数值分析

基本信息

学分

2.0

课程性质

学位课

考核方式

学时分配

理论

32 学时

成绩构成

出勤

10%

课堂测验及作业

20%

期末考试

70%

目前研究生阶段课程资料甚少，敬请各位贡献。 教材与参考书见校内网盘（资料下载部分）。

授课教师

• 焦震钧

  • 本研共选课（面向保研学生开设，一般开设于秋季学期 10-17 周）。
  • 每节课前会回顾上节课的内容。
  • 每章课件会在上本章之前发放，不过有可能不是最新版本——课上还会出现新的插图（不过基本内容不变）。
  • 松弛感满满，很擅长举简明的例子帮助学生理解，颇有“四两拨千斤”的感觉。举几个上课过程中印象深刻的点：从 2x=1 的迭代求解引出复杂线性方程组的迭代求解；插值基函数的讲解；以平均数讲解生活中的最小二乘（使用零次多项式，即常数，进行最小二乘近似）。
  • 不过，有些较高观点的理解较为抽象，可能需要比较好的空间想象力和线性代数基础才能听懂。

    文 / Oliver Wu，2025-01，Hye，2025-01

• 张茜

  • 研究生课（面向研一学生开设，一般开设于秋季学期 1-8 周）：

教材

• 数值分析（李庆扬 等 / 第五版 / textbook）

课程内容

文 / Oliver Wu，2025-01，Hye，2025-01

关于考试

数值分析本来就是面向计算机运算的科学，所以许多算法并不适合用于手工计算，考试也不会堆计算量恶心人。考前最后一节课老师会给大家梳理重点，建议认真听。课件例题、作业题、往年题都很经典，建议认真看，考试可能有类似的问题。

文 / Oliver Wu，2025-01

学习建议

感受每种数值算法背后蕴涵的严谨/直观的数学思想（比如，外推法是如何提高精度的？Gauss 求积公式为何能实现更高的代数精度？谱半径、范数衡量的是矩阵的何种特征？），比会手动算出（本来就是给计算机用的）数值积分更为有益。

文 / Oliver Wu，2025-01

资源下载