4.1 高斯消元法 4.2 矩阵的LU分解 4.3 雅可比迭代 4.4 高斯-塞德尔迭代 4.5 收敛性定理 4.6 应用实例

1.引言 2. Gauss 消去法 3.高斯主元素消去法 4. 高斯消去法的变形

《数值计算方法》正交多项式

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

已知函数 y f x = ( ) 在 n+1 个不同 的点 , , , 0 1 x x x n 上的函数值分别 为 0 1 , , , n y y y ,求一个次数不超过 n 的 多项式

4.1 高斯消元法 4.2 矩阵的LU分解 4.3 雅可比迭代 4.4 高斯-塞德尔迭代 4.5 收敛性定理 4.6 应用实例

5.1 线性规划问题的标准形式 5.2 线性规划问题的几何解释 5.3 定义和定理 5.4 单纯形算法 5.5 应用实例

2.1 贝齐尔曲线 2.2 B样条函数 2.3 B样条曲线 2.4 自由曲线设计

《数值计算方法》第七章 方程求根

用均方误差最小作为度量标 准，研究函数 f (x) C[a,b] 的逼近多项 式，就是最佳平方逼近问题