MATH3361

数值线性代数

课程定位 MATH3361/5361 是数学、计算科学及高阶工程领域最具‘底层推力’的算法必修课。它解决了数学从理论定理到机器运行的‘最后一公里’命题：当矩阵维度达到千万级、内存无法一次性装载时，如何以最快的速度、最小的误差求出解？它是通往深度学习反向传播优化、大型结构仿真内核、及高性能计算 (HPC) 岗位的唯一数学底座。它将抽象的矩阵分解定理、误差分析与 Matlab/Python 编程深度整合，是培养‘具备算法专家灵魂数学家’的顶级必修课。 技术栈与学习内容 课程围绕‘稳定性、精度与复杂度’展开。核心内容包括：矩阵范数与条件数分析（判定问题的病态性）、最具工业价值的‘矩阵分解三剑客’（LU 分解带主元选型、QR 分解及其正交变换实现、SVD 奇异值分解）——这是现代数据压缩的核心。进阶模块涵盖：特征值计算的高级算法（QR 算法、幂迭代法）、以及处理超大规模稀疏矩阵的‘迭代法’（共轭梯度法 CG、GMRES 算法）。此外，课程深入探讨了浮动点运算的稳定性证明。学生将学习如何编写并优化自己的‘数值引擎’。课程强调‘计算开销与数值稳定性的精细平衡’。 课程结构 10 周严密的逻辑递进。评估体系以‘计算硬核度’著称：包含针对矩阵变换手算的每周 Lab、一个要求对比不同算法在海量数据下执行效率的项目（Major Assignment，通常涉及图像压缩或网页排名算法实现）、以及一场强调算法推导、稳定性证明及收敛阶判定的期末综合大考。该课极其强调‘证明的无瑕疵性’。 适合人群 数学专业大三、或打算从事高级科研、计算物理的理工科生。必须具备极其扎实的 MATH2501 (线性代数) 基础。如果你想搞清楚‘为什么 Google 的搜索排名能秒级更新’、或者渴望在未来的 AI 底层优化中建立数理霸权，这门课是你的神功。建议每周投入 25 小时以上进行‘矩阵块’推演。