本章介绍求解微分方程数值解的基本思想和方 法。 许多科学和技术问题的数学模型,常常归结为一 个含有自变量、未知函数和它的一阶导数和高阶 导数的方程,称为常微分方程。它是描述运动、 变化规律的重要数学方法之一

二、 Newton迭代法的变形 牛顿法的优点:收敛速度快。 缺点:每次迭代要计算一次导数值 f(x),当f(x)表达式复杂或无 明显表达式时求解困难

我们知道对矩阵进行一次初等变换,就相 当于用相应的初等矩阵去左乘原来的矩阵。 因此我们这个观点来考察Gaus消元法用 矩阵乘法来表示,即可得到求解线性方程 组的另一种直接法:矩阵的三角分解

教学目的:了解多维随机变量的重要性质及其特征,重点介绍二维随机变量的有关结论。包括分布函数的 概念及其性质,二维连续型随机变量密度函数的性质。掌握边缘分布的概念,了解条件分布的概念及其具 体求解方法,了解随机变量相互独立的概念及其意义。掌握二维随机变量函数分布的基本求法

一、离散化积分方程的求解 二、应用 Krylov子空间法 三、快速矩阵向量积 四、多极点算法 五、多极点表示 六、基本层次 七、算法改善 八、局部展开

一、初始值问题实例 二、信号传播(电容器回路) 三、空间动态框架(杆和块问题) 四、动态化学反应 五、考察有限差分法

一、常规的子空间极小化算法 二、回顾学过的正交化和投射定理 三、GCR算法 四、krylov-子空间 五、对称矩阵的简化 六、收敛条件

1整数规划的图解法 2整数规划的计算机求解 3整数规划的应用 4整数规划的分枝定界法

图论在计算机科学、信息科学、人工智能网络理论、系统工程、控制论、运筹学和 经济管理等领域有着广泛的应用。但很多图论问题虽易表达,却难以求解,其中有相当多 的图论问题均属NP完全问题。本章主要介绍工程实用简单图论问题的并行算法及其MP 编程实现,包括传递闭包、连通分量、最短路径和最小生成树等

在求解线性方程组(System of Linear Equations)的算法中,有两类最基本的算法,一类 是直接法,即以消去为基础的解法。如果不考虑误差的影响,从理论上讲,它可以在固定 步数内求得方程组的准确解。另一类是迭代解法,它是一个逐步求得近似解的过程,这种 方法便于编制解题程序,但存在着迭代是否收敛及收敛速度快慢的问题