概念 实际中,fx)多样,复杂,通常只能观测到一些离散数据; 或者fx)过于复杂而难以运算。这时我们要用近似函数g(x来 逼近fx)

实际中，很多问题的数学模型都是微分方程。我们可以研究它们的一些 性质。但是，只有极少数特殊的方程有解析解。对于绝大部分的微分方程是 没有解析解的。 常微分方程作为微分方程的基本类型之一，在自然界与工程界有很广泛 的应用。很多问题的数学表述都可以归结为常微分方程的定解问题

很多工程计算中，会遇到特征值和特征向量的计算，如：机械、结构或电磁振 动中的固有值问题；物理学中的各种临界值等。这些特征值的计算往往意义重大

直接法得到的解是理论上准确的,但是我们可以看得出,它们的计算量都是n3 数量级,存储量为nη2量级,这在n比较小的时候还比较合适(n<400),但是对于现 在的很多实际问题,往往要我们求解很大的n的矩阵,而且这些矩阵往往是系数矩阵 就是这些矩阵含有大量的0元素

一、计算方法的作用 二、计算方法的内容 三、误差 四、一些例子

非线性科学是当今科学发展的一个重要研究方向，而非线性方程的求根也成了一 个不可缺的内容。但是，非线性方程的求根非常复杂。 通常非线性方程的根的情况非常复杂：

给出一组离散点，确定一个函数逼近原函数，插值是这样的一种手段。 在实际中，数据不可避免的会有误差，插值函数会将这些误差也包括在内。 因此，我们需要一种新的逼近原函数的手段： ①不要求过所有的点（可以消除误差影响）；

1. 函数f(x)以离散点列给出时，而要求我们给出导数值， 2. 函数f(x)过于复杂 这两种情况都要求我们用数值的方法求函数的导数值 微积分中，关于导数的定义如下：

9.1 时间数列的基本特征 9.2 移动平均法分析与预测 9.3 回归法分析与预测 9.4 指数平滑法分析与预测 9.5 季节变动的测定与分析

8.1 线性回归分析的基本原理 8.2 图表分析与回归函数分析 8.3 Excel回归分析工具 8.4 多元回归分析 8.5 非线性回归分析