“计算科学与信息工程中的数值线性代数 (NLA)”课程
venkovic.github.io/NLA-for-CS-and-IE.html
慕尼黑工业大学Nicolas Venkovic老师的课.
传统的线性代数方法（如高斯消元、克拉默法则）在解决大规模、实际问题时存在局限，如计算不可行、数值不稳定（导致严重误差）、无法有效处理特殊矩阵结构（如稀疏性）。NLA 旨在提供高效且稳定的算法来解决这些具有挑战性的现实问题。
NLA 主要关注什么？
✨大规模线性代数问题的高效算法。
✨保持数值稳定性和精度的方法。
✨利用矩阵的特殊结构（稀疏性、对称性、低秩等）进行加速。
✨无矩阵（Matrix-free）方法（适用于算子形式）。
✨误差分析和条件数。
✨理论（收敛性、稳定性）与实践相结合，并考虑计算机体系结构对性能的影响。
AI创造营
