数值分析 on wuqq 的 Blog

0046 - 二维 Helmholtz 方程有限元完整推导：三角形单元、Robin 边界与正方形算例

Wed, 15 Apr 2026 12:22:00 +0800

这篇笔记在做什么

这一篇把原始对话里关于二维标量有限元的内容整理成一条完整链：控制方程、弱形式、全局编号、局部基函数、三角形单元矩阵、边界线段矩阵、正方形网格算例，以及和三维电磁棱边元的对应关系。

如果你想先在二维问题上把有限元的骨架走通，再回到三维电磁问题，这篇最适合当中间桥梁。

二维 Helmholtz 方程有限元方法

三角形单元 · 线性基函数 · Robin 边界条件 · 完整推导

一、问题陈述

1.1 控制方程

求 $\phi(x,y)$，满足：

$$ -\frac{\partial}{\partial x}\left(\alpha_x \frac{\partial \phi}{\partial x}\right)-\frac{\partial}{\partial y}\left(\alpha_y \frac{\partial \phi}{\partial y}\right)+\beta\phi=f, \quad (x,y)\in\Omega \tag{1} $$

1.2 Robin 边界条件

$$ \left(\alpha_x \frac{\partial \phi}{\partial x}\hat{x}+\alpha_y \frac{\partial \phi}{\partial y}\hat{y}\right)\cdot\hat{n}+\gamma \phi=q, \quad (x,y)\in\Gamma_2=\partial\Omega \tag{2} $$

1.3 记号简化

定义各向异性梯度算子：

$$ \bar{\bar{\alpha}}\nabla\phi \equiv \alpha_x \frac{\partial \phi}{\partial x}\hat{x}+\alpha_y \frac{\partial \phi}{\partial y}\hat{y} $$

其中 $\bar{\bar{\alpha}} = \text{diag}(\alpha_x, \alpha_y)$。

则方程和边界条件简写为：

$$ -\nabla\cdot(\bar{\bar{\alpha}}\nabla\phi)+\beta\phi = f \quad \text{in } \Omega \tag{1'} $$$$ (\bar{\bar{\alpha}}\nabla\phi)\cdot\hat{n}+\gamma\phi = q \quad \text{on } \Gamma_2 \tag{2'} $$

二、弱形式（变分形式）的推导

2.1 加权残量

用测试函数 $w(x,y)$ 乘以方程 (1)，在 $\Omega$ 上积分：

0042 - 《Computational Science and Engineering》全书笔记：Strang 如何把线性代数、微分方程、FFT 与优化串成一门课

Wed, 15 Apr 2026 09:21:53 +0800

这篇笔记在做什么

这篇不是“章节目录抄一遍”的笔记，也不是只列关键词的速查表。

我想把 Gilbert Strang 的 Computational Science and Engineering 整理成一篇更容易读、也更容易拿来复习的长笔记。组织方式不会按页摘录展开，重点会放在下面这些真正重要的问题：

这本书到底想教什么，以及它如何组织这些内容？
为什么它把线性代数、微分方程、FFT、有限元、优化放在同一本书里？
各章之间是如何连接的？
哪些公式和结构是全书反复出现的骨架？
如果要把这本书变成自己的知识体系，应该怎么读？

如果一句话先说结论：

这本书同时带有数值分析教材和应用数学教材的成分，更重要的是它把建模、离散、求解、解释结果这四步重新连成一门完整的 CSE 课程。

书籍定位

项目	内容
书名	Computational Science and Engineering
作者	Gilbert Strang
出版社	Wellesley-Cambridge Press
版权年份	2007
资料规模	700+ 页
作者背景	MIT 数学系，线性代数教学与应用数学教育的重要推动者
适合读者	工程、应用数学、计算科学、计算机科学方向本科高年级至研究生
核心对象	矩阵方程、微分方程、傅里叶分析、优化问题
课程气质	重思想框架，也重算法实现；重建模，也重数值求解

这本书和常见教材最不一样的地方，是它一开始就明确把整个学科拆成两部分：

Modeling：找出关键变量，并把它们连接成矩阵方程或微分方程。
Solving：把这些方程离散化、算法化，然后交给计算机求解。

这两部分，在 Strang 看来本来就不该被拆开教。

他说得很直接：数学课只教分析技巧、工程课只做实际问题、计算课只讲软件实现，这种分裂的方式已经不够用了。真正的 Computational Science and Engineering，应该把这些重新合起来。

先抓住作者真正的主张

这本书最值得关注的是它的整体教学主张，这比单章技巧更能决定阅读收益。

作者反复强调三点。

1. 这门学科围绕求解流程组织

这本书的组织重心落在“一个问题怎么从现实走到计算机里”这条流程上，同时也兼顾经典公式和方法背景。

它真正关心的是：

现实问题怎样抽象成变量和关系？
这个关系更自然地写成矩阵方程还是微分方程？
连续问题怎样变成离散问题？
离散问题怎样才能算得快、算得稳？

所以，这本书读起来更像一整条工作流，彼此松散的知识点拼接并不足以概括它的组织方式。

0041 - 《Numerical Methods for Computational Science and Engineering》知识地图：从矩阵计算到 Krylov 与刚性 ODE

Wed, 15 Apr 2026 09:15:46 +0800

这篇笔记在做什么

这不是逐页摘要，也不是把 889 页讲义压缩成一个“目录翻译”。

这篇笔记只做四件事：

说明这份讲义到底在训练什么能力。
把 12 章内容整理成几条可复用的主线。
提炼每章最值得记住的算法、对象和方法关系。
给出一条适合自学和复习的阅读路线。

严格说，这份 PDF 带有很强的课程讲义气质，组织方式更接近“工具箱展开 + 例子穿插”；也正因为这样，它很适合用来搭建“科学计算工具箱”的全局视角。

书籍定位

项目	内容
资料名称	Numerical Methods for Computational Science and Engineering
课程来源	ETH Zurich, Numerical Methods for CSE
主讲人	Prof. Ralf Hiptmair
其他贡献者	Prof. P. Arbenz, Dr. V. Gradinaru
版本信息	Autumn Term 2025, lecture document
资料形态	课程讲义，约 889 页
目标读者	计算科学、计算机科学、工程方向本科高年级/研究生
先修要求	线性代数、微积分、基础编程
明确侧重点	算法思想、计算代价、稳定实现、数值实验
明确弱化内容	纯理论证明、HPC 细节、硬件级优化

这份讲义的定位非常明确：

它一方面梳理数值分析的基本对象，另一方面把重点放在真实计算问题中的问题识别、算法选择、代价估算、误差判断与可靠实现上。

因此，它从一开始就把重点放在三件事上：

算法本身
实现方式
数值结果解释

先给结论：这份讲义真正的组织方式

如果只用一句话概括，这份讲义的真正结构是：