數(shù)值計(jì)算

第一章　數(shù)值計(jì)算導(dǎo)論
§l　數(shù)學(xué)問(wèn)題與數(shù)值計(jì)算問(wèn)題
§2　數(shù)值計(jì)算的基本數(shù)學(xué)思想與方法
2.1　數(shù)值計(jì)算的基本思想
2.2　數(shù)值計(jì)算的基本方法
§3　計(jì)算誤差的基本概念和誤差分析
3.1　誤差來(lái)源的分類
3.2　絕對(duì)誤差、相對(duì)誤差與有效數(shù)字
3.3　算術(shù)運(yùn)算的誤差
3.4　適定性與穩(wěn)定性
3.5　避免和減少誤差的若干計(jì)算原則
§4　算法性態(tài)分析概述
4.1　計(jì)算復(fù)雜度——計(jì)算的代價(jià)
4.2　收斂率——計(jì)算的速度
§5　問(wèn)題與探索
5.1　數(shù)值問(wèn)題的病態(tài)性
5.2　迭代法的收斂性及其收斂速度（收斂率）
5.3　20世紀(jì)十大算法
5.4　線性代數(shù)方程組問(wèn)題與建模
習(xí)題一
數(shù)值實(shí)驗(yàn)一
數(shù)值實(shí)驗(yàn) 1.1迭代法的設(shè)計(jì)與運(yùn)行
數(shù)值實(shí)驗(yàn) 1.2函數(shù)逼近
第二章　求解線性代數(shù)方程組的直接方法
§1　引言
§2　初等下三角形矩陣——Gauss變換矩陣
§3　Gauss消元法
3.1　順序Gauss消元法
3.2　消元過(guò)程的可行性
3.3　Gauss消元法的矩陣分析
3.4　Gauss主元消元法
§4　三角分解法
4.1　直接三角分解法
4.2　列主元三角分解法
4.3　帶狀對(duì)角形方程組的三角分解法
4.4　正定矩陣的三角分解法
§5　向量與矩陣的范數(shù)
5.1　線性空間中的范數(shù)
5.2　幾個(gè)常用的向量范數(shù)
5.3　向量范數(shù)的等價(jià)性
5.4　矩陣范數(shù)
5.5　幾個(gè)常用的誘導(dǎo)矩陣范數(shù)
5.6　范數(shù)的若干應(yīng)用
§6　線性方程組的誤差分析及其性態(tài)
6.1　直接法的誤差分析
6.2　線性方程組的條件數(shù)
§7　問(wèn)題與探索
7.1　條件數(shù)的近似計(jì)算
7.2　迭代改善法
7.3　求解擬三對(duì)角線性方程組的直接方法
本章評(píng)述
習(xí)題二
數(shù)值實(shí)驗(yàn)二
數(shù)值實(shí)驗(yàn)2.1　電阻網(wǎng)絡(luò)問(wèn)題的求解
數(shù)值實(shí)驗(yàn)2.2　時(shí)間序列模型的求解
第三章　求解線性代數(shù)方程組的迭代法
§1　引言
§2　基本迭代法及其構(gòu)造
§3　基本迭代法的收斂理論
3.1　迭代法的收斂性分析
3.2　收斂定理
3.3　誤差估計(jì)
§4　幾類特殊方程的基本迭代法的收斂性
4.1　對(duì)角占優(yōu)矩陣方程的基本迭代法的收斂性
4.2　對(duì)稱正定矩陣方程的基本迭代法的收斂性
4.3　SOB迭代格式的收斂性
4.4　Richardson迭代格式的收斂性
§5　迭代加速方法
5.1　多項(xiàng)式加速方法
5.2　SOR迭代的最優(yōu)松弛因子
§6　求解Ax=b的變分原理與共軛梯度法
6.1　求解Ax=b的變分原理與最速下降法
6.2　最速下降法的收斂性
6.3　共軛方向法
6.4　共軛梯度法
6.5　共軛梯度法的收斂性
6.6　求解非奇異方程組的共軛梯度法
§7　問(wèn)題與探索
7.1　不動(dòng)點(diǎn)原理
7.2　預(yù)處理共軛梯度法
7.3　最優(yōu)松弛因子的實(shí)用選擇方法
本章評(píng)述
習(xí)題三
數(shù)值實(shí)驗(yàn)三
數(shù)值實(shí)驗(yàn)3.1　基本迭代法的運(yùn)行（1）
數(shù)值實(shí)驗(yàn)3.2　基本迭代法的運(yùn)行（2）
數(shù)值實(shí)驗(yàn)3.3　迭代法的進(jìn)一步認(rèn)識(shí)（1）
數(shù)值實(shí)驗(yàn)3.4　迭代法的進(jìn)一步認(rèn)識(shí)（2）
第四章　非線性方程組的數(shù)值求解
§l　概述
§2　非線性方程的根的定位和二分法
2.1　根的定位
2.2　二分法
§3　基于不動(dòng)點(diǎn)原理的迭代法
3.1　不動(dòng)點(diǎn)方程與不動(dòng)點(diǎn)迭代法
3.2　不動(dòng)點(diǎn)的存在性與迭代法的全局收斂性
3.3　迭代法的局部收斂性與收斂階
3.4　迭代法收斂的加速方法
§4　Newton法（切線法）
4.1　Newton法及其迭代格式
4.2　Newton法的收斂性
4.3　求重根的修正Newton法
4.4　Newton法的進(jìn)一步研究
§5　非線性方程組的數(shù)值求解的基本方法
5.1　概述
5.2　向量值函數(shù)的可微性
5.3　不動(dòng)點(diǎn)迭代法及其局部收斂性
5.4　Newton迭代法
§6　非線性方程組的數(shù)值方法的進(jìn)一步研究
6.1　同倫算法
6.2　擬Newton法
§7　問(wèn)題與探索
7.1　方程重根數(shù)的計(jì)算方法
7.2　基于變分原理的最小二乘法
7.3　矩陣特征值問(wèn)題的實(shí)例
本章評(píng)述
習(xí)題四
數(shù)值實(shí)驗(yàn)四
數(shù)值實(shí)驗(yàn)4.1　算法的設(shè)計(jì)和性能比較研究
數(shù)值實(shí)驗(yàn)4.2　Newton法收斂域的結(jié)構(gòu)和局部收斂性
數(shù)值實(shí)驗(yàn)4.3　一般迭代格式的復(fù)雜行為
數(shù)值實(shí)驗(yàn)4.4　非線性方程組的數(shù)值求解
第五章　矩陣特征值問(wèn)題的數(shù)值方法
§1　矩陣特征值問(wèn)題的有關(guān)基礎(chǔ)
§2　乘冪法與反乘冪法
2.1　乘冪法的基本原理
2.2　乘冪法的計(jì)算格式
2.3　加速收斂技術(shù)
2.4　反乘冪法與Rayleigh商迭代法（RQI）
2.5　基于乘冪法的降階收縮方法
§3　常用的線性變換工具
3.1　正交上三角化變換
3.2　Householder反射變換
3.3　實(shí)現(xiàn)正交三角分解的Givens旋轉(zhuǎn)變換和Schmidt變換
§4　求解一般矩陣特征值問(wèn)題的QR方法
4.1　基本QR迭代格式
4.2　QR方法的收斂性
4.3　QR方法的預(yù)處理
4.4　帶平移QR迭代方法
§5　對(duì)稱矩陣特征值問(wèn)題
5.1　乘冪法
5.2　對(duì)稱QR方法
5.3　Householder·方法
5.4　Jacobi方法
§6　問(wèn)題與探索
6.1　Krylov子空間方法的基本思想
6.2　Amoldi過(guò)程
第六章 數(shù)值逼近問(wèn)題（1）—插值及其數(shù)值計(jì)算
第七章 數(shù)值逼近問(wèn)題（2）—函數(shù)的最優(yōu)逼近與擬合
第八章 數(shù)值積分與數(shù)值微分
第九章 常微分方程初值問(wèn)題的數(shù)值方法
主要參考文獻(xiàn)
名詞索引