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
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
第 1 章 · 4 節
浮點運算
浮點運算
- 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。
- 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。
- 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。
- 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
- 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
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。
- 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。
- 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。
- 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
- 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。
- 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
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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
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。
- 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
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
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。
- 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。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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
- 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。
- 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。