专业课《数值分析》知识点+重点笔记+试题及答案

资料目录（截图原因可能偏模糊，实际都是高清版）

备考《数值分析》，最致命的误区是把它当成“数学课”去死磕推导，或者当成“编程课”去背算法步骤。这门课的本质是研究“如何用计算机解决数学问题”的科学，核心在于近似和离散化——把连续的问题变成离散的，把精确的解变成近似的，同时还要管住误差。

第一，以“离散化”为逻辑主线重构知识体系。 数值分析的所有内容，本质上都是在做一件事：把无穷变成有限，把连续变成离散。建议手绘一张“问题-方法-误差”的关联图，从插值、拟合、数值积分、微分到线性/非线性方程求解、ODE求解，把教材各章挂载到这条主线上，并标注每一种方法的核心思想和主要误差来源。

第二，死磕“误差分析”和“线性方程组求解”这两大理论心脏。 这是拉开分数的关键：

• 误差分析：绝对误差、相对误差、有效数字、截断误差、舍入误差。要理解误差如何产生、如何传播，以及如何评价一个算法的数值稳定性（比如，避免相近数相减、避免大数吃小数）。

• 线性方程组求解：直接法（高斯消去法、LU分解）和迭代法（雅可比迭代、高斯-赛德尔迭代）的构造原理、收敛条件（严格对角占优）、计算复杂度对比。这是数值分析的重中之重。

第三，建立“插值 vs 拟合”的对比意识。 插值是“正好经过”给定点（适合精确数据），拟合是“尽量接近”给定点（适合带误差数据）。要彻底搞懂拉格朗日插值、牛顿插值的异同，以及最小二乘法的原理。

第四，打通“微积分”与“数值计算”的关联。 数值积分（梯形公式、辛普森公式、高斯求积公式）的本质是用离散点上的函数值去逼近积分值；数值微分则要警惕其严重的不稳定性。理解它们是对微积分公式的“离散化改造”。