简介针对《科学与工程计算》熊春光版课程的期末复习笔记面向北理工自动化等理工科专业学生聚焦微分方程数值解法的核心考点。内容系统梳理初值问题与边值问题、有限差分法的等距划分与差商选取、内部截断误差分析以及基函数法中Lagrange插值与三次样条插值的适用场景与Runge现象等易混淆知识点帮助快速搭建数值方法知识框架。笔记以单个PDF文件提供约20.04MB排版紧凑适合打印或导入平板标注复习。目前已有2767人学习下载按章节梳理关键公式、推导过程与算法要点既能用于期末冲刺也适合日常预习时对照理解是自动化及相关专业备考《科学与工程计算》的实用资料。1. 期末复习笔记从哪读起一张通向差分格式的知识地图如果只用一个词概括《科学与工程计算》期末复习的体验那就是「梯度」——从两点边值问题的定解条件一路爬到抛物方程三种古典差分格式的稳定性判定每层都有新的概念要消化。这份期末复习笔记的核心线索其实只有一条把微分方程换成代数方程。做法是先搞清楚定解条件初值问题看时间初始条件边值问题看空间边界条件再用有限差分或基函数把导数近似掉最后讨论这个近似过程会不会翻车——也就是相容性、收敛性与稳定性。适合系统学这门课的人快速搭框架也适合考前一周查漏补缺的人对着重点清单逐条确认特别是自动化方向的同学这门课的数值思路后面理解控制系统离散化时会反复用到。2. 两点边值问题定解条件与有限差分离散的完整链条2.1 定解条件三件套初始条件、边界条件与适定性复习这一章时最需要区分的概念是初值问题和边值问题。初值问题携带的是与时间有关的初始条件比如 t0 时刻的状态 u(x,0)边值问题携带的是与空间有关的边界条件比如定解区间两个端点上的取值。二阶常微分方程做数值解时因为方程本身是二阶的必须在定解区间两端各给一个边界条件否则离散后得到的代数方程组少方程、解不出来。定解条件的组合方式决定了数值方法的类型。一个常见的误区是把初值问题的「一个初始条件」直接搬到边值问题上结果列方程时发现边界信息不够。复习笔记里强调的适定性概念也很关键适定问题要求解存在、唯一并且对初值有连续依赖——用大白话说初值稍微变一点解不能剧烈抖动。这个定义在后面的 Lax 等价定理里还会以「线性适定初值问题」的形式再次出现。边界条件本身还有更细的分类第一类边界给函数值第二类给导数值第三类是两者的线性组合。离散时第二类和第三类要额外处理不能直接照搬第一类的端点赋值否则会在边界点引入虚假的方程。这是后面讨论非正则内点时的重要伏笔。2.2 有限差分法从差商近似到三对角方程组的推导有限差分法首先要做网格剖分。把区间 [a,b] 等距划分成 N 段节点记为 x_i步长为 h(b-a)/N目标是求出每个节点上的近似值 y_i。核心操作是用差商代替导数最常用的是中心差商y(x_i) ≈ (y_{i1} - y_{i-1}) / (2h) y(x_i) ≈ (y_{i1} - 2y_i y_{i-1}) / h²中心差商的优势在于对称性截断误差是 O(h²)比向前差商和向后差商的 O(h) 高一阶。将这两个近似代回二阶常微分方程 y p(x)y q(x)y f(x)在内部节点 x_i 处得到(y_{i1} - 2y_i y_{i-1})/h² p_i (y_{i1} - y_{i-1})/(2h) q_i y_i f_i整理后得到关于 y_{i-1}、y_i、y_{i1} 的线性关系式。这里有两个容易出错的地方第一p_i、q_i、f_i 都是在节点 x_i 处取值的如果 p(x) 是常数可以直接带如果是函数就要逐点计算第二所有系数要乘以 h² 或 2h 统一分母否则矩阵写出来不整洁。把全体内部节点方程联立再代入两端边界条件就得到一个三对角线性方程组 A y b其中 A 的主对角元来自 y_i 的系数副对角元来自 y_{i-1} 和 y_{i1} 的系数。边界条件的作用是补上第一个方程和最后一个方程中缺失的端点信息。复习时建议亲手把 N5 的小例子展开写一遍比盯着公式看记忆深刻得多。2.3 基函数法多项式插值、B样条与Runge现象的取舍有限差分法的思路是「直接近似导数」基函数法的思路则是「先把解近似成一组已知函数的线性组合」再确定组合系数。设近似解为 y_N(x) Σ a_k φ_k(x)其中 φ_k 是基函数a_k 是待定系数。选取不同的基函数得到的离散格式完全不同这是两种技术路线的分水岭。多项式插值型基函数取 φ_k(x) x^k即 N 次 Lagrange 插值。优点是形式简单但高次多项式会出现 Runge 现象——插值多项式在区间两端剧烈振荡等距节点下次数越高振荡越严重。实际计算中很少直接使用高次全局多项式这个反直觉的失败案例是复习时值得标记的重点。B 样条插值型则用分段多项式作为基函数常选三次 B 样条因为它天然满足二阶连续可导正好匹配二阶常微分方程的解空间要求。三次 B 样条基函数有几个关键性质每个基函数只在其支撑区间三个相邻子区间上非零图形是对称的不同节点的基函数可以通过平移得到最大值为 1。这意味着不管是组装矩阵还是处理边界条件都只需要考虑相邻基函数之间的耦合矩阵的稀疏性远优于全局多项式。2.4 配置法与最小二乘法残差降到零与残差积分最小基函数法确定系数的路径不止一条。配置法要求选择有限个配置点令残差在这些点上恰好为零。这里最容易漏掉的是配置点个数的判断逻辑若近似解有 M 个未知系数且边界条件已经提供 r 个方程那么只需要 M-r 个配置点。笔记里给出的示例很有代表性——取 y a_0 a_1 x a_2 x²边界条件消掉 a_0 和 a_2 后只剩一个未知数 a_1区间中点一个配置点就够。如果换成三次 B 样条基函数未知数数量大幅增加配置点数量也水涨船高计算量差距很大。最小二乘法不再追究「某些点上残差为零」而是让残差在整体意义上最小即极小化 E ∫ r²(x) dx。对系数求偏导并令其为零得到正规方程 Σ b_ij a_j β_i其中 b_ij 是基函数乘积的积分β_i 是右端项与基函数乘积的积分。配置法只保证有限点精确最小二乘法则在 L² 范数下做整体最优逼近代价是需要计算积分。复习时可以把「配置法点满足、最小二乘整体最优」作为一句话总结记下来做题时先判断题目要求的是点条件还是积分条件。配置法和最小二乘法之间的联系值得多看一眼当配置点数量趋近于无穷时配置法在极限意义下接近最小二乘法的效果。考试一般不考这个结论但理解它有助于回答「为什么不直接用配置法解决所有问题」这种概念题。B 样条基函数做配置时还有一个细节三次样条在边界附近需要引入虚拟节点边界条件用来消除虚拟未知量 a_0 和 a_{N1}这一步消元在组装矩阵时非常容易漏。3. 三种古典差分格式显式、隐式与Richardson格式的推导与对比3.1 最简显式格式向前差商的时间离散与计算流程抛物方程的核心模型是一维非齐次热传导方程 u_t a u_xx f(x,t)。最简显式格式的做法是时间方向用一阶向前差商空间方向用二阶中心差商。在节点 (x_j, t_k) 处展开(u_j^{k1} - u_j^k) / τ a (u_{j1}^k - 2u_j^k u_{j-1}^k) / h² f_j^k令网格比 r aτ/h²整理后得到递推式u_j^{k1} r u_{j-1}^k (1 - 2r) u_j^k r u_{j1}^k τ f_j^k这个格式叫「显式」因为第 k1 层每个点的值可以由第 k 层三个相邻点的值直接算出不需要解方程组。实际计算时按时间层逐层推进先由初值条件给出第 0 层的全部 u_j^0然后对 j1,2,…,N-1 依次套用递推式最后用边界条件修正端点。每推进一步的计算量是 O(N)编程实现非常友好。用 Taylor 展开推导时局部截断误差的主项为 (τ/2) u_tt (h²/12) u_xxxx即该格式关于时间是一阶精度、关于空间是二阶精度。这是「最简单」的代价时间方向精度偏低。如果步长 τ 取得不够小整体误差会被时间方向的一阶项主导。程序实现时特别注意 r 的值——它直接决定格式是否稳定这一点在 3.4 节会详细讨论。一个实用的检查方法是如果发现数值解随层数推进出现正负交替的振荡第一反应就是检查 r 是否超过稳定阈值而不是怀疑代码写错。3.2 最简隐式格式向后差分的无条件稳定特性最简隐式格式的时间方向改用一阶向后差商空间方向仍用二阶中心差商(u_j^{k1} - u_j^k) / τ a (u_{j1}^{k1} - 2u_j^{k1} u_{j-1}^{k1}) / h² f_j^{k1}整理后左侧含三个未知量-r u_{j-1}^{k1} (1 2r) u_j^{k1} - r u_{j1}^{k1} u_j^k τ f_j^{k1}这里的未知量在第 k1 层因此每个时间步都需要解一个三对角方程组。虽然单步计算量比显式格式大但换来的是令人安心的稳定性无论网格比 r 取多大隐式格式都不会因为步长选择不当而发散。它和显式格式一样局部截断误差是 O(τ h²)时间方向仍是一阶精度但这并不妨碍它在实际工程中成为更常用的选择——稳定性优先级远高于理论精度阶数。初学时常有的疑问是「既然隐式格式每一步都要解方程组为什么还要用它」。答案在于显式格式的稳定条件 r ≤ 1/2 对 h 和 τ 的约束非常苛刻空间步长 h 减半时时间步长 τ 必须减小到原来的 1/4 才能维持稳定总计算量会急剧膨胀。隐式格式没有这个限制可以用更大的时间步长推进总体计算效率反而更高。复习时建议把「显式受限于稳定性、隐式受限于单步成本」这条权衡记在笔记的显著位置。3.3 Richardson格式三层格式的精度提升与稳定性陷阱为了同时提升时间和空间精度可以考虑在时间方向使用中心差商——这就是 Richardson 格式的动机(u_j^{k1} - u_j^{k-1}) / (2τ) a (u_{j1}^k - 2u_j^k u_{j-1}^k) / h² f_j^k整理得u_j^{k1} u_j^{k-1} 2r (u_{j-1}^k - 2u_j^k u_{j1}^k) 2τ f_j^k它的局部截断误差是 O(τ² h²)精度指标上比前两个格式都漂亮。但这里有个著名的陷阱——Richardson 格式恒不稳定。它的稳定性分析需要特殊处理因为格式涉及 u^{k1}、u^k、u^{k-1} 三个时间层属于三层格式不能直接套用两层格式的传播因子判定法。处理方法是通过补充恒等式 u_j^k u_j^k 把三层格式改写成等价的两层格式组u_j^{k1} u_j^{k-1} 2r (u_{j-1}^k - 2u_j^k u_{j1}^k) 2τ f_j^k u_j^k u_j^k令向量 V^{k} (u^k, u^{k-1})ᵀ就可以写成矩阵形式的增长方程 V^{k1} G V^k。分析传播矩阵 G 的特征值时发现其特征值模的最大值不小于 1不满足 Von Neumann 条件。这个例子在考试中很有代表性它告诉学生精度阶数高并不自动带来稳定任何格式在投入使用前都必须经过稳定性检验。3.4 三种格式的对比表精度、稳定性与适用场景考试前把三种古典格式放在同一张表里对照是最高效的复习动作。复习时可以亲手填写下表再对照笔记检查。格式时间差商空间差商截断误差稳定条件单步计算最简显式一阶向前二阶中心O(τ h²)r ≤ 1/2直接递推最简隐式一阶向后二阶中心O(τ h²)无条件稳定解三对角方程组Richardson二阶中心二阶中心O(τ² h²)恒不稳定直接递推三层显式格式的稳定条件 r ≤ 1/2 是最常考的记忆点。它的几何含义是在一个时间步内热量的数值传播不能越过一个空间网格——这是一个很直观的物理约束。隐式格式的「无条件稳定」只针对这个具体格式不能外推到所有隐式格式。Richardson 格式几乎不在实际计算中使用但它作为「高精度但失效」的反面案例经常出现在概念题中。复习到这一层时会发现格式的优劣是精度、稳定性、计算量三个维度权衡的结果不存在一个在所有指标上都最优的万能格式。4. 稳定性与收敛性的判定体系从Lax等价定理到Fourier分析4.1 相容性、收敛性与适定性的关系相容性讨论的是差分方程与微分方程之间的关系当步长 h 和 τ 都趋近于零时差分格式的局部截断误差 R 是否也趋于零。收敛性讨论的是差分方程的解是否逼近微分方程的真解。「相容」是「收敛」的必要不充分条件单靠截断误差趋于零并不能保证数值解收敛——还需要稳定性作为桥梁。Lax 等价定理把这个三角关系说得很清楚对于一个适定的线性初值问题如果差分格式是相容的那么收敛性与稳定性互为充要条件。翻译成复习语言就是验证收敛性只需要做两步——证明相容性然后证明稳定性。两者都成立收敛性自动成立。这里有两个容易被忽略的前提条件第一问题必须是适定的线性初值问题非线性问题没有这样简洁的结论第二定理讨论的是初值问题边值问题需要另行处理。实际做题时遇到的典型问题是「只验证了相容性就声称收敛」。比如某格式截断误差是 O(τ h²)题目问它是否收敛正确回答是还要检查稳定性。显式格式在 r 1/2 时虽然相容但数值解照样发散。这就是相容但不收敛的真实案例也是考试中区分「背概念」和「理解概念」的经典考点。4.2 Fourier分析方法从传播因子到Von Neumann条件判稳的实用工具是 Fourier 分析方法也叫 Von Neumann 方法。核心思想是把数值解写成 Fourier 级数展开的形式代入差分格式后研究单个谐波分量的振幅变化。对最简显式格式令 u_j^k v^k e^{iωjh}代入后得到v^{k1} e^{iωjh} v^k e^{iωjh} [1 - 2r(1 - cos ωh)]定义增长因子传播因子G(ω) 1 - 2r(1 - cos ωh) 1 - 4r sin²(ωh/2)Von Neumann 条件要求对任意 ω 都有 |G(ω)| ≤ 1。因为 sin²(ωh/2) 的最大值为 1于是得到|1 - 4r| ≤ 1 ⇔ 0 ≤ r ≤ 1/2这就是显式格式稳定条件的完整来历。考试中如果只记得 r ≤ 1/2 而忘了推导过程遇到变体题目就容易翻车——比如方程换成 u_t a u_xx 但 a 不是常数网格比 r 的定义要相应修改判断也必须重新做。隐式格式的增长因子推导类似结果为G(ω) 1 / (1 2r(1 - cos ωh)) 1 / (1 4r sin²(ωh/2))分母恒大于等于 1所以 |G(ω)| ≤ 1 对所有 r 都成立。Richardson 格式则通过传播矩阵特征值判定特征方程解出的特征值模最大值大于 1直接违反 Von Neumann 条件。复习时可以写一段 Python 代码辅助验证增长因子的表达式下面是一个简单示例import numpy as np def von_neumann_check(r, omega_h): 计算传播因子并判断是否满足Von Neumann条件 G 1 - 4 * r * np.sin(omega_h / 2) ** 2 return G, abs(G) 1 # 取网格比 r0.4稳定和 r0.6不稳定对比 for r in [0.4, 0.6]: omega_h np.pi # 取最容易失稳的频率 G, ok von_neumann_check(r, omega_h) print(fr{r}, G{G:.3f}, |G|{abs(G):.3f}, stable{ok})这里 omega_h 取 π 是因为 sin²(π/2)1 对应最坏情况。实际使用时还可以对 omega_h 在 [0, 2π] 内密集采样画出 |G| 随 omega_h 的变化曲线直观看到显式格式在 r 1/2 时哪些频率分量会被放大。4.3 稳定性的物理直觉与计算实践Fourier 分析做完之后还要建立一点物理直觉。显式格式稳定条件 r ≤ 1/2 的物理解释是数值格式中信息传播速度不能超过物理热传导的真实速度否则数值解会在网格间产生虚假振荡。这个解释在答简答题时非常加分它说明你不是在背公式而是理解公式背后的约束。实际操作中稳定性出问题时的现象很有辨识度数值解出现空间上的锯齿状振荡振幅随时间层数指数增长正负交替越来越剧烈。隐式格式的解则是光滑的衰减即使 r 取得很大也只是精度变差时间方向的一阶截断误差变大不会出现振荡发散。这个现象对比是考试实验题的热门题材。复习时可以把三种格式分别跑一遍小算例亲眼看一次稳定与不稳定的差别比任何文字记忆都牢固。5. 易漏点与易错点复习中最容易翻车的五个细节5.1 定解条件的类型判断初值问题与边值问题混为一谈易漏点题目给出二阶常微分方程只给一个端点的函数值和导数值就直接套用两端边界条件的格式去求解。为什么漏初值问题的提法是「一个初始时刻的状态和速度」边值问题的提法是「两个端点的状态」两类问题的定解条件数量和信息位置完全不同。怎么补拿到题目先看条件的落点——条件集中在同一个时间点属于初值问题分散在空间区间两端属于边值问题二阶方程无论哪类都需要两个独立条件。做题时把「个数 位置」写在题目旁边形成条件反射。5.2 网格比 r 与稳定条件的对应关系记串易漏点把最简显式格式的稳定条件记成 r ≤ 1。为什么漏推导过程中只算了 |G(ω)| ≤ 1 的上界忽略了 1 - 4r sin²(ωh/2) 还可能小于 -1 的那一侧当 r 1/2 时增长因子会小于 -1绝对值超过 1这正是振荡失稳的来源。怎么补重新走一遍推导记住两个端点——G 的最大值是 1恒成立最小值是 1-4r要求 |1-4r| ≤ 1。默写时写出 |G| ≤ 1 ⇔ 0 ≤ r ≤ 1/2 的完整推导而不是只写结论。5.3 Richardson格式的三层转两层过程被跳过易漏点直接对三层格式套用 Von Neumann 条件得不到正确的结论就草率判定「稳定」。为什么漏两层格式的传播因子分析基于 u^{k1} 只依赖 u^k 的假设三层格式中 u^{k1} 同时依赖 u^k 和 u^{k-1}必须引入辅助变量才能转化为标准形式。怎么补记住三层转两层的标准做法——补上恒等式 u_j^k u_j^k组成向量 (u^{k1}, u^k)ᵀ G (u^k, u^{k-1})ᵀ然后分析 2×2 传播矩阵的特征值谱半径。考试中遇到三层格式第一步先写「转化为两层格式组」这个动作就能拿分。5.4 配置法与最小二乘法的未知数计数错误易漏点配置法选取配置点数量时没有先扣除边界条件已经提供的方程数。为什么漏例题中 y a_0 a_1 x a_2 x² 有三个未知数很多人直接选三个配置点计算出冗余方程组实际上两个边界条件已经固定了 a_0 和 a_2只剩 a_1 需要确定一个配置点就够。怎么补按「未知数总数 - 边界条件数 配置点数」的公式操作先把边界条件代入近似解表达式明确剩下几个自由系数再决定配置点个数。同理最小二乘法中的未知数个数决定了正规方程组的规模多算了会导致积分计算量无谓膨胀。5.5 截断误差阶数的判断只看空间不看时间易漏点写最简显式格式的截断误差时只写 O(h²)漏掉 O(τ)。为什么漏很多学生对中心差商是 O(h²) 印象太深默认整个格式都是二阶精度忽略了时间方向用的向前差商只有一阶精度。怎么补每次推导格式后都分别写下时间方向和空间方向的截断误差阶数再合并成整体表达式。显式和隐式都是 O(τ h²)Richardson 是 O(τ² h²)但后者不稳定。如果题目问「如何让显式格式达到二阶时间精度」思路是换 Richardson 或者 predictor-corrector 类方法但要额外处理稳定性。6. 复习清单三轮过完这份笔记的查漏补缺方法考前两三天按三轮走一遍比从头到尾重读教材有效得多。第一轮用知识地图自查概念能否不看笔记说出定解条件三件套分别管什么、三种古典差分格式的离散思想各自是什么、Lax 等价定理的适用前提有哪些这轮的目的不是背公式而是把知识骨架搭起来。第二轮动手推导在草稿纸上独立完成最简显式格式的差商推导、增长因子计算、稳定条件求解这三步再对照笔记修正细节。同一个流程对隐式格式做一遍对 Richardson 格式重点练三层转两层的矩阵组装。做完这两轮大多数概念型选择题和简单计算题已经稳了。第三轮是查漏补缺的关键——用一张 A4 纸把这张表默写出来显式格式u_j^{k1} r u_{j-1}^k (1-2r) u_j^k r u_{j1}^k稳定条件 r ≤ 1/2 隐式格式-r u_{j-1}^{k1} (12r) u_j^{k1} - r u_{j1}^{k1} u_j^k无条件稳定 Richardsonu_j^{k1} u_j^{k-1} 2r(u_{j-1}^k - 2u_j^k u_{j1}^k)恒不稳定 Lax定理适定线性初值问题 相容 ⇔ 收敛与稳定等价默写时注意每一行都要能补充一句「为什么」——为什么是 r ≤ 1/2 而不是 r ≤ 1为什么隐式格式不需要讨论步长限制为什么 Richardson 精度最高却没人用。卡片上的每个公式都要能用手推导出来而不是只认得符号。如果某个格式的推导卡住了回到第 3 章对应小节重读一遍然后合上笔记再推一次。这个动作比重复看十遍笔记都管用。我做这套复习动作时有一个习惯每看完一个模块就在笔记边缘写下一个「如果考试要我现场推这个我会从哪里入手」的提示词。比如看到显式格式就写「Taylor 展开到二阶注意增长因子下界」看到配置法就写「先消边界再数配置点」。考场上看到题目能快速定位到对应的提示词比临时回忆整章内容节省大量时间。这份笔记覆盖的正是这门课最容易出题的几个模块——两点边值问题的定解条件与离散方法、三种古典差分格式、稳定性判定体系把这几块吃透期末复习的核心任务就完成了一大半。希望这份梳理能帮你在复习时少走弯路把精力花在最值得花的地方。本文还有配套的精品资源点击获取