简介《科学与工程计算》熊春光版期末复习笔记面向北理工自动化及相关专业学生系统梳理常微分方程数值解的核心方法包括初值/边值问题的定解条件、有限差分法、基函数法与三次样条插值并对比Lagrange插值在高次时出现的Runge现象适合期末备考与平时预习。资源共1个PDF文件大小20.04MB内容以公式推导、节点划分、步长选取、内部截断误差及矩阵求解等关键知识点为主便于打印或在电子设备上阅读。已有2767人学习过可见其对理解数值计算底层逻辑、应对考试题型具有较强实用性。笔记重点突出定解条件的建立、中心差商与中点差商的误差比较以及三次样条基函数的平移对称性可帮助读者快速搭建知识框架掌握将微分方程转化为代数方程组并利用迭代或线性代数方法求解的完整思路是自动化专业复习“科学与工程计算”时值得参考的浓缩资料。1. 复习科学与工程计算先建地图边值问题、抛物方程与稳定性三块拼图《科学与工程计算》期末复习最容易翻车的地方不是某个公式记不住而是不知道整门课的骨架是什么。梳理下来会发现这门课真正的主干只有三大块两点边值问题的数值解法、抛物方程的差分格式、以及贯穿始终的相容性—稳定性—收敛性理论。前两块是怎么算第三块是算得靠不靠谱。对自动化专业的人来说这门课是后续控制仿真、偏微分方程数值解的入场券期末复习如果只盯着公式背很容易在推导题和稳定性判断题上丢分。这篇笔记把这三大块按复习顺序拆开每个模块给出推导脉络、关键结论和容易踩的坑。2. 两点边值问题两条路线有限差分的矩阵化与基函数法的Runge现象2.1 定解条件是起点初值问题与边值问题的边界条件怎么区分两点边值问题这章的第一个考点往往不是算法而是概念定解条件到底是初始条件还是边界条件判断标准很简单——与时间有关的是初始条件与空间有关的是边界条件。初值问题给出某个时刻的状态函数值和导数边值问题则在求解区间的两端各给一个约束。二阶常微分方程做数值解时必须同时知道区间两端点的边界条件否则解不唯一。例如 y p(x)y q(x)y f(x)在区间 [a,b] 上第一类边界条件给 y(a) 和 y(b)第二类给 y(a) 和 y(b)第三类是两者线性组合。这个分类会在后面的数值格式构造里反复出现也是期末选择题的高频考点。问题类型条件形式典型场景初值问题y(t₀), y(t₀)常微分方程时间推进第一类边值问题y(a), y(b)杆的轴向变形第二类边值问题y(a), y(b)绝热边界传热第三类边值问题αy(a)βy(a)γ对流换热边界最容易混淆的是第二类和第三类边界条件第二类直接给导数第三类给的是函数和导数的线性组合。复习时先把这四种情况列成表再去看格式推导思路会顺很多。另一个易漏点是边值问题的适定性——不是随便给两个边界条件就有唯一解需要系数函数满足一定正则性条件这一点容易在简答题里被忽略。2.2 有限差分法的核心中心差商、内部截断误差与三对角方程组有限差分法的基本操作分三步等距剖分得到节点 xi 和步长 h用差商代替导数把微分方程在每个节点上写成代数方程。其中最关键的是导数近似方式的选择。教材里强调用中心差商近似二阶导数因为它在等步长下误差是 O(h²)比向前/向后差商的 O(h) 高一阶。用中心差商代入 y p(x)y q(x)y f(x)整理后得到每个内部节点的方程(y_{i-1} - 2y_i y_{i1}) / h² p_i (y_{i1} - y_{i-1}) / (2h) q_i y_i f_i这里忽略的高阶无穷小项称为内部截断误差Ri它是步长 h 的函数h 越小 Ri 越小但节点数增多、方程组规模变大。把 i 1 到 N-1 的方程写在一起再配上两个边界条件就得到一个三对角线性方程组 Au b。下面这段代码展示了如何用 Python 直接组装系数矩阵import numpy as np def build_2nd_bvp_matrix(N, h, p_func, q_func): 组装两点边值问题 -y p(x)y q(x)y f 的差分矩阵 N: 区间 [0,1] 内部节点数, h: 步长 1/(N1) 返回三对角矩阵 A含边界行 A np.zeros((N2, N2)) # 左端点第一类边界: y(0) alpha - 直接赋值 A[0, 0] 1.0 # 内部节点: 用中心差商近似一阶和二阶导数 for i in range(1, N1): x i * h A[i, i-1] 1/h**2 - p_func(x)/(2*h) # y_{i-1} 的系数 A[i, i] -2/h**2 q_func(x) # y_i 的系数 A[i, i1] 1/h**2 p_func(x)/(2*h) # y_{i1} 的系数 # 右端点第一类边界: y(1) beta A[N1, N1] 1.0 return A代码里三个对角上的系数分别来自二阶导数项、一阶导数项和零阶项边界行单独处理。实际求解时调用np.linalg.solve即可但考试要求的是能默写这个三对角结构尤其是 p(x) ≠ 0 时上对角线不再是 -1/h²多了 p/(2h) 的修正这是很容易写错的细节。提示p(x) ≠ 0 时矩阵不对称不能用共轭梯度法直接求解p(x) ≡ 0 时矩阵对称正定理论性质好很多。做题前先看原方程有没有一阶导数项。2.3 基函数法Lagrange插值的高次振荡与三次B样条的连续性优势有限差分法是在节点上用差商逼近导数基函数法则走另一条路先假设解的形式 û(x) Σ ak φk(x)把问题转化为求系数 ak。教材里重点比较了两类基函数。多项式插值型选 φk x^k即 N 次 Lagrange 插值。它的优点是形式简单缺点是高次多项式会出现 Runge 现象节点数增加时插值多项式在区间端点附近剧烈振荡误差反而增大。这是数值计算里一个经典的反直觉结论也是期末选择题的高频考点——千万别以为节点越多精度一定越高。样条插值型则用分段多项式常用三次 B 样条作为基函数。三次 B 样条的每个基函数在支撑区间内二阶连续可导恰好满足二阶常微分方程对插值函数的光滑性要求。它的一个重要性质是图形对称且不同节点的基函数可以通过平移互相得到每个基函数的最大值为 1支撑区间只覆盖三个相邻小区间。代入 û Σ ak Bk(x) 后由于 B 样条的局部支撑性每个方程只涉及相邻的几个系数最终得到的代数方程组也是窄带宽的。这里要理清一个容易懵的地方基函数法中配置点和节点是两个概念。节点决定基函数的形状配置点决定残差在哪些位置被强制为零。选三次 B 样条做基函数、节点处的样条点做配置点时边界条件还可以用来消去虚拟未知量 a₋₁ 和 aₙ₊₁这是把方程组从 N3 个未知量压回 N1 个的关键步骤。2.4 配置法与最小二乘法残差思想下的两种「打分」策略同样是基函数法怎么确定系数 ak教材给出了两种判据。配置法要求残差在选定的配置点上恰好为零R(xi) 0。实现简单但只保证有限个点上的残差为零整体误差不一定小。最小二乘法则要求残差的平方积分最小min ∫ R² dx通过多元函数求极值得到正规方程整体上更公平但计算量更大。教材里的例子值得亲手推一遍用 û a₀ a₁x a₂x² 解 y y x 配合第一类边界条件。两个边界条件已经确定 a₀、a₁、a₂ 中的一个关系剩下一个自由参数配置法只需要取区间中点 x 1/2 作为配置点令 R(1/2) 0 即可最小二乘法则要对 ∫ R² dx 关于未知系数求偏导。两者的结果不同但都在逼近真解。这个例子揭示了两种方法的本质区别配置法追求局部精确最小二乘法追求整体最优。期末如果考简答题把这两句话写出来再配上例子里的方程数判断有几个自由未知量就需要几个配置点或几个正规方程基本能拿全分。另一个值得注意的细节是配置法和最小二乘法的系数矩阵都不一定是对称的配置法尤其依赖配置点的选取选得不好会导致方程组病态。3. 抛物方程三种古典格式显式稳定性门槛、隐式无条件稳定与Richardson的坑3.1 前置工具差分定义、网格剖分与两类节点抛物方程这章从热传导方程 ut a uxx f(x,t) 出发。差分格式的构造依赖两类工具Taylor 展开和差商定义。向前差商、向后差商、中心差商分别有不同精度二阶中心差商则是 (u(xh) - 2u(x) u(x-h)) / h²。网格剖分时x 方向步长记 ht 方向步长记 τ节点记为 (xj, tk)u_j^k 表示数值解u(xj, tk) 表示真解。剖分后节点分成内点和边界点。正则内点是指该点四个方向的相邻网格点都在求解区域内的点非正则内点则靠近边界差分模板需要特殊处理。这个区分在后面构造格式时很重要因为非正则内点上不能直接套用标准差分模板。另外还要区分边界条件和初始条件的离散方式——初始条件直接逐点赋值边界条件则要根据具体类型单独写方程两者混在一起是初学阶段最常犯的错。3.2 最简显式格式向前差商 中心差商稳定条件是 r ≤ 1/2最简显式格式也叫向前差分格式的思路是时间方向用一阶向前差商空间方向用二阶中心差商。把 u(xj, t_{k1}) 在 (xj, tk) 处做 Taylor 展开整理后得到u_j^{k1} r u_{j-1}^k (1 - 2r) u_j^k r u_{j1}^k τ f_j^k其中 r a τ / h² 称为网格比。这个格式的显著优点是显式递推已知第 k 层所有节点值直接逐点算出第 k1 层。缺点是稳定性受网格比限制教材通过数值实验说明r 1/2 时数值解出现振荡r ≤ 1/2 时才稳定。这个 1/2 门槛是期末必考的临界值。局部截断误差的主项来自时间方向的一阶向前差商整体为 O(τ h²)时间精度只有一阶。这意味着想要提高时间精度单纯加密时间网格的收益是线性的而且会推高计算量所以实际中显式格式常用于网格比不大、对时间精度要求不高的场景。还有一个容易被忽略的点显式格式三个系数 r、1-2r、r 加起来等于 1这个性质保证了常数解在无源项时能精确保持也是检查公式是否写错的一个快速方法。3.3 最简隐式格式向后差商 中心差商无条件稳定的代价是解方程组最简隐式格式把时间方向改为向后差商得到的离散方程中第 k1 层的三个节点值同时出现- r u_{j-1}^{k1} (1 2r) u_j^{k1} - r u_{j1}^{k1} u_j^k τ f_j^{k1}每推进一步都要解一个三对角线性方程组。不过这个代价换来的是无条件稳定无论网格比 r 取多大格式都不会振荡发散误差不会随层数增长而失控。在 Fourier 分析中隐式格式的增长因子 G 1 / (1 4r sin²(ωh/2))对任意 r 0 都有 |G| ≤ 1。三对角方程组用 Thomas 算法求解计算量 O(N) 而不是 O(N³)所以隐式格式看起来要多解方程实际每步开销并不比显式格式高太多。代码实现时注意 Thomas 算法对对角占优的要求隐式格式的主对角元 1 2r 天然满足。def thomas_solve(r, N, d): Thomas 算法求解隐式格式的三对角方程 对角线: b_i 12r, 上/下对角线: c_i a_i -r d: 右端项, 由上一层 u^k 和源项组成 返回: 本层 u^{k1} 在内部节点上的值 import numpy as np n N - 1 a np.full(n, -r) # 下对角线 b np.full(n, 1 2*r) # 主对角线 c np.full(n, -r) # 上对角线 cp np.zeros(n) dp np.zeros(n) # 前向消去 cp[0] c[0] / b[0] dp[0] d[0] / b[0] for i in range(1, n): m b[i] - a[i] * cp[i-1] cp[i] c[i] / m dp[i] (d[i] - a[i] * dp[i-1]) / m # 回代 u np.zeros(n) u[-1] dp[-1] for i in range(n-2, -1, -1): u[i] dp[i] - cp[i] * u[i1] return u注意右端项 d 的构造是考试里容易丢分的点——隐式格式的源项 f 要取第 k1 层的值不是第 k 层。取错了格式的时间精度和稳定性分析结论全都不对。3.4 Richardson格式三层格式、二阶时间精度但恒不稳定如果想同时提高时间和空间精度一个自然的想法是时间方向改用中心差商。这样得到的 Richardson 格式是u_j^{k1} u_j^{k-1} 2r (u_{j-1}^k - 2u_j^k u_{j1}^k)它是三层格式需要用到 k-1、k、k1 三层的信息截断误差 O(τ² h²)精度上很漂亮。但 Fourier 分析会给出一个残酷结论无论 r 取多少增长因子都不满足 |G| ≤ 1格式恒不稳定。这意味着理论上精度再高实际计算也会因为误差逐层放大而完全不能用。三层格式还有一个额外的麻烦起步时需要知道第 0 层和第 1 层的值而第 1 层通常要用其他格式比如显式格式先推一步来提供这又引入了额外的误差。Richardson 格式在教材里的价值是作为反面教材精度高不等于可用稳定性是硬门槛。这个案例值得反复体会因为它解释了为什么隐式格式哪怕每步要解方程组仍然是实际计算的主流选择。3.5 三种格式对比何时用显式何时用隐式格式时间精度空间精度稳定性每步开销最简显式O(τ)O(h²)r ≤ 1/2 条件稳定O(N) 纯递推最简隐式O(τ)O(h²)无条件稳定O(N) 解三对角RichardsonO(τ²)O(h²)恒不稳定O(N) 需三层实际选择时网格比 r 是关键。如果题目给定的 h 和 τ 使得 r 远小于 1/2显式格式简单直观、实现最省事如果 r 较大或时间步长需要加大就只能用隐式格式。判断格式是否可用第一步永远是先算 r而不是先看精度阶数。这个决策顺序值得刻在脑子里先稳定性后精度最后才看实现成本。4. 稳定性三问Lax等价定理、Von Neumann条件与传播因子的完整推导4.1 适定性、相容性与稳定性的定义边界差分格式的分析围绕三个概念展开。适定性是原微分方程问题本身的属性解存在唯一且连续依赖初值——未来任一时刻的能量不能超过初始能量的常数倍。如果原问题不适定再好的差分格式也没有意义。相容性描述差分格式对微分方程的逼近程度当 h、τ 同时趋近于 0 时局部截断误差趋近于 0就说格式与微分方程相容。稳定性描述误差的传播按范数考察齐次方程的解如果初值误差在所有时间层上被常数控制则称格式关于初值稳定。教材还证明了关于右端项源项的稳定性可以归结为初值稳定性所以后面讨论稳定性时都只看齐次方程。这是一个重要的简化——做题时先把非齐次项置零只分析齐次格式结论对非齐次情况依然成立。这三个概念是递进关系先有适定的原问题再要求格式相容再要求格式稳定最后才能得到收敛。复习时建议画一条逻辑链适定 → 相容 → 稳定 → 收敛每一步都有严格定义和定理支撑简答题按这条链展开不容易漏点。特别提醒相容性一定要求 h 和 τ同时趋于 0只让其中一个趋于 0 而固定另一个不算相容。4.2 Lax等价定理相容 稳定 收敛的适用边界Lax 等价定理是这章的核心定理对一个适定的线性初值问题差分格式收敛当且仅当它既相容又稳定。用公式说就是收敛性 ⇔ 相容性 稳定性。定理的价值在于把解的收敛这个难以直接验证的性质拆成两个可以分别验证的性质。但定理有条件限制它要求问题是线性的初值问题且边界条件通常是周期边界或初值问题型的。对非线性问题或对边值问题的差分格式等价关系不一定成立只能作为参考。期末如果考判断题陷阱往往就在这里——题目会故意把 Lax 等价定理推广到非线性问题然后问你是不是对的。此外定解问题的适定性也是前提如果原问题本身不适定讨论格式的收敛性没有意义。注意Lax 等价定理说的是收敛与相容稳定等价不是与稳定单独等价。少了相容性这一条格式再稳定也收敛不到真解因为离散方程逼近的根本不是原来的微分方程。4.3 Fourier分析实战传播因子的推导与Von Neumann条件的三种用法Von Neumann 稳定性分析是把差分格式的解分解为 Fourier 模式 e^{iωjh}看每个模式在时间推进中的放大倍数。方法步骤可归纳为四步令 u_j^k v^k e^{iωjh}代入齐次差分格式消去公共因子解出增长因子传播因子 G(ω,h,τ) v^{k1}/v^k求 |G| 关于 ω 的最大值判断是否存在正常数 M 使 |G| ≤ 1 Mτ或直接 |G| ≤ 1对所有 ω 成立这就是Von Neumann 条件。以最简显式格式为例代入后 G 1 - 4r sin²(ωh/2)当 r ≤ 1/2 时对任意 ω 有 1 - 4r sin² 在 [-1, 1] 范围内|G| ≤ 1r 1/2 时当 ωh 接近 πsin² 接近 1G -1|G| 1格式不稳定。隐式格式则 G 1 / (1 4r sin²(ωh/2))分母恒大于 1|G| 1 无条件成立。这两条推导是考试中的送分题但前提是你能默写出代入 Fourier 模式的完整过程而不是只背结论。# 用数值扫描验证三种格式的增长因子是否满足 Von Neumann 条件 import numpy as np def check_von_neumann(r, scheme): 对网格比 r 和格式 scheme 扫描所有频率模式 scheme: explicit / implicit / richardson theta np.linspace(0, 2*np.pi, 10000) sin2 np.sin(theta/2)**2 if scheme explicit: G 1 - 4*r*sin2 elif scheme implicit: G 1 / (1 4*r*sin2) elif scheme richardson: # 三层格式: 化为两层格式组后求传播矩阵特征值 # 需满足 |lambda_1,2| 1, 这里直接算特征多项式判别式 disc (2 - 8*r*sin2)**2 - 4 max_abs np.sqrt(2 np.abs(disc)) # 特征值模的近似上界 return np.max(max_abs) 1.001 max_abs_G np.max(np.abs(G)) return max_abs_G 1.001, max_abs_G for r in [0.4, 0.6, 1.0]: ok_ex, maxG check_von_neumann(r, explicit) ok_im, _ check_von_neumann(r, implicit) print(fr{r}: 显式稳定{ok_ex} (|G|max{maxG:.3f}), 隐式稳定{ok_im})运行结果会看到 r 0.6 时显式格式的 |G|max 超过 1而隐式格式始终小于 1。实际考试中不会要求手算扫描但要能默写关键结论显式格式的临界网格比是 1/2隐式格式无条件稳定。另外Von Neumann 条件通常只要求 |G| ≤ 1 Mτ 而不是严格的 |G| ≤ 1这个松弛是为了容纳某些弱不稳定格式的中间分析步骤但期末范围内直接按 |G| ≤ 1 判断就够用。提示Von Neumann 条件是稳定性的必要条件只有当传播矩阵可对角化、特征值没有重根问题时才是充分条件。如果特征值有重根即使所有特征值模都小于 1解也可能因 Jordan 块而多项式增长。教材里 Richardson 格式的讨论就涉及这个细节——通过补一个恒等式把三层格式写成两层格式组再考察传播矩阵的特征值。4.4 三层格式的两层化为什么Richardson需要传播矩阵而不是单个增长因子Richardson 格式是三层格式无法直接套用两层格式的增长因子理论。处理方法是补一个恒等式 u_j^k u_j^k把三层格式改写为两层格式组v^{k1} G v^k其中 v [u^k, u^{k-1}]^TG 是 2×2 传播矩阵。然后通过求 G 的特征多项式 |λI - G| 0 得到特征值 λ再判断特征值的最大模是否满足 Von Neumann 条件。对 Richardson 格式特征值为 λ 2 - 8r sin²(ωh/2) ± ...无论 r 取何值总存在某些频率使特征值模大于 1因此恒不稳定。这个推导是考试的难点但掌握了套路后其实很机械先补恒等式 → 写出矩阵 → 求特征多项式 → 分析最大特征值模。这个三层变两层的技巧不仅用于稳定性分析也提示了自己实现三层格式时的注意事项第一层k1必须先用其他格式计算且计算格式的选择会影响整体精度和稳定性表现这也是复习时容易忽略的工程细节。另一个值得注意的点是传播矩阵的特征值出现重根时需要检查是否可对角化教材里强调了若 G 有 n 个不同特征值V on Neumann 条件是充分条件也就是在特征值互不相同的前提下可以直接用若有重根稳定性结论要打折扣。这个细节判断题经常考。5. 易漏易错五连截断误差主项、虚拟未知量与初值层的处理复习了两轮之后我发现丢分点往往集中在几个你以为会了但其实没注意到的地方这里按易漏点的形式逐一拆解。5.1 易漏点截断误差的主项到底是什么易漏点 → 为什么漏大多数复习只记截断误差是 O(h²)忽略了考试常考的是主项的具体表达式。比如最简显式格式的局部截断误差主项含 utt而不是 uxx——因为时间方向用的是向前差商误差来自二阶时间导数项。更容易错的是主项前还有系数比如 1/2 或 1/12简答题如果要求写出截断误差主项漏了系数会扣一半分。怎么补推导一遍 Taylor 展开把截断误差写成 R C1 τ utt C2 h² uxxxx ... 的形式标出哪一项来自时间离散、哪一项来自空间离散。这样考试给出具体格式时能快速判断主导误差是时间误差还是空间误差。一个实用的口诀是时间方向用什么差商主项就来自对应阶数的导数。5.2 易漏点显式格式计算第 1 层时的源项取值易漏点 → 为什么漏看公式时注意 u_j^{k1} r u_{j-1}^k (1-2r)u_j^k r u_{j1}^k τ f_j^k源项取的是第 k 层的 f_j^k。但很多人在写程序或做题时惯性把 f 全部取成当前层导致第 1 层就有偏差。这个问题在隐式格式里方向相反——隐式格式的源项取第 k1 层。两种格式的差别是考试中阴魂不散的存在。怎么补把当前层/下一层的标记写在公式上方显式格式 f 用当前层隐式格式 f 用下一层。这个细节在验证格式精度时作用非常明显取错层数理论上的 O(τ h²) 会直接退化。5.3 易漏点三层格式的初值层怎么来易漏点 → 为什么漏Richardson 格式是三层格式需要 u^{-1}、u⁰ 两层才能启动。教材推导里默认第 0 层已知但 u^{-1} 并没有给定实际处理必须先用其他格式推一步算出 u^{-1}或等价地先算 u¹这个启动层的半程步骤最容易在复习清单里被遗忘。更隐蔽的是启动格式的选择会影响整体精度——如果用低精度格式启动会污染后续所有层的精度。怎么补凡是遇到三层格式先把启动方案写下来——通常先用最简显式格式按 r/2 或 r 推一步作为第 1 层再进入三层主循环。这样不仅程序能跑通稳定性分析也更符合实际。考试如果出现三层格式第一步就写需要先用两层格式提供第二层初值这句话本身就是得分点。5.4 易漏点基函数法中边界条件消去虚拟未知量的方向易漏点 → 为什么漏三次 B 样条基函数在边界附近会引入支撑区间外的虚拟节点 a₋₁ 和 aₙ₊₁求解时需要利用边界条件把它们消掉。教材里强调第 1 个方程和第 N1 个方程中的虚拟未知量可以被消去但很多人只记得结论不记得操作。更麻烦的是不同类型边界条件的消元方式不一样第一类边界直接把边界值代入第二类边界要对样条函数求导后再代入这个区别考试经常考。怎么补以第一类边界条件为例把边值代入 û(x) 的表达式得到关于 a₋₁、a₀、a₁ 的关系式解出 a₋₁ 用 a₀、a₁ 表示后回代到配置方程。动手在草稿纸上推一遍比背十遍结论都管用。第二类边界条件同理只是先把 û(x) 写出来再代入。5.5 易漏点Von Neumann 条件的重根陷阱易漏点 → 为什么漏Von Neumann 条件 |λ| ≤ 1 在大多数教材推导里都是充分条件但严格说法是如果传播矩阵有重特征值即使所有 |λ| ≤ 1解也可能因为 Jordan 块出现多项式增长最终不稳定。这个细节通常只出现在定理的脚注里复习时直接跳过。实际上当传播矩阵不可对角化时即使特征值模严格小于 1也可能出现缓慢的多项式增长只是增长速度和指数型相比容易被掩盖。怎么补记住结论即可——判断稳定性先看特征值是否可对角化如果特征值有重根需要额外检查 Jordan 块的阶数。考试一般不会让手算 Jordan 标准型但判断题如果出现特征值模都不超过 1 就能保证稳定答案应该是错误。6. 考前查漏清单公式表、网格比速判与两小时冲刺法到了考前最后两天不建议再从头翻教材而是用下面这张清单逐项自检。每一条如果能在不翻书的情况下白纸推导一遍说明这个模块过关了。模块必须能默写的内容达标标准定解条件初值/边值判断、三类边界条件表达式给一个方程能立刻说出需要几个什么条件有限差分法中心差商公式、三对角矩阵的系数能写出含 p(x) 时的三个对角线系数基函数法Lagrange 插值缺点、三次 B 样条性质、配置法与最小二乘的区别说出 Runge 现象的表现和成因显式格式递推公式、截断误差阶、r ≤ 1/2 的推导会代入 Fourier 模式算增长因子隐式格式三对角方程、Thomas 算法步骤、无条件稳定会解释为什么 G ≤ 1 恒成立Richardson三层格式的局限性、两层化的处理说清为什么精度高但不可用三大关系Lax 等价定理的内容和条件能指出定理不能用于非线性问题Von Neumann方法四步流程、重根陷阱会判断一个给定传播因子的格式是否稳定考前两小时的冲刺方法我自己的习惯是默写 反推先不看笔记把三种格式的公式和稳定条件默写在白纸上然后逐个反推——显式格式的稳定门槛为什么是 1/2因为 |1 - 4r sin²| ≤ 1 需要 4r ≤ 2。隐式为什么无条件稳定因为分母 1 4r sin² ≥ 1。Richardson 为什么恒不稳定因为传播矩阵的特征值总有一个模超过 1。这三句话想通了整章的稳定性内容就串起来了。这个复习方法是从一次模拟考试的翻车里总结出来的。当时我以为自己熟记了所有格式结果考了一道给出一个具体的 r 和 h判断格式是否稳定的题才发现自己只会背结论、不会算临界值。从那以后我每次复习这一章都强制自己走一遍抄公式 → 算增长因子 → 代 r 验证的流程不再直接背结论。希望这份梳理能帮你把科学计算的骨架搭起来考前少走弯路祝你复习顺利。本文还有配套的精品资源点击获取 
长河君 · 2026/10/24 1:01:16 · 阅读 1.2k 科学与工程计算复习：边值问题、抛物方程差分格式与稳定性分析
简介《科学与工程计算》熊春光版期末复习笔记面向北理工自动化及相关专业学生系统梳理常微分方程数值解的核心方法包括初值/边值问题的定解条件、有限差分法、基函数法与三次样条插值并对比Lagrange插值在高次时出现的Runge现象适合期末备考与平时预习。资源共1个PDF文件大小20.04MB内容以公式推导、节点划分、步长选取、内部截断误差及矩阵求解等关键知识点为主便于打印或在电子设备上阅读。已有2767人学习过可见其对理解数值计算底层逻辑、应对考试题型具有较强实用性。笔记重点突出定解条件的建立、中心差商与中点差商的误差比较以及三次样条基函数的平移对称性可帮助读者快速搭建知识框架掌握将微分方程转化为代数方程组并利用迭代或线性代数方法求解的完整思路是自动化专业复习“科学与工程计算”时值得参考的浓缩资料。1. 复习科学与工程计算先建地图边值问题、抛物方程与稳定性三块拼图《科学与工程计算》期末复习最容易翻车的地方不是某个公式记不住而是不知道整门课的骨架是什么。梳理下来会发现这门课真正的主干只有三大块两点边值问题的数值解法、抛物方程的差分格式、以及贯穿始终的相容性—稳定性—收敛性理论。前两块是怎么算第三块是算得靠不靠谱。对自动化专业的人来说这门课是后续控制仿真、偏微分方程数值解的入场券期末复习如果只盯着公式背很容易在推导题和稳定性判断题上丢分。这篇笔记把这三大块按复习顺序拆开每个模块给出推导脉络、关键结论和容易踩的坑。2. 两点边值问题两条路线有限差分的矩阵化与基函数法的Runge现象2.1 定解条件是起点初值问题与边值问题的边界条件怎么区分两点边值问题这章的第一个考点往往不是算法而是概念定解条件到底是初始条件还是边界条件判断标准很简单——与时间有关的是初始条件与空间有关的是边界条件。初值问题给出某个时刻的状态函数值和导数边值问题则在求解区间的两端各给一个约束。二阶常微分方程做数值解时必须同时知道区间两端点的边界条件否则解不唯一。例如 y p(x)y q(x)y f(x)在区间 [a,b] 上第一类边界条件给 y(a) 和 y(b)第二类给 y(a) 和 y(b)第三类是两者线性组合。这个分类会在后面的数值格式构造里反复出现也是期末选择题的高频考点。问题类型条件形式典型场景初值问题y(t₀), y(t₀)常微分方程时间推进第一类边值问题y(a), y(b)杆的轴向变形第二类边值问题y(a), y(b)绝热边界传热第三类边值问题αy(a)βy(a)γ对流换热边界最容易混淆的是第二类和第三类边界条件第二类直接给导数第三类给的是函数和导数的线性组合。复习时先把这四种情况列成表再去看格式推导思路会顺很多。另一个易漏点是边值问题的适定性——不是随便给两个边界条件就有唯一解需要系数函数满足一定正则性条件这一点容易在简答题里被忽略。2.2 有限差分法的核心中心差商、内部截断误差与三对角方程组有限差分法的基本操作分三步等距剖分得到节点 xi 和步长 h用差商代替导数把微分方程在每个节点上写成代数方程。其中最关键的是导数近似方式的选择。教材里强调用中心差商近似二阶导数因为它在等步长下误差是 O(h²)比向前/向后差商的 O(h) 高一阶。用中心差商代入 y p(x)y q(x)y f(x)整理后得到每个内部节点的方程(y_{i-1} - 2y_i y_{i1}) / h² p_i (y_{i1} - y_{i-1}) / (2h) q_i y_i f_i这里忽略的高阶无穷小项称为内部截断误差Ri它是步长 h 的函数h 越小 Ri 越小但节点数增多、方程组规模变大。把 i 1 到 N-1 的方程写在一起再配上两个边界条件就得到一个三对角线性方程组 Au b。下面这段代码展示了如何用 Python 直接组装系数矩阵import numpy as np def build_2nd_bvp_matrix(N, h, p_func, q_func): 组装两点边值问题 -y p(x)y q(x)y f 的差分矩阵 N: 区间 [0,1] 内部节点数, h: 步长 1/(N1) 返回三对角矩阵 A含边界行 A np.zeros((N2, N2)) # 左端点第一类边界: y(0) alpha - 直接赋值 A[0, 0] 1.0 # 内部节点: 用中心差商近似一阶和二阶导数 for i in range(1, N1): x i * h A[i, i-1] 1/h**2 - p_func(x)/(2*h) # y_{i-1} 的系数 A[i, i] -2/h**2 q_func(x) # y_i 的系数 A[i, i1] 1/h**2 p_func(x)/(2*h) # y_{i1} 的系数 # 右端点第一类边界: y(1) beta A[N1, N1] 1.0 return A代码里三个对角上的系数分别来自二阶导数项、一阶导数项和零阶项边界行单独处理。实际求解时调用np.linalg.solve即可但考试要求的是能默写这个三对角结构尤其是 p(x) ≠ 0 时上对角线不再是 -1/h²多了 p/(2h) 的修正这是很容易写错的细节。提示p(x) ≠ 0 时矩阵不对称不能用共轭梯度法直接求解p(x) ≡ 0 时矩阵对称正定理论性质好很多。做题前先看原方程有没有一阶导数项。2.3 基函数法Lagrange插值的高次振荡与三次B样条的连续性优势有限差分法是在节点上用差商逼近导数基函数法则走另一条路先假设解的形式 û(x) Σ ak φk(x)把问题转化为求系数 ak。教材里重点比较了两类基函数。多项式插值型选 φk x^k即 N 次 Lagrange 插值。它的优点是形式简单缺点是高次多项式会出现 Runge 现象节点数增加时插值多项式在区间端点附近剧烈振荡误差反而增大。这是数值计算里一个经典的反直觉结论也是期末选择题的高频考点——千万别以为节点越多精度一定越高。样条插值型则用分段多项式常用三次 B 样条作为基函数。三次 B 样条的每个基函数在支撑区间内二阶连续可导恰好满足二阶常微分方程对插值函数的光滑性要求。它的一个重要性质是图形对称且不同节点的基函数可以通过平移互相得到每个基函数的最大值为 1支撑区间只覆盖三个相邻小区间。代入 û Σ ak Bk(x) 后由于 B 样条的局部支撑性每个方程只涉及相邻的几个系数最终得到的代数方程组也是窄带宽的。这里要理清一个容易懵的地方基函数法中配置点和节点是两个概念。节点决定基函数的形状配置点决定残差在哪些位置被强制为零。选三次 B 样条做基函数、节点处的样条点做配置点时边界条件还可以用来消去虚拟未知量 a₋₁ 和 aₙ₊₁这是把方程组从 N3 个未知量压回 N1 个的关键步骤。2.4 配置法与最小二乘法残差思想下的两种「打分」策略同样是基函数法怎么确定系数 ak教材给出了两种判据。配置法要求残差在选定的配置点上恰好为零R(xi) 0。实现简单但只保证有限个点上的残差为零整体误差不一定小。最小二乘法则要求残差的平方积分最小min ∫ R² dx通过多元函数求极值得到正规方程整体上更公平但计算量更大。教材里的例子值得亲手推一遍用 û a₀ a₁x a₂x² 解 y y x 配合第一类边界条件。两个边界条件已经确定 a₀、a₁、a₂ 中的一个关系剩下一个自由参数配置法只需要取区间中点 x 1/2 作为配置点令 R(1/2) 0 即可最小二乘法则要对 ∫ R² dx 关于未知系数求偏导。两者的结果不同但都在逼近真解。这个例子揭示了两种方法的本质区别配置法追求局部精确最小二乘法追求整体最优。期末如果考简答题把这两句话写出来再配上例子里的方程数判断有几个自由未知量就需要几个配置点或几个正规方程基本能拿全分。另一个值得注意的细节是配置法和最小二乘法的系数矩阵都不一定是对称的配置法尤其依赖配置点的选取选得不好会导致方程组病态。3. 抛物方程三种古典格式显式稳定性门槛、隐式无条件稳定与Richardson的坑3.1 前置工具差分定义、网格剖分与两类节点抛物方程这章从热传导方程 ut a uxx f(x,t) 出发。差分格式的构造依赖两类工具Taylor 展开和差商定义。向前差商、向后差商、中心差商分别有不同精度二阶中心差商则是 (u(xh) - 2u(x) u(x-h)) / h²。网格剖分时x 方向步长记 ht 方向步长记 τ节点记为 (xj, tk)u_j^k 表示数值解u(xj, tk) 表示真解。剖分后节点分成内点和边界点。正则内点是指该点四个方向的相邻网格点都在求解区域内的点非正则内点则靠近边界差分模板需要特殊处理。这个区分在后面构造格式时很重要因为非正则内点上不能直接套用标准差分模板。另外还要区分边界条件和初始条件的离散方式——初始条件直接逐点赋值边界条件则要根据具体类型单独写方程两者混在一起是初学阶段最常犯的错。3.2 最简显式格式向前差商 中心差商稳定条件是 r ≤ 1/2最简显式格式也叫向前差分格式的思路是时间方向用一阶向前差商空间方向用二阶中心差商。把 u(xj, t_{k1}) 在 (xj, tk) 处做 Taylor 展开整理后得到u_j^{k1} r u_{j-1}^k (1 - 2r) u_j^k r u_{j1}^k τ f_j^k其中 r a τ / h² 称为网格比。这个格式的显著优点是显式递推已知第 k 层所有节点值直接逐点算出第 k1 层。缺点是稳定性受网格比限制教材通过数值实验说明r 1/2 时数值解出现振荡r ≤ 1/2 时才稳定。这个 1/2 门槛是期末必考的临界值。局部截断误差的主项来自时间方向的一阶向前差商整体为 O(τ h²)时间精度只有一阶。这意味着想要提高时间精度单纯加密时间网格的收益是线性的而且会推高计算量所以实际中显式格式常用于网格比不大、对时间精度要求不高的场景。还有一个容易被忽略的点显式格式三个系数 r、1-2r、r 加起来等于 1这个性质保证了常数解在无源项时能精确保持也是检查公式是否写错的一个快速方法。3.3 最简隐式格式向后差商 中心差商无条件稳定的代价是解方程组最简隐式格式把时间方向改为向后差商得到的离散方程中第 k1 层的三个节点值同时出现- r u_{j-1}^{k1} (1 2r) u_j^{k1} - r u_{j1}^{k1} u_j^k τ f_j^{k1}每推进一步都要解一个三对角线性方程组。不过这个代价换来的是无条件稳定无论网格比 r 取多大格式都不会振荡发散误差不会随层数增长而失控。在 Fourier 分析中隐式格式的增长因子 G 1 / (1 4r sin²(ωh/2))对任意 r 0 都有 |G| ≤ 1。三对角方程组用 Thomas 算法求解计算量 O(N) 而不是 O(N³)所以隐式格式看起来要多解方程实际每步开销并不比显式格式高太多。代码实现时注意 Thomas 算法对对角占优的要求隐式格式的主对角元 1 2r 天然满足。def thomas_solve(r, N, d): Thomas 算法求解隐式格式的三对角方程 对角线: b_i 12r, 上/下对角线: c_i a_i -r d: 右端项, 由上一层 u^k 和源项组成 返回: 本层 u^{k1} 在内部节点上的值 import numpy as np n N - 1 a np.full(n, -r) # 下对角线 b np.full(n, 1 2*r) # 主对角线 c np.full(n, -r) # 上对角线 cp np.zeros(n) dp np.zeros(n) # 前向消去 cp[0] c[0] / b[0] dp[0] d[0] / b[0] for i in range(1, n): m b[i] - a[i] * cp[i-1] cp[i] c[i] / m dp[i] (d[i] - a[i] * dp[i-1]) / m # 回代 u np.zeros(n) u[-1] dp[-1] for i in range(n-2, -1, -1): u[i] dp[i] - cp[i] * u[i1] return u注意右端项 d 的构造是考试里容易丢分的点——隐式格式的源项 f 要取第 k1 层的值不是第 k 层。取错了格式的时间精度和稳定性分析结论全都不对。3.4 Richardson格式三层格式、二阶时间精度但恒不稳定如果想同时提高时间和空间精度一个自然的想法是时间方向改用中心差商。这样得到的 Richardson 格式是u_j^{k1} u_j^{k-1} 2r (u_{j-1}^k - 2u_j^k u_{j1}^k)它是三层格式需要用到 k-1、k、k1 三层的信息截断误差 O(τ² h²)精度上很漂亮。但 Fourier 分析会给出一个残酷结论无论 r 取多少增长因子都不满足 |G| ≤ 1格式恒不稳定。这意味着理论上精度再高实际计算也会因为误差逐层放大而完全不能用。三层格式还有一个额外的麻烦起步时需要知道第 0 层和第 1 层的值而第 1 层通常要用其他格式比如显式格式先推一步来提供这又引入了额外的误差。Richardson 格式在教材里的价值是作为反面教材精度高不等于可用稳定性是硬门槛。这个案例值得反复体会因为它解释了为什么隐式格式哪怕每步要解方程组仍然是实际计算的主流选择。3.5 三种格式对比何时用显式何时用隐式格式时间精度空间精度稳定性每步开销最简显式O(τ)O(h²)r ≤ 1/2 条件稳定O(N) 纯递推最简隐式O(τ)O(h²)无条件稳定O(N) 解三对角RichardsonO(τ²)O(h²)恒不稳定O(N) 需三层实际选择时网格比 r 是关键。如果题目给定的 h 和 τ 使得 r 远小于 1/2显式格式简单直观、实现最省事如果 r 较大或时间步长需要加大就只能用隐式格式。判断格式是否可用第一步永远是先算 r而不是先看精度阶数。这个决策顺序值得刻在脑子里先稳定性后精度最后才看实现成本。4. 稳定性三问Lax等价定理、Von Neumann条件与传播因子的完整推导4.1 适定性、相容性与稳定性的定义边界差分格式的分析围绕三个概念展开。适定性是原微分方程问题本身的属性解存在唯一且连续依赖初值——未来任一时刻的能量不能超过初始能量的常数倍。如果原问题不适定再好的差分格式也没有意义。相容性描述差分格式对微分方程的逼近程度当 h、τ 同时趋近于 0 时局部截断误差趋近于 0就说格式与微分方程相容。稳定性描述误差的传播按范数考察齐次方程的解如果初值误差在所有时间层上被常数控制则称格式关于初值稳定。教材还证明了关于右端项源项的稳定性可以归结为初值稳定性所以后面讨论稳定性时都只看齐次方程。这是一个重要的简化——做题时先把非齐次项置零只分析齐次格式结论对非齐次情况依然成立。这三个概念是递进关系先有适定的原问题再要求格式相容再要求格式稳定最后才能得到收敛。复习时建议画一条逻辑链适定 → 相容 → 稳定 → 收敛每一步都有严格定义和定理支撑简答题按这条链展开不容易漏点。特别提醒相容性一定要求 h 和 τ同时趋于 0只让其中一个趋于 0 而固定另一个不算相容。4.2 Lax等价定理相容 稳定 收敛的适用边界Lax 等价定理是这章的核心定理对一个适定的线性初值问题差分格式收敛当且仅当它既相容又稳定。用公式说就是收敛性 ⇔ 相容性 稳定性。定理的价值在于把解的收敛这个难以直接验证的性质拆成两个可以分别验证的性质。但定理有条件限制它要求问题是线性的初值问题且边界条件通常是周期边界或初值问题型的。对非线性问题或对边值问题的差分格式等价关系不一定成立只能作为参考。期末如果考判断题陷阱往往就在这里——题目会故意把 Lax 等价定理推广到非线性问题然后问你是不是对的。此外定解问题的适定性也是前提如果原问题本身不适定讨论格式的收敛性没有意义。注意Lax 等价定理说的是收敛与相容稳定等价不是与稳定单独等价。少了相容性这一条格式再稳定也收敛不到真解因为离散方程逼近的根本不是原来的微分方程。4.3 Fourier分析实战传播因子的推导与Von Neumann条件的三种用法Von Neumann 稳定性分析是把差分格式的解分解为 Fourier 模式 e^{iωjh}看每个模式在时间推进中的放大倍数。方法步骤可归纳为四步令 u_j^k v^k e^{iωjh}代入齐次差分格式消去公共因子解出增长因子传播因子 G(ω,h,τ) v^{k1}/v^k求 |G| 关于 ω 的最大值判断是否存在正常数 M 使 |G| ≤ 1 Mτ或直接 |G| ≤ 1对所有 ω 成立这就是Von Neumann 条件。以最简显式格式为例代入后 G 1 - 4r sin²(ωh/2)当 r ≤ 1/2 时对任意 ω 有 1 - 4r sin² 在 [-1, 1] 范围内|G| ≤ 1r 1/2 时当 ωh 接近 πsin² 接近 1G -1|G| 1格式不稳定。隐式格式则 G 1 / (1 4r sin²(ωh/2))分母恒大于 1|G| 1 无条件成立。这两条推导是考试中的送分题但前提是你能默写出代入 Fourier 模式的完整过程而不是只背结论。# 用数值扫描验证三种格式的增长因子是否满足 Von Neumann 条件 import numpy as np def check_von_neumann(r, scheme): 对网格比 r 和格式 scheme 扫描所有频率模式 scheme: explicit / implicit / richardson theta np.linspace(0, 2*np.pi, 10000) sin2 np.sin(theta/2)**2 if scheme explicit: G 1 - 4*r*sin2 elif scheme implicit: G 1 / (1 4*r*sin2) elif scheme richardson: # 三层格式: 化为两层格式组后求传播矩阵特征值 # 需满足 |lambda_1,2| 1, 这里直接算特征多项式判别式 disc (2 - 8*r*sin2)**2 - 4 max_abs np.sqrt(2 np.abs(disc)) # 特征值模的近似上界 return np.max(max_abs) 1.001 max_abs_G np.max(np.abs(G)) return max_abs_G 1.001, max_abs_G for r in [0.4, 0.6, 1.0]: ok_ex, maxG check_von_neumann(r, explicit) ok_im, _ check_von_neumann(r, implicit) print(fr{r}: 显式稳定{ok_ex} (|G|max{maxG:.3f}), 隐式稳定{ok_im})运行结果会看到 r 0.6 时显式格式的 |G|max 超过 1而隐式格式始终小于 1。实际考试中不会要求手算扫描但要能默写关键结论显式格式的临界网格比是 1/2隐式格式无条件稳定。另外Von Neumann 条件通常只要求 |G| ≤ 1 Mτ 而不是严格的 |G| ≤ 1这个松弛是为了容纳某些弱不稳定格式的中间分析步骤但期末范围内直接按 |G| ≤ 1 判断就够用。提示Von Neumann 条件是稳定性的必要条件只有当传播矩阵可对角化、特征值没有重根问题时才是充分条件。如果特征值有重根即使所有特征值模都小于 1解也可能因 Jordan 块而多项式增长。教材里 Richardson 格式的讨论就涉及这个细节——通过补一个恒等式把三层格式写成两层格式组再考察传播矩阵的特征值。4.4 三层格式的两层化为什么Richardson需要传播矩阵而不是单个增长因子Richardson 格式是三层格式无法直接套用两层格式的增长因子理论。处理方法是补一个恒等式 u_j^k u_j^k把三层格式改写为两层格式组v^{k1} G v^k其中 v [u^k, u^{k-1}]^TG 是 2×2 传播矩阵。然后通过求 G 的特征多项式 |λI - G| 0 得到特征值 λ再判断特征值的最大模是否满足 Von Neumann 条件。对 Richardson 格式特征值为 λ 2 - 8r sin²(ωh/2) ± ...无论 r 取何值总存在某些频率使特征值模大于 1因此恒不稳定。这个推导是考试的难点但掌握了套路后其实很机械先补恒等式 → 写出矩阵 → 求特征多项式 → 分析最大特征值模。这个三层变两层的技巧不仅用于稳定性分析也提示了自己实现三层格式时的注意事项第一层k1必须先用其他格式计算且计算格式的选择会影响整体精度和稳定性表现这也是复习时容易忽略的工程细节。另一个值得注意的点是传播矩阵的特征值出现重根时需要检查是否可对角化教材里强调了若 G 有 n 个不同特征值V on Neumann 条件是充分条件也就是在特征值互不相同的前提下可以直接用若有重根稳定性结论要打折扣。这个细节判断题经常考。5. 易漏易错五连截断误差主项、虚拟未知量与初值层的处理复习了两轮之后我发现丢分点往往集中在几个你以为会了但其实没注意到的地方这里按易漏点的形式逐一拆解。5.1 易漏点截断误差的主项到底是什么易漏点 → 为什么漏大多数复习只记截断误差是 O(h²)忽略了考试常考的是主项的具体表达式。比如最简显式格式的局部截断误差主项含 utt而不是 uxx——因为时间方向用的是向前差商误差来自二阶时间导数项。更容易错的是主项前还有系数比如 1/2 或 1/12简答题如果要求写出截断误差主项漏了系数会扣一半分。怎么补推导一遍 Taylor 展开把截断误差写成 R C1 τ utt C2 h² uxxxx ... 的形式标出哪一项来自时间离散、哪一项来自空间离散。这样考试给出具体格式时能快速判断主导误差是时间误差还是空间误差。一个实用的口诀是时间方向用什么差商主项就来自对应阶数的导数。5.2 易漏点显式格式计算第 1 层时的源项取值易漏点 → 为什么漏看公式时注意 u_j^{k1} r u_{j-1}^k (1-2r)u_j^k r u_{j1}^k τ f_j^k源项取的是第 k 层的 f_j^k。但很多人在写程序或做题时惯性把 f 全部取成当前层导致第 1 层就有偏差。这个问题在隐式格式里方向相反——隐式格式的源项取第 k1 层。两种格式的差别是考试中阴魂不散的存在。怎么补把当前层/下一层的标记写在公式上方显式格式 f 用当前层隐式格式 f 用下一层。这个细节在验证格式精度时作用非常明显取错层数理论上的 O(τ h²) 会直接退化。5.3 易漏点三层格式的初值层怎么来易漏点 → 为什么漏Richardson 格式是三层格式需要 u^{-1}、u⁰ 两层才能启动。教材推导里默认第 0 层已知但 u^{-1} 并没有给定实际处理必须先用其他格式推一步算出 u^{-1}或等价地先算 u¹这个启动层的半程步骤最容易在复习清单里被遗忘。更隐蔽的是启动格式的选择会影响整体精度——如果用低精度格式启动会污染后续所有层的精度。怎么补凡是遇到三层格式先把启动方案写下来——通常先用最简显式格式按 r/2 或 r 推一步作为第 1 层再进入三层主循环。这样不仅程序能跑通稳定性分析也更符合实际。考试如果出现三层格式第一步就写需要先用两层格式提供第二层初值这句话本身就是得分点。5.4 易漏点基函数法中边界条件消去虚拟未知量的方向易漏点 → 为什么漏三次 B 样条基函数在边界附近会引入支撑区间外的虚拟节点 a₋₁ 和 aₙ₊₁求解时需要利用边界条件把它们消掉。教材里强调第 1 个方程和第 N1 个方程中的虚拟未知量可以被消去但很多人只记得结论不记得操作。更麻烦的是不同类型边界条件的消元方式不一样第一类边界直接把边界值代入第二类边界要对样条函数求导后再代入这个区别考试经常考。怎么补以第一类边界条件为例把边值代入 û(x) 的表达式得到关于 a₋₁、a₀、a₁ 的关系式解出 a₋₁ 用 a₀、a₁ 表示后回代到配置方程。动手在草稿纸上推一遍比背十遍结论都管用。第二类边界条件同理只是先把 û(x) 写出来再代入。5.5 易漏点Von Neumann 条件的重根陷阱易漏点 → 为什么漏Von Neumann 条件 |λ| ≤ 1 在大多数教材推导里都是充分条件但严格说法是如果传播矩阵有重特征值即使所有 |λ| ≤ 1解也可能因为 Jordan 块出现多项式增长最终不稳定。这个细节通常只出现在定理的脚注里复习时直接跳过。实际上当传播矩阵不可对角化时即使特征值模严格小于 1也可能出现缓慢的多项式增长只是增长速度和指数型相比容易被掩盖。怎么补记住结论即可——判断稳定性先看特征值是否可对角化如果特征值有重根需要额外检查 Jordan 块的阶数。考试一般不会让手算 Jordan 标准型但判断题如果出现特征值模都不超过 1 就能保证稳定答案应该是错误。6. 考前查漏清单公式表、网格比速判与两小时冲刺法到了考前最后两天不建议再从头翻教材而是用下面这张清单逐项自检。每一条如果能在不翻书的情况下白纸推导一遍说明这个模块过关了。模块必须能默写的内容达标标准定解条件初值/边值判断、三类边界条件表达式给一个方程能立刻说出需要几个什么条件有限差分法中心差商公式、三对角矩阵的系数能写出含 p(x) 时的三个对角线系数基函数法Lagrange 插值缺点、三次 B 样条性质、配置法与最小二乘的区别说出 Runge 现象的表现和成因显式格式递推公式、截断误差阶、r ≤ 1/2 的推导会代入 Fourier 模式算增长因子隐式格式三对角方程、Thomas 算法步骤、无条件稳定会解释为什么 G ≤ 1 恒成立Richardson三层格式的局限性、两层化的处理说清为什么精度高但不可用三大关系Lax 等价定理的内容和条件能指出定理不能用于非线性问题Von Neumann方法四步流程、重根陷阱会判断一个给定传播因子的格式是否稳定考前两小时的冲刺方法我自己的习惯是默写 反推先不看笔记把三种格式的公式和稳定条件默写在白纸上然后逐个反推——显式格式的稳定门槛为什么是 1/2因为 |1 - 4r sin²| ≤ 1 需要 4r ≤ 2。隐式为什么无条件稳定因为分母 1 4r sin² ≥ 1。Richardson 为什么恒不稳定因为传播矩阵的特征值总有一个模超过 1。这三句话想通了整章的稳定性内容就串起来了。这个复习方法是从一次模拟考试的翻车里总结出来的。当时我以为自己熟记了所有格式结果考了一道给出一个具体的 r 和 h判断格式是否稳定的题才发现自己只会背结论、不会算临界值。从那以后我每次复习这一章都强制自己走一遍抄公式 → 算增长因子 → 代 r 验证的流程不再直接背结论。希望这份梳理能帮你把科学计算的骨架搭起来考前少走弯路祝你复习顺利。本文还有配套的精品资源点击获取