現(xiàn)代應(yīng)用數(shù)學(xué)手冊(cè)（計(jì)算與數(shù)值分析卷）

數(shù)學(xué)符號(hào)表
1數(shù)值計(jì)算概論
1.1數(shù)值分析的對(duì)象與特點(diǎn)
1.1.1研究對(duì)象
1.1.2主要特點(diǎn)
1.1.3數(shù)值問(wèn)題與數(shù)值方法
1.2誤差與有效數(shù)字
1.2.1誤差的來(lái)源與分類(lèi)
1.2.2誤差概念
1.2.3有效數(shù)字
1.3誤差估計(jì)與誤差分析
1.3.1算術(shù)運(yùn)算的誤差界
1.3.2函數(shù)求值的誤差估計(jì)
1.3.3誤差分析方法
1.4誤差的定性分析與運(yùn)算原則
1.4.1算法的數(shù)值穩(wěn)定性
1.4.2病態(tài)問(wèn)題與條件數(shù)
1.4.3數(shù)值運(yùn)算的簡(jiǎn)單原則
1.5并行算法及其基本概念
1.5.1并行算法及其分類(lèi)
1.5.2并行算法基本概念及設(shè)計(jì)原則
2插值法
2.1引言
2.1.1插值的意義
2.1.2插值問(wèn)題的提法
2.2拉格朗日插值
2.2.1基函數(shù)
2.2.2拉格朗日插值多項(xiàng)式
2.2.3余項(xiàng)
2.3艾特肯法
2.3.1問(wèn)題的提出
2.3.2艾特肯法的描述
2.3.3計(jì)算工作量
2.4均差與牛頓插值
2.4.1均差
2.4.2牛頓插值公式
2.4.3計(jì)算工作量
2.5差分與等距節(jié)點(diǎn)插值
2.5.1差分
2.5.2牛頓差分插值公式
2.5.3高斯公式
2.5.4斯特林公式
2.5.5貝塞爾公式
2.5.6等距節(jié)點(diǎn)插值公式的使用
2.6埃爾米特插值
2.6.1一般提法
2.6.2插值多項(xiàng)式的建立與余項(xiàng)
2.6.3重節(jié)點(diǎn)均差與均差形式的埃爾米特插值多項(xiàng)式
2.7插值多項(xiàng)式的收斂性與穩(wěn)定性
2.7.1插值多項(xiàng)式的收斂性與病態(tài)性質(zhì)
2.7.2插值函數(shù)的穩(wěn)定性
2.8分段低次插值
2.8.1分段線(xiàn)性插值
2.8.2分段三次埃爾米特插值
2.9樣條插值
2.9.1樣條函數(shù)
2.9.2月樣條
2.9.3三次樣條插值問(wèn)題的提法
2.9.4均勻分劃的三次樣條插值函數(shù)
2.9.5任意分劃的三次樣條插值函數(shù)
2.9.6三次樣條插值的收斂性
2.10反插值
2.10.1插值與反插值
2.10.2利用函數(shù)的插值多項(xiàng)式反插
2.10.3構(gòu)造反函數(shù)的插值多項(xiàng)式
2.11有理函數(shù)插值
2.11.1有理插值的存在準(zhǔn)一性
2.11.2蒂埃勒倒差商算法
3函數(shù)逼近與曲線(xiàn)擬合
3.1函數(shù)空間的范數(shù)與最佳逼近問(wèn)題
3.1.1函數(shù)逼近與函數(shù)空間的范數(shù)
3.1.2最佳逼近問(wèn)題
3.2最佳一致逼近
3.2.1連續(xù)函數(shù)的一致逼近
3.2.2最佳一致逼近多項(xiàng)式
3.3最佳一致逼近多項(xiàng)式的數(shù)值方法
3.3.1最佳一致線(xiàn)性逼近
3.3.2列梅茲算法
3.4正交多項(xiàng)式
3.4.1內(nèi)積與正交多項(xiàng)式
3.4.2勒讓德多項(xiàng)式
3.4.3切比雪大多項(xiàng)式
3.4.4其他常用的正交多項(xiàng)式
3.5最佳平方逼近
3.6用正交函數(shù)族作最佳平方逼近
3.6.1最佳平方逼近與廣義傅里葉級(jí)數(shù)
3.6.2.用勒讓德多項(xiàng)式作平方逼近
3.6.3截?cái)嗲斜妊┓蚣?jí)數(shù)
3.7近似最佳一致逼近
3.7.1泰勒級(jí)數(shù)項(xiàng)數(shù)的節(jié)約
3.7.2切比雪夫多項(xiàng)式零點(diǎn)插值
3.8曲線(xiàn)擬合的最小二乘法
3.8.1基本原理
3.8.2線(xiàn)性最小二乘逼近
3.8.3用正交多項(xiàng)式作最小二乘擬合
3.8.4多元最小二乘擬合
3.9傅里葉逼近
3.9.1最佳平方逼近與三角插值
3.9.2快速傅里葉變換
3.10有理逼近與連分式
3.11最佳有理逼近
3.12帕德逼近
3.13梅利逼近
3.14函數(shù)的連分式展開(kāi)
4數(shù)值積分與數(shù)值微分
4.1引言
4.2牛頓—科茨求積公式
4.2.1公式的一般形式
4.2.2梯形公式
4.2.3辛普森公式
4.2.4高階牛頓—科茨公式
4.2.5開(kāi)型牛頓—科茨公式
4.3復(fù)合求積公式
4.3.1復(fù)合梯形公式
4.3.2復(fù)合辛普森公式
4.3.3復(fù)合求積公式的收斂性
4.3.4區(qū)間逐次分半法
4.4里查森外推算法和龍貝格積分法
4.4.1里查森外推算法
4.4.2龍貝格積分法
4.5高斯求積公式
4.5.1高斯型求積公式
4.5.2高斯—勒讓德求積公式
4.5.3高斯—切比雪夫求積公式
4.5.4高斯—拉蓋爾求積公式
4.5.5高斯—埃爾米特求積公式
4.6預(yù)先給定節(jié)點(diǎn)的高斯求積公式
4.6.1高斯—拉道求積公式
4.6.2高斯—洛巴托求積公式
4.7切比雪夫求積法
4.8三次樣條函數(shù)求積法
4.8.1一般情況的求積公式
4.8.2簡(jiǎn)單情況的求積公式
4.9自適應(yīng)積分法
4.9.1自適應(yīng)辛普森方法
4.9.2計(jì)算步驟
4.10奇異積分的計(jì)算
4.10.1積分變量替換
4.10.2極限過(guò)程
4.10.3奇異性的解析處理
4.10.4乘積積分
4.10.5削減奇異性方法
4.10.6康托洛維奇方法
4.10.7高斯求積
4.1l振蕩函數(shù)的積分
4.11.1在兩零點(diǎn)之間的積分
4.11.2菲隆方法
4.12無(wú)窮區(qū)間上的積分
4.12.1變量替換
4.12.2無(wú)窮區(qū)間的截?cái)?br />4.12.3無(wú)窮區(qū)間上的高斯求積公式
4.12.4極限過(guò)程
4.13重積分的數(shù)值計(jì)算
4.13.1基本概念
4.13.2梯形公式及其復(fù)合公式
4.13.3辛普森求積公式及其復(fù)合公式
4.13.4高斯型求積公式
4.13.5一般積分區(qū)域
4.14數(shù)值微分的基本方法
4.14.1數(shù)值微分的概念
4.14.2用插值多項(xiàng)式求數(shù)值微分
4.14.3將微分問(wèn)題化為積分問(wèn)題
4.14.4用三次樣條函數(shù)求數(shù)值微分
4.14.5二階導(dǎo)數(shù)
4.15數(shù)值微分的外推算法
4.16附表
4.16.1高斯—勒讓德求積公式的節(jié)點(diǎn)和系數(shù)
4.16.2高斯—拉蓋爾求積公式的節(jié)點(diǎn)和系數(shù)
4.16.3高斯—埃爾米特求積公式的節(jié)點(diǎn)和系數(shù)
5方程求根
5.1方程求根與二分法
5.1.1方程求根與根的隔離
5.1.2二分法
5.2迭代法及其收斂性
5.2.1不動(dòng)點(diǎn)迭代法
5.2.2不動(dòng)點(diǎn)存在性與迭代法收斂性
5.3迭代法的加速收斂
5.3.1艾特肯加速方法
5.3.2斯蒂芬森迭代法
5.4牛頓法
5.4.1牛頓法及其收斂性
5.4.2簡(jiǎn)化牛頓法與牛頓下山法
5.5弦截法與拋物線(xiàn)法
5.5.1弦截法
5.5.2試位法與斯蒂芬森方法
5.5.3拋物線(xiàn)法
5.6多重迭代法
5.7重根計(jì)算
5.8代數(shù)方程求根與迭代法
5.8.1引言與多項(xiàng)式求值
5.8.2牛頓法與拉蓋爾迭代法
5.9根模的界與實(shí)根隔離
5.9.1根模的上下界
5.9.2施圖姆序列
5.10伯努利方法
5.11劈因子法
5.12復(fù)根的隔離
5.13復(fù)多項(xiàng)式的圓盤(pán)迭代法
5.14病態(tài)代數(shù)方程
6解線(xiàn)性方程組的直接方法
6.1引言
6.2矩陣分析
6.2.1向量范數(shù)
6.2.2矩陣范數(shù)
6.2.3初等矩陣
6.3高斯順序消去法和矩陣的LU分解
6.4高斯主元素消去法
6.5高斯—若爾當(dāng)消去法
6.5.1列主元高斯—若爾當(dāng)消去法
6.5.2高斯—若爾當(dāng)消去法求逆矩陣
6.6直接三角分解法
6.6.1杜利特爾分解法
6.6.2列主元三角分解法
6.6.3對(duì)稱(chēng)正定矩陣的楚列斯基分解法
6.7帶狀方程組的解法
6.7.1三對(duì)角方程組的托馬斯法和循環(huán)約簡(jiǎn)法
6.7.2塊三對(duì)角方程組的解法
6.7.3帶狀方程組的列主元消去法
6.7.4對(duì)稱(chēng)正定帶狀方程組的解法
6.8大型稀疏方程組的直接方法
6.8.1稀疏矩陣
6.8.2高斯消去法解大型稀疏方程組所要求的形式
6.8.3壓縮存儲(chǔ)形式
6.8.4對(duì)稱(chēng)正定稀疏方程組的解法
6.9誤差分析
6.9.1矩陣的條件數(shù)和病態(tài)方程組
6.9.2方程組的敏感性
6.9.3病態(tài)方程組的解法
6.9.4舍人誤差
7求解線(xiàn)性代數(shù)方程組的迭代法
7.1定常迭代法的基本概念
7.2雅可比迭代法、JOR法和RF法
7.3高斯—賽德?tīng)柕?br />7.4逐次超松弛迭代法
7.4.1逐次超松弛迭代法
7.4.2性質(zhì)AA和相容次序
7.4.3最優(yōu)松弛因子
7.5對(duì)稱(chēng)逐次超松弛迭代法
7.6不完全LU分解
7.6.1M矩陣與正則分解
7.6.2不完全LU分解
7.7塊迭代法和交替方向迭代法
7.7.1塊雅可比法、塊逐次超松弛迭代法和塊高斯—賽德?tīng)柗?br />7.7.2塊逐次超松弛迭代法的收斂性和最優(yōu)松弛因子的選取
7.7.3交替方向隱式方法
7.8擬消去迭代法
7.9共軛梯度法
7.9.1變分原理
7.9.2最速下降法
7.9.3共軛梯度法
7.10預(yù)處理共軛梯度法
7.10.1預(yù)處理共軛梯度法
7.10.21CCG法
7.10.3迭代預(yù)處理
7.11阿諾爾德算法
7.1l.1伽遼金原理和克雷洛夫子空間
7.11.2阿諾爾德過(guò)程
7.11.3阿諾爾德算法
7.11.4對(duì)稱(chēng)蘭喬斯算法
7.12廣義極小殘余算法
7.12.1阿諾爾德—GMRES算法
7.12.2豪斯霍爾德—GMRES算法
7.12.3極小化算法
7.12.4GMRES算法的收斂性和中斷
7.12.5分裂預(yù)處理GMRES算法
8矩陣特征值問(wèn)題
巳1基本性質(zhì)
8.1.1特征值的性質(zhì)
8.1‘2特征值的界限
8.1.3極值定理
8.1.4擾動(dòng)和敏感性
8.2矩陣的變換和矩陣的分解
8.2.1矩陣的變換和矩陣的舒爾分解
8.2.2豪斯霍爾德變換和吉文斯變換
8.2.3化矩陣為海森伯格形
8.2.4矩陣的QR分解
8.3冪法和反冪法
8.3.1冪法
8.3.2加速方法
8.3.3收縮方法
8.3.4反冪法和原點(diǎn)位移
8.4QR算法
8.4.1基本算法及收斂性
8.4.2海森伯格陣的QR算法
8.4.3原點(diǎn)位移的QR算法
8.4.4雙步隱式QR算法
8.5對(duì)稱(chēng)QR算法
8.6雅可比方法
8.6.1經(jīng)典雅可比方法
8.6.2行循環(huán)雅可比方法
8.7子空間迭代法
8.8阿諾爾德方法
8.9蘭喬斯方法
8.10對(duì)稱(chēng)廣義特征值問(wèn)題
8.10.1楚列斯基—對(duì)稱(chēng)QR算法
8.10.2蘭喬斯算法
9非線(xiàn)性方程組數(shù)值解與最優(yōu)化方法
9.1引言
9.1.1非線(xiàn)性方程組求解問(wèn)題
9.1.2無(wú)約束最優(yōu)化與非線(xiàn)性最小二乘
9.1.3非線(xiàn)性映射的導(dǎo)數(shù)與中值定理
9.2迭代法與不動(dòng)點(diǎn)定理
9.2.1迭代法基本概念
9.2.2壓縮映射原理與不動(dòng)點(diǎn)定理
9.3牛頓型方法
9.3.1牛頓法與牛頓型方法
9.3.2牛頓法的收斂性與誤差估計(jì)
9.3.3離散牛頓法與修正牛頓法
9.3.4牛頓下山法
9.4布朗方法與布蘭特方法
9.4.1布朗方法
9.4.2布蘭特方法
9.5牛頓松弛型迭代法
9.5.1牛頓—SOR迭代法
9.5.2非線(xiàn)性松弛迭代法
9.6割線(xiàn)法
9.7擬牛頓法
9.7.1擬牛頓法的基本思想
9.7.2布羅依登方法
9.7.3秩2校正公式
9.8延拓法
9.8.1延拓法基本思想
9.8.2數(shù)值延拓法
9.8.3參數(shù)微分法
9.9單純形算法
9.9.1三角剖分與算法基本思想
9.9.2同倫算法
9.10區(qū)間迭代法
9.11并行多分裂方法
9.11.1線(xiàn)性多分裂方法
9.11.2非線(xiàn)性多分裂方法
9.12無(wú)約束最優(yōu)化方法
9.12.1基本概念
9.12.2下降算法與一維搜索
9.12.3最速下降法與牛頓下降法
9.12.4共軛梯度法
9、12.5變尺度法
9.13非線(xiàn)性最小二乘法
10常微分方程初值問(wèn)題的數(shù)值方法
10.1引言
10.1.1常微分方程的初值問(wèn)題
10.1.2數(shù)值離散方法
10.2顯式單步法的一般概念
10.3歐拉方法
10.3.1歐拉方法
10.3.2隱式歐拉方法和梯形方法
10.3.3改進(jìn)的歐拉方法
10.4龍格—庫(kù)塔方法
10.4.1顯式龍格—庫(kù)塔方法的一般形式
10.4.2二階顯式龍格—庫(kù)塔方法
10.4.3三階顯式龍格—庫(kù)塔方法
10.4.4四階顯式龍格—庫(kù)塔方法
10.4.5高階顯式龍格—庫(kù)塔方法
10.4.6龍格—庫(kù)塔—費(fèi)爾貝格方法
10.4.7隱式龍格—庫(kù)塔方法
10.4.8單步法的絕對(duì)穩(wěn)定性
10.5線(xiàn)性多步法
10.5.1線(xiàn)性多步法的一般概念
10.5.2亞當(dāng)斯方法
10.5.3尼斯特龍方法
10.5.4漢明方法
10.5.5線(xiàn)性多步法的收斂性
10.5.6線(xiàn)性多步法的穩(wěn)定性
10.5.7線(xiàn)性多步法的絕對(duì)穩(wěn)定性
10.6預(yù)測(cè)—校正方法
10.6.1預(yù)測(cè)—校正的一般方法
10.6.2亞當(dāng)斯預(yù)測(cè)—校正方法
10.6.3漢明預(yù)測(cè)—校正方法
10.7外推方法
10.7.1外推的一般方法
10.7.2格拉格外推方法
10.8方程組和高階方程的數(shù)值方法
10.8.1一階微分方程組的數(shù)值方法
10.8.2高階方程的數(shù)值方法
10.9剛性方程組的數(shù)值方法
10.9.1方程組的剛性現(xiàn)象
10.9.2剛性方程組的穩(wěn)定性
10.9.3剛性方程組的數(shù)值方法
11常微分方程邊值問(wèn)題的數(shù)值方法
11.1引言
11.2打靶法
11.2.1線(xiàn)性邊值問(wèn)題的打靶法
11.2.2非線(xiàn)性邊值問(wèn)題的打靶法
11.3有限差分方法
11.3.1線(xiàn)性邊值問(wèn)題的差分方法
11.3.2非線(xiàn)性邊值問(wèn)題的差分方法
11.4變分方法
11.4.1變分問(wèn)題
11.4.2變分問(wèn)題的近似計(jì)算
11.5有限元方法
11.5.1線(xiàn).隆元
11.5.2高次元
11.6樣條函數(shù)方法
12偏微分方程數(shù)值解法
12.1橢圓型方程的有限差分方法
12.1.1典型問(wèn)題
12.1.2網(wǎng)格和差分近似
12.1.3差分格式的構(gòu)造方法
12.1.4常用的有限差分格式
12.1.5邊界條件的處理
12.2雙曲型方程的差分方法
12.2.1典型問(wèn)題
12.2.2差分格式
12.2.3對(duì)流方程的差分格式
12.2.4二維對(duì)流方程的差分格式
12.2.5波動(dòng)方程的差分格式
12.3拋物型方程的差分方法
12.3.1典型問(wèn)題
12.3.2擴(kuò)散方程的差分格式
12.3.3對(duì)流擴(kuò)散方程的差分方法
12.3.4二維擴(kuò)散方程的差分方法
12.4有限元方法
12.4.1橢圓型邊值問(wèn)題的變分原理
12.4.2三角形線(xiàn)性元
12.4.3三角形單元上的高次插值
12.4.4矩形單元
12.4.5等參數(shù)單元
13多重網(wǎng)格法
13.1多重網(wǎng)格法基本原理
13.1.1模型
13.1.2多重網(wǎng)格法思想
13.1.3雙網(wǎng)格方法
13.1.4多重網(wǎng)格法原理——一維模型問(wèn)題分析
13.2線(xiàn)性多重網(wǎng)格法
13.3完整的多重網(wǎng)格法
13.4二維多重網(wǎng)格諸元素
13.4.1差分格式
13.4.2光滑迭代
13.4.3網(wǎng)格粗化
13.4.4延拓或插值
13.4.5限制
13.5非線(xiàn)性多重網(wǎng)格法
13.5.1牛頓多重網(wǎng)格法
13.5.2非線(xiàn)性多重網(wǎng)格法
13.6計(jì)算機(jī)上的執(zhí)行性能
13.6.1數(shù)據(jù)結(jié)構(gòu)
13.6.2存儲(chǔ)量
13.6.3計(jì)算量
14積分方程數(shù)值解法
14.1引言
14.2第二類(lèi)弗雷德霍姆積分方程的數(shù)值求積方法
14.2.1方法的一般描述
14.2.2乘積積分法
14.2.3修正的數(shù)值求積方法
14.2.4重疊核方法
14.3近似退化核替代法
14.4基于解的展開(kāi)方法
14.4.1最小二乘近似
14.4.2矩量法
14.5特征值問(wèn)題
14.6第二類(lèi)沃爾泰拉積分方程的數(shù)值積分法
14.6.1用多步法解第二類(lèi)沃爾泰拉積分方程
14.6.2用龍格—庫(kù)塔型方法解第二類(lèi)沃爾泰拉積分方程
附錄數(shù)學(xué)軟件Matlab簡(jiǎn)介
外國(guó)人名表
外文一中文名詞索引
中文一外文名詞索引
參考文獻(xiàn)