具体描述
本书是为工程硕士数值分析课程编写的教材,比较系统地介绍了数值分析学科的基本方法和理论,选材着重基础,也强调方法在计算机上如何实现,并讨论了一些实际问题中与数值计算有关的数学模型。
本书第1章是数学模型和数值计算一般问题的引论,其他各章内容包括求解线性代数方程组的直接方法和迭代方法、求解非线性方程和方程组的数值方法、矩阵特征值问题的计算方法、函数的插值和逼近、数值积分与数值微分以及常微分方程初值问题的数值方法。各章都配有相关数学模型的例题,章末有习题和计算实习题。书末还附有计算实习所用工具MATLAB的简明介绍。
本书可作为工程硕士研究生教材,也可作为其他理工科各专业本科生或研究生教材,并可供工程技术人员和科研人员参考。
作者简介
目录信息
*1.1 数学模型及其建立方法与步骤
*1.2 数学模型举例
*1.3 数值方法的研究对象
*1.4 数值计算的误差
*1.5 病态问题、数值稳定性与避免误差危害
*1.6 线性代数的一些基础知识
习题
第2章 线性代数方程组的直接解法
*2.1 引论
*2.2 Gauss消去法
*2.3 直接三角分解方法
*2.4 矩阵的条件数与病态方程组
习题
计算实习题
第3章 线性代数方程组的迭代解法
*3.1 迭代法的基本概念
*3.2 Jacobi迭代法和Gauss-Seidel迭代法
*3.3 超松弛迭代法
*3.4 共轭梯度法
习题
计算实习题
第4章 非线性方程和方程组的数值解法
*4.1 引言
*4.2 二分法和试位法
*4.3 不动点迭代法
*4.4 迭代加速收敛的方法
*4.5 Newton迭代法和割线法
*4.6 非线性方程组的数值解法
习题
计算实习题
第5章 矩阵特征值问题的计算方法
*5.1 矩阵特征值问题的性质
*5.2 正交变换和矩阵分解
*5.3 幂迭代法和逆幂迭代法
*5.4 QR方法的基本原理
*5.5 对称矩阵特征值问题的计算
习题
计算实习题
第6章 插值法
*6.1 lagrange插值
*6.2 均差与Newton插值多项式
*6.3 Hermite插值
*6.4 分段低次差值方法
*6.5 三次样条插值函数
习题
计算实习题
第7章 函数逼近
*71. 正交多项式
*7.2 最佳平方逼近
*7.3 有理函数逼近
*7.4 曲线拟合的最小二乘法
习题
计算实习题
第8章 数值积分与数值微分
*8.1 Newton-Cotes求积公式
*8.2 复合求积公式
*8.3 Romberg求积公式
*8.4 自适应积分法
*8.5 Gauss型求积公式
*8.6 数值微分
习题
计算实习题
第9章 常微分方程初值问题的数值解法
*9.1 引言
*9.2 简单数值方法
*9.3 Runge-Kutta方法
*9.4 单步法的相容性、收敛性和绝对稳定性
*9.5 线性多步法
*9.6 线性多步法的相容性、收敛性和绝对稳定性
*9.7 误差控制欲变步长
*9.8 一阶方程组与刚性方程组
习题
计算实习题
附录A MATLAB简介
A. 1 常数
A. 2 矩阵
A. 3 函数
A. 4 绘图
A. 5 编程
部分习题的答案或提示
参考文献
· · · · · · (收起)
读后感
用户评价
这本书简直是我的救星!我之前在学习线性代数和微分方程时总是感觉力不从心,那些复杂的公式和抽象的概念总是让我头疼不已。直到我接触到这本教材,我才真正体会到什么叫“化繁为简”。作者的叙述方式非常清晰,尤其是在讲解迭代法和数值积分的时候,他没有直接堆砌复杂的数学推导,而是先用直观的例子来引入概念,然后再逐步深入。比如,在介绍牛顿迭代法时,书中通过一个简单的几何图形就让读者明白了迭代的每一步代表的物理意义,这比单纯看公式要有效得多。我最欣赏的一点是,书中包含了大量的代码实现示例,而且代码的注释非常详尽,这让我可以立刻将理论知识应用到实践中去,而不是停留在纸面上。我以前总觉得编程和数学是两码事,但这本书让我看到了它们之间紧密的联系。通过这些实际的编程练习,我对算法的稳定性和收敛性有了更深刻的理解。这本书绝对是理工科学生必备的参考书,它不仅教会了我“怎么算”,更重要的是教会了我“为什么这么算”。
说实话,我拿到这本书的时候,内心是有点抵触的,因为我对“数值方法”这个领域总有一种畏难情绪,总觉得它是那种枯燥乏味、堆砌着各种希腊字母的教科书。然而,这本书完全颠覆了我的固有印象。它的结构设计非常巧妙,逻辑链条一环扣一环,读起来有一种抽丝剥茧的畅快感。书中对误差分析的讨论尤其到位,这是很多其他教材中被一带而过的地方。作者花了相当大的篇幅来阐述截断误差和舍入误差的区别,以及它们如何影响最终计算结果的精度。我特别喜欢它在讲解特征值问题时引入的功率法和QR算法,每一步的数学原理都被讲得透彻明白,即便是初学者也能跟上思路。更重要的是,书中对每种方法的局限性和适用范围都有明确的界定,这让我在实际工作中选择算法时,能够做出更明智的判断,避免了盲目套用公式带来的麻烦。这本书的排版和图示也十分出色,那些曲线图和流程图,简直就是给理解复杂概念量身定做的导航仪。
坦率地说,这本书的理论深度和广度超出了我预期的“入门”级别,它更像是一本内容详实的“进阶”指南。对于那些希望深入理解数值计算背后的数学原理的读者来说,这本书无疑是宝藏。作者在推导偏微分方程的有限差分法时,其严谨性和细致程度令人印象深刻,他对边界条件的讨论尤其到位,这在很多同类书籍中是很难看到的细节。我花了很长时间才完全消化了其中关于收敛性证明的部分,但一旦理解了,那种豁然开朗的感觉是无与伦比的。这本书的难度不低,但绝对物有所值,它强迫你思考更深层次的问题,比如为什么某些方法在特定条件下会失效。它的阅读体验是需要投入精力的,但最终的回报是坚实的知识体系。这本书不适合只想应付考试的读者,它更适合那些真正想成为问题解决专家的学习者。
这本书的叙述风格充满了老派学者的严谨与清晰,阅读起来有一种被知识的洪流缓缓浸润的感觉。我特别欣赏作者在讲解数值积分的复合高斯求积和龙巴特算法时所展现出的耐心。他没有急于展示最终的公式,而是花了很大篇幅去解释设计这些高级算法的初衷——如何用更少的函数评估次数达到更高的精度。书中的习题设计也非常有层次感,从基础的代数运算到复杂的模型求解,循序渐进,环环相扣。我个人认为,这本书最大的价值在于它构建了一个完整的“数值计算思维框架”,它教会我们如何从一个实际问题出发,选择合适的数学模型,然后设计出稳定、高效的数值算法去求解它。对于自学者来说,这本书的目录结构就像一张详尽的地图,指引你清晰地浏览整个数值分析的版图,每完成一个章节,都感觉自己又征服了一座新的知识山峰。
这是一本真正为解决实际工程问题服务的教材,而非仅仅是数学理论的展示。我是一名从事仿真工作的工程师,在处理非线性系统时经常会遇到收敛性慢或者解不出来的问题。这本书提供了一套系统性的解决方案。它不仅仅停留在讲解算法本身,更注重探讨算法在计算机上的实现细节,例如浮点数的精度对结果的影响,以及如何优化迭代过程以提高计算效率。我尤其赞赏其中关于插值和拟合的部分,它不仅仅介绍了拉格朗日插值和样条插值,还深入分析了它们在数据稀疏和数据噪声环境下的表现差异。书中提供的小案例都非常贴近工业应用场景,让我能立刻感受到这些数学工具的实用价值。读完这本书后,我对如何搭建一个可靠的数值模型有了全新的认识,感觉自己解决复杂问题的能力得到了质的飞跃。它不是那种读完就束之高阁的书,而是会时不时翻阅、对照参考的工具书。