数值分析+编程代码汇总+追赶法、拉格朗日插值、最小二乘法、不动点迭代、雅可比迭代、牛顿法下山法、割线法、乘幂法

比较全数值分析编程汇总，内容包括： 线性方程组的直接法：Gauss消去法与矩阵三角分解法（Doolittle分解法相比Crout分解法更常用）及其选择列主元的改进方法、Doolittle分解法的延伸（实对称正定矩阵利用Cholesky分解得到的平方根法、三对角矩阵作为线性方程组系数矩阵的追赶法） 线性方程组的迭代法：Jacobi迭代法、Gauss-Seidel迭代法（利用前者每次迭代已得到的最新分量加速）、逐次超松弛（SOR，Successive Over-Relaxation）方法 函数拟合的插值法：拉格朗日（Lagrange）插值法与牛顿（Newton）插值法。 函数逼近方法：数值逼近中引入了函数范数和函数内积的概念。前者用来度量逼近函数与原函数在一个区间内的整体误差，后者广泛用于各种数值逼近方法的计算过程中。函数的∞-范数对应最佳一致逼近；函数的2-范数（Euclid-范数）对应最佳平方逼近。 数值积分算法与数值微分。 非线性方程及方程组的数值方法。 矩阵特征值的数值解法：乘幂法与反幂法。 常微分方程的数值解法：欧拉（Euler）方法，龙格-库塔法。

结构动力学+matlab+中心差分法+求解多自由度运动方程问题

中心差分法是一种数值微分的方法，它是通过在每个点处求出函数的近似导数来计算函数的导数的。它的基本原理是，在每个点处，用函数值的差值来近似求出函数的导数。 具体来说，中心差分法的基本原理是，在每个点处，用函数值的差值来近似求出函数的导数。具体来说，在每个点处，可以用函数值的差值来近似求出函数的导数，即： f'(x) ≈ (f(x+h) - f(x-h)) / 2h 其中，h是一个很小的正数，用来表示函数值的差值。 由于中心差分法是一种显示算法，它的优点是简单易行，可以用来计算函数的导数，而且可以用来计算复杂函数的导数。但是，由于它是一种近似计算的方法，所以它的结果可能不太准确，而且它的计算速度也比较慢。 这里给出求解多自由度运动方程的中心差分法示例。并对结果进行绘图展示。

结构动力学+matlab+中心差分法+求解单自由度运动方程问题

中心差分法是一种数值微分的方法，它是通过在每个点处求出函数的近似导数来计算函数的导数的。它的基本原理是，在每个点处，用函数值的差值来近似求出函数的导数。 具体来说，中心差分法的基本原理是，在每个点处，用函数值的差值来近似求出函数的导数。具体来说，在每个点处，可以用函数值的差值来近似求出函数的导数，即： f'(x) ≈ (f(x+h) - f(x-h)) / 2h 其中，h是一个很小的正数，用来表示函数值的差值。 由于中心差分法是一种显示算法，它的优点是简单易行，可以用来计算函数的导数，而且可以用来计算复杂函数的导数。但是，由于它是一种近似计算的方法，所以它的结果可能不太准确，而且它的计算速度也比较慢。 这里给出求解单自由度运动方程的中心差分法示例。并对结果进行绘图展示。