计算数学 (深度重制版)

📊 课程难度与压力分析

MATH3101 的难度在于‘数学深度与代码落地的偏差’。你可能在纸面上觉得泰勒展开很简单，但在编写 Python 代码时，如果初始值选得不好，你会面对满屏的 NaN。难点在第九周的 RK4 算法推导，那一长串系数背后的泰勒匹配逻辑会让数学功底弱的同学感到吃力。压力主要来自于 Major Project，你需要通过数值实验画出斜率图来证明你的算法确实是‘四阶收敛’的。及格极其容易（只要会调 SciPy 库），但拿 HD 需要你对‘截断误差的动态上界’有数学证明级别的掌控。挂科风险显著存在于对‘收敛阶 (Order of Accuracy)’基本定义的混淆上。

🎯 备考重点与高分策略

高分秘籍：‘得泰勒展开余项证明者得 Distinction，得误差项推导者得 HD’。期末考试中，推导辛普森法则的误差项并解释为什么其阶数高于梯形法是必考的大题。一定要练到能秒画出‘切比雪夫节点的几何分布图’。重点攻克‘刚性方程稳定性区域的判定逻辑’，那是区分普通程序员与计算数学家的标志。备考时，教材《Numerical Analysis》(Burden) 是唯一的圣经。对于项目，HD 的关键在于‘步长独立性研究’——不仅给结果，还要量化证明当步长减半时误差缩减了 16 倍。重视 Tutorial 里的每一道收敛判定题。

📚 学习建议与资源推荐

神级资源：MIT 的‘Numerical Methods for Engineers’公开课。如果插值理解不了，强烈推荐去 B 站搜‘数值分析 华中科大’。最重要的建议：养成‘先估计边界，再运行模型’的习惯。利用好 Python 的 `Scipy.optimize` 和 `Scipy.integrate` 模块进行自校验。学会使用 `Matplotlib` 画出符合出版标准的收敛曲线图。加入 UNSW MathSoc。训练你的‘算法效率直觉’。

⚠️ 作业与 Lab 避坑指南

项目避坑：千万不要在第 10 周才跑长时仿真！累积误差会让你的模型在 50 秒后彻底偏离轨道。Assignment 写作中，严禁只贴代码运行截图，必须写出你的‘误差来源归因分析’——为什么在高频部分你的模型失真了？此外，注意 Final 考试有 Hurdle 要求，关于‘基本逼近定理’的基础证明如果错太多会直接挂。考试时，带好直尺和各色铅笔，画出的插值曲线必须清晰标注节点。注意：分清‘局部截断误差’与‘全局误差’在 ODE 求解中的演化差异。不要在无穷级数的截断里迷失方向。

💬 过来人经验分享

学长建议：这门课是为你进入顶级仿真软件开发（如 NVIDIA 物理引擎）或量化算法研发拿的‘底层准入证’。学完后，你眼中的物理公式不再是死的，而是一个由步长、残差和收敛判据定义的完美动态数字实验。建议找一个同样追求‘算法极致精度’的队友共同打磨报告。拿 HD 的关键：在报告中展现出你对‘计算复杂度与精度平衡’的深刻理解。坚持住，通关 3101，你就真正跨过了从数学公式到算法工程的那道红线。这张成绩单是进入计算科学界最有力的通行证。记住：好的计算，是误差在可控范围内的极致优雅。