9.1 特征值与特征向量 9.2 Hermite矩阵特征值问题 9.3 Jacobi方法 9.4 对分法 9.5 乘幂法 9.6 反幂法 9.7 QR方法

外推法是用精确度较低的近似公式组合成精确度较高的近似公式的一种方法

解线性方程组的两类方法 直接法: 经过有限次运算后可求得方程组精确解的 方法(不计舍入误差!) 迭代法：从解的某个近似值出发，通过构造一个 无穷序列去逼近精确解的方法

原理：若 f(x) C[a, b]，且 f (a) · f (b) <0，则f(x) 在 (a, b) 上必有一根

上述初值问题的精确解是:是指数衰减的,并趋于稳态解

1、设f(x)=,在[-1,1上求f(x)的一次最佳一致逼近多项式。 2、设f(x)∈Ca,b]试证明:f(x)的零次最佳一致逼近多项式p(x)=(M+m),其中M,m分别为f(x)在[a,b]上的最大值和最小值

1.设A∈R且有线性初等因子,其特征值为2n证明:存在A的左特征向量yy2y和右特征向量xx2xn,满足A=xy

1． 把下列各数按四舍五入规则舍入为有 3 位小数的近似数，并写出近似数的绝对误差和 相对误差，指出近似数有几位有效数字： 93.18222， 4.32250， 15.94774， 17.36751

一、函数逼近:用比较简单的函数代替复杂的函数 二、误差为最小，即距离为最小（不同的度量意义）

一、高斯消去法 首先将方程组Ax=b 化为上三角方程组， 此过程称为消去过程，再求解上三角方程 组，此过程称为回代过程