Section1 the Introduction of Practical Problem Section3 Newton—Cotes Quadrature Formula Section4 Compound Multiplicative Section2 Mechanical Quadrature Method and Algebraic Precision Section5 Romberg Quadrature Formula Section6 Gaussian Quadrature Formula Section7 Numerical Differentiation

3.3.1 QR 分解的存在性与唯一性 3.3.2 基于 MGS 的 QR 分解 3.3.3 基于 Householder 分解的 QR 分解 3.3.4 基于 Givens 变换的 QR 分解 3.3.5 QR 分解的稳定性

2.1 Gauss 消去法 2.1.1 Gauss 消去过程 (算法描述) 2.1.2 运算量统计 (计算复杂度) 2.2 矩阵分解法 2.2.1 矩阵 LU 分解 2.2.2 列主元 Gauss 消去法与 PLU 分解 2.2.3 Cholesky 分解与平方根法 2.2.4 三对角线性方程组 2.2.5 带状线性方程组

1.2.1 线性空间基本概念 1.2.2 矩阵特征值与谱半径 1.2.3 对称正定矩阵 1.2.4 向量范数与矩阵范数 1.2.5 内积与内积空间 1.2.6 矩阵标准型

向量范数( vector norms 定义1:R空间的向量范数Ⅱ,对任意x,∈满足下列条件 (1)‖≥0;‖=0=0 (2)x=对任意eC (3)‖x+

1、设f(x)=,在[-1,1上求f(x)的一次最佳一致逼近多项式。 2、设f(x)∈Ca,b]试证明:f(x)的零次最佳一致逼近多项式p(x)=(M+m),其中M,m 分别为f(x)在[a,b]上的最大值和最小值

Lagrange插值虽然易算,但若要增加一个节点时,全部基函数l(x)都需重新算过

定义设a=xn