Explore la complexité des calculs matriciels, en se concentrant sur la résolution des problèmes des moindres carrés et l'impact du bruit sur la stabilité numérique.
Explore les systèmes linéaires, couvrant les méthodes directes et itératives pour les résoudre en mettant l'accent sur les erreurs d'arrondi et l'algorithme de Richardson.
Couvre les bases de l'analyse numérique, y compris le calcul adaptatif des caractéristiques, l'analyse résiduelle et l'importance des problèmes bien posés.
Explore la sensibilité des solutions dans les méthodes numériques, y compris les systèmes linéaires et les normes matricielles, avec un exemple de débluring images.
Couvre les méthodes itératives pour résoudre les systèmes linéaires déquations et discute des propriétés de convergence des méthodes comme la méthode de Richardson.
Explique les critères de convergence et les choix optimaux pour la méthode d'itération Richardson, y compris l'estimation des erreurs et le conditionnement matriciel.
Explore des méthodes directes et itératives pour résoudre des équations linéaires, en mettant l'accent sur les matrices symétriques et le coût de calcul.
