具体描述
信息与计算科学虽然是一个新设的专业，但社会上对这方面的人才需求越来越多，开办这个专业的院校也越来越多。各院校对有关该专业的人才培养模式、课程体系、教材建设等一系列问题进行了研究。想了解这门新兴专业的人不妨先从《数值计算方法》这本书入手吧！
在计算机应用已广泛普及的时代，应用数值方法求解数学问题已成为数学学科的重要内容。《数值计算方法》是一本为大学本科信息与计算科学专业编写的教材。本书共分10章，主要内容有求解线性方程组的数值方法、非线性方程（组)的数值解法、插值法曲线拟和、代数特征值问题的数值方法等。作为教材，本书尽可能保证全书的系统性，既讲述了数值方法的数学原理，对重要的定理给出了详细的证明，还给出了算法的推导和算法描述，主要的算法都用例子加以说明；为使学生掌握在计算机上的应用，每章习题中还安排了上机实习题。本书要求读者具有微积分、线性代数知识，还要求初步掌握分方程知识，要求至少掌握一种程序设计语言。编者在本书的编写上力求做到教学改革力度大、有创新精神、有特色风格、深入浅出、可读性好、实用性强，信息与计算科学专业及相关专业的师生们应该不会错过。
作者简介
目录信息
读后感
用户评价
在算法的实现细节上，这本书的处理方式显得有些年代感了。虽然它对经典算法的描述无可指摘，但当我们现在普遍使用高性能计算和向量化编程时，书中提供的伪代码和算法流程图，更多地是基于传统的串行计算思维。例如，在处理大型稀疏矩阵问题时，书中更多地侧重于基本的存储格式（如CSR或COO）的原理介绍，而对于如何利用现代GPU架构或分布式内存系统来并行化求解非线性方程组，着墨不多。我期望能看到更多关于现代数值库（比如MKL或者PETSc）是如何在底层优化这些迭代过程的讨论，毕竟在实际应用中，效率往往是决定项目成败的关键因素。不过，反过来看，正是因为这种“经典”的视角，它反而提供了一个非常稳固的理论基础，让读者在面对新的优化技术时，能迅速理解其背后的数学原理，而不是盲目地套用封装好的库函数。它像是提供了一张最详细的发动机结构图，让你知道每一个齿轮的咬合方式，而不是直接告诉你踩油门的结果。
这本书的装帧设计挺有意思的，封面采用了深沉的靛蓝色，搭配烫金的字体，显得非常专业和有分量感。我一开始拿到手的时候，就有一种“这绝对是硬核学术读物”的预感。内页的纸张质感不错，阅读起来眼睛不会太累，这点对于需要长时间盯着公式和代码的读者来说非常重要。不过，说实话，刚翻开几页的时候，那种扑面而来的数学符号和抽象概念，确实让人有点心头一紧。作者在引言部分试图用一些生动的比喻来解释复杂的原理，但对于没有扎实高等数学基础的人来说，可能还是需要反复琢磨。我尤其欣赏它对历史背景的梳理，比如提到早期数值方法是如何解决一些经典工程难题的，这让冰冷的公式有了一丝温度和现实意义。但有一点比较遗憾，虽然理论阐述详尽，但对于一些现代计算工具，比如最新的并行计算架构下的优化策略，涉及得相对较少，更多的是对经典算法的深入剖析。总体而言，这是一本适合需要扎实掌握基础理论，并准备深入研究算法收敛性和稳定性的读者的参考书，外观设计上无疑是教科书级别的典范。
这本书的叙述风格非常……内敛和克制。它像一位经验丰富的老教授，娓娓道来，不带任何浮夸的修辞，每一个句子都似乎经过了严格的逻辑校验。这种风格的好处是信息密度极高，几乎没有废话，你读到的每一个数学定义或定理都有其存在的明确目的。我用了好几个周末的时间，才勉强跟上它在求解线性方程组那部分的速度。特别是关于矩阵迭代法的讨论，从雅可比到高斯-赛德尔，再到共轭梯度法，作者没有简单地给出公式，而是花了大量的篇幅去解释为什么某些迭代法会发散，以及如何通过选择合适的预处理子空间来加速收敛。然而，这种极致的严谨性也带来了一个副作用：它对读者的主动性要求极高。如果你只是想快速了解某个算法的“黑箱”操作，这本书可能会让你感到挫败，因为它更像是引导你从头构建整个理论大厦的蓝图，而不是直接给你一个现成的房间钥匙。如果你想真正“吃透”数值计算的底层逻辑，那么这种风格的价值是无可替代的。
这本书在微分方程数值解法（ODE/PDE）部分的深度，远远超出了我阅读其他教材时的预期。作者对于欧拉法和龙格-库塔方法的稳定性边界和局部截断误差的分析，达到了令人赞叹的细致程度。特别是对于刚性微分方程（Stiff Equations）的处理，书中不仅介绍了后向欧拉法等隐式方法，还深入探讨了这些方法在求解非线性系统时所需要的隐式非线性求解器（比如牛顿法）的收敛性保证。这一点非常关键，因为很多实际的化学反应动力学或电路仿真问题都涉及刚性系统。我个人认为，这是本书最具价值的部分之一，它将基础的数值分析和更专业的常微分方程理论完美地结合了起来。如果说本书有什么可以改进的地方，那可能是在偏微分方程（PDE）的部分，相较于ODE的详尽，PDE的介绍显得略为仓促，更侧重于有限差分法的基本思想，而对于更现代的有限元法（FEM）和谱方法（Spectral Methods）的介绍，虽然有提及，但深度上与ODE部分存在明显差距。总体而言，它为深入研究常微分方程的数值稳定性和收敛性提供了非常坚实的理论支撑。
读完前面几章关于插值和数值积分的部分，我最大的感受是作者对“误差分析”的执着和严谨。很多同类书籍往往一笔带过，草草收场，但在这里，从全局误差到局部误差，从截断误差到舍入误差，几乎是步步紧逼，生怕读者对误差的来源和量级理解不够透彻。这种精细到令人发指的程度，对于我们做实际项目的人来说，既是福音也是挑战。福音在于，它提供了一套完整的工具来评估你计算结果的可靠性；挑战在于，你必须投入大量时间去理解每一个定理背后的数学推导。我特别喜欢书中对拉格朗日插值和牛顿插值在不同点分布情况下的性能对比，那种图示化的对比非常直观，一下子就明白了为什么在某些场景下要选择后者。但说句公道话，对于那些只追求“能跑就行”的工程应用者而言，这些过度的理论深度可能显得有些“杀鸡用牛刀”。如果能增加一些将这些理论直接映射到实际工程案例（比如有限元分析的预处理步骤）的深度解析，可能对更广泛的读者群体更友好一些。
写的很差，有些前面的证明要用到后面的结论，而且还少写了一些东西
老实说，还不如北大那本。
老实说，还不如北大那本。
老实说，还不如北大那本。
写的很差，有些前面的证明要用到后面的结论，而且还少写了一些东西
