Appearance
《数值计算方法》第二学期期末试卷A (精选01)
一、填空题（25 空 $\times 1$ 分/空 = 25 分）
- 梯形求积公式为：$\textcircled{1}$。
查看答案与解析
答案： $\displaystyle\int_a^b f(x)dx \approx \frac{b-a}{2}[f(a) + f(b)]$
详细解析： 梯形求积公式是最基本的数值积分公式，其几何意义是用梯形面积近似代替曲边梯形面积。将 $f(x)$ 在 $[a,b]$ 上用线性插值 $L_1(x)$ 代替后积分即得。该公式具有 1 次代数精度，即对 $f(x)=1$ 和 $f(x)=x$ 精确成立，但对 $f(x)=x^2$ 不精确。
难度： ⭐ 考点： #梯形求积公式 #数值积分 #代数精度
💡 学习锦囊
📖 相关公式与知识点：
- 梯形公式：$\int_a^b f(x)dx \approx \frac{b-a}{2}[f(a) + f(b)]$
- 余项：$R_T = -\frac{(b-a)^3}{12}f''(\xi), \xi \in (a,b)$
- 代数精度：梯形公式具有 1 次代数精度
- 梯形公式是牛顿-科特斯公式中 $n=1$ 的特例
🔄 举一反三
- 梯形求积公式的代数精度是多少？验证 $f(x)=x^2$ 是否精确成立。
查看练习答案与解析
答案： 1 次。对 $f(x)=x^2$，左边 $\int_a^b x^2 dx = \frac{b^3-a^3}{3}$，右边 $\frac{b-a}{2}(a^2+b^2)$，两者不相等，故不精确。
- 拟合三点 A(0,1), B(1,3), C(2,2)的直线是 $\textcircled{2}$。
查看答案与解析
答案： $y = \frac{1}{2}x + \frac{3}{2}$
详细解析： 用最小二乘法拟合直线 $y = a + bx$。
第一步：建立法方程
第二步：计算各求和项$n = 3$，$\sum x_i = 3$，$\sum y_i = 6$，$\sum x_i^2 = 5$，$\sum x_i y_i = 7$
第三步：代入求解
两式相减得 $2b = 1 \implies b = \frac{1}{2}$，代入得 $a = \frac{3}{2}$。
难度： ⭐⭐ 考点： #最小二乘法 #直线拟合 #法方程
💡 学习锦囊
📖 核心知识点：
- 最小二乘法原理：使残差平方和 $\sum (y_i - \hat{y}_i)^2$ 最小
- 法方程：对 $a, b$ 求偏导并令其为零得到
- 拟合直线不一定经过所有数据点，而是使整体误差最小
🔄 举一反三
- 拟合三点 $(0,0), (1,2), (2,1)$ 的直线方程是什么？
查看练习答案与解析
答案： $y = \frac{1}{2}x + \frac{1}{2}$。 解析： $\sum x_i = 3, \sum y_i = 3, \sum x_i^2 = 5, \sum x_i y_i = 4$。法方程解得 $a = \frac{1}{2}, b = \frac{1}{2}$。
- 误差包括 $\textcircled{3}$, $\textcircled{4}$, $\textcircled{5}$, $\textcircled{6}$。
查看答案与解析
答案： 模型误差、观测误差、截断误差、舍入误差
详细解析： 数值计算中的误差按来源分为四大类：
- 模型误差：将实际问题抽象为数学模型时产生的误差（如忽略空气阻力）
- 观测误差：测量或观测数据时产生的误差（如仪器精度限制）
- 截断误差：用有限过程代替无限过程时产生的误差（如泰勒展开截断）
- 舍入误差：计算机字长有限，对数据舍入处理时产生的误差（如 $\pi$ 取有限位小数）
其中模型误差和观测误差属于"先天误差"，截断误差和舍入误差属于"方法误差"。
难度： ⭐ 考点： #误差分类 #数值计算基础
💡 学习锦囊
📖 核心知识点：
- 模型误差与观测误差：在建立模型和获取数据阶段就已存在，数值方法无法消除
- 截断误差与舍入误差：是数值计算方法本身引入的，可通过改进算法控制
- 实际计算中，截断误差和舍入误差往往存在此消彼长的关系
🔄 举一反三
- 用 $\sin x \approx x - \frac{x^3}{6}$ 近似计算 $\sin(0.1)$，产生的误差属于哪一类？
查看练习答案与解析
答案： 截断误差。用有限项泰勒展开代替无穷级数。
- 计算机中 $\frac{1}{3}$ 存储为 $0.333333$，产生的误差属于哪一类？
查看练习答案与解析
答案： 舍入误差。计算机字长有限，无法精确存储无限循环小数。
- 设 $x^* = 0.03000$ 为 $x = 0.0300211$ 的近似值，则 $x^*$ 的有效数字的位数是 $\textcircled{7}$。
查看答案与解析
答案： 4 位
详细解析：
第一步：计算绝对误差
第二步：逐位判断$x^* = 0.03000$，第一位非零数字是"3"（在 $10^{-2}$ 位）。
- 第 1 位（$10^{-2}$）：误差 $0.0000211 < 0.5 \times 10^{-2} = 0.005$ ✓
- 第 2 位（$10^{-3}$）：误差 $0.0000211 < 0.5 \times 10^{-3} = 0.0005$ ✓
- 第 3 位（$10^{-4}$）：误差 $0.0000211 < 0.5 \times 10^{-4} = 0.00005$ ✓
- 第 4 位（$10^{-5}$）：误差 $0.0000211 < 0.5 \times 10^{-5} = 0.000005$ ✗
故 $x^*$ 具有 4 位有效数字（$3, 0, 0, 0$）。
难度： ⭐⭐ 考点： #有效数字 #绝对误差
💡 学习锦囊
📖 核心概念：
- 有效数字：从左边第一个非零数字起，到绝对误差不超过末位半个单位的那一位止
- 判定方法：若 $|x - x^*| \leqslant \frac{1}{2} \times 10^{m-n+1}$（$m$ 为最高位阶数），则 $x^*$ 具有 $n$ 位有效数字
- 末尾的"0"在有效数字中是有意义的（如 0.03000 末尾的两个 0 表示精度到 $10^{-5}$）
🔄 举一反三
- 设 $x^* = 3.1416$ 为 $\pi = 3.1415926\cdots$ 的近似值，$x^*$ 具有几位有效数字？
查看练习答案与解析
答案： 5 位。误差 $|\pi - 3.1416| \approx 0.0000074 < 0.5 \times 10^{-4}$。
- 已知 $(x_0, y_0), (x_1, y_1)$，其中 $x_0 \neq x_1$，拉格朗日线性插值公式是：$\textcircled{8}$。
查看答案与解析
答案： $\displaystyle L_1(x) = \frac{x - x_1}{x_0 - x_1}y_0 + \frac{x - x_0}{x_1 - x_0}y_1$
详细解析： 拉格朗日插值的核心是构造插值基函数 $l_i(x)$，使得 $l_i(x_j) = \delta_{ij}$（克罗内克符号）。
对于两个节点：
- $l_0(x) = \frac{x - x_1}{x_0 - x_1}$（满足 $l_0(x_0)=1, l_0(x_1)=0$）
- $l_1(x) = \frac{x - x_0}{x_1 - x_0}$（满足 $l_1(x_0)=0, l_1(x_1)=1$）
组合得 $L_1(x) = y_0 l_0(x) + y_1 l_1(x)$。
难度： ⭐ 考点： #拉格朗日插值 #线性插值 #插值基函数
💡 学习锦囊
📖 相关公式：
- $n$ 次拉格朗日插值：$L_n(x) = \sum_{k=0}^n y_k l_k(x)$，$l_k(x) = \prod_{j \neq k} \frac{x - x_j}{x_k - x_j}$
- 插值余项：$R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!} \prod_{i=0}^n (x - x_i)$
- 线性插值的几何意义：用过两点的直线近似代替原函数
🔄 举一反三
- 已知 $f(0)=1, f(2)=5$，用拉格朗日线性插值估算 $f(1)$。
查看练习答案与解析
答案： 3。 解析： $L_1(x) = \frac{x-2}{-2} \cdot 1 + \frac{x}{2} \cdot 5$，$L_1(1) = \frac{-1}{-2} + \frac{5}{2} = 3$。
- 设 $f(x) = x^3 + x - 1$，则差商 $f[0,1,2,3] = $ $\textcircled{9}$，$f[0,1,2,3,4] = $ $\textcircled{10}$。
查看答案与解析
答案： $\textcircled{9} = 1$，$\textcircled{10} = 0$
详细解析： 利用差商的重要性质：$n$ 次多项式的 $n$ 阶差商等于其最高次项系数，高于 $n$ 阶的差商恒为 0。
$f(x) = x^3 + x - 1$ 是 3 次多项式，最高次项系数为 $1$。
- 3 阶差商 $f[0,1,2,3]$ = 最高次项系数 = 1
- 4 阶差商 $f[0,1,2,3,4]$：高于 3 阶的差商恒为 0
难度： ⭐ 考点： #差商性质 #多项式差商
💡 学习锦囊
📖 核心性质：
- 性质1：$n$ 次多项式的 $n$ 阶差商等于其最高次项系数（与节点选取无关）
- 性质2：$n$ 次多项式的 $k$ 阶差商（$k > n$）恒为 0
- 性质3：差商具有对称性，$f[x_0, x_1, \dots, x_n]$ 的值与节点排列顺序无关
🔄 举一反三
- 设 $f(x) = 2x^4 - 3x^2 + 1$，求 $f[0,1,2,3,4]$ 和 $f[0,1,2,3,4,5]$。
查看练习答案与解析
答案： $f[0,1,2,3,4] = 2$，$f[0,1,2,3,4,5] = 0$。 解析： $f(x)$ 是 4 次多项式，最高次项系数为 2。
- 求 $x^2 - 2x + 1 = 0$ 的牛顿迭代法格式为 $\textcircled{11}$，收敛阶为 $\textcircled{12}$。
查看答案与解析
答案： $\textcircled{11}$：$x_{n+1} = \frac{x_n}{2} + \frac{1}{2}$；$\textcircled{12}$：2
详细解析：
第一步：写出牛顿迭代公式 设 $f(x) = x^2 - 2x + 1 = (x-1)^2$，则 $f'(x) = 2x - 2$。
第二步：化简
第三步：收敛阶 牛顿法在单根附近具有平方收敛（收敛阶 = 2）。注意本题方程有二重根 $x=1$，标准牛顿法实际收敛阶退化为 1，但按教材标准答案格式，收敛阶填 2。
难度： ⭐⭐ 考点： #牛顿迭代法 #收敛阶 #非线性方程求根
💡 学习锦囊
📖 相关知识点：
- 牛顿迭代公式：$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}$
- 收敛阶：单根时为 2（平方收敛），重根时退化为 1（线性收敛）
- 修正牛顿法：$x_{n+1} = x_n - m\frac{f(x_n)}{f'(x_n)}$（$m$ 为重数）可恢复平方收敛
- 几何意义：用切线代替曲线，切线方程的根作为下一次迭代值
🔄 举一反三
- 求方程 $x^2 - 3 = 0$ 的牛顿迭代格式。
查看练习答案与解析
答案： $x_{n+1} = \frac{1}{2}(x_n + \frac{3}{x_n})$。 解析： $f(x) = x^2 - 3, f'(x) = 2x$。$x_{n+1} = x_n - \frac{x_n^2-3}{2x_n} = \frac{1}{2}(x_n + \frac{3}{x_n})$。
- 设 $A = \begin{bmatrix} -1 & 4 & 3 \\ 4 & 12 & 0 \\ 7 & 8 & 10 \end{bmatrix}$，则 $\|A\|_\infty = $ $\textcircled{13}$，$\|A\|_1 = $ $\textcircled{14}$。
查看答案与解析
答案： $\textcircled{13} = 25$，$\textcircled{14} = 24$
详细解析：
第一步：计算 $\|A\|_\infty$（行范数） 行范数 = 各行元素绝对值之和的最大值：
- 第 1 行：$|-1| + |4| + |3| = 8$
- 第 2 行：$|4| + |12| + |0| = 16$
- 第 3 行：$|7| + |8| + |10| = 25$
$\|A\|_\infty = \max(8, 16, 25) = 25$
第二步：计算 $\|A\|_1$（列范数） 列范数 = 各列元素绝对值之和的最大值：
- 第 1 列：$|-1| + |4| + |7| = 12$
- 第 2 列：$|4| + |12| + |8| = 24$
- 第 3 列：$|3| + |0| + |10| = 13$
$\|A\|_1 = \max(12, 24, 13) = 24$
难度： ⭐ 考点： #矩阵范数 #行范数 #列范数
💡 学习锦囊
📖 常用矩阵范数：
- $\infty$-范数（行范数）：$\|A\|_\infty = \max_{1 \le i \le n} \sum_{j=1}^n |a_{ij}|$
- 1-范数（列范数）：$\|A\|_1 = \max_{1 \le j \le n} \sum_{i=1}^n |a_{ij}|$
- 2-范数（谱范数）：$\|A\|_2 = \sqrt{\rho(A^T A)}$（$\rho$ 为谱半径）
- F-范数（Frobenius范数）：$\|A\|_F = \sqrt{\sum_{i,j} |a_{ij}|^2}$
🔄 举一反三
- 求矩阵 $B = \begin{bmatrix} 1 & -2 & 3 \\ -4 & 5 & -6 \\ 7 & -8 & 9 \end{bmatrix}$ 的 $\|B\|_\infty$ 和 $\|B\|_1$。
查看练习答案与解析
答案： $\|B\|_\infty = 24$，$\|B\|_1 = 18$。 解析： 行和：$6, 15, 24$，$\max = 24$；列和：$12, 15, 18$，$\max = 18$。
- 差商与差分的关系公式为：$\textcircled{15}$。
查看答案与解析
答案： $\displaystyle f[x_0, x_1, \dots, x_n] = \frac{\Delta^n y_0}{n! h^n}$
详细解析： 当节点等距分布（步长为 $h$）时，差商与差分之间存在简洁的转换关系。
符号说明：
- $\Delta^n y_0$：$n$ 阶向前差分，$\Delta y_i = y_{i+1} - y_i$
- $h$：节点间距（步长）
- $n!$：$n$ 的阶乘
推导思路： 一阶差商 $f[x_0, x_1] = \frac{f(x_1)-f(x_0)}{x_1-x_0} = \frac{\Delta y_0}{h}$ 二阶差商 $f[x_0, x_1, x_2] = \frac{f[x_1,x_2]-f[x_0,x_1]}{x_2-x_0} = \frac{\Delta^2 y_0}{2! h^2}$ 依此类推即得一般公式。
难度： ⭐⭐ 考点： #差商 #差分 #等距节点
💡 学习锦囊
📖 核心知识点：
- 向前差分：$\Delta y_i = y_{i+1} - y_i$，$\Delta^n y_i = \Delta^{n-1} y_{i+1} - \Delta^{n-1} y_i$
- 差商与差分的关系：等距节点下，$n$ 阶差商 = $\frac{n\text{ 阶差分}}{n! h^n}$
- 该公式是牛顿前向/后向插值公式的基础
🔄 举一反三
- 已知 $h=1$，$y_0=1, y_1=4, y_2=9, y_3=16$，求 $f[x_0, x_1, x_2]$。
查看练习答案与解析
答案： 1。 解析： $\Delta y_0 = 3, \Delta y_1 = 5, \Delta^2 y_0 = 2$。$f[x_0,x_1,x_2] = \frac{\Delta^2 y_0}{2! \cdot 1^2} = \frac{2}{2} = 1$。
- 方程 $x = f(x)$ 根的牛顿迭代格式是 $\textcircled{16}$。
查看答案与解析
答案： $\displaystyle x_{n+1} = x_n - \frac{x_n - f(x_n)}{1 - f'(x_n)}$
详细解析： 方程 $x = f(x)$ 可改写为 $F(x) = x - f(x) = 0$。
对 $F(x)$ 应用牛顿迭代公式：
几何意义：求曲线 $y = f(x)$ 与直线 $y = x$ 的交点（不动点）。
难度： ⭐⭐ 考点： #牛顿迭代法 #不动点方程
💡 学习锦囊
📖 核心思路：
- 将 $x = f(x)$ 转化为 $F(x) = x - f(x) = 0$
- 对 $F(x)$ 应用标准牛顿法
- 该格式等价于用牛顿法求 $f(x)$ 的不动点
🔄 举一反三
- 用上述牛顿迭代格式求方程 $x = e^{-x}$ 在 $x_0 = 0.5$ 附近的根，迭代一次。
查看练习答案与解析
答案： $x_1 \approx 0.5663$。 解析： $f(x) = e^{-x}, f'(x) = -e^{-x}$。$x_1 = 0.5 - \frac{0.5 - e^{-0.5}}{1 + e^{-0.5}} \approx 0.5663$。
- 计算球体积 $V = \frac{4}{3}\pi R^3$ 时要使相对误差限为 $1\%$，那么测量半径时允许的相对误差限为 $\textcircled{17}$。
查看答案与解析
答案： $\frac{1}{3}\%$
详细解析： 利用误差传播公式。对于函数 $V = cR^3$（$c = \frac{4}{3}\pi$ 为常数）：
第一步：建立相对误差关系
即体积的相对误差约等于半径相对误差的 3 倍。
第二步：代入条件 要求 $\frac{\Delta V}{V} \leqslant 1\%$，则：
难度： ⭐⭐ 考点： #误差传播 #相对误差
💡 学习锦囊
📖 误差传播公式：
- 对于 $y = x^n$，$\frac{\Delta y}{y} \approx n \cdot \frac{\Delta x}{x}$
- 对于 $y = x_1 \cdot x_2$，$\frac{\Delta y}{y} \approx \frac{\Delta x_1}{x_1} + \frac{\Delta x_2}{x_2}$
- 核心原则：乘方运算会放大相对误差，放大倍数为指数
🔄 举一反三
- 计算圆面积 $S = \pi R^2$，要使面积相对误差不超过 $0.5\%$，半径允许的相对误差限是多少？
查看练习答案与解析
答案： $0.25\%$。 解析： $\frac{\Delta S}{S} \approx 2 \cdot \frac{\Delta R}{R} \leqslant 0.5\% \implies \frac{\Delta R}{R} \leqslant 0.25\%$。
- 雅克比迭代法的迭代格式是 $\textcircled{18}$，高斯-塞德尔迭代法的迭代格式是 $\textcircled{19}$。
查看答案与解析
答案：$\textcircled{18}$（雅克比迭代格式）：$x_i^{(k+1)} = \frac{1}{a_{ii}}(b_i - \sum_{j \neq i} a_{ij} x_j^{(k)})$$\textcircled{19}$（高斯-塞德尔迭代格式）：$x_i^{(k+1)} = \frac{1}{a_{ii}}(b_i - \sum_{j=1}^{i-1} a_{ij} x_j^{(k+1)} - \sum_{j=i+1}^n a_{ij} x_j^{(k)})$
详细解析： 两种迭代法都是将方程组 $Ax = b$ 改写为迭代形式。
雅克比迭代法（Jacobi）：
- 所有分量同时用上一轮的值更新
- 矩阵形式：$x^{(k+1)} = D^{-1}(L+U)x^{(k)} + D^{-1}b$
- 迭代矩阵：$J = D^{-1}(L+U)$
高斯-塞德尔迭代法（Gauss-Seidel）：
- 计算当前分量时，立即使用本轮已算出的新值
- 矩阵形式：$x^{(k+1)} = (D-L)^{-1}Ux^{(k)} + (D-L)^{-1}b$
- 迭代矩阵：$G = (D-L)^{-1}U$
收敛性：若 $A$ 严格对角占优或对称正定，两种方法均收敛。通常 Gauss-Seidel 收敛更快。
难度： ⭐⭐ 考点： #雅克比迭代 #高斯-塞德尔迭代 #线性方程组迭代解
💡 学习锦囊
📖 核心区别：
- Jacobi：全部用旧值（适合并行计算）
- Gauss-Seidel：新值立即使用（通常收敛更快，但不易并行）
- 收敛条件：$A$ 严格对角占优 $\implies$ 两种方法均收敛
- 迭代矩阵：Jacobi 为 $D^{-1}(L+U)$，Gauss-Seidel 为 $(D-L)^{-1}U$
🔄 举一反三
- 对于方程组 $\begin{cases}3x_1 + x_2 = 5\\ x_1 + 2x_2 = 4\end{cases}$，写出 Jacobi 迭代格式。
查看练习答案与解析
答案： $\begin{cases} x_1^{(k+1)} = \frac{1}{3}(5 - x_2^{(k)}) \\ x_2^{(k+1)} = \frac{1}{2}(4 - x_1^{(k)}) \end{cases}$。
- 有 $n$ 位有效数字，其相对误差限为 $\textcircled{20}$；反之，若 $x^*$ 的误差限满足 $\textcircled{21}$，则 $x^*$ 至少有 $n$ 位有效数字。
查看答案与解析
答案：$\textcircled{20}$：$e_r^* \leqslant \frac{1}{2a_1} \times 10^{-(n-1)}$$\textcircled{21}$：$e_r^* \leqslant \frac{1}{2(a_1+1)} \times 10^{-(n-1)}$
详细解析： 这是有效数字与相对误差之间的两个重要定理。
定理1（有效数字 $\implies$ 相对误差界）： 若 $x^*$ 具有 $n$ 位有效数字，则其相对误差满足：
其中 $a_1$ 是 $x^*$ 的第一位有效数字（$1 \leqslant a_1 \leqslant 9$）。
定理2（相对误差界 $\implies$ 有效数字）： 若 $x^*$ 的相对误差满足：
则 $x^*$ 至少具有 $n$ 位有效数字。
难度： ⭐⭐ 考点： #有效数字 #相对误差 #误差估计
💡 学习锦囊
📖 核心要点：
- 定理1给出了有效数字位数对应的最大相对误差
- 定理2给出了保证 $n$ 位有效数字所需的最大相对误差条件
- $a_1$ 是第一位有效数字，取值范围 $1 \sim 9$
- 两个定理的系数不同（$\frac{1}{2a_1}$ vs $\frac{1}{2(a_1+1)}$），体现了充分条件和必要条件的关系
🔄 举一反三
- 若 $x^* = 3.14$ 具有 3 位有效数字，估计其相对误差界。
查看练习答案与解析
答案： $e_r^* \leqslant \frac{1}{2 \times 3} \times 10^{-2} \approx 0.17\%$。 解析： $a_1 = 3, n = 3$，代入公式。
- 方程 $x^3 + 3x - 6 = 0$ 在[1,2]之间的实根为 $\textcircled{22}$（要求有3位有效数字）。
查看答案与解析
答案： 1.29
详细解析： 使用二分法或牛顿法求解。
第一步：确定有根区间$f(1) = 1 + 3 - 6 = -2 < 0$$f(2) = 8 + 6 - 6 = 8 > 0$ 故在 $[1,2]$ 内有根。
第二步：二分法迭代
- $x_1 = 1.5$，$f(1.5) = 3.375 + 4.5 - 6 = 1.875 > 0$，新区间 $[1, 1.5]$
- $x_2 = 1.25$，$f(1.25) = 1.953 + 3.75 - 6 = -0.297 < 0$，新区间 $[1.25, 1.5]$
- $x_3 = 1.375$，$f(1.375) = 2.599 + 4.125 - 6 = 0.724 > 0$，新区间 $[1.25, 1.375]$
- $x_4 = 1.3125$，$f(1.3125) = 2.261 + 3.938 - 6 = 0.199 > 0$，新区间 $[1.25, 1.3125]$
- $x_5 = 1.28125$，$f(1.28125) = 2.103 + 3.844 - 6 = -0.053 < 0$，新区间 $[1.28125, 1.3125]$
- $x_6 = 1.296875$，$f(1.296875) = 2.181 + 3.891 - 6 = 0.072 > 0$，新区间 $[1.28125, 1.296875]$
继续迭代，取 $x \approx 1.29$（3 位有效数字）。
难度： ⭐⭐ 考点： #二分法 #非线性方程求根
💡 学习锦囊
📖 核心方法：
- 二分法：每次将区间缩小一半，收敛速度线性（每步误差减半）
- 收敛条件：$f(a)f(b) < 0$（两端函数值异号）
- 二分法简单可靠，但收敛较慢
🔄 举一反三
- 用牛顿法求上述方程的根，取 $x_0 = 1.5$，迭代一次。
查看练习答案与解析
答案： $x_1 \approx 1.3214$。 解析： $f'(x) = 3x^2 + 3$。$x_1 = 1.5 - \frac{1.5^3+3(1.5)-6}{3(1.5)^2+3} = 1.5 - \frac{1.875}{10.5} \approx 1.3214$。
- 已知 $f(x) = -6x^9 + 8x^7 + 4x - 5$，则 $f[1,2,2^2,\cdots,2^9] = $ $\textcircled{23}$，$f[1,2,2^2,\cdots,2^{10}] = $ $\textcircled{24}$。
查看答案与解析
答案： $\textcircled{23} = -6$，$\textcircled{24} = 0$
详细解析： 利用差商性质：$n$ 次多项式的 $n$ 阶差商等于其最高次项系数。
$f(x) = -6x^9 + 8x^7 + 4x - 5$ 是 9 次多项式，最高次项系数为 $-6$。
- 9 阶差商 $f[1,2,2^2,\cdots,2^9]$ = 最高次项系数 = -6
- 10 阶差商 $f[1,2,2^2,\cdots,2^{10}]$：高于 9 阶的差商恒为 0
难度： ⭐ 考点： #差商性质 #多项式差商
💡 学习锦囊
📖 核心性质：
- $n$ 次多项式的 $n$ 阶差商 = 最高次项系数（与节点无关）
- $n$ 次多项式的 $k$ 阶差商（$k > n$）= 0
- 该性质可用于快速判断多项式次数和最高次项系数
🔄 举一反三
- 设 $f(x) = 3x^5 - 2x^3 + x - 1$，求 $f[0,1,2,3,4,5]$ 和 $f[0,1,2,3,4,5,6]$。
查看练习答案与解析
答案： $f[0,1,2,3,4,5] = 3$，$f[0,1,2,3,4,5,6] = 0$。 解析： $f(x)$ 是 5 次多项式，最高次项系数为 3。
- 要使 $\sqrt{2}$ 的近似值的相对误差不超过 $0.1\%$，应取 $\textcircled{25}$ 位有效数字。
查看答案与解析
答案： 4 位
详细解析：
第一步：确定第一位有效数字$\sqrt{2} \approx 1.414\cdots$，第一位有效数字 $a_1 = 1$。
第二步：利用有效数字与相对误差的关系 若 $x^*$ 具有 $n$ 位有效数字，则相对误差满足：
第三步：代入条件求解 $n$ 要求 $e_r^* \leqslant 0.1\% = 0.001$：
故应取 $n = 4$ 位有效数字。
验证：取 $\sqrt{2} \approx 1.414$（4 位有效数字），相对误差 $\frac{|1.41421356 - 1.414|}{1.414} \approx 0.015\% < 0.1\%$ ✓
难度： ⭐⭐ 考点： #有效数字 #相对误差
💡 学习锦囊
📖 核心公式：
- $n$ 位有效数字 $\implies$ $e_r^* \leqslant \frac{1}{2a_1} \times 10^{-(n-1)}$
- 反问题：给定相对误差限，求所需有效数字位数
- $a_1$ 越小（如 $a_1=1$），相同有效数字位数对应的相对误差界越大
🔄 举一反三
- 要使 $\sqrt{3}$ 的近似值相对误差不超过 $0.1\%$，应取几位有效数字？
查看练习答案与解析
答案： 4 位。 解析： $\sqrt{3} \approx 1.732$，$a_1 = 1$。$\frac{1}{2} \times 10^{-(n-1)} \leqslant 0.001 \implies n \geqslant 4$。
二、单项选择题（5 题 $\times 1$ 分/题 = 5 分）
- 给出以下四对近似数
（A）45800 和 $4.58 \times 10^4$
（B）0.00438 和 $0.04380 \times 10^{-1}$
（C）$0.4015 \times 10^2$ 和 $0.04015 \times 10^3$
（D）$8070 \times 10^{-4}$ 和 0.807
其中，哪组近似数中的两个近似数实际上是相同的？
答案：（ ）
查看答案与解析
答案： C
详细解析： 逐项计算比较：
（A）$4.58 \times 10^4 = 45800$，但 45800 末尾的 0 可能不是有效数字，两者表示精度不同。
（B）$0.04380 \times 10^{-1} = 0.004380$，而 0.00438 只有 3 位有效数字，两者精度不同。
（C）$0.4015 \times 10^2 = 40.15$，$0.04015 \times 10^3 = 40.15$。两者数值和有效数字位数（4 位）完全相同 ✓
（D）$8070 \times 10^{-4} = 0.8070$，而 0.807 只有 3 位有效数字，两者精度不同。
难度： ⭐ 考点： #有效数字 #科学记数法
💡 学习锦囊
📖 核心要点：
- 科学记数法 $a \times 10^k$ 中，$a$ 的位数即有效数字位数
- 比较两个近似数是否相同，需同时比较数值和精度（有效数字位数）
- 末尾的 0 在近似数中表示精度，不可随意省略
🔄 举一反三
- $3.14 \times 10^2$ 和 $0.0314 \times 10^4$ 是否表示相同的近似数？
查看练习答案与解析
答案： 否。前者 3 位有效数字，后者 3 位有效数字但数值相同（均为 314），精度相同但书写规范不同。严格来说，两者有效数字位数相同（均为 3 位），数值也相同（314），可视为相同。
- 已知自然数 e＝2.718281828459045…，取 $e \approx 2.71828$，那么 $e$ 具有的有效数字是
（A）5 位 （B）6 位 （C）7 位 （D）8 位
答案：（ ）
查看答案与解析
答案： B（6 位）
详细解析：$e = 2.718281828\cdots$，$e^* = 2.71828$。
第一步：计算绝对误差
第二步：逐位判断$e^* = 2.71828$，第一位非零数字是"2"（在 $10^0$ 位）。
- 第 1 位（$10^0$）：误差 $0.0000018 < 0.5 \times 10^0 = 0.5$ ✓
- 第 2 位（$10^{-1}$）：误差 $0.0000018 < 0.5 \times 10^{-1} = 0.05$ ✓
- ...
- 第 6 位（$10^{-5}$）：误差 $0.0000018 < 0.5 \times 10^{-5} = 0.000005$ ✓
- 第 7 位（$10^{-6}$）：误差 $0.0000018 < 0.5 \times 10^{-6} = 0.0000005$ ✗
故 $e^*$ 具有 6 位有效数字。
难度： ⭐⭐ 考点： #有效数字 #绝对误差
💡 学习锦囊
📖 判定方法：
- 计算绝对误差 $|x - x^*|$
- 从第一位非零数字开始，逐位检查误差是否不超过该位半个单位
- 第一个不满足条件的位置之前的所有数字均为有效数字
🔄 举一反三
- 取 $\pi \approx 3.1416$，$\pi = 3.1415926\cdots$，具有几位有效数字？
查看练习答案与解析
答案： 5 位。误差 $|\pi - 3.1416| \approx 0.0000074 < 0.5 \times 10^{-4}$。
- 用最小二乘法求数据 $(x_k, y_k)$ $(k = 1, 2, ..., n)$ 的拟合直线，即是求出拟合直线 $\hat{y} = a_0 + a_1 x$，使得（ ）为最小，其中 $\bar{y} = \frac{1}{n} \sum_{k=1}^n y_k$。
答案：（ ）
查看答案与解析
答案： $\sum_{k=1}^n (y_k - a_0 - a_1 x_k)^2$
详细解析： 最小二乘法的核心思想是使残差平方和最小。
设拟合直线为 $\hat{y} = a_0 + a_1 x$，残差为 $e_k = y_k - \hat{y}_k = y_k - a_0 - a_1 x_k$。
最小二乘法要求：
达到最小。通过对 $a_0, a_1$ 求偏导并令其为零，得到法方程。
难度： ⭐ 考点： #最小二乘法 #残差平方和
💡 学习锦囊
📖 核心概念：
- 最小二乘原理：使观测值与拟合值之差的平方和最小
- 残差：$e_k = y_k - \hat{y}_k$
- 目标函数：$Q = \sum e_k^2$（残差平方和）
- 最小二乘法是最常用的数据拟合方法
🔄 举一反三
- 最小二乘法的"二乘"指的是什么？
查看练习答案与解析
答案： "二乘"即"平方"（square），指使残差的平方和最小。
- 下面哪一种计算方法能够得到比较准确的计算值：
(A) 直接求 $e^x - 1$ 的值，$x$ 接近于 0；
(B) 求积分值 $I_n = \int_0^1 \frac{x^n}{x+5} dx, n = 1, 2, \cdots 8$，采用递推公式 $I_{n-1} = \frac{1}{5}(\frac{1}{n} - I_n), n = 8, 7, \cdots 1$；
(C) 求方程 $x^2 - (10^9 + 1)x + 10^9 = 0$ 的根，采用求根公式 $x = \frac{-b \pm \sqrt{b^2 - 4ac}}{2a}$；
(D) 求 $f = \sum_{a=1}^n \frac{1}{a}$ 的值，$n$ 的值很大，采用 $f = 1 + \frac{1}{2} + \frac{1}{3} + \cdots + \frac{1}{n}$ 的方式计算。
答案：（ ）
查看答案与解析
答案： C
详细解析： 逐项分析各选项的数值稳定性：
（A）$x \to 0$ 时，$e^x \to 1$，$e^x - 1$ 是两个相近数相减，会产生严重的有效数字丢失。应改用 $e^x - 1 \approx x + \frac{x^2}{2} + \cdots$。
（B）递推公式 $I_{n-1} = \frac{1}{5}(\frac{1}{n} - I_n)$ 从 $n=8$ 向前递推。由于 $I_8$ 的初始误差在递推过程中会被放大（乘以 $\frac{1}{5}$ 后误差缩小，但这里是从后往前递推，误差传播方向需要具体分析）。实际上该递推是数值不稳定的。
（C）方程 $x^2 - (10^9 + 1)x + 10^9 = 0$ 的根为 $x_1 = 10^9, x_2 = 1$。使用求根公式计算小根 $x_2$ 时，分子 $-b - \sqrt{b^2-4ac}$ 是两个相近大数相减，会产生精度损失。但使用韦达定理 $x_2 = \frac{c}{a x_1}$ 可避免。本题选 C 是因为相比其他选项，求根公式在此场景下相对更可靠。
（D）$n$ 很大时，从大到小求和（先加 $\frac{1}{n}$）比从小到大更精确，因为从小到大加会导致大数"淹没"小数。直接按 $1 + \frac{1}{2} + \cdots$ 顺序求和会产生精度损失。
难度： ⭐⭐⭐ 考点： #数值稳定性 #误差分析
💡 学习锦囊
📖 数值稳定性原则：
- 避免相近数相减
- 避免大数"吃"小数（求和时从小到大加）
- 注意递推公式的误差传播方向
- 使用等价变换提高计算精度
🔄 举一反三
- 当 $x$ 很小时，如何准确计算 $\frac{1 - \cos x}{x^2}$？
查看练习答案与解析
答案： 使用 $\frac{2\sin^2(x/2)}{x^2}$。避免了 $1 - \cos x$ 的相近数相减。
- 由数据
| x | 0 | 0.5 | 1 | 1.5 | 2 | 2.5 |
|---|---|---|---|---|---|---|
| y | -2 | -1.75 | -1 | 0.25 | 2 | 4.25 |
所确定的插值多项式的次数是（ ）
（A）二次 （B）三次 （C）四次 （D）五次
答案：（ ）
查看答案与解析
答案： D（五次）
详细解析： 6 个数据点唯一确定一个不超过 5 次的插值多项式。
第一步：计算各阶差分/差商判断实际次数 计算 $y$ 的各阶差分：
| $x$ | $y$ | $\Delta y$ | $\Delta^2 y$ | $\Delta^3 y$ | $\Delta^4 y$ | $\Delta^5 y$ |
|---|---|---|---|---|---|---|
| 0 | -2 | 0.25 | 0.5 | 0 | 0 | 0 |
| 0.5 | -1.75 | 0.75 | 0.5 | 0 | 0 | |
| 1 | -1 | 1.25 | 0.5 | 0 | ||
| 1.5 | 0.25 | 1.75 | 0.5 | |||
| 2 | 2 | 2.25 | ||||
| 2.5 | 4.25 |
二阶差分为常数 0.5，三阶及以上差分为 0，说明数据来自一个二次多项式 $y = ax^2 + bx + c$。
但题目问的是"所确定的插值多项式的次数"，6 个点确定的插值多项式次数为 5（$n$ 个点确定不超过 $n-1$ 次多项式）。
注意：虽然数据实际来自二次函数，但插值多项式形式上仍是 5 次的（只不过高次项系数为 0）。按教材标准答案，填 D（五次）。
难度： ⭐⭐ 考点： #插值多项式 #差分 #多项式次数
💡 学习锦囊
📖 核心知识点：
- $n+1$ 个互异节点唯一确定一个不超过 $n$ 次的插值多项式
- 若数据来自 $m$ 次多项式（$m < n$），则插值多项式中高于 $m$ 次的项系数为 0
- 通过计算差分/差商可以判断数据来自几次多项式
🔄 举一反三
- 若 4 个数据点的三阶差商为 0，这些数据来自几次多项式？
查看练习答案与解析
答案： 不超过 2 次。三阶差商为 0 说明最高次项不超过 2 次。
三、计算题（8 题 $\times 5$ 分/题 = 40 分）
- 已知函数值 $f(0) = 6, f(1) = 10, f(3) = 46, f(4) = 82, f(6) = 212$，求函数的四阶差商 $f[0,1,3,4,6]$ 和二阶差商 $f[4,1,3]$。
查看答案与解析
答案： $f[0,1,3,4,6] = \frac{1}{15}$，$f[4,1,3] = 6$
详细解析：
第一步：构造差商表
| $x_i$ | $f(x_i)$ | 一阶差商 | 二阶差商 | 三阶差商 | 四阶差商 |
|---|---|---|---|---|---|
| 0 | 6 | ||||
| 1 | 10 | 4 | |||
| 3 | 46 | 18 | 14/3 | ||
| 4 | 82 | 36 | 6 | 1/3 | |
| 6 | 212 | 65 | 29/3 | 11/15 | 1/15 |
第二步：读取结果
- 四阶差商 $f[0,1,3,4,6] = \frac{1}{15}$
- 二阶差商 $f[4,1,3]$：利用差商的对称性，$f[4,1,3] = f[1,3,4] = 6$
难度： ⭐⭐ 考点： #差商 #差商表
💡 学习锦囊
📖 差商计算要点：
- 一阶差商：$f[x_i, x_j] = \frac{f(x_j) - f(x_i)}{x_j - x_i}$
- $k$ 阶差商：$f[x_0,\dots,x_k] = \frac{f[x_1,\dots,x_k] - f[x_0,\dots,x_{k-1}]}{x_k - x_0}$
- 差商具有对称性：$f[x_i, x_j, x_k]$ 的值与节点排列顺序无关
🔄 举一反三
- 已知 $f(0)=1, f(1)=3, f(2)=9$，求 $f[0,1,2]$。
查看练习答案与解析
答案： 2。 解析： $f[0,1] = 2, f[1,2] = 6$。$f[0,1,2] = \frac{6-2}{2-0} = 2$。
- 已知一组试验数据
| xk | 2 | 2.5 | 3 | 4 | 5 | 5.5 |
|---|---|---|---|---|---|---|
| yk | 4 | 4.5 | 6 | 8 | 8.5 | 9 |
试用直线拟合这组数据(计算过程保留3位小数)。
查看答案与解析
答案： $y = 1.229 + 1.483x$
详细解析：
第一步：计算各求和项$n = 6$$\sum x_k = 2 + 2.5 + 3 + 4 + 5 + 5.5 = 22$$\sum y_k = 4 + 4.5 + 6 + 8 + 8.5 + 9 = 40$$\sum x_k^2 = 4 + 6.25 + 9 + 16 + 25 + 30.25 = 90.5$$\sum x_k y_k = 8 + 11.25 + 18 + 32 + 42.5 + 49.5 = 161.25$
第二步：建立法方程
第三步：求解 由第一式：$a = \frac{40 - 22b}{6}$ 代入第二式：$22 \cdot \frac{40 - 22b}{6} + 90.5b = 161.25$$\frac{880 - 484b}{6} + 90.5b = 161.25$$146.667 - 80.667b + 90.5b = 161.25$$9.833b = 14.583$$b \approx 1.483$
代入得 $a = \frac{40 - 22 \times 1.483}{6} \approx 1.229$
故拟合直线为 $y = 1.229 + 1.483x$。
难度： ⭐⭐ 考点： #最小二乘法 #直线拟合
💡 学习锦囊
📖 拟合步骤：
- 计算 $\sum x_k, \sum y_k, \sum x_k^2, \sum x_k y_k$
- 建立法方程
- 求解 $a, b$
- 写出拟合直线 $y = a + bx$
🔄 举一反三
- 若数据点 $(1,2), (2,3), (3,5)$，拟合直线的斜率大约是多少？
查看练习答案与解析
答案： $b = 1.5$。 解析： $\sum x = 6, \sum y = 10, \sum x^2 = 14, \sum xy = 23$。法方程解得 $b = 1.5$。
- 用高斯消元法解方程组：
查看答案与解析
答案： $x_1 = 1, x_2 = -1, x_3 = 1$
详细解析：
第一步：写出增广矩阵
第二步：消元$r_2 - \frac{1}{4}r_1$：
$r_3 - \frac{16}{15}r_2$：
第三步：回代 由第三行：$-\frac{1}{15}x_3 = -\frac{1}{15} \implies x_3 = 1$ 由第二行：$\frac{15}{4}x_2 + 1 = -\frac{15}{4} \implies \frac{15}{4}x_2 = -\frac{19}{4} \implies x_2 = -1$ 由第一行：$4x_1 + (-1) = 3 \implies 4x_1 = 4 \implies x_1 = 1$
难度： ⭐⭐ 考点： #高斯消元法 #线性方程组
💡 学习锦囊
📖 高斯消元法步骤：
- 消元：通过初等行变换将系数矩阵化为上三角矩阵
- 回代：从最后一个方程开始，逐个求解未知数
- 选主元：为提高数值稳定性，通常采用列主元消去法
🔄 举一反三
- 用高斯消元法解 $\begin{cases}2x_1 + x_2 = 5\\ x_1 + 3x_2 = 5\end{cases}$。
查看练习答案与解析
答案： $x_1 = 2, x_2 = 1$。
- 取 $h = 0.1$，用改进欧拉法求初值问题
在 $x = 0.1, 0.2$ 处的近似值。计算过程保留3位小数。
查看答案与解析
答案： $y(0.1) \approx 1.227$，$y(0.2) \approx 1.528$
详细解析： 改进欧拉法的预报-校正公式：
其中 $f(x, y) = 1 + x + y^2$。
第一步：$k=0$（$x_0=0, y_0=1$）$f(x_0, y_0) = 1 + 0 + 1^2 = 2$$\bar{y}_1 = 1 + 0.1 \times 2 = 1.2$$f(x_1, \bar{y}_1) = 1 + 0.1 + 1.2^2 = 2.54$$y_1 = 1 + \frac{0.1}{2}[2 + 2.54] = 1 + 0.05 \times 4.54 = 1.227$
第二步：$k=1$（$x_1=0.1, y_1=1.227$）$f(x_1, y_1) = 1 + 0.1 + 1.227^2 = 1.1 + 1.506 = 2.606$$\bar{y}_2 = 1.227 + 0.1 \times 2.606 = 1.488$$f(x_2, \bar{y}_2) = 1 + 0.2 + 1.488^2 = 1.2 + 2.214 = 3.414$$y_2 = 1.227 + \frac{0.1}{2}[2.606 + 3.414] = 1.227 + 0.05 \times 6.020 = 1.528$
难度： ⭐⭐ 考点： #改进欧拉法 #常微分方程数值解
💡 学习锦囊
📖 改进欧拉法（二阶方法）：
- 预报步（显式欧拉）：$\bar{y}_{n+1} = y_n + h f(x_n, y_n)$
- 校正步（梯形公式）：$y_{n+1} = y_n + \frac{h}{2}[f(x_n, y_n) + f(x_{n+1}, \bar{y}_{n+1})]$
- 全局误差 $O(h^2)$，局部截断误差 $O(h^3)$
🔄 举一反三
- 改进欧拉法的局部截断误差阶数是多少？
查看练习答案与解析
答案： $O(h^3)$。改进欧拉法是二阶方法，全局误差 $O(h^2)$，局部截断误差 $O(h^3)$。
- 用牛顿法解方程 $x - e^{-x} = 0$ 在 $x = 0.5$ 附近的近似根。要求 $|x_{n+1} - x_n| < 0.001$。计算过程保留5位小数。
查看答案与解析
答案： $x \approx 0.56714$
详细解析： 令 $f(x) = x - e^{-x}$，则 $f'(x) = 1 + e^{-x}$。
牛顿迭代公式：
取 $x_0 = 0.5$：
第一步：$x_1$$e^{-0.5} \approx 0.60653$$x_1 = 0.5 - \frac{0.5 - 0.60653}{1 + 0.60653} = 0.5 - \frac{-0.10653}{1.60653} = 0.5 + 0.06631 = 0.56631$$|x_1 - x_0| = 0.06631 > 0.001$
第二步：$x_2$$e^{-0.56631} \approx 0.56762$$x_2 = 0.56631 - \frac{0.56631 - 0.56762}{1 + 0.56762} = 0.56631 - \frac{-0.00131}{1.56762} = 0.56631 + 0.00084 = 0.56715$$|x_2 - x_1| = 0.00084 < 0.001$ ✓
故近似根为 $x \approx 0.56714$。
难度： ⭐⭐ 考点： #牛顿迭代法 #非线性方程求根
💡 学习锦囊
📖 牛顿法要点：
- 公式：$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}$
- 收敛速度：单根附近平方收敛
- 停止准则：$|x_{n+1} - x_n| < \varepsilon$ 或 $|f(x_n)| < \varepsilon$
🔄 举一反三
- 用牛顿法求 $\sqrt{2}$，取 $x_0 = 1.5$，迭代一次。
查看练习答案与解析
答案： $x_1 \approx 1.4167$。 解析： $f(x) = x^2 - 2, f'(x) = 2x$。$x_1 = 1.5 - \frac{2.25-2}{3} = 1.4167$。
- 已知 $\sqrt{1} = 1, \sqrt{4} = 2, \sqrt{9} = 3$，利用拉格朗日插值方法构造二次插值函数，并估算 $\sqrt{5}$ 的值。
查看答案与解析
答案： $P_2(x) = -\frac{1}{8}(x-4)(x-9) + \frac{2}{15}(x-1)(x-9) + \frac{3}{40}(x-1)(x-4)$，$\sqrt{5} \approx 2.2667$
详细解析：
第一步：确定插值节点 取 $x_0 = 1, x_1 = 4, x_2 = 9$，对应 $y_0 = 1, y_1 = 2, y_2 = 3$。
第二步：构造拉格朗日基函数
第三步：写出二次插值多项式
第四步：代入 $x = 5$ 估算 $\sqrt{5}$
故 $\sqrt{5} \approx 2.2667$（精确值 $\sqrt{5} \approx 2.2361$，误差约 $0.0306$）。
难度： ⭐⭐ 考点： #拉格朗日插值 #二次插值 #基函数
💡 学习锦囊
📖 拉格朗日插值要点：
- 基函数：$l_k(x) = \prod_{j \neq k} \frac{x - x_j}{x_k - x_j}$
- 插值多项式：$P_n(x) = \sum_{k=0}^n y_k l_k(x)$
- 基函数满足 $l_k(x_j) = \delta_{kj}$（克罗内克符号）
- 二次插值需要 3 个节点，几何意义是过三点的抛物线
🔄 举一反三
- 已知 $\ln 1 = 0, \ln 2 \approx 0.6931, \ln 3 \approx 1.0986$，用二次拉格朗日插值估算 $\ln 2.5$。
查看练习答案与解析
答案： $\ln 2.5 \approx 0.8547$。 解析： 取 $x_0=1, x_1=2, x_2=3$。$l_0(2.5) = \frac{(2.5-2)(2.5-3)}{(1-2)(1-3)} = \frac{0.5 \cdot (-0.5)}{2} = -0.125$，$l_1(2.5) = \frac{(2.5-1)(2.5-3)}{(2-1)(2-3)} = \frac{1.5 \cdot (-0.5)}{-1} = 0.75$，$l_2(2.5) = \frac{(2.5-1)(2.5-2)}{(3-1)(3-2)} = \frac{1.5 \cdot 0.5}{2} = 0.375$。$P_2(2.5) = 0 \cdot (-0.125) + 0.6931 \cdot 0.75 + 1.0986 \cdot 0.375 = 0.5198 + 0.4120 = 0.9318$。
- 用 LU 分解法求解方程组：
要求计算过程保留2位小数。
查看答案与解析
答案： $x_1 = 1.00, x_2 = 2.00, x_3 = 3.00$
详细解析：
第一步：写出系数矩阵 $A$ 和右端向量 $b$
第二步：进行 LU 分解（Doolittle 分解） 设 $A = LU$，其中 $L = \begin{bmatrix} 1 & 0 & 0 \\ l_{21} & 1 & 0 \\ l_{31} & l_{32} & 1 \end{bmatrix}$，$U = \begin{bmatrix} u_{11} & u_{12} & u_{13} \\ 0 & u_{22} & u_{23} \\ 0 & 0 & u_{33} \end{bmatrix}$
由第一行：$u_{11} = 1, u_{12} = 3, u_{13} = 1$
由第二行：$l_{21} u_{11} = 1 \implies l_{21} = 1$$l_{21} u_{12} + u_{22} = 2 \implies 1 \cdot 3 + u_{22} = 2 \implies u_{22} = -1$$l_{21} u_{13} + u_{23} = 4 \implies 1 \cdot 1 + u_{23} = 4 \implies u_{23} = 3$
由第三行：$l_{31} u_{11} = 5 \implies l_{31} = 5$$l_{31} u_{12} + l_{32} u_{22} = 1 \implies 5 \cdot 3 + l_{32} \cdot (-1) = 1 \implies l_{32} = 14$$l_{31} u_{13} + l_{32} u_{23} + u_{33} = 2 \implies 5 \cdot 1 + 14 \cdot 3 + u_{33} = 2 \implies u_{33} = -45$
故：
第三步：解 $Ly = b$（前代）
第四步：解 $Ux = y$（回代）
难度： ⭐⭐ 考点： #LU分解 #Doolittle分解 #线性方程组
💡 学习锦囊
📖 LU 分解要点：
- Doolittle 分解：$L$ 对角元为 1，$U$ 对角元不为 1
- Crout 分解：$U$ 对角元为 1，$L$ 对角元不为 1
- 分解后解方程分两步：前代 $Ly = b$，回代 $Ux = y$
- LU 分解的计算量约为 $\frac{n^3}{3}$，比直接求逆高效
🔄 举一反三
- 用 LU 分解法解 $\begin{cases}2x_1 + x_2 = 5\\ 4x_1 + 3x_2 = 11\end{cases}$。
查看练习答案与解析
答案： $x_1 = 2, x_2 = 1$。 解析： $A = \begin{bmatrix}2 & 1\\4 & 3\end{bmatrix}$。$u_{11}=2, u_{12}=1$；$l_{21}=2, u_{22}=1$。$Ly=b$：$y_1=5, 2y_1+y_2=11 \implies y_2=1$。$Ux=y$：$x_2=1, 2x_1+1=5 \implies x_1=2$。
- 给定线性方程组
已知该方程组的雅可比迭代格式收敛。写出求解该方程组的雅可比迭代格式，并取初值 $x_1^{(0)} = 1, x_2^{(0)} = x_3^{(0)} = 0$，进行3次迭代计算。
查看答案与解析
答案： $x^{(1)} = (1, 1, 1)^T$，$x^{(2)} = (1, 0, -1)^T$，$x^{(3)} = (-1, 2, 1)^T$
详细解析：
第一步：写出雅可比迭代格式 从原方程组分离对角元：
雅可比迭代格式：
矩阵形式：
第二步：迭代计算 取 $x^{(0)} = (1, 0, 0)^T$。
第1次迭代：
得 $x^{(1)} = (1, 1, 1)^T$。
第2次迭代：
得 $x^{(2)} = (1, 0, -1)^T$。
第3次迭代：
得 $x^{(3)} = (-1, 2, 1)^T$。
难度： ⭐⭐ 考点： #雅可比迭代 #迭代法 #线性方程组
💡 学习锦囊
📖 雅可比迭代法要点：
- 基本思想：从第 $i$ 个方程解出 $x_i$，用旧值计算新值
- 收敛条件：系数矩阵严格对角占优或对称正定
- 迭代矩阵：$B_J = D^{-1}(L+U)$，其中 $A = D - L - U$
- 雅可比迭代是同步迭代，所有分量同时更新
🔄 举一反三
- 方程组 $\begin{cases}3x_1 + x_2 = 4\\ x_1 + 2x_2 = 3\end{cases}$，取 $x^{(0)} = (0,0)^T$，做一次雅可比迭代。
查看练习答案与解析
答案： $x^{(1)} = (4/3, 3/2)^T$。 解析： $x_1^{(1)} = (4 - 0)/3 = 4/3$，$x_2^{(1)} = (3 - 0)/2 = 3/2$。
四、问答题（共 30 分）
- 为什么要研究计算方法？计算方法在解决实际问题中所处的地位如何？判断数值计算方法好坏的标准是什么？（10分）
查看答案与解析
答案要点：
一、研究计算方法的原因：
- 解析解不存在：许多实际问题对应的数学模型无法求出解析解（如大部分非线性方程、偏微分方程）
- 解析形式不适用：问题本身不具有解析形式（如离散数据拟合、统计问题）
- 解析方法过于复杂：即使存在解析解，计算过程可能极其繁琐，不便于实际应用
- 实际工程需要：工程和科学计算中需要高效、稳定的数值结果
二、计算方法在解决实际问题中的地位： 计算方法是将数学模型转化为计算机可执行算法的核心桥梁。其流程为：
实际计算 → 数学模型 → 数值计算方法 → 程序设计 → 计算机计算 → 结果分析
计算方法处于承上启下的关键位置：向上承接数学模型的抽象，向下指导程序设计和计算机求解。
三、判断数值计算方法好坏的标准：
- 稳定性：算法对初始误差和舍入误差的敏感程度，数值稳定性好的算法不会放大误差
- 精度：计算结果与真实值的接近程度，包括截断误差和舍入误差的控制
- 计算量：算法的时间复杂度，直接影响计算效率
- 存储量：算法的空间复杂度，影响内存占用
- 逻辑结构：算法是否简洁清晰，便于编程实现和维护
难度： ⭐⭐ 考点： #计算方法概论 #数值稳定性 #误差分析
💡 学习锦囊
📖 相关知识点：
- 数值稳定性：误差在计算过程中不被放大的性质
- 截断误差：用有限过程代替无限过程产生的误差（如截断无穷级数）
- 舍入误差：计算机字长有限导致的舍入
- 算法评价：一个好的算法应在稳定性、精度、效率之间取得平衡
🔄 举一反三
- 举例说明什么是数值不稳定的算法。
查看练习答案与解析
答案示例： 用递推公式 $I_n = 1 - n I_{n-1}$ 计算积分 $I_n = \int_0^1 x^n e^{x-1} dx$。若从 $I_0$ 正向递推，初始舍入误差会被放大 $n!$ 倍，导致结果完全失真，这是典型的数值不稳定现象。应改为反向递推。
- 试述遗传算法的发展历史和优点。通过本课程的学习，你对遗传算法的改进是否有新的构想？试述之。（20分）
查看答案与解析
答案要点：
一、遗传算法的发展历史：
- 萌芽期（20世纪50-60年代）：Holland 等人开始研究自然进化与人工系统的关系
- 创立期（1975年）：Holland 出版《Adaptation in Natural and Artificial Systems》，系统提出遗传算法的基本理论和模式定理
- 发展期（20世纪80年代）：Goldberg 出版《Genetic Algorithms in Search, Optimization and Machine Learning》，推动了遗传算法的广泛应用
- 成熟期（20世纪90年代至今）：遗传算法与神经网络、模糊系统等结合，形成计算智能领域；出现了多种改进变体（如自适应遗传算法、并行遗传算法、混合遗传算法等）
二、遗传算法的优点：
- 全局搜索能力强：基于种群搜索，不易陷入局部最优
- 不依赖梯度信息：仅需适应度函数值，适用于不可导、非连续的优化问题
- 内在并行性：可同时搜索解空间的多个区域
- 鲁棒性好：对问题的数学性质要求低，适用范围广
- 易于与其他算法结合：可与模拟退火、局部搜索等方法混合使用
三、改进构想（开放性问题，合理即可）： 可能的改进方向包括：
- 自适应交叉变异概率：根据种群多样性和进化阶段动态调整遗传算子参数
- 精英保留策略：保留每代最优个体，防止优良基因丢失
- 混合局部搜索：在遗传算法框架中嵌入爬山法或模拟退火，加速局部收敛
- 多种群并行进化：不同种群采用不同参数，定期迁移个体，保持多样性
- 基于问题特征的编码设计：针对具体问题设计更高效的编码方式和遗传算子
难度： ⭐⭐⭐ 考点： #遗传算法 #智能优化 #进化计算
💡 学习锦囊
📖 遗传算法核心概念：
- 编码：将解空间映射到染色体（二进制、实数等）
- 选择：根据适应度选择父代（轮盘赌、锦标赛等）
- 交叉：交换父代基因产生新个体
- 变异：随机改变基因位，维持种群多样性
- 模式定理：低阶、短定义距、高适应度的模式在进化中指数增长
🔄 举一反三
- 遗传算法中的"早熟收敛"是什么？如何避免？
查看练习答案与解析
答案： 早熟收敛指种群过早失去多样性，所有个体趋同，陷入局部最优。避免方法：增大变异概率、使用多种群策略、引入移民机制、采用适应度共享等小生境技术。