信阅平台

内容介绍

《科学计算引论：基于Mathematica的数值分析》以Mathematica为工具软件，深入浅出地介绍了数值计算的经典算法。主要内容包括数值逼近、数值代数和微分方程数值解三大部分。读者能通过《科学计算引论：基于Mathematica的数值分析》培养科学计算能力，以适应现代计算机技术飞速发展情况下对高层次人才的要求。 《科学计算引论：基于Mathematica的数值分析》特色：理论与实践并重。《科学计算引论：基于Mathematica的数值分析》不仅对科学计算的基本概念和基本理论进行清晰、全面 的阐述，而且关注应用，利用众多应用实例帮助读者理解基本知识和运用所学的算法解决实际问题。 内容安排循序渐进。《科学计算引论：基于Mathematica的数值分析》先让读者对Mathematica这个工具软件有整体的认识，再从误差分析入手，介绍数值分析的基本思想方法。按照知识的相关性安排章节次序，使得使用本教材的老师讲授起来更加顺畅。尽可能减少知识的跳跃。 适用对象广泛。《科学计算引论：基于Mathematica的数值分析》可以作为信息与计算科学专业本科教学的教材，也可以作为工科类研究生学习数值分析的教材。对于具有微积分、线性代数的数学基础，并有一定的计算机编程能力的科技人员。也能从《科学计算引论：基于Mathematica的数值分析》中获益。

展开

出版者的话 前言 第1章数值计算工具Mathematica 1.0 概述 1.1 Mathematica入门 1.1.1 Mathematica的启动 1.1.2 Mathematica的菜单项 1.1.3 从Mathematica获得信息 1.1.4 使用Mathematica的函数 1.2 强大的绘图功能 1.2.1 基本作图命令 1.2.2 绘图的参数 1.2.3 动画功能 1.3 对数组和矩阵作运算 1.3.1 数组与矩阵的构造方法 1.3.2 获取数组或矩阵元素 1.3.3 矩阵的运算 1.3.4 集合运算 1.4 数值计算 1.4.1 矩阵的分解 1.4.2 求解线性方程组 1.4.3 曲线拟合 1.4.4 函数插值 1.4.5 数值积分 1.4.6 非线性方程和非线性方程组的数值解法 1.4.7 微分方程数值解 1.5 Mathematica编程 1.5.1 用户自定义函数 1.5.2 循环结构 1.5.3 条件与分支结构 1.6 本章小结 习题1 第2章科学计算的基本概念 2.0概述 2.0.1 科学计算的对象 2.0.2 用数值方法计算数学问题的过程 2.0.3 构造算法的基本手段与研究算法的核心问题 2.1 误差的概念 2.1.1 绝对误差的概念 2.1.2 相对误差和相对误差限 2.1.3 近似数的有效数字位 2.2 浮点数与舍入误差 2.2.1 计算机中数的表示 2.2.2 浮点运算和舍入误差 2.3 误差的传播 2.3.1 基本算术运算的误差 2.3.2 函数求值的误差 2.4 计算方法与计算复杂性 2.4.1 两个相近的数相减造成的有效位数丢失 2.4.2 防止计算中大数“吃”小数 2.4.3 减少计算的次数 2.4.4 Mathematica中精度数的计算 2.5 问题的病态性和算法的稳定性 2.5.1 Wilkinson多项式根与系数的敏感性 2.5.2 病态方程组 2.5.3 算法的稳定性 2.6 本章小结 第2章实验误差理论 习题2 第3章线性代数方程组的解法 3.0概述 3.1 高斯消元法 3.1.1 顺序消元法 3.1.2 列选主元高斯消元法 3.1.3 行尺度主元消元法 3.2 矩阵的三角分解 3.2.1 矩阵的LU分解 3.2 对称正定矩阵的平方根法 3.2.3 三对角方程组的追赶法 3.3 矩阵的条件数和直接方法的误差分析 3.3.1 向量和矩阵的范数 3.3.2 条件数 3.4 解线性方程组的迭代法 3.4.1 雅可比迭代法 3.4.2 高斯-赛德尔迭代法 3.4.3 松弛迭代法 3.4.4 迭代法的收敛性及误差估计 3.5 应用实例 3.5.1 用高斯消元法求矩阵的行列式和逆矩阵 3.5.2 投入产出模型 3.5.3 用逆矩阵编写密电码 3.6 本章小结 第3章实验线性方程组的直接法和迭代法 习题3 第4章函数插值 4.0 概述 4.1 牛顿插值 4.1.1 一般的牛顿插值 4.1.2 等距节点的牛顿插值 4.2 拉格朗日插值 4.2.1 拉格朗日插值多项式的构造方法 4.2.2 插值的误差估计 4.2.3 拉格朗日插值算法在计算机上的实现 4.2.4 插值函数收敛性的进一步分析 4.3 埃尔米特插值 4.3.1 两点三次埃尔米特插值 4.3.2 n+1个节点埃尔米特插值 4.4 分段低次插值 4.4.1 分段线性插值 4.4.2 分段三次埃尔米特插值 4.4.3 保形插值 4.5 样条插值 4.6 应用实例 4.7 本章小结 第4章实验函数插值 习题4 第5章函数逼近与拟合 5.0概述 5.1 最小二乘法与线性拟合 5.2 曲线拟合 5.3 正交多项式 5.3.1 内积空间 5.3.2 连续区间上的正交多项式 5.3.3 常用的正交多项式 5.3.4 离散点集上的正交多项式 5.4 最佳平方逼近 5.4.1 连续函数的最佳平方逼近 5.4.2 正交多项式拟合 5.5 应用实例 5.6 本章小结 第5章实验拟合 习题5 第6章数值积分与微分 6.0概述 6.1 牛顿-科茨求积公式 6.1.1 插值型求积法 6.1.2 牛顿-科茨求积公式 6.1.3 牛顿-科茨公式的误差分析 6.2 复化求积公式 6.2.1 复化梯形求积公式 6.2.2 复化辛普森求积公式 6.2.3 事后误差估计 6.3 外推原理与龙贝格求积法 6.3.1 外推原理 6.3.2 龙贝格求积法 6.4 高d斯求积公式 6.4.1 高斯求积公式的基本理论 6.4.2 常用高斯求积公式 6.4.3 高斯求积公式的余项与稳定性 6.5 数值微分 6.5.1 插值型求导公式 6.5.2 三次样条求导 6.5.3 数值微分的外推算法 6.6 应用实例 6.7 本章小结 第6章实验数值积分计算 习题6 第7章非线性方程和方程组的数值解法 7.0概述 7.1 方程求根的二分法 7.2 一元方程的不动点迭代法 7.2.1 不动点迭代法及其收敛性 7.2.2 局部收敛性和加速收敛法 7.3 一元方程的常用迭代法 7.3.1 牛顿迭代法 7.3.2 割线法与抛物线法 7.4 非线性方程组的数值解法 7.4.1 非线性方程组的不动点迭代法 7.4.2 非线性方程组的牛顿法 7.4.3 非线性方程组的拟牛顿法 7.5 应用实例 7.6 本章小结 第7章实验非线性方程求解 习题7 第8章矩阵特征值问题的数值解法 8.0概述 8.1 特征值问题的性质与估计 8.2 乘幂法和反幂法 8.2.1 乘幂法和加速方法 8.2.2 反幂法和原点位移 8.3 雅可比方法 8.4 QR算法 8.4.1 化矩阵为海森伯格形 8.4.2 QR算法及其收敛性 8.4.3 带原点位移的QR算法 8.5 应用实例 8.6 本章小结 第8章实验矩阵特征值与特征向量的计算 习题8 第9章常微分方程初值问题的 数值解法 9.0概述 9.1 欧拉方法 9.1.1 欧拉方法及其有关的方法 9.1.2 局部误差和方法的阶 9.2 龙格-库塔方法 9.2.1 龙格-库塔方法的基本思想 9.2.2 几类显式龙格-库塔方法 9.3 单步法的收敛性和稳定性 9.3.1 单步法的收敛性 9.3.2 单步法的稳定性 9.4 线性多步法 9.4.1 基于数值积分的方法 9.4.2 基于泰勒展开的方法 9.4.3 预估一校正算法 9.5 一阶微分方程组的数值解法 9.5.1 一阶微分方程组和高阶方程 9.5.2 刚性方程组 9.6 边值问题的数值解法 9.6.1 打靶法 9.6.2 差分方法 9.7 应用实例 9.8 本章小结 第9章实验常微分方程初值问题 习题9 部分习题参考答案 参考文献

展开