你的进度
0/ 41 节已标记完成
下一节: 浮点数、舍入与数值稳定性
完成记录保存在此浏览器中。
这门课在网上
CSCI3340 笔记里的内容
数字只算这门课 41 节公开笔记里写了什么,不是网上已记录的关系。目前其中 0 节已细致地记录到网上。
在网上定理卡 106 · 定义 84 · 反例 45 · 概念视角 10 · 思想史 1 · 证明透视 43
第 1 章 · 4 节
浮点运算
浮点运算
- 1.1
浮点数、舍入与数值稳定性
建立舍入模型,分析消去误差,并区分条件性与前向、后向误差。
- 1.2
求和误差与条件数
将求和本身的敏感性与特定累加顺序所产生的舍入误差区分开来。
- 1.3
数值微分与步长
权衡截断误差与函数求值误差,而不是假定步长越小越好。
- 1.4
补偿求和及其局限
追踪舍入加法中的补偿项,区分算术改进与问题条件性。
第 2 章 · 5 节
线性系统
线性系统
- 2.1
线性方程组:分解、选主元与条件数
通过消元求解方程组,理解残差,并区分稳定的算法和敏感的问题。
- 2.2
部分主元选取与元素增长
证明带主元选取的消元的基本增长界,并构造达到该界的最坏情况矩阵族。
- 2.3
选主元 LU 分解中的舍入与向后误差
追踪消元运算,联系计算所得因子、逐元素向后误差和元素增长。
- 2.4
Cholesky 分解与 Schur 补
证明正定矩阵的分解定理,并说明如何在不构造逆矩阵的情况下求解线性方程组。
- 2.5
范数意义与逐分量后向误差
求出使近似线性方程解成为精确解的最小数据扰动,并联系条件性。
第 3 章 · 2 节
迭代求解法
迭代求解法
- 3.1
Jacobi、Gauss–Seidel 与逐次超松弛法
推导定常迭代,在明确假设下证明收敛,并比较收敛速度和失败情形。
- 3.2
共轭梯度法与 Krylov 空间中的最优性
为对称正定系统推导共轭梯度法,证明其能量最小化,并区分精确算术与实际计算。
第 4 章 · 3 节
最小二乘法
最小二乘法
- 4.1
最小二乘、QR 分解与数值秩
推导投影与 QR 解法,分析敏感性,并区分精确秩和数值秩。
- 4.2
Householder QR 与稳定反射
用隐式正交反射构造 QR,并理解避免消去误差的符号选择。
- 4.3
奇异值、最小二乘与正则化
用奇异值分解推导最小范数最小二乘解,并比较截断与岭滤波。
第 5 章 · 6 节
特征值计算
特征值计算
- 5.1
Gershgorin 圆盘与特征值界
利用行和定位特征值,并理解分离的圆盘簇在何时含有确定数目的特征值。
- 5.2
幂迭代与 Rayleigh 商
在主导特征值条件下证明收敛,研究失败情形,并理解特征对残差。
- 5.3
对称特征值问题的 Jacobi 平面旋转
构造旋转,证明最大主元策略下非对角部分减少,并理解所得近似特征对。
- 5.4
反幂迭代与特征值残差证书
针对位移附近的特征值进行迭代,并用残差证明与谱的接近程度。
- 5.5
二维情形的 QR 迭代
把反复的 QR 分解与同时幂迭代联系起来,并看看特征值收敛在何时失败。
- 5.6
Hessenberg 约化与带位移的 QR 迭代
用 Householder 反射把矩阵约化为 Hessenberg 形,证明带位移的 QR 步保持该形式,把位移与反幂迭代联系起来,并用收缩技术计算特征值。
第 6 章 · 3 节
求根方法
求根方法
- 6.1
求根:区间夹逼、不动点与 Newton 迭代
建立二分法和 Newton 方法的收敛条件,并理解停止测试的含义。
- 6.2
割线法与局部超线性收敛
推导一种无需导数的求根迭代,并证明其局部误差乘积界。
- 6.3
非线性方程组的 Newton 方法
从线性方程组推导 Newton 步,并在明确假设下证明局部二次收敛。
第 7 章 · 11 节
插值与数值积分
插值与数值积分
- 7.1
插值与数值积分:从数据到误差界
构造插值多项式、推导求积公式,并明确误差估计所需的条件。
- 7.2
高斯求积与正交多项式
由正交性推导最优的多项式精确度,并理解它能够保证什么、不能保证什么。
- 7.3
自适应 Simpson 求积与误差估计
推导基于差值的误差估计量,并区分渐近误差指示量与严格的误差保证。
- 7.4
带严格包围区间的中点求积
用曲率界和向外舍入的取样区间,给出积分的可证明包围区间。
- 7.5
由端点值与斜率构造三次 Hermite 插值
构造端点值和斜率插值多项式,证明误差界并追踪输入数据误差。
- 7.6
Newton 差商表
用差商表构造、更新并计算 Newton 插值多项式。
- 7.7
复合求积:带符号误差的证明
补充核证明与附解练习;细分例子与已有自适应 Simpson 笔记重叠。
- 7.8
Chebyshev 节点与极小极大插值乘积
证明首一多项式的极值性质,并用它控制插值误差。
- 7.9
重心插值与数据条件性
推导重心公式、节点处的极限以及插值对数据扰动的精确敏感程度。
- 7.10
自然三次样条
通过求节点处的曲率,构造二阶连续可微插值函数。
- 7.11
Richardson 外推与 Romberg 积分
消去主导误差项、推导 Romberg 表,并识别何时外推不可靠。
第 8 章 · 5 节
常微分方程数值方法
常微分方程数值方法
- 8.1
常微分方程数值方法:Euler、Runge–Kutta 与稳定性
推导一阶和二阶方法,在明确条件下证明收敛,并用测试方程分析稳定性。
- 8.2
两步 Adams–Bashforth 方法:精度与稳定性
推导一种多步方法,并区分其局部误差、整体收敛性与绝对稳定性。
- 8.3
隐式欧拉法、梯形步进与稳定性
推导两种隐式积分法,证明其稳定性,并区分阻尼与准确度。
- 8.4
线性多步法的阶数条件
推导系数的矩条件,计算局部缺陷,并区分一致性与零稳定性。
- 8.5
多步法的根条件与零稳定性
理解寄生根如何放大线性多步法的初值误差和截断误差。
第 9 章 · 1 节
随机模拟
随机模拟
- 9.1
Monte Carlo 估计与重要性抽样
证明独立模拟的收敛和有限样本界,并分析重要性抽样的方差与支撑条件。
第 10 章 · 1 节
稀疏定常迭代
迭代依赖、收敛与误差证书。
- 10.1
Jacobi 与 Gauss–Seidel:收敛与停止误差保证
跟踪线性系统每轮更新中的新旧值,证明对角占优的收敛条件,并推导步差与残差两种误差保证。