《Python计算机视觉编程》适合的读者是：有一定编程与数学基础，想要了解计算机视觉的基本理论与算法的学生，以及计算机科学、信号处理、物理学、应用数学和统计学、神经生理学、认知...
类似推荐
内容简介
本书是同济大学计算数学教研室几位老师集体智慧的结晶，内容涉及数值计算的基本内容，如函数插值与函数逼近、线性与非线性方程（组）的求解、数值积分与微分、矩阵的特征值与特征向量的计算、常微分方程的近似数值解，还阐述了当今科学与工程研究中经常遇到的数值计算问题求解的新方法，如快速傅里叶变换、蒙特卡罗随机方法（高维积分计算）、数值求导的稳定算法、大型线性方程组的分块迭代算法等；在介绍一些重要的典型算法时，附上了在工程中广泛使用的MATLAB程序。书后附有丰富的习题和数值实验题。并提供了配套的习题解答。
本书适合作为高等院校本科生和工科研究生“数值计算”课程的教材，也适合相关科研人员参考。
章节目录
- 封面
- 扉页
- 第2版前言
- 前言
- 第1章 科学计算与 MATLAB
- §1.1 科学计算的意义
- §1.2 误差基础知识
- §1.2.1 误差的来源
- §1.2.2 误差度量
- §1.2.3 有效数字
- §1.2.4 向量的误差
- §1.2.5 计算机的浮点数系
- §1.2.6 一个实例
- §1.2.7 数值计算中应注意的几个问题
- §1.3 MATLAB软件
- §1.3.1 简介
- §1.3.2 向量和矩阵的基本运算
- §1.3.3 流程控制
- §1.3.4 脚本文件和函数文件
- §1.3.5 帮助系统
- §1.3.6 画图功能
- §1.3.7 数据操作
- 习题一
- 数值实验一
- 第2章 线性方程组的直接解法
- §2.1 高斯消去法
- §2.2 矩阵的三角分解
- §2.2.1 LU 分解和 LDU 分解
- §2.2.2 乔列斯基分解
- §2.2.3 追赶法
- §2.2.4 分块三角分解
- §2.3 QR分解和奇异值分解
- §2.3.1 正交矩阵
- §2.3.2 QR 分解
- §2.3.3 奇异值分解
- 习题二
- 数值实验二
- 第3章 多项式插值与样条插值
- §3.1 多项式插值
- §3.1.1 多项式插值问题的定义
- §3.1.2 插值多项式的存在唯一性
- §3.1.3 插值基函数
- §3.2 拉格朗日插值
- §3.2.1 拉格朗日插值基函数
- §3.2.2 拉格朗日插值多项式
- §3.2.3 插值余项
- §3.3 牛顿插值
- §3.3.1 差商
- §3.3.2 牛顿插值公式及其余项
- §3.3.3 差分与等距节点的插值公式
- §3.4 埃尔米特插值
- §3.4.1 两点三次埃尔米特插值
- §3.4.2 埃尔米特插值多项式的余项
- §3.4.3 n+1 个点 2n+1 次埃尔米特插值多项式 H2n+1(x) 及其余项 R2n+1(x)
- §3.5 三次样条插值
- §3.5.1 样条插值概念的产生
- §3.5.2 三次样条函数
- 习题三
- 数值实验三
- 第4章 函数逼近
- §4.1 内积与正交多项式
- §4.1.1 权函数和内积
- §4.1.2 正交函数系
- §4.1.3 勒让德多项式
- §4.1.4 切比雪夫多项式
- §4.1.5 其他正交多项式
- §4.2 最佳一致逼近与切比雪夫展开
- §4.2.1 最佳一致逼近多项式
- §4.2.2 线性最佳一致逼近多项式的求法
- §4.2.3 切比雪夫展开与近似最佳一致逼近多项式
- §4.3 最佳平方逼近
- §4.3.1 预备知识
- §4.3.2 最佳平方逼近
- §4.4 曲线拟合的最小二乘法
- §4.4.1 最小二乘法
- §4.4.2 利用正交多项式做最小二乘拟合
- §4.4.3 非线性最小二乘问题
- §4.4.4 矛盾方程组
- §4.5 周期函数逼近与快速傅里叶变换
- §4.5.1 周期函数的最佳平方逼近
- §4.5.2 快速傅里叶变换 (FFT)
- 习题四
- 数值实验四
- 第5章 数值积分与数值微分
- §5.1 几个常用积分公式及其复合积分公式
- §5.1.1 几个常用积分公式
- §5.1.2 代数精度
- §5.1.3 积分公式的复合
- §5.2 变步长方法与外推加速技术
- §5.2.1 变步长梯形法
- §5.2.2 外推加速技术与龙贝格求积方法
- §5.3 牛顿–科茨公式
- §5.4 高斯公式
- §5.4.1 高斯公式的定义及性质
- §5.4.2 常用高斯型公式
- §5.4.3 高斯型公式的应用
- §5.5 多重积分的计算
- §5.5.1 二重积分的计算
- §5.5.2 蒙特卡罗模拟求积法简介
- §5.6 数值微分
- §5.6.1 基于拉格朗日插值多项式的求导方法
- §5.6.2 基于样条函数的求导方法
- 习题五
- 数值实验五
- 第6章 线性方程组的迭代解法
- §6.1 范数和条件数
- §6.1.1 矩阵范数
- §6.1.2 扰动分析和条件数
- §6.2 基本迭代法
- §6.2.1 雅可比迭代法
- §6.2.2 高斯–赛德尔迭代法
- §6.2.3 超松弛 (SOR) 迭代法
- §6.2.4 迭代的收敛性分析和误差估计
- §6.3 不定常迭代法
- §6.3.1 最速下降法
- §6.3.2 共轭梯度法
- §6.3.3 广义极小残量法
- §6.3.4 预处理技术
- 习题六
- 数值实验六
- 第7章 非线性方程求根
- §7.1 非线性方程求根的基本问题
- §7.2 二分法
- §7.3 不动点迭代方法
- §7.4 迭代加速
- §7.5 牛顿法
- §7.6 割线法
- §7.7 非线性方程组简介
- §7.8 非线性最小二乘问题
- §7.9 大范围求解方法
- 习题七
- 数值实验七
- 第8章 矩阵特征值与特征向量的计算
- §8.1 前言
- §8.2 幂方法
- §8.2.1 乘幂法
- §8.2.2 反幂法
- §8.2.3 结合原点平移的反幂法
- §8.3 QR方法
- 习题八
- 数值实验八
- 第9章 常微分方程初边值问题数值解
- §9.1 欧拉公式及其改进
- §9.1.1 欧拉公式
- §9.1.2 数值积分与多步法
- §9.1.3 预估校正公式
- §9.2 龙格–库塔公式
- §9.3 收敛性与稳定性
- §9.3.1 显式单步法的收敛性
- §9.3.2 单步法的稳定性
- §9.4 微分方程组和刚性问题
- §9.5 有限差分法
- 习题九
- 数值实验九
- 参考文献
- 索引
- 版权
展开全部
现代数值计算是2014年由人民邮电出版社出版,作者编著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《现代数值计算》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
《Python计算机视觉编程》适合的读者是：有一定编程与数学基础，想要了解计算机视觉的基本理论与算法的学生，以及计算机科学、信号处理、物理学、应用数学和统计学、神经生理学、认知...
电子书
电子书
电子书
一书尽览百年物理风云史。
电子书
电子书
电子书
一本介绍计算机网络安全相关技术的优秀教材。