跳转至

数值分析:补充资源

经典教材

Trefethen & Bau — Numerical Linear Algebra

  • SIAM 出版,Stanford / MIT 数值分析课通用参考
  • 重点讲矩阵分解(QR、SVD、特征值)、迭代法(Krylov、Conjugate Gradient),写得极其优雅
  • 国内有中译本(陆金甫等译)

Heath — Scientific Computing: An Introductory Survey ★ 入门

Burden & Faires — Numerical Analysis

  • 国内本科最广泛使用的教材
  • 中文版被各大高校选用,有详尽习题解答

进阶课程

MIT 18.335: Introduction to Numerical Methods

中文课程

中科大《数值分析与算法》(陈艳萍)

西安交大《数值分析》(李乃成)

  • 国内 MOOC 平台广泛传播,讲解清楚

实战工具

  • NumPy / SciPy:Python 科学计算事实标准
  • Julia:专为科学计算设计,语法简洁,性能接近 C
  • MATLAB:工程界主流,内置 linsolve eig svd 等高性能实现
  • PETSc / SLEPc:大规模并行线性代数库,做 PDE 求解必备

学习资源汇总(PKUFlyingPig)

@PKUFlyingPig 在学习 MIT 18.330 时用到的所有资源和作业实现:

在 IC 中的应用

数值分析是工程仿真的底层引擎: - EDA:SPICE 仿真器内核就是稀疏矩阵 + 迭代求解器 - 电磁仿真:HFSS / CST 用有限元 + 共轭梯度 - 机器学习:神经网络训练本质是大规模非线性优化 - MEMS / 多物理场仿真:COMSOL 等工具的求解器都是数值方法 - 信号处理:FFT、滤波器设计的数值稳定性问题

不必把所有算法都“会推导”,但要知道每种工具背后的算法假设——例如什么矩阵适合直接法,什么适合迭代法,什么时候要用预条件子。这是分析仿真异常的关键。