《大學數(shù)學實驗教程（第2版）》首先介紹了數(shù)學軟件MATLAB的基本使用方法，隨后精心設計了利用該軟件在數(shù)據(jù)處理、矩陣分析、微積分、概率論與數(shù)理統(tǒng)計等方面的具體實驗內容，著重培養(yǎng)學生自主探索研究數(shù)學問題和解決數(shù)學問題的能力�！洞髮W數(shù)學實驗教程（第2版）》通俗易懂，每章都配備一定的實驗任務用以提高學生的自主實驗能力，只需具備一定的數(shù)學基礎即可自學。
第l章 MATLAB軟件的初步知識
1.1 MATIJAB概述
1.1.1 MATLAB的發(fā)展
1.I.2 MATLAB的常用命令
1.2 MATIAB的操作界面簡介
1.3 命令窗口操作
1.3.1 命令窗口簡介
1.3.2 命令窗口使用
1.4 M文件
1.5 help幫助系統(tǒng)
1.6 本章小結
1.7 習題
第2章 MATLAB數(shù)據(jù)處理及矩陣分析
2.1 MATIAB數(shù)據(jù)的特點
2.2 變量及其操作 第l章 MATLAB軟件的初步知識
1.1 MATIJAB概述
1.1.1 MATLAB的發(fā)展
1.I.2 MATLAB的常用命令
1.2 MATIAB的操作界面簡介
1.3 命令窗口操作
1.3.1 命令窗口簡介
1.3.2 命令窗口使用
1.4 M文件
1.5 help幫助系統(tǒng)
1.6 本章小結
1.7 習題
第2章 MATLAB數(shù)據(jù)處理及矩陣分析
2.1 MATIAB數(shù)據(jù)的特點
2.2 變量及其操作
2.3 矩陣的表示
2.3.1 數(shù)值矩陣的生成
2.3.2 符號矩陣的生成
2.3.3 大矩陣的生成
2.3.4 多維數(shù)組的創(chuàng)建
2.3.5 特殊矩陣的生成
2.4 矩陣運算
2.4.1 加、減運算
2.4.2 乘法
2.4.3 除法運算
2.4.4 矩陣乘方
2.4.5 矩陣函數(shù)
2.4.6 矩陣轉置
2.4.7 矩陣的行列式
2.4.8 矩陣的逆
2.4.9 矩陣的跡
2.4.10 矩陣的秩
2.4.11 矩陣元素個數(shù)的確定
2.4.12 特殊運算
2.4.13 符號矩陣運算
2.5 秩與線性相關性
2.5.1 向量組的秩以及向量組的線性相關性
2.5.2 求行階梯矩陣及向量組的極大無關組
2.6 線性方程組的求解
2.6.1 求線性方程組的唯一解或特解
2.6.2 求齊次線性方程組的通解
2.6.3 求非齊次線性方程組的通解
2.7 特征值與二次型
2.7.1 特征值與特征向量的求法
2.7.2 正交基
2.7.3 二次型
2.8 本章小結
2.9 習題
第3章 利用MATLAB繪制函數(shù)圖形
3.1 二維圖形
3.1.1 單窗口曲線繪圖
3.1.2 單窗口多曲線分圖繪圖
3.1.3 符號函數(shù)畫圖
3.1.4 特殊平面圖形
3.2 三維圖形
3.2.1 三維曲線圖形
3.2.2 三維曲面圖形
3.3 圖形處理
3.4 本章小結
3.5 習題
第4章 微積分實驗
4.1 極限
4.1.1 一元函數(shù)的極限
4.1.2 多元函數(shù)的極限
4.2 導數(shù)
4.2.1 一元函數(shù)的導數(shù)和高階導數(shù)
4.2.2 多元函數(shù)的偏導數(shù)
4.2.3 梯度的計算
4.3 積分
4.3.1 不定積分和定積分
4.3.2 重積分
4.3.3 曲線積分與曲面積分的計算
4.4 級數(shù)
4.4.1 級數(shù)求和
4.4.2 泰勒級數(shù)展開
4.4.3 Fouijer級數(shù)展開
4.5 微分方程
4.6 本章小結
4.7 習題
第5章 概率論與數(shù)理統(tǒng)計實驗
5.1 概率分布與隨機數(shù)的生成
5.1.1 概率分布
5.1.2 隨機數(shù)的生成
5.2 基本統(tǒng)計量計算
5.3 參數(shù)估計
5.4 假設檢驗
5.4.1 單個正態(tài)總體均值的假設檢驗
5.4.2 兩個正態(tài)總體均值差的檢驗
5.4.3 中值檢驗
5.5 方差分析
5.5.1 單因素方差分析
5.5.2 雙因素方差分析
5.6 回歸分析
5.7 本章小結
5.8 習題
第6章 MATLAB應用實例
6.1 灰色預測的MATLAB實現(xiàn)
6.1.1 灰色預測的MATLAB程序
6.1.2 GM（1，1）模型的精度檢驗
6.1.3 灰色預測應用案例
6.2 線性規(guī)劃問題的MATLAB求解
6.2.1 線性規(guī)劃問題模型
6.2.2 線性規(guī)劃的MATLAB解法
6.2.3 線性規(guī)劃問題實例
6.3 本章小結
6.4 習題
參考文獻
書單推薦
