誤差來源與分類
1.2.2 絕對誤差與相對誤差
1.2.3 有效數字
1.3 數值計算中誤差的傳播
1.3.1 基本運算中的誤差估計
1.3.2 病態問題與條件數
1.3.3 數值方法的穩定性
1.4 數值計算中應註意的問題
練習1
實驗1
第2章 非線性方程求解
2.1 二分法
2.2 簡單疊代法及其收斂性
2.2.1 不動點疊代法
2.2.2 疊代法的收斂性
2.3 疊代收斂的加速方法
2.3.1 埃特金加速收斂方法
2.3.2 斯蒂芬森疊代法
2.4 牛頓法
2.4.1 牛頓法概述
2.4.2 牛頓法的收斂性與初值的選擇
2.4.3 隱函數方程
2.5 弦截法
2.6 非線性方程組的解法
2.7 主要算法程序
2.7.1 觀察方程在某區間內實根大概位置
2.7.2 求二次方程實根
2.7.3 二分法求非線性方程的根
2.7.4 簡單疊代法和斯蒂芬森疊代法的過程
2.7.5 牛頓法
2.7.6 牛頓法解隱函數方程舉例
2.7.7 弦截法
2.7.8 牛頓法解非線性方程組舉例
練習2
實驗2
第3章 線性方程組的數值解法
3.1 消去法
3.1.1 三角方程組的解法
3.1.2 高斯消去法
3.1.3 高斯消去法的條件
3.1.4 高斯消去法的計算量
3.2 主元素法
3.2.1 引例
3.2.2 列主元與全主元消去法
3.3 直接三角分解法
3.3.1 高斯消去法的矩陣形式
3.3.2 直接三角分解法概述
3.3.3 解三對角方程組的追趕法
3.4 平方根法與改進的平方根法
3.4.1 平方根法
3.4.2 改進的平方根法
3.5 向量和矩陣的範數
3.5.1 向量的範數
3.5.2 矩陣的範數
3.6 誤差分析
3.6.1 方程組的性態與條件數
3.6.2 病態方程組的解法
3.7 解線性方程組的簡單疊代法
3.7.1 簡單疊代法
3.7.2 簡單疊代法的收斂性與誤差估計
3.7.3 特殊方程組疊代法的收斂性
3.7.4 誤差估計
3.7.5 疊代法的收斂速度與最佳松弛因子
3.8 主要算法程序
3.8.1 高斯消去法
3.8.2 列主元消去法
3.8.3 LU分解法
3.8.4 追趕法
3.8.5 對稱正定方程的平方根法
3.8.6 改進的平方根法
3.8.7 雅可比疊代法
3.8.8 高斯—賽德爾疊代法
練習3
實驗3
第4章 矩陣特征值與特征向量
4.1 冪法和反冪法
4.1.1 冪法
4.1.2 冪法的加速
4.1.3 反冪法
4.2 QR方法
4.2.1 QR分解
4.2.2 特征值的QR方法
4.3 對稱矩陣的特征值
4.3.1 內積法
4.3.2 雅可比方法
4.4 主要算法程序
4.4.1 冪法
4.4.2 矩陣的豪斯霍爾德變換
4.4.3 矩陣的QR分解
4.4.4 QR方法的結束條件
4.4.5 QR方法
4.4.6 內積法
4.4.7 雅可比方法
練習4
實驗4
第5章 插值法與曲線擬合法
5.1 插值法理論基礎
5.1.1 插值法的基本概念
5.1.2 代數插值問題的誤差
5.2 插值多項式的表達式
5.2.1 線性插值
5.2.2 二次插值
5.2.3 拉格朗日插值
5.3 均差與牛頓插值公式
5.3.1 均差及其性質
5.3.2 牛頓插值公式
5.4 差分與等距節點插值公式
5.4.1 差分及其性質
5.4.2 等距節點插值公式
5.5 埃爾米特插值
5.6 分段低次插值
5.6.1 高次插值的病態性質
5.6.2 分段線性插值
5.6.3 分段三次埃爾米特插值
5.7 三次樣條插值
5.7.1 三次樣條插值函數的概念
5.7.2 樣條插值函數的建立
5.7.3 誤差估計與收斂性
5.8 曲線擬合的最小二乘法
5.8.1 最小二乘法的基本原理
5.8.2 最佳平方逼近多項式的存在唯一性
5.9 主要算法程序
5.9.1 拉格朗日插值
5.9.2 均差與牛頓插值
5.9.3 三次埃爾米特插值
5.9.4 三次樣條插值函數(三彎矩法)
5.9.5 曲線擬合的最小二乘法
練習5
實驗5
第6章 數值積分與數值微分
6.1 數值積分的基本概念
6.1.1 數值求積分的基本思想
6.1.2 代數精度的概念
6.1.3 插值型求積公式
6.1.4 求積公式的收斂性與穩定性
6.2 牛頓—柯特斯公式與低階求積公式
6.2.1 牛頓—柯特斯公式
6.2.2 幾種低階求積公式
6.3 覆化求積公式
6.3.1 覆化梯形公式
6.3.2 覆化辛普森公式
6.4 龍貝格求積方法
6.4.1 梯形公式的逐次分半算法
6.4.2 龍貝格求積公式
6.4.3 龍貝格求積公式的實現
6.5 高斯求積公式
6.5.1 高斯求積公式基本理論
6.5.2 高斯—勒讓德求積公式
6.6 數值微分
6.6.1 利用差商求導數
6.6.2 利用插值函數求導數
6.7 主要算法程序
6.7.1 利用積分和近似求數值積分
6.7.2 辛普森公式
6.7.3 覆化梯形公式
6.7.4 覆化辛普森公式
6.7.5 自動選擇步長的覆化梯形公式
6.7.6 自動選擇步長的覆化辛普森公式
