数值分析 (Numerical Analysis)
数值分析（Numerical Analysis）是研究利用计算机求解数学问题数值近似解的理论与方法。它不仅是计算数学的核心，更是现代工程模拟、信号处理、机器学习及物理仿真的基石。
本板块致力于提供严谨且具工业美感的数值算法导引，强调理论误差估计与算法稳定性的闭环。
核心章节 (Core Chapters)
1. 多项式插值 (Polynomial Interpolation)
- Lagrange 插值与 Newton 插值：从基函数构造到差商递推，解决“过点”问题。
- 样条插值 (Spline Interpolation)：引入分段多项式与连续性约束，有效克服 Runge 现象。
- 误差估计：Rolle 定理在插值余项中的精妙应用。
2. 函数拟合 (Function Fitting)
- 最小二乘法 (Least Squares Method)：处理带噪声的数据，求解超定方程组的全局最优解。
- 正规方程组：从几何投影视角理解误差平方和最小化。
3. 数值积分 (Numerical Integration)
- Newton-Cotes 公式：从等距节点出发，构建代数精度驱动的求积准则。
- Romberg 算法：利用 Richardson 外推法实现精度的跃迁与收敛加速。
4. 非线性方程数值解 (Nonlinear Equations)
- 迭代法与 Newton 法：从二分法到切线法，探究非线性根搜索的高效路径。
- 收敛性分析：不动点迭代的压缩映射原理与收敛阶判定。
5. 线性方程组数值解 (Linear Systems)
- 直接法：LU 分解与 Cholesky：Gauss 消元、矩阵分解与直接求解策略。
- 迭代法：Jacobi 与 Gauss-Seidel：大规模稀疏系统的迭代求解与收敛性分析。
- 稳定性与条件数：数值稳定性分析与病态问题处理。
6. 常微分方程数值解 (ODE)
- 单步法：Euler 与 Runge-Kutta：从基本 Euler 到经典 RK4，精度与效率的平衡。
- 多步法：Adams 方法：利用历史信息提高计算效率的线性多步法。
- 稳定性与刚性问题：绝对稳定性分析与刚性方程的处理策略。
🛠️ 工业级工具与组件
✍️ 练习与实战 (Exercises)
每个章节均配套了深度练习，涵盖从手算推导到误差界估计的全流程：
- 数值分析专题练习库：包含 Lagrange 余项估计、最小二乘正规方程推导及复化 Simpson 公式应用。
学习建议：数值分析的学习不应止于公式背诵。建议读者在理解理论证明的基础上，尝试在 Python/MATLAB 中手动实现上述算法，观察不同阶数下的收敛性表现。