通过本课程的学习，学生初步学会用Matlab软件做数值计算、解优化模型、解图论问题；初步理解并上机操练下列数值计算方法：方程求解、迭代法、微分方程求解、插值法、曲线拟合、回归分析、计算机模拟、线性规划与非线性规划、图论中的最小生成树和最短路径；初步学会用数学建模的方法解决一些实际问题

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

一、非圆曲线的数学处理 1 弦线逼近法 2 圆弧逼近法 二、列表曲线的数学处理 1 插值 2 拟合 3 光顺 三、曲面的数学处理 1 数控铣削空间曲面的方法 2 曲面数学处理的主要内容

最佳平方逼近:即连续型L-S逼近,在fl=√(f,f)意义 下,使得P-yl最小

回归分析是处理两个及两个以上变量间线性依存关系的统计方法。在医学 领域中,此类问题很普遍,如人头发中某种金属元素的含量与血液中该元素的 含量有关系,人的体表面积与身高、体重有关系;等等。回归分析就是用于说 明这种依存变化的数学关系

来源于实际、又广泛用于实际。 多项式插值的主要目的是用一个多项式 拟合离散点上的函数值,使得可以用该 多项式估计数据点之间的函数值。 可导出数值积分方法,有限差分近似 关注插值多项式的表达式、精度、选点 效果

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

本章描述了对一个单方程进行预测或计算拟合值的过程 。这里描述的技术是利用通过回归方法估计得到的方程来进 行预测

1.成高斯消去法和约当消去法的程序编写 2.利用给你的程序,取seed=10000+1000*(N)生成 一个线性方程组的增广矩阵A6]7 3.用你编写的程序完成上面的方程组得求解。 提示:对于上面三个步骤,作业本上只写seed的值, 你所得到的矩阵,和解得的结果,并著名是否采用了选主元的方法

3函数的最佳逼近 Optimal Approximation 一、最佳平方逼近:即连续型Ls逼近,在‖∫,=√f,意义下,使得‖P-y2最小 偏差