《數(shù)值計(jì)算方法與算法（第二版）》介紹常用的數(shù)值計(jì)算方法，內(nèi)容包括：多項(xiàng)式插值，數(shù)值微分和數(shù)值積分，曲線擬合的最小二乘法，非線性方程求根解線性方程組的直接法，線性方程組的迭代法，計(jì)算矩陣的特征值和特征向量常微分方程數(shù)值解。《數(shù)值計(jì)算方法與算法（第二版）》例題豐富，形式多樣，并有C語言和mathematica的例題和習(xí)題。
本書以能正確選擇計(jì)算對(duì)象的計(jì)算方法為前提，領(lǐng)會(huì)計(jì)算原理和掌握計(jì)算步驟為主干線，淡化數(shù)學(xué)定理證明中的嚴(yán)謹(jǐn)性部分，強(qiáng)化數(shù)值方法與計(jì)算機(jī)技術(shù)的應(yīng)用能力訓(xùn)練。希望讀者通過本書的學(xué)習(xí)掌握數(shù)值計(jì)算中的基本思想和方法，培養(yǎng)自行處理常規(guī)數(shù)值計(jì)算問題的能力，為深入學(xué)習(xí)數(shù)值方法打好基礎(chǔ)，也為部分讀者調(diào)用各類程序包解決問題創(chuàng)造條件。本書適合高等院校的理工科學(xué)生作為教材，也可作為有關(guān)專業(yè)的科技工作者的參考書。
第0章 緒論
0.1 數(shù)值計(jì)算方法與算法
0.2 誤差與有效數(shù)字
0.3 約束誤差
0.4 范數(shù)
0.4.1 向量范數(shù)
0.4.2 矩陣范數(shù)
第1章 插值
1.1 插值
1.2 多項(xiàng)式插值的Lagrange形式
1.2.1 線性插值
1.2.2 二次插值
1.2.3 n次Lagrange插值多項(xiàng)式
1.3 多項(xiàng)式插值的Newton形式
1.3.1 差商及其計(jì)算
第0章 緒論
0.1 數(shù)值計(jì)算方法與算法
0.2 誤差與有效數(shù)字
0.3 約束誤差
0.4 范數(shù)
0.4.1 向量范數(shù)
0.4.2 矩陣范數(shù)
第1章 插值
1.1 插值
1.2 多項(xiàng)式插值的Lagrange形式
1.2.1 線性插值
1.2.2 二次插值
1.2.3 n次Lagrange插值多項(xiàng)式
1.3 多項(xiàng)式插值的Newton形式
1.3.1 差商及其計(jì)算
1.3.2 Newton插值
*1.4 Hermite插值
1.5 分段插值
1.5.1 Runge現(xiàn)象
1.5.2 分段線性插值
1.6 三次樣條函數(shù)
1.6.1 三次樣條插值的M關(guān)系式
1.6.2 三次樣條插值的m關(guān)系式
1.7 程序示例
習(xí)題1
第2章 數(shù)值微分和數(shù)值積分
2.1 數(shù)值微分
2.1.1 差商與數(shù)值微分
2.1.2 插值型數(shù)值微分
2.2 數(shù)值積分
2.2.1 插值型數(shù)值積分
2.2.2 Newton-Cotes積分
2.3 復(fù)化數(shù)值積分
2.3.1 復(fù)化梯形積分
2.3.2 復(fù)化Simpson積分
2.3.3 復(fù)化積分的自動(dòng)控制誤差算法
2.3.4 Romberg積分
2.4 重積分計(jì)算
*2.5 Gauss型積分
2.5.1 Legendre多項(xiàng)式
2.5.2 Gauss-Legendre積分
2.6 程序示例
習(xí)題2
第3章 曲線擬合的最小二乘法
3.1 擬合曲線
3.2 線性擬合和二次擬合函數(shù)
3.3 解矛盾方程組
3.4 程序示例
習(xí)題3
第4章 非線性方程求根
4.1 實(shí)根的對(duì)分法
4.2 迭代法
4.3 Newton迭代法
4.4 弦截法
4.5 非線性方程組的Newton方法
4.6 程序示例
習(xí)題4
第5章 解線性方程組的直接法
5.1 消元法
5.1.1 三角形方程組的解
5.1.2 Gauss消元法與列主元消元法
5.1.3 Gauss-Jordan消元法
5.2 直接分解法
5.2.1 Dolittle分解
5.2.2 Courant分解
5.2.3 追趕法
5.2.4 對(duì)稱正定矩陣的LDLT分解
*5.3 矩陣的條件數(shù)
5.4 程序示例
習(xí)題5
第6章 解線性方程組的迭代法
6.1 Jacobi迭代
6.1.1 Jacobi迭代格式
6.1.2 Jacobi 迭代收斂條件
6.2 Gauss-Seidel迭代
6.2.1 Gauss-Seidel迭代公式
6.2.2 Gauss-Seidel迭代矩陣
6.2.3 Gauss-Seidel迭代算法
6.3 松弛迭代
6.4 逆矩陣計(jì)算
6.5 程序示例
習(xí)題6
第7章 計(jì)算矩陣的特征值和特征向量
7.1 冪法
7.1.1 冪法計(jì)算
7.1.2 冪法的規(guī)范運(yùn)算
7.2 反冪法
7.3 實(shí)對(duì)稱矩陣的Jacobi方法
7.4 QR方法簡(jiǎn)介
7.4.1 正交矩陣與矩陣的QR分解
7.4.2 QR方法初步
7.5 程序示例
習(xí)題7
第8章 常微分方程數(shù)值解
8.1 Euler公式
8.1.1 基于數(shù)值微商的Euler公式
*8.1.2 Euler公式的收斂性
8.1.3 基于數(shù)值積分的近似公式
8.2 Runge-Kutta方法
8.2.1 二階Runge-Kutta方法
8.2.2 四階Runge-Kutta格式
8.2.3 步長(zhǎng)的自適應(yīng)
8.3 線性多步法
8.4 常微分方程組的數(shù)值解法
8.4.1 一階常微分方程組的數(shù)值解法
8.4.2 高階常微分方程數(shù)值方法
*8.5 常微分方程的穩(wěn)定性
8.6 程序示例
習(xí)題8
*第9章 在Mathematica中做題
9.1 符號(hào)計(jì)算系統(tǒng)Mathematica基本操作
9.2 插值
9.3 數(shù)值積分
9.4 曲線擬合
9.5 非線性方程
9.6 方程組求解
9.7 計(jì)算特征值和特征向量
9.8 常微分方程數(shù)值解
上機(jī)作業(yè)題
參考文獻(xiàn)
新書資訊