二维向量和三维向量都可以度量其大小和长度 高维向量的\长度\能否定义呢? \范数\是对向量和矩阵的一种度量,实际上是二维 和三维向量长度概念的一种推广 数域:数的集合,对加法和乘法封闭 线性空间:可简化为向量的集合对向量的加法和 数量乘法封闭, 也称为向量空间

第一章绪论 （1)有关数值方法的基本概念 （2)误差 （3)有效数字 第二章方程的求解 （1)二分法 （2)迭代法 （3)牛顿法 （4)弦截法

2.6追赶法(Thomas算法) 对角占优矩阵:

一、对称正定矩阵的三角分解(Cholesky分解) 若n阶矩阵A为对称正定矩阵

一、基本的三角分解法(Doolittle法) 若n阶方阵A=(a)nxn的顺序主子式

2.1直接法与三角形方程组求解 2.2 Gauss消去法 2.3 Gauss列主元消去法 2.4直接三角分解法 2.5平方根法 2.6追赶法(Thomas法)

4.5数值微分 先看一个实例: 已知20世纪美国人口的统计数据为(单位百万) 年份

综合前几节的内容我们知道 梯形公式,Simpson公式, Cotes公式的代数精度分别为 1次,3次和5次 复合梯形、复合 Simpson、复合 Cotes公式的收敛阶分别为 2阶、4阶和6阶 无论从代数精度还是收敛速度,复合梯形公式都是较差的 有没有办法改善梯形公式呢?

当积分区间[a,b]的长度较大,而节点个数n+1固定时 直接使用 Newton-Cotes-公式的余项将会较大 而如果增加节点个数,即n+1增加时 公式的舍入误差又很难得到控制 为了提高公式的精度,又使算法简单易行往往使用复合方法 即将积分区间[a,b]分成若干个子区间 然后在每个小区间上使用低阶 Newton-Cotes-公式 最后将每个小区间上的积分的近似值相加

4.1 Newton-Cotes-公式 4.2复合求积法 4.3 Romberg算法 4.4* Gauss求积法 4.5数值微分