為什麼數值分析這麼難？

01-06

作為計算數學的長者，括弧笑。

數值分析不難，起碼計算數學會把這門課擴充為數值代數、數值逼近和微分方程數值解三門更加深入的課程。所以作為應用數學的同學，學習的數值分析是屬於擴充知識面的水準，你要有信心。

至於你為什麼會覺得難，私以為是這門課綜合性比較大的緣故，比如數值代數部分（數值分析中線性代數求解部分）就涉及泛函分析、高等代數、演算法設計等內容,初上是會不習慣將一個以前默熟於心的計算過程用演算法描述出來的，所以對這部分，你要一遍遍在腦子裡構建那個計算過程，行與列哪個在先？矩陣存儲於二維數組中，行列分別是怎麼遍歷的？每個變數取的意義是什麼？等等，把這步困難的走了，後面涉及演算法的描述才能理解得更快。而且由於數值計算最後總會歸結為解線性方程組，所以這部分也是數值分析的基礎。最後，學習迭代法時，對泛函中壓縮映像原理用得很多，還涉及數項級數的內容，還有默認你們懂的矩陣分析，所以我建議高代學的不太好的同學，去看看矩陣分析前兩章，看看矩陣特徵值和各種範數的定義以及各個範數之間的關係。

其次數值分析計算量很大，尤其理論分析時又是代數計算，所以還對數分的要求很高，比如微分方程數值解部分，通常的方法都是用差分近似微分方程，我映像中有一次分析五點差分格式時多元taylor做到了五階，太考耐心了。而有限體積法對二型曲線積分也有一定的要求。

數值逼近部分貌似數值分析只講擬合和插值的計算，對理論要求不高，所以，這部分還是考高代和數分的計算。

覺得難可能是因為一大堆的公式。作為一名剛步入職場的大學生，學過一年數值分析，提點個人薄見。

數值分析課程在不同專業來說學的教材也不一樣，內容豐富程度和教學掌握程度也不一樣。就我了解到的是工科學的叫數值計算或者其他啥名，和理科學的相比書薄了很多。理科數值分析多出的部分就是公式的證明了。如果你用的是理科教材，看懂原理自然很有必要，但不打壓學習興趣的前提下，建議還是先學會使用。

說到使用，就得講到實用。能檢驗數值計算最好的地方就是參加數學建模這種比賽了。數學建模不論大小規模，大到國賽美賽，小到各種網賽。一般會有一道模型題。數值分析中講到的都是傳統的數值解法，可能幾百年前就有了。現如今如何將這些傳統演算法（數學理論化的演算法）應用到實踐中。那你得學一門編程語言，學校可能要求你們不限語言，確實語言只是描述的一種手段，你寫偽代碼能說清算你牛逼。大多數書籍還是建議用matlab，沒接觸過沒關係，當年我也是自學參加的數模，編程是我一個人來做，獲過一些小獎不值一提了。主要是過程會讓你很充實，我除了自己組隊參加數模，有一次被老師叫去助攻了一次研究生數模，感覺還不錯，就寫了一點代碼跑路了（還有課），差點撩到一個學姐（嘿嘿）。所有這些的前提你得懂兩樣東西，一個是matlab，一個就是數值分析了。

儘管說了這麼多廢話，我本意就是覺得數值分析這門課就如數據結構，需要大量的編程實踐，沒有實際行動你會覺得那些理論遙不可及。有了一次實踐，你會覺得那些公示是1+1。能帶給你成就感的學習才是值得繼續下去並能堅持下去的。比方說撩妹對吧。

再說一點個人的吧，我還選修過運籌學這門課，期間我將能用matlab模擬的演算法都演練了一遍，寫了一個匈牙利演算法的matlab程序發現網上居然沒人寫過。如果手工去算匈牙利問題會花點功夫，學霸來了也沒matlab運行的快，這種滿足感還是有的。看到一個問題我們總想著能不能自動化去完成，一段代碼能幫我們完成何必去算重複的問題，理解本質理解演算法顛覆演算法然後去寫代碼，解放雙手，開發腦力。很酷。

不了解匈牙利演算法的自行去百度了解吧，運籌學中還有很多演算法僅以此為例，手機碼字很累。

知乎用的不多，沒注意排版，看官們請見諒。

本人可能數學基礎比較差，與題主有相同的感觸，一開始覺得特別特別難！簡直無從下手！後來看到一個相關的數值實現程序，自己也用MATLAB編程實現了部分的數值方法，好像明白了一些…… 不過，還是不知道怎麼學才最適合這門課，理論和實踐結合的最好的課了吧！必須兩手都要抓，兩手都要硬啊！這門課真的比較坑！感興趣的，可以看看我的程序，不多，大家參考下，一起進步吧！jingmiaa的博客

數值分析它是在誤差允許的範圍內求近似解，工科生學它真的不覺得很難，把幾個需要掌握的吧，例如牛頓和拉格朗日迭代公式。

這個學期學了一波，要把編程和數學方法結合起來，其實很難的吧。。。

還沒學，等學了後再來填坑。

這個坑看來本科階段我是填不成了。

大部分人因為高數底子沒打牢，剩餘的人編程語言不熟練，兩者精通的少。我個人的學習方法是，認清自己更擅長哪方面，找互補的人一起學習。比如我，電腦愛好者，比起數學更擅長寫代碼;然後，我就去找數學好的同學，讓他給我解釋我不清楚的數學原理，我編寫代碼，然後解釋代碼給他聽。