離散化後求解流程

離散化後求解流程是計算數學的總食譜：你無法把連續問題交給電腦，所以先把它變成一個有限的代數方程系統（離散化），再用數值線性代數或迭代去解那個有限系統（求解）。幾乎每個真實模擬——熱流、流體力學、結構應力、選擇權定價——都走這條兩階段的路。

具體而言，連續問題（比如某區域上的微分方程）在有限的網格上被近似：每個導數變成有限差分、每個積分變成求積和、未知函數變成節點上一串有限的值。這把「找一個滿足微分方程的函數」換成「找一個滿足 A x = b 的向量 x」（對非線性問題則是用牛頓法處理的非線性系統）。離散化引入離散化（截斷）誤差，由網格間距 h 控制；解所得的代數系統引入捨入誤差，若是迭代則還有迭代誤差。即使程式把這兩階段交織在一起，它們在概念上仍是分開的：一種誤差來自網格，另一種來自算術與求解器。

把流程看成兩階段，能讓誤差預算保持誠實，並告訴你該往哪裡施力。若答案不準，問是哪一階段之過：網格太粗（加密以減離散化誤差——精度階研究確認它以正確速率下降）或求解不準或不穩定（更好的求解器、更緊的容忍度、更穩定的演算法）。這也解釋了為何這門學科有這麼多在講如何快速且穩定地解 A x = b：那個線性（或非線性）求解，是外層離散化反覆呼叫的內部引擎。一個告誡：無止境加密網格並非免費——更細的網格意味著遠多的未知數與算術，故即使離散化誤差下降，成本與累積的捨入也會上升。