一、解的存在和唯一性 二、高斯消元法 三、LU分解 四、对角元和等比级数 五、逐步逼近法 六、适应条件

一、奇异矩阵例子 二、LU分解的不足之处

一、非线性问题 二、杆件和电路实例 三、理查森和线性收敛 四、简单的线性实例 五、牛顿法 六、牛顿法的引出

一、阻尼牛顿定律 二、若雅可比矩阵是非奇异矩阵,则全局收敛 三、奇异雅可比矩阵收敛非常困难 四、介绍连续定律

一、多步法的小时间步问题 二、局部切断误差 三、选择系数 四、不收敛法 五、稳定并连续则收敛

一、图像分割实例 二、牛顿迭代法 三、Gershgorin圆理论 四、弧长连续

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

In the special case when E's are conditionally independent(though they all depend on the alternative, Ak), P(, E2..)= P(A... -)P() ()P) This is easy to do and can be done recursively

which we define as the correlation. Often we do not know the complete distribution, but only simple statistics. The most common of the moments of higher ordered distribution functions is the covarance

The Poisson approximation to the binomial distribution The binomial distribution, like the Poisson, is that of a random variable taking only positive integral values. Since it involves factorials, the binomial distribution is not very convenient for numerical application