一、插值余项 从上节可知,y=f(x)的Lagrange插值

3.1插值法 3.2插值多项式中的误差 3.3分段插值法 3.4 Newton插值 3.5 Hermite插值 3.6三次样条插值 3.7数据拟合

无论是解线性方程组的 Jacobi迭代法和G—S迭代法 还是解非线性方程 Newton系列迭代法 都涉及到收敛速度问题 也涉及到初值的选取问题 如何加快迭代法的速度呢? 如何改善迭代法的适用范围呢?

方程是在科学研究中不可缺少的工具 方程求解是科学计算中一个重要的研究对象 几百年前就已经找到但是对于更高次数 了代数方程中二次至的代数方程目前仍 五次方程的求解公式无有效的精确解法 对于无规律的非代数方程的求解也无精确解法 因此研究非线性方程的数值解法成为必然

在用直接法解线性方程组时要对系数矩阵不断变换 如果方程组的阶数很高,则运算量将会很大 并且大量占用计算机资源 因此对线性方程组

二维向量和三维向量都可以度量其大小和长度 高维向量的\长度\能否定义呢? \范数\是对向量和矩阵的一种度量,实际上是二维 和三维向量长度概念的一种推广 数域:数的集合,对加法和乘法封闭 线性空间:可简化为向量的集合对向量的加法和 数量乘法封闭, 也称为向量空间

第一章绪论 （1)有关数值方法的基本概念 （2)误差 （3)有效数字 第二章方程的求解 （1)二分法 （2)迭代法 （3)牛顿法 （4)弦截法

2.6追赶法(Thomas算法) 对角占优矩阵:

一、对称正定矩阵的三角分解(Cholesky分解) 若n阶矩阵A为对称正定矩阵

一、基本的三角分解法(Doolittle法) 若n阶方阵A=(a)nxn的顺序主子式