简介期末复习笔记围绕《科学与工程计算》熊春光版整理重点面向北理工自动化专业学生及需要掌握数值方法的学习者系统梳理解微分方程数值解的核心考点包括初值问题与边值条件、有限差分法、内部截断误差、基函数法与样条插值等。笔记为单文件PDF共1个文件压缩包大小约20MB便于打印或移动端随时翻阅。内容按章节展开从两点边值问题出发介绍等距划分、步长与节点、中心差商近似导数再到三次B样条插值、配置法构造代数方程组条理清晰适合期末突击与复盘。目前已有2756人学习可作为课堂讲义之外的高效复习补充帮助读者快速抓住数值计算重难点并理解公式推导过程。1. 《科学与工程计算》期末复习别把时间花在抄公式上期末前一周A同学拿着一叠《科学与工程计算》讲义问我公式都抄了一遍怎么一上模拟卷还是算不对。我翻了翻他的笔记公式没错错的是他不知道自己抄的方法在什么条件下能用、误差多大、算完怎么验算。这份期末复习笔记要做的不是罗列公式而是把误差分析、求根、线性方程组、插值、数值积分和常微分方程初值问题串成一条决策链拿到一题先判断该用哪类方法再确认收敛条件和步长最后用简单用例验算。适合正在准备期末考试的同学也适合工作后想快速找回数值方法边界的工程师。期末复习笔记的价值不在“全”而在“判断标准清楚、踩坑点明确”。2. 误差与稳定性数值方法里最容易被忽略的两个送分点2.1 截断误差与舍入误差一道题算出两个答案的真相我改作业时经常看到一种情况同一个积分两个人都用复化梯形公式结果在小数后第三位对不上。一个原因不是谁算错而是一个用了单精度、一个用了双精度更常见的原因是中间步骤舍入太多。科学计算和普通数学题的本质区别就在这里数学题追求精确解计算题追求的是“在机器精度和算法误差都可控的范围内的近似解”。截断误差来自方法本身。比如用泰勒展开计算 e^x只取前三项后面被丢掉的高阶项就是截断误差。它不是你算错而是用有限项近似无限过程付出的代价。方法阶数越高通常截断误差越小但计算量也越大。舍入误差来自机器存储的有限字长double 大约保留 15 到 16 位有效数字单次运算看不出问题多次累加、累乘之后就会积累。两类误差叠加之后最需要警惕的是“两个相近的数相减”。比如 x 很小时计算 x - sin(x)直接按公式算两个接近的数一减有效数字被大量吞掉。我一般会先做等价变形把 x - sin(x) 换成泰勒展开的首项 x³/6。这个小小的变形在期末考试里出现过不止一次属于典型的“公式没写错、结果却不对”。做题的时候可以按三步走第一步估算每一步的量级看有没有两个接近的大数相减第二步发现接近就做等价变形把减法换成乘法、除法或三角恒等式第三步中间过程保留 6 位以上有效数字最后再按题目要求取 3 到 4 位。很多同学把最后一步反过来做中间就四舍五入误差被放大了好几个数量级。提示考试手算中间过程只保留两位小数是这一类失分里最冤枉的原因。2.2 条件数与算法稳定性为什么换一种算法结果就完全不同条件数描述的是“问题本身”对扰动的敏感程度而不是算法好坏。一个条件数很大的问题即使算法再稳定输入数据稍微变一点解也会剧烈变化。教材里最经典的例子是希尔伯特矩阵阶数稍微高一点就病态严重考试不会让你手算条件数但会给你一个近似的病态矩阵问你是不是“数据稍微变一下解就完全变了”。看到这种描述直接往条件数上想。算法稳定性则是“算法本身”会不会把舍入误差放大。同一个数学问题换一种公式结果可能差很多。最常考的例子是一元二次方程的求根公式。考虑 x² - 100000x 1 0用标准求根公式算小根时分子是 -b √(b² - 4ac)两个接近的大数相减小根的有效数字几乎丢光。常见做法是先用公式算出大根 x₁再用根与系数的关系 x₂ c/(a·x₁) 得到小根这条路全程没有灾难性的减法。这里要分清楚两个概念问题病态是问题本身的属性换算法解决不了算法不稳定是算法实现的问题换公式可以修复。期末复习时看到“换一种算法结果更准”的选择题先找公式里有没有相近数相减看到“微小的扰动导致解的巨大变化”先判断是不是病态问题。把这两个概念放在一起复习比单独背定义有效得多因为它们总是成对出现在考题里。3. 非线性求根与线性方程组收敛条件比迭代格式更重要3.1 二分法、Newton法与弦截法收敛阶和放炮边界非线性方程求根是期末计算题的重灾区。很多同学把 Newton 法的迭代公式背得很熟却忽略了一个关键前提Newton 法是局部收敛的。所谓局部就是初始点必须落在根的“吸引域”内否则迭代可能振荡甚至发散。考试不会明着告诉你“这里要局部收敛”而是给你一个离根很远的初始点看你会不会硬套公式。二分法是最保底的方案。条件是函数连续且区间端点函数值异号每迭代一次区间长度减半第 n 步后的区间长度是 (b-a)/2ⁿ。考试常考“迭代多少次才能达到精度 ε”直接用 n log₂((b-a)/ε) 反推。二分法优点是无脑且保证收敛缺点是线性收敛速度慢适合用来给其他方法找好的初始点。Newton 法的迭代格式是 x_{n1} x_n - f(x_n)/f(x_n)在单根附近是二阶收敛。使用前要检查两件事初始点是否离根足够近以及 f(x_n) 是否远离零。如果初始点附近函数比较平坦导数接近零迭代就会“放炮”。实在不想踩这个坑就用弦截法x_{n1} x_n - f(x_n)(x_n - x_{n-1})/(f(x_n) - f(x_{n-1}))它不需要求导数收敛阶约 1.618只需要两个初始点。方法是否保证收敛收敛阶是否需求导适用场景二分法保证1线性否区间端点异号先缩小范围Newton 法局部保证2二阶是初始点离根近导数不接近零弦截法局部保证约 1.618否导数难求有两个初始点做题的时候我一般先画个大概草图或者用两步二分法把解限制在一个小区间里再切换 Newton 法加速。停止条件要同时看两个|x_{n1} - x_n| ε 和 |f(x_n)| ε。考试通常只让你迭代两三步迭代完拿这两个条件判断一下即可不需要真的算到完全收敛。3.2 高斯消去与迭代解法选主元、谱半径、对角占优线性方程组的直接解法考试重点不在消元过程而在选主元。顺序消元遇到主元接近零时乘数会非常大舍入误差被成倍放大。看到主元是 0.0001 这种量级先做行交换把当前列绝对值最大的元素换到对角线上再继续消元这是手算拿分的基本功。迭代法的核心不是背 Jacobi 或 Gauss-Seidel 的迭代公式而是判断迭代是否收敛。Jacobi 迭代和 Gauss-Seidel 迭代的区别只有一个字Gauss-Seidel 每算出一个新分量马上用它更新后续分量Jacobi 则等整轮算完再统一替换。实际考试中题目给你一个具体矩阵第一问往往是“判断迭代法是否收敛”。判断收敛性按顺序查三条。第一条看矩阵是否严格对角占优每一行对角元素的绝对值大于该行其余元素绝对值之和。如果是直接回答收敛这是最省时间的路径。第二条算迭代矩阵 B 的谱半径 ρ(B)小于 1 是收敛的充要条件。第三条如果算不出谱半径可以检查 B 的某一种范数是否小于 1小于 1 也能判断收敛但只是充分条件。需要特别注意的是严格对角占优只是充分条件不满足不代表一定发散。有些矩阵虽然不是对角占优但谱半径小于 1迭代依然收敛。反过来Jacobi 收敛时 Gauss-Seidel 不一定收敛反之亦然不能凭感觉互相推断。遇到 SOR 方法记住松弛因子 ω 必须在区间 (0, 2) 内题目多半考这个范围。4. 插值、数值积分与ODE初值问题抓住误差阶就抓住了主线4.1 Lagrange/Newton插值Runge现象与分段低次插值这一章先记一句话n1 个互异节点唯一确定一个不超过 n 次的插值多项式Lagrange 形式和 Newton 形式只是两种等价写法。考试最常见的题型是给你三个点求二次插值多项式。算完以后验算方法很简单把三个节点分别代回插值多项式结果必须等于对应的函数值不等就是算错了。Lagrange 插值的好处是结构清晰每一项都是基函数乘以函数值缺点是增加一个节点后所有基函数都要重算。Newton 插值用差商表增加节点时只需要多算一列手算更方便。实际手算中我建议用差商表不容易漏项。Runge 现象是插值这章最容易考的概念在等距节点下高次插值多项式在区间端点附近会出现剧烈振荡节点越多振荡未必越小。经典的例子是 f(x) 1/(1x²) 在 [-5, 5] 上做等距高次插值端点附近数值完全失控。解决办法是分段低次插值把整个区间切成若干小段每段用低次多项式避免全局高次。余项公式 R_n(x) f^{(n1)}(ξ)/(n1)! · ∏(x-x_i) 也是考点记忆诀窍是和泰勒展开的余项类比n 次插值余项里是 n1 阶导数。特别地如果被插函数本身是 n 次多项式那么 n1 阶导为零插值多项式就是原函数本身这个性质可以用来检查自己对余项公式的理解有没有偏差。4.2 复化求积公式代数精度与步长h怎么选数值积分这一节最容易被忽略但最常考的概念是代数精度。梯形公式对一次多项式精确代数精度是 1Simpson 公式对三次多项式精确代数精度是 3。为什么 Simpson 只比梯形多了一个中点代数精度却从 1 跳到 3因为 Simpson 可以看成对被积函数在三个点上做二次插值再积分而二次插值的余项正好在一定条件下消失。基本公式要背熟梯形公式是 (b-a)/2 · (f(a) f(b))Simpson 公式是 (b-a)/6 · (f(a) 4f((ab)/2) f(b))。但考试真正考得多的不是基本公式而是复化形式。复化梯形把区间分成 n 等份T_n h/2 · (f(a) f(b) 2∑_{i1}^{n-1} f(aih))误差阶是 O(h²)复化 Simpson 则要求 n 为偶数S_n h/3 · (f(a) f(b) 4∑_{奇数点} f 2∑_{偶数点} f)误差阶是 O(h⁴)。选步长 h 的方法是用误差阶反推。比如复化梯形要达到精度 ε先用 |f| 在区间上的最大值 M₂ 估计误差上界 (b-a)/12 · h² · M₂再解出 h 和 n。考试时如果题目没有明说用多细的网格那就先写出误差阶再根据精度要求确定 n不要随便取一个 n 就算。需要反复强调的是普通梯形公式和复化梯形公式的区别不是写不写求和号而是用不用网格。数据点只有两个用基本公式数据点很多必须写复化形式。很多同学拿着基本 Simpson 公式去套一整段变化剧烈的函数结果误差巨大这不是公式错而是使用条件搞错了。4.3 ODE初值问题Euler法与RK4的步长坑常微分方程初值问题的数值解本质上就是把微分方程离散成一步步递推。考试最常见的是给定 y f(x, y)、y(x₀) y₀要求用 Euler 法算两步或者用经典 RK4 算一步。Euler 法是最简单的格式y_{n1} y_n h·f(x_n, y_n)全局误差是一阶 O(h)。优点是好写、好算缺点是精度低而且对所谓“刚性”的方程即使 h 看似不大显式 Euler 也可能产生振荡甚至发散。改进 Euler 法也叫预测-校正法先预测一个值再算校正预测 y_{n1}^{(0)} y_n h·f(x_n, y_n)校正 y_{n1} y_n h/2·(f(x_n, y_n) f(x_{n1}, y_{n1}^{(0)}))全局误差提升到二阶 O(h²)。RK4 是考试手算的“重头戏”公式长但结构规整四个斜率 k₁、k₂、k₃、k₄前面两个在区间中点取样最后一个在右端点取样最后加权平均。k₁ f(x_n, y_n)k₂ f(x_n h/2, y_n h/2·k₁)k₃ f(x_n h/2, y_n h/2·k₂)k₄ f(x_n h, y_n h·k₃)然后 y_{n1} y_n h/6·(k₁ 2k₂ 2k₃ k₄)。步长 h 的选择是这节真正的坑。h 太大截断误差明显h 太小计算步数增多舍入误差开始积累。我一般先根据解的变化速率估算一个初始 h算完一步后再加密网格对比一次如果两次结果在小数后要求位数上不一致说明 h 不够小。考试中如果题目给了具体 h就按给定值算算完后用解的解析趋势做个量级检查比如 y 随时间增长还是衰减、增长速率是否合理防止计算中出现量级错误。5. 期末复习避坑指南五个最容易翻车的考场细节5.1 Newton法迭代两步就飞初始点踩中了导数零点现象用 Newton 法解 f(x) x³ - 3x 时取初始点 x₀ 1第一次迭代就出现除零换成 x₀ 0.9迭代两步后发现数值不但没接近根反而跳到了很远的地方。原因Newton 法的分母是 f(x_n)。当初始点或迭代点落在驻点附近时f(x_n) 接近零增量 f(x_n)/f(x_n) 变成一个大数迭代轨迹直接被弹飞。这不是公式记错而是初始点选择不当。解决先画草图或做两步二分法把根限制在一个较小的区间内同时观察该区间内导数是否远离零。如果函数在根附近本身就比较平坦干脆改用弦截法不需要求导分母是两个函数值的差情形完全不同。期末复习时把这三种求根方法放在一张表里对比考场上就不会硬套 Newton。5.2 Simpson公式算得不如梯形多半是没用复化形式现象对一段变化陡峭的曲线做数值积分直接用基本 Simpson 公式算误差比复化梯形还大于是怀疑自己把公式记反了。原因基本 Simpson 公式只适用于一个区间上的三个点本质上是用一条抛物线覆盖整个积分区间。如果被积函数在区间内波动明显单条抛物线当然拟合不好。复化 Simpson 是把区间切成很多小段每一段上再用 Simpson 公式这才有 O(h⁴) 的精度。解决先数题目给了几个数据点。只有三个点用基本 Simpson数据点多必须写复化 Simpson并且 n 必须是偶数。如果碰到奇数 n最稳妥的做法是补一个子区间或者退回复化梯形公式计算不要为了形式漂亮强行用 Simpson。做题时先判断“这是单区间还是复化”再决定写哪个公式。5.3 复化梯形误差估计总差一个系数先写误差阶再代入现象复化梯形的误差估计是 (b-a)/12 · h² · M₂但考场上经常把 M₂ 当成某个具体点的 |f| 值或者把 h² 误写成 h³导致最终精度估计量级完全错误。原因只背了公式的轮廓没有按“误差阶 系数 导数最大值”这个结构去记。M₂ 是区间上 |f| 的最大值不是某一点的值这两个概念考试时会特意混淆。解决做题时先写下“误差是 O(h²)”再补充完整不等式最后再代入 h 和 M₂。一个自检技巧对一次函数f 恒为零梯形公式应当精确成立所以误差项里必然含 f。这个检查能帮你快速发现系数张冠李戴的问题。同理Simpson 公式对三次函数精确误差项里含的是 f⁴用这个规律可以检验复化 Simpson 的误差阶有没有记对。5.4 迭代法不收敛先查对角占优和谱半径现象用 Gauss-Seidel 迭代解一个三阶线性方程组迭代了十几步之后数值在某个范围来回振荡始终不收敛考场上以为是题目数据出错了。原因迭代法不是对任何矩阵都收敛使用之前必须先做收敛性判断。有些矩阵 Jacobi 收敛但 Gauss-Seidel 不收敛有些则相反不能凭经验猜。解决按顺序查三条先看矩阵是否严格对角占优是就直接判断收敛不是就写迭代矩阵 B算谱半径 ρ(B)谱半径不好算时退而求其次看 B 的某一种范数是否小于 1。考试中如果只要求判断第一招最快如果题目要求你用迭代法求解先用第一招确认收敛再动手算避免浪费整页草稿纸。5.5 有效数字被吞两个相近大数相减前先变形现象手算时出现 100000 与 99998.7 相减得到 1.3后续计算全乱或者中间步骤只保留三位小数最终答案误差接近 10%。原因两个接近的数相减会消去前面若干位有效数字剩下的位数量级远小于原始数据舍入误差占比被大幅放大。中间步骤过早舍入会让这个误差进一步加剧。解决凡是发现两个数在相减且它们的前三位有效数字相同先停下来找等价变形。二次方程求根、x - sin(x)、1 - cos(x) 这类场景都有标准的变形手段。中间过程至少保留到第 6 位有效数字最终结果再按题目要求取位。养成这个习惯整张卷子的手算可信度都会明显提升。6. 一张能带进考场的速查卡把方法压成五列表格6.1 速查卡的格式与内容组织我一般会在 A4 纸的一面上画一个五列表格行是算法列是公式、适用条件、误差阶、易错点。考前只看这张卡不翻书。它的价值不是替你算出结果而是让你快速判断“这道题该用哪个方法、结果应该精确到几位、算完拿什么标准检查”。算法核心公式适用条件误差阶易错点二分法区间逐步减半端点函数值异号O(1/2ⁿ)迭代次数用对数反推Newton 法x_{n1} x_n - f/f单根附近f 不接近零二阶初始点别选在驻点附近复化梯形h/2(f₀ fₙ 2Σ内部点)网格均匀O(h²)误差里是 f 的最大值复化 Simpsonh/3(f₀ fₙ 4Σ奇 2Σ偶)n 为偶数O(h⁴)奇数 n 先补点Euler 显式y_{n1} y_n h fh 足够小一阶刚性方程慎用RK4四个 k 加权平均步长适中四阶每一步都要验数量级6.2 用最小数值实验自检每个公式每个方法挑一个能口算的验证用例。牛顿法解 x² 2取 x₀ 1迭代两到三次应该得到 1.4142复化 Simpson 计算 ∫₀¹ x³ dx用 n 2 应该精确等于 1/4RK4 解 y y、y(0) 1取 h 0.1算一步应该约等于 1.10517。把这三个结果写在草稿纸角落考试中一旦某个中间值和这些已知结果差了好几个量级立刻知道哪一步出了问题。我当年复习这门课时把大量时间花在抄公式上忽略了收敛条件和误差阶结果考场第一道 Newton 法的题就卡住。后来才明白这门课的重点不是会背多少公式而是知道每个公式在什么条件下敢用、算完拿什么标准检验。把这些判断标准做成卡片反复过一遍比抄整本笔记管用得多。希望帮到你。本文还有配套的精品资源点击获取