顶部
收藏

现代计算方法


作者:
主编 刘可伋;副主编 刘欢 张冉 金成
定价:
36.00 元
版面字数:
290.00千字
开本:
16开
装帧形式:
平装
页数:
188
最新
印次时间:
2026年08月
ISBN:
978-7-04-067456-9
物料号:
67456-00
出版时间:
2026-08-13
读者对象:
高等教育

本书基于“思想剖析,启迪智慧;多元展示,由浅入深;性质洞察,性能跃升;算法躬行,探究创新”的原则编写,在“剖析算法思想,呈现算法内容;解析算法性质,示范高效应用;融入财经场景,体现实践价值”三个方面有新突破,并强调数值内容的创意处理与性质分析的可视化处理,希望帮助学生实现“真懂数学思想、能做算法分析、擅长建模计算、善于学科融合”的学习目标。

全书共分为六章:绪论、函数插值与逼近、数值积分与微分、线性方程组的数值解法、非线性方程(组)的数值解法、数值优化方法。书中各章附有练习题、案例、综合训练题,以及相关软件命令。

本书可作为高等学校财经类、统计类、数据科学类、“数学+”双学位专业的本科生或研究生教材,亦可作为数学相关专业的教材或参考书。

  • 目录
    • 前辅文
      • 第一章 绪论
        • 1.1 现代计算方法简介
          • 1.2 系统误差
            • 1.2.1 误差的来源
              • 1.2.2 误差的估计
              • 1.3 随机误差
                • 1.4 误差的定性分析
                  • 1.4.1 算法的稳定性
                    • 1.4.2 问题的性态
                      • 1.4.3 避免误差危害的若干原则
                      • 1.5 算法设计引入:以直代曲与线性逼近
                        • 1.5.1 计算圆周率π
                          • 1.5.2 计算一元函数的微分
                            • 1.5.3 计算一元函数的定积分
                            • 1.6 附录:随机变量
                            • 第二章 函数插值与逼近
                              • 2.1 函数插值与逼近的基本概念
                                • 2.1.1 函数空间
                                  • 2.1.2 正交多项式族
                                    • 2.1.3 函数插值与逼近问题简介
                                    • 2.2 多项式插值
                                      • 2.2.1 Lagrange插值
                                        • 2.2.2 Newton插值
                                        • 2.3 分段低次插值
                                          • 2.3.1 分段线性插值
                                            • 2.3.2 分段三次Hermite插值
                                              • 2.3.3 分段三次样条插值
                                              • 2.4 函数逼近
                                                • 2.4.1 最佳平方逼近
                                                  • 2.4.2 最小二乘逼近
                                                    • 2.4.3 最佳一致逼近
                                                    • 2.5 函数逼近的现代方法
                                                      • 2.5.1 有理函数逼近
                                                        • 2.5.2 径向基函数插值
                                                          • 2.5.3 神经网络驱动的函数逼近
                                                          • 2.6 案例:使用Hermite插值法补全债券收益率曲线
                                                            • 2.7 综合训练题
                                                              • 2.8 附录:本章相关软件命令
                                                                • 2.8.1 MATLAB
                                                                  • 2.8.2 Python
                                                                    • 2.8.3 北太天元
                                                                  • 第三章 数值积分与微分
                                                                    • 3.1 数值积分的基本概念
                                                                      • 3.1.1 代数精度
                                                                        • 3.1.2 插值型求积公式
                                                                          • 3.1.3 求积公式的余项
                                                                            • 3.1.4 求积公式的稳定性及收敛性
                                                                            • 3.2 Newton-Cotes公式及复合求积法
                                                                              • 3.2.1 Newton-Cotes公式
                                                                                • 3.2.2 复合梯形公式
                                                                                  • 3.2.3 复合Simpson公式
                                                                                  • 3.3 Romberg算法与自适应数值积分
                                                                                    • 3.3.1 外推技巧
                                                                                      • 3.3.2 Romberg算法
                                                                                        • 3.3.3 自适应数值积分
                                                                                        • 3.4 Gauss型求积公式
                                                                                          • 3.4.1 Gauss型求积公式
                                                                                            • 3.4.2 Gauss型求积公式的余项
                                                                                              • 3.4.3 几个常用的Gauss型求积公式
                                                                                              • 3.5 Monte Carlo方法
                                                                                                • 3.5.1 一维定积分
                                                                                                  • 3.5.2 高维定积分
                                                                                                    • 3.5.3 重要抽样法
                                                                                                      • 3.5.4 Markov链Monte Carlo法
                                                                                                      • 3.6 数值微分方法
                                                                                                        • 3.6.1 差商法及其误差分析
                                                                                                          • 3.6.2 舍入误差的影响
                                                                                                            • 3.6.3 插值型数值微分
                                                                                                            • 3.7 案例:有限差分法计算期权定价
                                                                                                              • 3.8 综合训练题
                                                                                                                • 3.9 附录: 本章相关软件命令
                                                                                                                  • 3.9.1 MATLAB
                                                                                                                    • 3.9.2 Python
                                                                                                                      • 3.9.3 北太天元
                                                                                                                    • 第四章 线性方程组的数值解法
                                                                                                                      • 4.1 基本概念
                                                                                                                        • 4.1.1 线性方程组及其矩阵表示
                                                                                                                          • 4.1.2 矩阵的条件数
                                                                                                                          • 4.2 直接法
                                                                                                                            • 4.2.1 Gauss消去法
                                                                                                                              • 4.2.2 三角分解法
                                                                                                                                • 4.2.3 奇异值分解
                                                                                                                                • 4.3 迭代法
                                                                                                                                  • 4.3.1 迭代法概述
                                                                                                                                    • 4.3.2 定步长迭代法
                                                                                                                                    • 4.4 案例:根据市场价格预测指数成分股权重
                                                                                                                                      • 4.5 综合训练题
                                                                                                                                        • 4.6 附录:本章相关知识以及软件命令
                                                                                                                                          • 4.6.1 向量与矩阵的性质
                                                                                                                                            • 4.6.2 MATLAB
                                                                                                                                              • 4.6.3 Python
                                                                                                                                                • 4.6.4 北太天元
                                                                                                                                              • 第五章 非线性方程(组)的数值解法
                                                                                                                                                • 5.1 非线性方程(组)引例
                                                                                                                                                  • 5.2 非线性方程的数值解法
                                                                                                                                                    • 5.2.1 二分法
                                                                                                                                                      • 5.2.2 不动点迭代法
                                                                                                                                                        • 5.2.3 Newton法
                                                                                                                                                          • 5.2.4 割线法
                                                                                                                                                          • 5.3 加速收敛方法
                                                                                                                                                            • 5.3.1 Aitken加速收敛方法
                                                                                                                                                              • 5.3.2 Steffensen加速收敛方法
                                                                                                                                                              • 5.4 非线性方程组的数值解法
                                                                                                                                                                • 5.4.1 不动点迭代法
                                                                                                                                                                  • 5.4.2 Newton法
                                                                                                                                                                    • 5.4.3 Broyden算法
                                                                                                                                                                    • 5.5 案例:非线性方程数值解法求解期权隐含波动率
                                                                                                                                                                      • 5.6 综合训练题
                                                                                                                                                                        • 5.7 附录:本章相关软件命令
                                                                                                                                                                          • 5.7.1 MATLAB
                                                                                                                                                                            • 5.7.2 Python
                                                                                                                                                                              • 5.7.3 北太天元
                                                                                                                                                                            • 第六章 数值优化方法
                                                                                                                                                                              • 6.1 最优化问题简介
                                                                                                                                                                                • 6.2 无约束优化
                                                                                                                                                                                  • 6.2.1 梯度下降法
                                                                                                                                                                                    • 6.2.2 随机梯度下降法
                                                                                                                                                                                      • 6.2.3 Newton法
                                                                                                                                                                                        • 6.2.4 共轭梯度下降法
                                                                                                                                                                                        • 6.3 约束优化
                                                                                                                                                                                          • 6.3.1 等式约束优化
                                                                                                                                                                                            • 6.3.2 不等式约束优化
                                                                                                                                                                                            • 6.4 统计优化算法
                                                                                                                                                                                              • 6.4.1 最小二乘法与最大似然估计
                                                                                                                                                                                                • 6.4.2 正则化回归
                                                                                                                                                                                                • 6.5 案例:Black-Litterman资产配置组合优化
                                                                                                                                                                                                  • 6.6 综合训练题
                                                                                                                                                                                                    • 6.7 附录:本章相关软件命令
                                                                                                                                                                                                      • 6.7.1 MATLAB
                                                                                                                                                                                                        • 6.7.2 Python
                                                                                                                                                                                                          • 6.7.3 北太天元
                                                                                                                                                                                                        • 参考文献

                                                                                                                                                                                                        相关图书


                                                                                                                                                                                                        相关数字化产品