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。

Newton迭代法、三次样条差值、复合梯形公式等的数值代码，详细请加QQ2956208770

清华大学李津老师《现代科学计算》清华大学出版社课后答案，比较完整

本课程学习的数值计算方法： 1. 插值法 2. 函数拟合方法 3. 数值积分与微分 4. 线性方程组直接解法 5. 线性方程组迭代解法 6. 非线性方程迭代解法 7. 特征值与特征向量的计算 8. 常微分方程数值解法 包括以上8和实验的matlab程序以及实验报告。

清华大学第五版《数值分析》课后答案，较为详尽，内容清晰。可以做较好的参考。

数值计算方法的实验，比较实际好用，大学时期上课很有用

包含多份数值分析资源及源码，供初学者使用，学习matlab可以看一下

数值分析简明教程第二版王能超编著　　word文档来的

最小二乘法、Romberg、Runge-Kutta、Newton和Xuanjie迭代、Lagrange、Doolittle分解法、改进Euler 推荐使用jupyter运行 ipynb文件格式

基于matlab的数值分析方法，龙贝格算法 杜利特尔分解法