3.5.1 正规方程 3.5.2 Cholesky 分解法 3.5.3 QR 分解法 3.5.4 SVD 分解法

3.3.1 QR 分解的存在性与唯一性 3.3.2 基于 MGS 的 QR 分解 3.3.3 基于 Householder 分解的 QR 分解 3.3.4 基于 Givens 变换的 QR 分解 3.3.5 QR 分解的稳定性

2.1 Gauss 消去法 2.1.1 Gauss 消去过程 (算法描述) 2.1.2 运算量统计 (计算复杂度) 2.2 矩阵分解法 2.2.1 矩阵 LU 分解 2.2.2 列主元 Gauss 消去法与 PLU 分解 2.2.3 Cholesky 分解与平方根法 2.2.4 三对角线性方程组 2.2.5 带状线性方程组

向量范数( vector norms 定义1:R空间的向量范数Ⅱ,对任意x,∈满足下列条件 (1)‖≥0;‖=0=0 (2)x=对任意eC (3)‖x+

1.2.1 线性空间基本概念 1.2.2 矩阵特征值与谱半径 1.2.3 对称正定矩阵 1.2.4 向量范数与矩阵范数 1.2.5 内积与内积空间 1.2.6 矩阵标准型

为 Householder矩阵或反射矩阵。可证其具有以下性质: (1)H是实对称的正交矩阵,即H-=H=H; (2)det(H)=-1 (3)H仅有两个不等的特征值±1,其中1是n-1重特征值,-1是单重特征值,w为其相应的特征向量;

Example 1. 1. The iterative rule po 1 and pk+1= 1.001pk for k=0, 1,..pro- duces a divergent sequence. The first 100 terms look as follows: P1=1.0170=(1.001010001.00100 p2=1011=(1001)(1.0000001 3=1012=(1001)(1.002011.00300 p100=1.0019(1.001)(1.104012)=1.105116

1 Mathematical Preliminaries and Error Analysis 2 Solutions of Equations in One Variable 3 Interpolation and Polynomial Approximation 4 Numerical Differentiation and Integration 5 Initial-Value Problems for Ordinary Differential Equations 6 Direct Methods for Solving Linear Systems 7 IterativeTechniques in Matrix Algebra 8 ApproximationTheory 9 Approximating Eigenvalues 10 Numerical Solutions of Nonlinear Systems of Equations 11 Boundary-Value Problems for Ordinary Differential Equations 12 Numerical Solutions to Partial Differential Equations

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

Lagrange插值虽然易算,但若要增加一个节点时,全部基函数l(x)都需重新算过