作者：（美）馬修斯（Mathews，J.H.） 等著，周璐 等譯
出版社：電子工業(yè)出版社
出版日期：2005-12-1

CAEnet價：￥49元
郵費:￥5元
總價:￥54元
可用分兌換：
兌換要求及條件:請參考中國CAE聯(lián)盟網(wǎng)站書籍獎勵活動
兌換所需可用分：按照中國CAE聯(lián)盟網(wǎng)站書籍獎勵活動相關(guān)條款。
申請兌換或有疑問請到《兌換申請區(qū)》發(fā)貼。
注：書價可能會根據(jù)市場價格波動，以您兌換時的價格為準。

ISBN：7121019078
印次：1
紙張：膠版紙 字數(shù)：870000
版次：1

內(nèi)容提要：
本書介紹了數(shù)值方法的理論及實用知識，并講述了如何利用MATLAB軟件實現(xiàn)各種數(shù)值算法，以便為讀者今后的學(xué)習(xí)打下堅實的數(shù)值分析與科學(xué)計算基礎(chǔ)。本書內(nèi)容豐富，教師可以根據(jù)不同的學(xué)習(xí)對象和學(xué)習(xí)目的選擇相應(yīng)的章節(jié)，形成理論與實踐相結(jié)合的學(xué)習(xí)策略。書中的每個概念均以實例說明，同時還包含大量的習(xí)題，范圍涉及多個不同領(lǐng)域。通過這些實例進一步說明數(shù)值方法的實際應(yīng)用。本書的突出特點是強調(diào)利用MATLAB進行數(shù)值方法的程序設(shè)計，可提高讀者的實踐能力并加深對數(shù)值方法理論的理解；同時它的覆蓋范圍廣，包含數(shù)據(jù)方法的眾多研究領(lǐng)域，可以滿足不同專業(yè)和不同層次學(xué)生的需求。
本書概念清晰、邏輯性強，可作為大專院校計算機、工程和應(yīng)用數(shù)學(xué)專業(yè)的教材和參考書。


作者簡介：
John H.Mathews：美國加利福尼亞州立大學(xué)數(shù)學(xué)系教授，出版過多本數(shù)學(xué)著作。

目錄：
第1章 預(yù)備知識
1.1 微積分回顧
1.1.1 極限和連續(xù)性
1.1.2 可微函數(shù)
1.1.3 積分
1.1.4 級數(shù)
1.1.5 多項式求值
1.1.6 習(xí)題
1.2 二進制數(shù)
1.2.1 二進制數(shù)
1.2.2 序列與級數(shù)
1.2.3 二進制分數(shù)
1.2.4 二進制移位
1.2.5 科學(xué)計數(shù)法
1.2.6 機器數(shù)
1.2.7 計算機精度
1.2.8 計算機浮點數(shù)
1.2.9 習(xí)題
1.3 誤差分析
1.3.1 截斷誤差
1.3.2 舍入誤差
1.3.3 舍去和舍入
1.3.4 精度損失
1.3.5 O(hn)階逼近
1.3.6 序列的收斂階
1.3.7 誤差傳播
1.3.8 數(shù)據(jù)的不確定性
1.3.9 習(xí)題
1.3.10 算法與程序
第2章 非線性方程f(x)=0的解法
2.1 求解x=g(x)的迭代法
2.1.1 尋找不動點
2.1.2 不動點迭代的圖形解釋
2.1.3 絕對誤差和相對誤差考慮
2.1.4 習(xí)題
2.1.5 算法與程序
2.2 定位一個根的分類方法
2.2.1 波爾查諾二分法
2.2.2 試值法的收斂性
2.2.3 習(xí)題
2.2.4 算法與程序
2.3 初始近似值和收斂判定準則
2.3.1 檢測收斂性
2.3.2 有問題的函數(shù)
2.3.3 習(xí)題
2.3.4 算法與程序
2.4 牛頓-拉夫森法和割線法
2.4.1 求根的斜率法
2.4.2 被零除錯誤
2.4.3 收斂速度
2.4.4 缺陷
2.4.5 割線法
2.4.6 加速收斂
2.4.7 習(xí)題
2.4.8 算法與程序
2.5 埃特金過程、斯蒂芬森法和米勒法（選讀）
2.5.1 埃特金過程
2.5.2 米勒法
2.5.3 方法之間的比較
2.5.4 習(xí)題
2.5.5 算法與程序
第3章 線性方程組AX=B的數(shù)值解法
3.1 向量和矩陣簡介
3.1.1 矩陣和二維數(shù)組
3.1.2 習(xí)題
3.2 向量和矩陣的性質(zhì)
3.2.1 矩陣乘
3.2.2 特殊矩陣
3.2.3 非奇異矩陣的逆
3.2.4 行列式
3.2.5 平面旋轉(zhuǎn)
3.2.6 MATLAB實現(xiàn)
3.2.7 習(xí)題
3.2.8 算法與程序
3.3 上三角線性方程組
3.3.1 習(xí)題
3.3.2 算法與程序
3.4 高斯消去法和選主元
3.4.1 選主元以避免a(p)pp=0
3.4.2 選主元以減少誤差
3.4.3 病態(tài)情況
3.4.4 MATLAB實現(xiàn)
3.4.5 習(xí)題
3.4.6 算法與程序
3.5 三角分解法
3.5.1 線性方程組的解
3.5.2 三角分解法
3.5.3 計算復(fù)雜性
3.5.4 置換矩陣
3.5.5 擴展高斯消去過程
3.5.6 MATLAB實現(xiàn)
3.5.7 習(xí)題
3.5.8 算法與程序
3.6 求解線性方程組的迭代法
3.6.1 雅可比迭代
3.6.2 高斯-賽德爾迭代法
3.6.3 收斂性
3.6.4 習(xí)題
3.6.5 算法與程序
3.7 非線性方程組的迭代法:賽德爾法和牛頓法（選讀)
3.7.1 理論
3.7.2 廣義微分
3.7.3 接近不動點處的收斂性
3.7.4 賽德爾迭代
3.7.5 求解非線性方程組的牛頓法
3.7.6 牛頓法概要
3.7.7 MATLAB實現(xiàn)
3.7.8 習(xí)題
3.7.9 算法與程序
第4章 插值與多項式逼近
4.1 泰勒級數(shù)和函數(shù)計算
4.1.1 多項式計算方法
4.1.2 習(xí)題
4.1.3 算法與程序
4.2 插值介紹
4.2.1 習(xí)題
4.2.2 算法與程序
4.3 拉格朗日逼近
4.3.1 誤差項和誤差界
4.3.2 精度與O(hN+1)
4.3.3 MATLAB實現(xiàn)
4.3.4 習(xí)題
4.3.5 算法與程序
4.4 牛頓多項式
4.4.1 嵌套乘法
4.4.2 多項式逼近、節(jié)點和中心
4.4.3 習(xí)題
4.4.4 算法與程序
4.5 切比雪夫多項式(選讀)
4.5.1 切比雪夫多項式性質(zhì)
4.5.2 最小上界
4.5.3 等距節(jié)點
4.5.4 切比雪夫節(jié)點
4.5.5 龍格現(xiàn)象
4.5.6 區(qū)間變換
4.5.7 正交性
4.5.8 MATLAB實現(xiàn)
4.5.9 習(xí)題
4.5.10 算法與程序
4.6 帕德逼近
4.6.1 連分式
4.6.2 習(xí)題
4.6.3 算法與程序
第5章 曲線擬合
5.1 最小二乘擬合曲線
5.1.1 求最小二乘曲線
5.1.2 冪函數(shù)擬合y=AxM
5.1.3 習(xí)題
5.1.4 算法與程序
5.2 曲線擬合
5.2.1 y=CeAx的線性化方法
5.2.2 求解y=CeAx的非線性最小二乘法
5.2.3 數(shù)據(jù)線性化變換
5.2.4 線性最小二乘法
5.2.5 矩陣公式
5.2.6 多項式擬合
5.2.7 多項式擺動
5.2.8 習(xí)題
5.2.9 算法與程序
5.3 樣條函數(shù)插值
5.3.1 分段線性插值
5.3.2 分段三次樣條曲線
5.3.3 三次樣條的存在性
5.3.4 構(gòu)造三次樣條
5.3.5 端點約束
5.3.6 三次樣條曲線的適宜性
5.3.7 習(xí)題
5.3.8 算法與程序
5.4 傅里葉級數(shù)和三角多項式
5.4.1 三角多項式逼近
5.4.2 習(xí)題
5.4.3 算法與程序
5.5 貝塞爾曲線
5.5.1 伯恩斯坦多項式的性質(zhì)
5.5.2 貝塞爾曲線的性質(zhì)
5.5.3 習(xí)題
5.5.4 算法與程序
第6章 數(shù)值微分
6.1 導(dǎo)數(shù)的近似值
6.1.1 差商的極限
6.1.2 中心差分公式
6.1.3 誤差分析和步長優(yōu)化
6.1.4 理查森外推法
6.1.5 習(xí)題
6.1.6 算法與程序
6.2 數(shù)值差分公式
6.2.1 更多的中心差分公式
6.2.2 誤差分析
6.2.3 拉格朗日多項式微分
6.2.4 牛頓多項式微分
6.2.5 習(xí)題
6.2.6 算法與程序
第7章 數(shù)值積分
7.1 積分簡介
7.1.1 習(xí)題
7.2 組合梯形公式和辛普森公式
7.2.1 誤差分析
7.2.2 習(xí)題
7.2.3 算法與程序
7.3 遞歸公式與龍貝格積分
7.3.1 龍貝格積分
7.3.2 習(xí)題
7.3.2 算法與程序
7.4 自適應(yīng)積分
7.4.1 區(qū)間細分
7.4.2 精度測試
7.4.3 算法與程序
7.5 高斯-勒讓德積分（選讀）
7.5.1 習(xí)題
7.5.2 算法與程序
第8章 數(shù)值優(yōu)化
8.1 單變量函數(shù)的極小值
8.1.1 分類搜索方法
8.1.2 利用導(dǎo)數(shù)求極小值
8.1.3 習(xí)題
8.1.4 算法與程序
8.2 內(nèi)德-米德方法和鮑威爾方法
8.2.1 內(nèi)德-米德方法
8.2.2 鮑威爾方法
8.2.3 習(xí)題
8.2.4 算法與程序
8.3 梯度和牛頓方法
8.3.1 最速下降法(梯度方法)
8.3.2 牛頓方法
8.3.3 習(xí)題
8.3.4 算法與程序
第9章 微分方程求解
9.1 微分方程導(dǎo)論
9.1.1 初值問題
9.1.2 幾何解釋
9.1.3 習(xí)題
9.2 歐拉方法
9.2.1 幾何描述
9.2.2 步長與誤差
9.2.3 習(xí)題
9.2.4 算法與程序
9.3 休恩方法
9.3.1 步長與誤差
9.3.2 習(xí)題
9.3.3 算法與程序
9.4 泰勒級數(shù)法
9.4.1 習(xí)題
9.4.2 算法與程序
9.5 龍格-庫塔方法
9.5.1 關(guān)于該方法的討論
9.5.2 步長與誤差
9.5.3 N=2的龍格-庫塔方法
9.5.4 龍格-庫塔-費爾伯格方法
9.5.5 習(xí)題
9.5.6 算法與程序
9.6 預(yù)報-校正方法
9.6.1 亞當(dāng)斯-巴什福斯-莫爾頓方法
9.6.2 誤差估計與校正
9.6.3 實際考慮
9.6.4 米爾恩-辛普森方法
9.6.5 誤差估計與校正
9.6.6 正確的步長
9.6.7 習(xí)題
9.6.8 算法與程序
9.7 微分方程組
9.7.1 數(shù)值解
9.7.2 高階微分方程
9.7.3 習(xí)題
9.7.4 算法與程序
9.8 邊值問題
9.8.1 分解為兩個初值問題:線性打靶法
9.8.2 習(xí)題
9.8.3 算法與程序
9.9 有限差分方法
9.9.1 習(xí)題
9.9.2 算法與程序
第10章 偏微分方程數(shù)值解
10.1 雙曲型方程
10.1.1 波動方程
10.1.2 差分公式
10.1.3 初始值
10.1.4 達朗貝爾方法
10.1.5 給定的兩個確定行
10.1.6 習(xí)題
10.1.7 算法與程序
10.2 拋物型方程
10.2.1 熱傳導(dǎo)方程
10.2.2 差分公式
10.2.3 克蘭克-尼科爾森法
10.2.4 習(xí)題
10.2.5 算法與程序
10.3 橢圓型方程
10.3.1 拉普拉斯差分方程
10.3.2 建立線性方程組
10.3.3 導(dǎo)數(shù)邊界條件
10.3.4 迭代方法
10.3.5 泊松方程和亥姆霍茨方程
10.3.6 改進
10.3.7 習(xí)題
10.3.8 算法與程序
第11章 特征值與特征向量
11.1 齊次方程組:特征值問題
11.1.1 背景
11.1.2 特征值
11.1.3 對角化
11.1.4 對稱性的優(yōu)勢
11.1.5 特征值范圍估計
11.1.6 方法綜述
11.1.7 習(xí)題
11.2 冪方法
11.2.1 收斂速度
11.2.2 移位反冪法
11.2.3 習(xí)題
11.2.4 算法與程序
11.3 雅可比方法
11.3.1 平面旋轉(zhuǎn)變換
11.3.2 相似和正交變換
11.3.3 雅可比變換序列
11.3.4 一般步驟
11.3.5 使dpq和dqp為零
11.3.6 一般步驟小結(jié)
11.3.7 修正矩陣的特征值
11.3.8 消去apq的策略
11.3.9 習(xí)題
11.3.10 算法與程序
11.4 對稱矩陣的特征值
11.4.1 Householder法
11.4.2 Householder變換
11.4.3 三角形式歸約
11.4.4 QR法
11.4.5 加速移位
11.4.6 習(xí)題
11.4.7 算法與程序
附錄A MATLAB簡介
部分習(xí)題答案
中英文術(shù)語對照


編輯推薦：
本書全面介紹了數(shù)值方法的理論和實踐知識，注重對利用MATLAB軟件實現(xiàn)各種數(shù)值算法的實際能力的培養(yǎng)，有助于加強學(xué)生的數(shù)學(xué)理論基礎(chǔ)，培養(yǎng)學(xué)生實際處理數(shù)值計算問題的能力。書中內(nèi)容豐富、覆蓋范圍廣，對于不同學(xué)習(xí)對象和學(xué)習(xí)目的，可以選擇相應(yīng)的章節(jié)，形成理論與實踐相結(jié)合的學(xué)習(xí)策略。本書包含數(shù)值方法的眾多研究領(lǐng)域，可滿足不同專業(yè)和不同層次的學(xué)生的需求，尤其適用于數(shù)學(xué)、計算機、物理和工程專業(yè)的人員。
以實際例題清晰而深入淺出地說明概念、解釋定理；
包含大量的習(xí)題和編程題，范圍涉及多個不同的應(yīng)用領(lǐng)域；
強調(diào)利用MATLAB進行數(shù)值方法的程序設(shè)計，包含可直接使用的代碼實例。