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

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）

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

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

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

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． 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

上述初值问题的精确解是:是指数衰减的,并趋于稳态解

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+

第一章 引论 第二章 解线性方程组的直接法 第三章 插值法与最小二乘法 第四章 数值积分与微分 第五章 常微分方程数值解法 第六章 逐次逼近法