數(shù)值計(jì)算（高等學(xué)校教材電子信息）

第1章 引論　
　1.1 數(shù)值計(jì)算方法的對(duì)象、特點(diǎn)和意義　
　1.2 誤差分析　
　1.3 數(shù)值計(jì)算中應(yīng)注意的問題　
　習(xí)題1　
第2章 MATLAB在數(shù)值計(jì)算中的應(yīng)用　
　2.1 MATLAB基礎(chǔ)知識(shí)　
　2.2 基本繪圖方法　
　2.3 MATLAB的基本運(yùn)算　
　2.4 MATLAB的控制語句　
　2.5 自定義函數(shù)　
　2.6 數(shù)值計(jì)算中的常用庫函數(shù)　
第3章 插值與逼近　　
　3.1 問題背景——人口增長(zhǎng)問題　
　3.2 拉格朗日插值（Lagrange interpolation）　
　3.3 牛頓插值（Newton interpolation）　
　3.4 埃爾米特插值（Hermite interpolation）　
　3.5 三次樣條插值　
　3.6 曲線擬合的最小二乘法　
　3.7 曲線擬合的神經(jīng)網(wǎng)絡(luò)算法　
　習(xí)題3　
第4章 數(shù)值積分與數(shù)值微分　
　4.1 問題背景——PID調(diào)節(jié)器　
　4.2 機(jī)械求積　
　4.3 牛頓—柯特斯（Newton-Cotes）求積公式　
　4.4 龍貝格（Romberg）算法　
　4.5 高斯（Gauss）求積算法　
　4.6 數(shù)值積分的神經(jīng)網(wǎng)絡(luò)算法　
　4.7 數(shù)值微分　
　4.8 數(shù)值微分的神經(jīng)網(wǎng)絡(luò)算法　
　習(xí)題4　
第5章 非線性方程的數(shù)值解法　
　5.1 問題背景——人口增長(zhǎng)問題　
　5.2 二分法（bisection method）　
　5.3 迭代法　
　5.4 迭代過程的加速收斂方法　
　5.5 牛頓迭代法　
　5.6 弦截法　
　5.7 求解非線性方程的神經(jīng)網(wǎng)絡(luò)算法　　
　習(xí)題5　
第6章 線性方程組的數(shù)值解法　　
　6.1 問題背景——電阻網(wǎng)絡(luò)　
　6.2 高斯（Gauss）消元法　
　6.3 三角分解法　
　6.4 向量和矩陣的范數(shù)　　　　　　　　　　　　　　　　
　6.5 矩陣特征值和特征向量　　
　6.6 迭代法　
　6.7 求解線性方程組的神經(jīng)網(wǎng)絡(luò)算法　
　習(xí)題6　
第7章 常微分方程初值問題的數(shù)值解法　
　7.1 問題背景——RLC電路網(wǎng)絡(luò)　
　7.2 尤拉方法　
　7.3 改進(jìn)的尤拉方法　
　7.4 高階泰勒方法（higher-order Taylor methods）　
　7.5 龍格—庫塔方法（Runge-Kutta method）　
　7.6 亞當(dāng)姆斯方法（Adams method）　
　7.7 收斂性與穩(wěn)定性　
　7.8 一階常微分方程組和高階微分方程求解　
　7.9 高階微分方程邊值問題求解　
　7.10 求解常微分方程初值問題的神經(jīng)網(wǎng)絡(luò)算法　
　習(xí)題7　　
附錄習(xí)題答案　
參考文獻(xiàn)