跳到正文

CSCI3340

科學計算

浮點運算、線性系統的直接與迭代求解、最小二乘法、特徵值計算、求根方法、插值與數值積分、常微分方程數值方法及隨機模擬。

10 章 · 41 節EN · 繁 · 简
我的課程筆記

你的進度

0/ 41 節已標記完成

下一節: 浮點數、捨入與數值穩定性

完成記錄儲存在此瀏覽器中。

這門課在網上

CSCI3340 筆記裏的內容

定理卡
106
定義
84
反例
45
概念視角
10
思想史
1
證明透視
43

有思想史的節

這些思想史還沒有放上時間線。

這門課的概念視角還沒有記錄到網上。

在知識圖譜中打開這門課

數字只算這門課 41 節公開筆記裏寫了甚麼,不是網上已記錄的關係。目前其中 0 節已細緻地記錄到網上。

在網上定理卡 106 · 定義 84 · 反例 45 · 概念視角 10 · 思想史 1 · 證明透視 43

這些思想史還沒有放上時間線。

這門課的概念視角還沒有記錄到網上。

在知識圖譜中打開這門課

數字只算這門課 41 節公開筆記裏寫了甚麼,不是網上已記錄的關係。目前其中 0 節已細緻地記錄到網上。

第 1 章 · 4 節

浮點運算

浮點運算

定理 11 · 定義 11反例 4證明透視 4

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 1.1

    浮點數、捨入與數值穩定性

    建立捨入模型,分析消去誤差,並區分條件性與前向、後向誤差。

  2. 1.2

    求和誤差與條件數

    區分求和本身的敏感度與特定累加次序所產生的捨入誤差。

  3. 1.3

    數值微分與步長

    平衡截斷誤差與函數求值誤差,而不是假設步長愈小就愈好。

  4. 1.4

    補償求和及其限制

    追蹤捨入加法中的補償項,區分算術改善與問題條件性。

第 2 章 · 5 節

線性系統

線性系統

定理 9 · 定義 7反例 6視角 1思想史 1證明透視 5

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 2.1

    線性方程組:分解、選主元與條件數

    通過消元求解方程組,理解殘差,並區分穩定的算法和敏感的問題。

  2. 2.2

    部分主元選取與元素增長

    證明帶主元選取的消元的基本增長界,並構造達到該界的最壞情況矩陣族。

  3. 2.3

    選主元 LU 分解中的捨入與向後誤差

    追蹤消元運算,聯繫計算所得因子、逐元素向後誤差和元素增長。

  4. 2.4

    Cholesky 分解與 Schur 補

    證明正定矩陣的分解定理,並說明如何在不計算逆矩陣的情況下求解線性方程組。

  5. 2.5

    範數意義與逐分量後向誤差

    求出使近似線性方程解成為精確解的最小數據擾動,並聯繫條件性。

第 3 章 · 2 節

迭代求解法

迭代求解法

定理 6 · 定義 5反例 3視角 1證明透視 2

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 3.1

    Jacobi、Gauss–Seidel 與逐次超鬆弛法

    推導定常迭代,在明確假設下證明收斂,並比較收斂速度和失敗情形。

  2. 3.2

    共軛梯度法與 Krylov 空間中的最優性

    為對稱正定系統推導共軛梯度法,證明其能量最小化,並區分精確算術與實際計算。

第 4 章 · 3 節

最小二乘法

最小二乘法

定理 8 · 定義 8反例 3視角 2證明透視 3

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 4.1

    最小二乘、QR 分解與數值秩

    推導投影與 QR 解法,分析敏感性,並區分精確秩和數值秩。

  2. 4.2

    Householder QR 與穩定反射

    用隱式正交反射構造 QR,並理解避免消去誤差的符號選擇。

  3. 4.3

    奇異值、最小二乘與正則化

    用奇異值分解推導最小範數最小二乘解,並比較截斷與嶺濾波。

第 5 章 · 6 節

特徵值計算

特徵值計算

定理 19 · 定義 12反例 7視角 2證明透視 6

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 5.1

    Gershgorin 圓盤與特徵值界限

    利用行和來定位特徵值,並了解分離的圓盤群何時含有已知數目的特徵值。

  2. 5.2

    冪迭代與 Rayleigh 商

    在主導特徵值條件下證明收斂,研究失敗情形,並理解特徵對殘差。

  3. 5.3

    對稱特徵值問題的 Jacobi 平面旋轉

    構造旋轉,證明最大主元策略下非對角部分減少,並理解所得近似特徵對。

  4. 5.4

    反冪迭代與特徵值殘差證書

    針對位移附近的特徵值進行迭代,並用殘差證明與譜的接近程度。

  5. 5.5

    二維情形的 QR 迭代

    把反覆的 QR 分解與同時冪迭代聯繫起來,並看看特徵值收斂在何時失敗。

  6. 5.6

    Hessenberg 約化與帶位移的 QR 迭代

    用 Householder 反射把矩陣約化為 Hessenberg 形,證明帶位移的 QR 步保持該形式,把位移與反冪迭代聯繫起來,並用收縮技術計算特徵值。

第 6 章 · 3 節

求根方法

求根方法

定理 9 · 定義 7反例 4視角 1證明透視 3

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 6.1

    求根:區間夾逼、不動點與 Newton 迭代

    建立二分法和 Newton 方法的收斂條件,並理解停止測試的含義。

  2. 6.2

    割線法與局部超線性收斂

    推導一個無需導數的求根迭代,並證明其局部誤差乘積界。

  3. 6.3

    非線性方程組的 Newton 方法

    從線性方程組推導 Newton 步,並在明確假設下證明局部二次收斂。

第 7 章 · 11 節

插值與數值積分

插值與數值積分

定理 30 · 定義 17反例 11證明透視 11

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 7.1

    插值與數值積分:從數據到誤差界

    構造插值多項式、推導求積公式,並明確誤差估計所需的條件。

  2. 7.2

    高斯求積與正交多項式

    由正交性推導最佳的多項式精確度,並理解它能保證甚麼、不能保證甚麼。

  3. 7.3

    自適應 Simpson 求積與誤差估計

    推導基於差值的誤差估計量,並區分漸近指標與嚴格的誤差保證。

  4. 7.4

    帶嚴格包圍區間的中點求積

    用曲率界和向外舍入的取樣區間,給出積分的可證明包圍區間。

  5. 7.5

    由端點值與斜率構造三次 Hermite 插值

    構造端點值和斜率插值多項式,證明誤差界並追蹤輸入數據誤差。

  6. 7.6

    Newton 差商表

    用差商表構造、更新並計算 Newton 插值多項式。

  7. 7.7

    複合求積:帶符號誤差的證明

    補充核證明與附解練習;細分例子與既有自適應 Simpson 筆記重疊。

  8. 7.8

    Chebyshev 節點與極小極大插值乘積

    證明首一多項式的極值性質,並用它控制插值誤差。

  9. 7.9

    重心插值與數據條件性

    推導重心公式、節點處的極限以及插值對數據擾動的精確敏感程度。

  10. 7.10

    自然三次樣條

    通過求節點處的曲率,構造二階連續可微插值函數。

  11. 7.11

    Richardson 外推與 Romberg 積分

    消去主導誤差項、推導 Romberg 表,並識別何時外推不可靠。

第 8 章 · 5 節

常微分方程數值方法

常微分方程數值方法

定理 9 · 定義 13反例 5視角 1證明透視 5

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 8.1

    常微分方程數值方法:Euler、Runge–Kutta 與穩定性

    推導一階和二階方法,在明確條件下證明收斂,並用測試方程分析穩定性。

  2. 8.2

    二步 Adams–Bashforth 方法:精確度與穩定性

    推導一個多步方法,並區分其局部誤差、整體收斂性與絕對穩定性。

  3. 8.3

    隱式歐拉法、梯形步進與穩定性

    推導兩種隱式積分法,證明其穩定性,並區分阻尼與準確度。

  4. 8.4

    線性多步法的階數條件

    推導係數的矩條件,計算局部缺陷,並區分一致性與零穩定性。

  5. 8.5

    多步法的根條件與零穩定性

    理解寄生根如何放大線性多步法的初值誤差和截斷誤差。

第 9 章 · 1 節

隨機模擬

隨機模擬

定理 2 · 定義 3反例 1視角 1證明透視 2

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 9.1

    Monte Carlo 估計與重要性抽樣

    證明獨立模擬的收斂和有限樣本界,並分析重要性抽樣的方差與支撐條件。

第 10 章 · 1 節

稀疏定常迭代

迭代依賴、收斂與誤差證書。

定理 3 · 定義 1反例 1視角 1證明透視 2

本章骨架 →在網上看本章 →本章還沒有記錄到網上

  1. 10.1

    Jacobi 與 Gauss–Seidel:收斂與停止誤差保證

    追蹤線性系統每輪更新中的新舊值,證明對角佔優的收斂條件,並推導步差與殘差兩種誤差保證。

Vercel 瀏覽統計與公開頁面效能量度均須分別取得同意,兩者均非使用網站的必要條件。

網站功能儲存(按需使用)

安全、登入及你選擇的偏好會按需使用儲存,與可選統計分開處理。

撤回會停止後續統計;需要卸載已載入的統計程式時,頁面會重新載入。已傳送的資料不會因此刪除。

查看 Cookie 與儲存詳情