处理这种类型的积分,仍可以采用半圆形的围道是被积函数不能简单地取为f(z)cos pz 或f(z)sin pz.这是因为z=∞是函数sinz或cosz的本性奇点(这意味着当z以不同 方式趋于∞时,sinz或cosz可以逼近于不同的数值),不便于直接计算

留数定理设区域G的边界C为一分段光滑的简单闭合曲线.若除有限个孤立奇点bkk= 1,2,3,…,n外,函数f(2)在G内单值解析,在中连续,且在C上没有f(z)的奇点,则

二乘法 一般的最小二乘逼近(曲线拟合 的最小二乘法)的一般提法是:对 给定的一组数据(x2y)(=0, 要求在函数类0={…,n中找 一个函数y=S(x),使误差平方和 6l2=∑62=∑S(x)-yF=min∑[S(x)-y

5-1多项式插值的问题 前面根据区间[ab上给出 的节点做插值多项式Ln(x) 近似f(x),一般总认为L1(x)的次 数n越高逼近(x)的精度 越好,但实际上并非如此。这是 因为对任意的插值节点 ,当n>0时,L(x)不一定收敛 到∫(x),本世纪初龙格 ( Runge)就给出了一个等距节 点插值多项式Ln(x)不收 敛的f(x)的例子。他给出的函数 为f(x)=1(1+x)

插值 问题的提出: 不少实际问题不但要求在节 点上函数值相等,而且 还要求它的导数值也相等(即 要求在节点上具有一阶光 滑度),甚至要求高阶导数也相 等,满足这种要求的插值 多项式就是埃尔米特 ( Hermite)插值多项式。下面只讨 论函数值与导数值个数相等的 情况

16.1数据从何而来？如何善用资讯？ 16.2 样本告诉我们什么？ 16.3 好样本与坏样本 16.4怎样可取得坏样本？ 16.5有偏抽样法 16.6 简单随机样本 16.7谈谈实验

直接法得到的解是理论上准确的,但是我们可以看得出,它们的计算量都是n3 数量级,存储量为nη2量级,这在n比较小的时候还比较合适(n<400),但是对于现 在的很多实际问题,往往要我们求解很大的n的矩阵,而且这些矩阵往往是系数矩阵 就是这些矩阵含有大量的0元素

给出一组离散点，确定一个函数逼近原函数，插值是这样的一种手段。 在实际中，数据不可避免的会有误差，插值函数会将这些误差也包括在内。 因此，我们需要一种新的逼近原函数的手段： ①不要求过所有的点（可以消除误差影响）；

实际中，存在大量的解线性方程组的问题。很多数值方 法到最后也会涉及到线性方程组的求解问题：如样条插值的 M和m关系式，曲线拟合的法方程，方程组的Newton迭代等 问题

7.1 线性方程组求解 7.2 非线性方程数值求解 7.3 常微分方程初值问题的数值解法 7.4 函数极值