1. 数值分析公式手册的实用价值
作为武大研一学生的必修课，数值分析这门课最让人头疼的就是各种复杂的公式推导和算法实现。去年备考时，我花了整整两周时间整理出这份公式手册，最终考试成绩提升了20多分。这不是一份简单的公式罗列，而是融合了算法原理、适用场景和典型例题的实战指南。
数值分析的核心在于用计算机解决数学问题，所有公式都对应着具体的计算场景。比如解线性方程组时的LU分解公式、函数逼近中的最小二乘法、数值积分的高斯求积公式等。掌握这些公式的关键不在于死记硬背，而是要理解其数学本质和计算逻辑。
2. 核心公式分类解析
2.1 误差分析基础公式
误差分析是数值计算的前提，必须掌握绝对误差（Δx=x*-x）和相对误差（δx=Δx/x*）的计算。特别要注意的是，在迭代计算中误差会传播，此时需要使用误差放大因子：
误差传播公式： |f(x*)-f(x)| ≈ |f'(x)||x*-x|实际编程时，建议用MATLAB的eps函数获取机器精度（约2.22×10^-16），这是浮点计算的基准误差限。
2.2 线性方程组求解
LU分解是最常用的直接解法，其核心是将矩阵A分解为下三角矩阵L和上三角矩阵U的乘积：
A = LU L = [1 ] U = [u11 u12 ...] [l21 1 ] [ 0 u22 ...] [... ... 1] [ 0 0 ...]实际考试中常考追赶法解三对角矩阵，对应的递推公式要重点记忆：
追过程： y1 = b1 yi = bi - aici-1/yi-1 (i=2,3,...,n) 赶过程： xn = yn xi = yi - cixi+1/yi (i=n-1,...,1)2.3 函数逼近与插值
拉格朗日插值多项式是必考重点，其基函数形式要熟记：
Ln(x) = Σ yi * li(x) li(x) = Π (x-xj)/(xi-xj) (j≠i)实际应用中更常用分段线性插值，其误差估计公式为：
|f(x)-Ih(x)| ≤ h²/8 max|f''(x)|3. 数值积分与微分
3.1 牛顿-柯特斯公式
梯形公式和辛普森公式是最基础的两点、三点公式：
梯形公式： ∫f(x)dx ≈ (b-a)/2 * [f(a)+f(b)] 辛普森公式： ∫f(x)dx ≈ (b-a)/6 * [f(a)+4f((a+b)/2)+f(b)]高精度计算推荐使用复合辛普森公式，其误差项为：
E = -(b-a)h⁴/180 f⁴(η)3.2 数值微分
三点中心差分公式最实用：
f'(x0) ≈ [f(x0+h)-f(x0-h)]/(2h)实际计算时步长h建议取√eps，过大过小都会导致误差增大。
4. 常微分方程数值解法
4.1 单步法
改进欧拉法是考试重点，其预测-校正格式为：
预测：y~n+1 = yn + hf(xn,yn) 校正：yn+1 = yn + h/2*[f(xn,yn)+f(xn+1,y~n+1)]4.2 龙格-库塔法
标准四阶RK公式必须牢记：
k1 = hf(xn,yn) k2 = hf(xn+h/2, yn+k1/2) k3 = hf(xn+h/2, yn+k2/2) k4 = hf(xn+h, yn+k3) yn+1 = yn + (k1+2k2+2k3+k4)/65. 非线性方程求根
5.1 迭代法
牛顿迭代法的收敛速度最快：
xn+1 = xn - f(xn)/f'(xn)实际编程时要设置最大迭代次数（如100次）和误差容限（如1e-6）。
5.2 弦截法
当导数难以计算时可用弦截法：
xn+1 = xn - f(xn)(xn-xn-1)/(f(xn)-f(xn-1))6. 矩阵特征值计算
幂法是求主特征值的实用方法：
迭代格式： vk+1 = Avk / ||Avk|| λ ≈ (Avk)Tvk考试常考Householder变换的三步过程，建议熟记反射向量u的计算公式。
7. 实用备考建议
- 公式推导比记忆更重要，重点掌握泰勒展开推导各类公式的方法
- 每种算法要记1-2个典型例题，如用LU分解解特定矩阵
- 误差分析必考，要会推导复合梯形公式的误差项
- 考前重点复习迭代法的收敛性证明（压缩映像原理）
- 编程题常考龙格-库塔法的实现，建议提前手写练习
这份公式手册我已经按照知识点分类整理成PDF，包含所有公式的LaTeX源码和典型例题。需要特别注意的是，考试时允许携带的A4纸最好采用双栏排版，左侧写公式右侧写应用示例和注意事项。对于像SOR迭代法这类复杂算法，建议用不同颜色标注松弛因子ω的取值范围。
