4 奇异值分解 4.1 奇异值，奇异向量和奇异值分解 4.2 奇异值基本性质 4.3 奇异值更多性质 ∗ 5 线性最小二乘问题的求解方法 5.1 正规方程法 5.2 QR 分解法 5.3 奇异值分解法 6 最小二乘问题的推广及其应用 ∗ 6.1 正则化与加权正则化 6.2 约束最小二乘 6.3 多项式数据拟合 6.4 线性预测 6.5 信号恢复 6.6 SVD：图像压缩 — 截断 SVD 6.7 SVD：图像配准 Rigid Alignment / Shape Registration

2 特殊方程组的求解 2.1 对称正定线性方程组 2.2 对称不定线性方程组 ∗ 2.3 三对角线性方程组 2.4 带状线性方程组 ∗ 3 扰动分析 ∗ 3.1 δx 与 xˆ 的关系 3.2 δx 与 x∗ 的关系 3.3 δx 与残量的关系 4 解的改进 ∗ 4.1 高精度运算 4.2 矩阵元素缩放 (Scaling) 4.3 迭代改进法

1.1 LU 分解 1.2 LU 分解的实现 1.3 IKJ 型 LU 分解 1.4 待定系数法计算 LU 分解 1.5 三角方程求解 1.6 选主元 LU 分解

1 常用定常迭代方法 2 应用：Poisson 方程求解 3 收敛性分析 4 加速方法 5 交替方向与 HSS 算法

第一章误差 第三章解线性代数方程组的直接方法 第三章非线性方程的数值解法 第四章解线性方程组的迭代法 第五章求矩阵特征值及特征向量的数值方法 第六章代数插值 第七章样条函数(略) 第八章数值积分 第九章常微分方程处置问题的数值解

如果线性方程组的系数行列式不为零,即det(A)≠0, 则该方程组有唯一解。由克莱姆(cramer)法则,其解为 det() (i=1,2,…n det(A) 这种方法需要计算n+1个n阶行列式并作n次除法,而每个 n阶行列式计算需作(n-1)n!次乘法,计算量十分惊人

矩阵运算是数值计算中最重要的一类运算特别是在线性代数和数值分析中它是一种最 基本的运算。本章讨论的矩阵运算包括矩阵转置、矩阵向量相乘、矩阵乘法、矩阵分解以 及方阵求逆等。在讨论并行矩阵算法时分三步进行:①算法描述及其串行算法;②算法的 并行化及其实现算法框架以及简单的算法分析;③算法实现的MP源程序,以利于读者实 践操作

本书为上册.数值分析部分内容由解线性代数方程组的直接法和迭代法、矩阵特征值和特征向量的计算、非线性方程的数值解法、插值与逼近、数值积分、常微分方程初值问题的数值解法等基本内容组成.矩阵部分内容由矩阵基础知识、线性空间与内积空间、线性变换、矩阵的标准型、矩阵函数、广义逆等基本内容组成.书中内容力求精简，系统性强，循序渐进，易于教学

§1 绪论 §2 数值计算中的误差与算法稳定性 §3 计数与数值 §4 舍入方法与有效数字 §5 算术运算中的误差 §6 算法举例

§1.引言 §2. Gauss 消去法 ❖简单消去法 ❖Gauss顺序消去法的可行性及计算量 ❖矩阵的三角分解法 ❖主元素消去法 ❖Gauss-Jordan列主元消去法