mooc数值分析_3答案(mooc2023课后作业答案)
mooc数值分析_3答案(mooc2023课后作业答案)
第一单元 单元测试
1、数值在数值计算中因四舍五入产生的分析误差称为
A、模型误差
B、答案答案方法误差
C、课后观测误差
D、作业舍入误差
2、数值
A、分析
B、答案答案
C、课后
D、作业
3、数值当今科学活动的分析三大方法为
A、实验
B、答案答案理论
C、课后科学计算
D、作业数学建模
4、计算过程中如果不注意误差分析,很容易造成结果的错误。
第二章 .函数逼近:插值法
第二章 单元测验
1、某函数过(0,1),(1,2)两点,则其关于这两点的一阶差商为
A、0
B、1
C、2
D、3
2、
A、x
B、2x
C、2x+1
D、1
3、下列说法不正确的是
A、分段线性插值就是将插值点用折线段连接起来
B、分段线性插值逼近效果和插值点的个数有关
C、分段线性插值逼近效果和插值点的位置有关
D、高次多项式插值不具有病态性质
4、下列说法正确的是
A、一次函数的分段线性插值函数是该一次函数本身
B、二次函数的分段线性插值函数是该二次函数本身
C、对于光滑性较好的函数优先用分段线性插值
D、对于光滑性不好的函数优先用分段线性插值
5、
A、
B、
C、
D、
6、同一个函数基于同一组插值节点的牛顿插值函数和拉格朗日插值函数等价。
第三章 . 函数逼近: 最佳逼近、最小二乘
第三单元 单元测验
1、
A、
B、
C、
D、
2、
A、
B、
C、
D、
3、
A、
B、
C、
D、
4、n 次Chebyshev多项式在 (-1,1) 内互异实根的个数为
A、n
B、n+1
C、n+2
D、n-1
5、在所有最高次项系数为1的n次多项式中,在 [-1,1] 上与零的偏差最小的是( )
A、首项系数为1的Legendre多项式
B、首项系数为1的Chebyshev多项式
C、Hermite多项式
D、不确定
6、
A、最佳一致逼近多项式
B、最佳平方逼近多项式
C、最佳逼近多项式
D、最小二乘拟合
7、用正交函数族做最小二乘法有什么优点
A、得到的法方程非病态
B、不用解线性方程,系数用递推公式就可以计算出
C、每当逼近次数增加1时,系数需要重新计算
D、每当逼近次数增加1时,之前得到的系数不需要重新计算
8、用正交多项式作基求最佳平方逼近多项式,当n较大时,系数矩阵式高度病态,舍入误差很大。
9、所有最佳平方逼近问题中的法方程的系数矩阵为Hilbert矩阵。
10、FFT算法计算DFT和它的逆变换效率相同。
第四章 .函数逼近: 数值积分、数值微分
第四单元 单元测验
1、当( )时牛顿-柯特斯公式的稳定性不能保证。
A、
B、
C、
D、
2、
A、2n
B、2n+1
C、2n-1
D、2n+3
3、
A、充分非必要
B、必要非充分
C、充要
D、既不充分也不必要
4、以下关于数值积分的说法正确的是( )
A、梯形求积公式是插值型求积公式
B、复化梯形公式是插值型求积公式
C、Cotes系数具有对称性
D、求积系数全为正的求积公式是稳定的
5、下面关于数值微分说法正确的有( )
A、差商型求导与插值型求导是两种常用的数值求导方法
B、差商型求导公式的步长不能太大也不能太小,需选取合适步长
C、差商型求导公式可用于近似计算目标函数在定义域内任意点的导数
D、插值型求导公式可推广到计算目标函数的高阶导数
6、插值型求积公式的系数之和为积分区间的长度
7、复化Simpson公式比复化梯形公式精度更高。
8、Romberg公式还可继续进行外推。
第五章 .非线性方程的求解
第五单元 单元测验
1、
A、严格单调性
B、局部发散性
C、局部收敛性
D、全局收敛性
2、
A、1.5
B、-1.5
C、1
D、-1
3、
A、
B、
C、
D、
4、
A、[0,1]
B、[1, 2]
C、[6,7]
D、[3,4]
5、下列说法正确的是( )
A、如果已知根的存在区间,则可用二分法来求方程的一个根
B、弦截法与切线法都是线性化方法
C、弦截法具有超线性收敛速度
D、
6、
第七章 .线性方程组的求解: 迭代法
第七单元 单元测验
1、
A、
B、
C、
D、
2、
A、
B、
C、
D、
3、
A、都收敛
B、都发散
C、
D、
4、
A、
B、
C、
D、
5、下面是弱对角占优矩阵有( )
A、
B、
C、
D、
6、
7、
8、
第六章 .线性方程组的求解: 直接法
第六单元 单元测验
1、
A、3
B、4
C、-4
D、-9
2、
A、
B、
C、
D、
3、
A、16
B、15
C、12
D、11
4、Gauss消去法及其某些变形时解低阶稠密方程组的有效方法。
5、如果矩阵A有LU分解,则问题Ax=b就等价于求解两个三角方程组。
6、若A为对称阵,且A的所有顺序主子式均不为零,则A可唯一分解为A=LDU,其中,L为单位下三角矩阵,D为对角阵,U为单位上三角阵。
数值分析期末测试题
数值分析期末测试题
1、1. 当数学模型不能得到精确解时,通常用数值方法求它的近似值,其近似解与精确解之间的误差称为( )
A、模型误差
B、方法误差
C、观测误差
D、舍入误差
2、
A、
B、
C、
D、
3、
A、
B、
C、
D、1
4、
A、
B、
C、
D、
5、在所有最高次项系数为1的n次多项式中,在[-1,1]上与零的平方误差最小的是( )
A、首项系数为1的Legendre多项式
B、首项系数为1的Chebyshev多项式
C、不确定
D、Hermite多项式
6、
A、
B、
C、
D、
7、FFT算法的运算量为( )
A、
B、
C、
D、
8、
A、
B、
C、
D、
9、
A、
B、
C、
D、
10、
A、
B、
C、
D、
11、数值运算中误差分析的方法和原则包括( )
A、要避免除数绝对值远远大于被除数绝对值的除法
B、要避免两相近的数相减
C、要防止大数“吃掉”小数
D、注意简化计算步骤,减少运算次数
12、下面结论正确的有( )
A、
B、
C、牛顿插值算法比拉格朗日插值算法快
D、牛顿插值比拉格朗日插值算法逼近效果更好
13、用Legendre多项式展开做最佳平方逼近的优点有( )
A、无需解线性方程
B、不存在病态问题
C、计算公式使用方便
D、误差较小
14、下面关于数值求积公式说法正确的有( )
A、同一数值求积公式计算不同定积分时精度不一定相同
B、不同数值求积公式计算同一个定积分时精度一般不同
C、数值求积公式由求积节点和求积系数唯一确定
D、求积节点越多,数值求积公式的精度越高
15、
A、
B、
C、
D、
16、下面关于Gauss数值积分公式说法正确的是( )
A、Gauss求积公式是插值型求积公式
B、Gauss求积公式的求积节点为非等距节点
C、若带权正交多项式族中的n+1次多项式有n+1个零点,则这些零点为带该权Gauss求积公式的Gauss点
D、复化Gauss求积公式能进一步提高Gauss求积公式的精度
17、下列说法正确的是( )
A、牛顿法是一种特殊的不动点迭代
B、
C、牛顿迭代法收敛速度比较快
D、牛顿法的基本思想是以直代曲
18、
A、该迭代过程是P阶收敛的
B、当p=1时,称为线性收敛
C、当p>1时,称为超线性收敛
D、当p=2时,称为平方收敛
19、
A、严格对角占优
B、弱对角占优
C、不可约矩
D、不可约弱对角占优
20、下列矩阵为严格对角占优矩阵的有( )
A、
B、
C、
D、
21、
22、分段线性插值可以避开龙格现象。
23、用正交多项式作基求最佳平方逼近多项式,当n较大时,系数矩阵式高度病态,舍入误差很大。
24、
25、曲线拟合的最小二乘法和离散Fourier变换都可由最佳平方逼近得到。
26、数值求积必须已知被积函数的解析式。
27、
28、
29、弦截法与牛顿法都是线性化方法,二者没有本质区别。
30、高斯消去法的过程包括消元过程和回代过程。
学习通数值分析_3
在数值分析中,我们经常会遇到需要求解非线性方程的问题。非线性方程是指未知量的次数大于1的方程,一般形式为:
f(x) = 0
其中,x为未知量,f(x)为非线性函数。
在实际问题中,很多时候我们需要求解非线性方程的根,即解出方程f(x) = 0的解x。而对于非线性方程的求解,往往没有通用的公式或方法可以使用。因此,我们需要借助数值计算的方法来解决这个问题。
牛顿迭代法
牛顿迭代法是一种用于求解非线性方程的经典方法。其基本思想是:通过不断逼近函数的零点,求解出方程的根。具体来说,我们可以从一个初始值x0开始,根据函数的导数信息,不断迭代求出更接近f(x) = 0的近似解。其中,每一步的迭代公式为:
xk+1= xk- f(xk) / f'(xk)
其中,xk+1为迭代后的近似解,xk为当前的近似解,f(xk)为函数在xk处的函数值,f'(xk)为函数在xk处的导数值。
需要注意的是,牛顿迭代法的收敛性与初始值的选择有很大关系。如果选择的初始值与实际根的距离较远,很可能会导致迭代结果不收敛。因此,在使用牛顿迭代法求解非线性方程时,需要选择合适的初始值。
二分法
二分法是一种非常简单、直观的求解非线性方程的方法。其基本思想是:通过不断缩小函数值的范围,找到函数值为0的点。具体来说,我们可以根据函数在两个不同的点处的函数值,判断根所在的位置,然后不断将函数值为正的一半或者负的一半作为新的区间进行迭代。其中,每一步的迭代公式为:
xm= (a+b) / 2
其中,a和b分别为当前区间的两个端点,xm为当前区间的中点。
需要注意的是,二分法的收敛速度相对较慢,但其收敛性非常稳定。如果初始值的范围已知,并且需要求解的根的位置比较明确,可以考虑使用二分法进行求解。
弦截法
弦截法是一种求解非线性方程的迭代方法,其基本思想是:通过连接两个点,得到一条直线,然后将这条直线与x轴的交点作为新的近似解。具体来说,我们可以根据两个初始点x0和x1,计算出直线的斜率k,然后将直线与x轴的交点作为新的近似解。其中,每一步的迭代公式为:
xk+1= xk- f(xk) * (xk- xk-1) / (f(xk) - f(xk-1))
需要注意的是,弦截法的收敛速度比牛顿迭代法要慢,但是其收敛性比较稳定。如果牛顿迭代法的导数信息不易计算,可以考虑使用弦截法进行求解。
总结
以上介绍的三种方法都是求解非线性方程的常用方法,具有不同的优缺点。在实际应用中,我们可以根据具体问题的特点,选择合适的方法进行求解。同时,需要注意选择合适的初始值和迭代参数,以保证方法的收敛性和计算精度。
中国大学数值分析_3
数值分析是数学的一个分支,旨在研究用数学方法来解决数学问题的可行性、准确性及效率。随着计算机技术的发展,数值分析在科学计算、工程计算、金融计算等各个领域都有着广泛的应用。
数值微积分
数值微积分是数值分析中的一个重要分支,主要研究求解微积分问题的数值方法。在实际计算中,我们往往需要对函数进行积分或求导,但是有些函数并没有解析式,此时我们就需要用数值方法来求解。
在数值微积分中,有几个经典问题需要我们掌握:
- 数值积分
- 数值微分
- 常微分方程数值解法
数值积分
数值积分是指通过数值方法来求解定积分问题。在实际计算中,有些函数并没有解析式,或者解析式很难求解,此时我们可以用数值方法来求解定积分。
常见的数值积分方法有:
- 矩形法
- 梯形法
- 辛普森法
矩形法
矩形法是最简单的数值积分方法之一。它的原理是将积分区间等分成若干个小区间,每个小区间上的函数值看作常数,则原积分可以近似为所有小区间上的函数值乘以小区间长度的和。
矩形法的基本公式为:
def rectangle(f, a, b, n): h = (b - a) / n s = 0 for i in range(n): x = a + i * h s += f(x) return s * h
梯形法
梯形法是一种比矩形法更准确的数值积分方法。它的原理是将积分区间等分成若干个小区间,每个小区间上的函数值看作两个端点连线的斜率,则原积分可以近似为所有小梯形的面积之和。
梯形法的基本公式为:
def trapezoid(f, a, b, n): h = (b - a) / n s = (f(a) + f(b)) / 2 for i in range(1, n): x = a + i * h s += f(x) return s * h
辛普森法
辛普森法是一种更加准确的数值积分方法。它的原理是将积分区间等分成若干个小区间,每个小区间上的函数值看作三个端点的二次插值,并将每个小区间上的积分近似为二次插值函数的定积分。
辛普森法的基本公式为:
def simpson(f, a, b, n): h = (b - a) / n s1 = 0 for i in range(1, n, 2): x = a + i * h s1 += 4 * f(x) s2 = 0 for i in range(2, n-1, 2): x = a + i * h s2 += 2 * f(x) s = (f(a) + f(b) + s1 + s2) * h / 3 return s
数值微分
数值微分是指通过数值方法来求解微分问题。在实际计算中,我们往往需要求函数的导数或高阶导数,但是有些函数并没有解析式,此时我们就需要用数值方法来求解。
常见的数值微分方法有:
- 前向差分法
- 后向差分法
- 中心差分法
前向差分法
前向差分法是一种简单的数值微分方法。它的原理是用函数在当前点和相邻点的差值来近似函数在当前点的导数。
前向差分法的基本公式为:
def forward_diff(f, x, h): return (f(x + h) - f(x)) / h
后向差分法
后向差分法是一种与前向差分法类似的数值微分方法。它的原理是用函数在当前点和相邻点的差值来近似函数在当前点的导数。
后向差分法的基本公式为:
def backward_diff(f, x, h): return (f(x) - f(x - h)) / h
中心差分法
中心差分法是一种更加准确的数值微分方法。它的原理是用函数在当前点的前后相邻点的差值来近似函数在当前点的导数。
中心差分法的基本公式为:
def center_diff(f, x, h): return (f(x + h) - f(x - h)) / (2 * h)
常微分方程数值解法
常微分方程数值解法是指通过数值方法来求解常微分方程的近似解。在实际计算中,有些常微分方程并没有解析式,或者解析式很难求解,此时我们就需要用数值方法来求解。
常见的常微分方程数值解法有:
- 欧拉法
- 改进欧拉法
- 龙格-库塔法
欧拉法
欧拉法是最简单的常微分方程数值解法之一。它的原理是将时间区间等分成若干个小时间步长,用当前时刻的状态和微分方程的导数来近似计算下一个时间步长的状态。
欧拉法的基本公式为:
def euler(f, y0, t0, h, n): y = [y0] t = [t0] for i in range(1, n+1): y.append(y[-1] + h * f(y[-1], t[-1])) t.append(t[-1] + h) return y, t
改进欧拉法
改进欧拉法是一种对欧拉法进行改进的常微分方程数值解法。它的原理是用当前时刻的状态和微分方程的导数来计算一个中间状态,然后用这个中间状态来近似计算下一个时间步长的状态。
改进欧拉法的基本公式为:
def improved_euler(f, y0, t0, h, n): y = [y0] t = [t0] for i in range(1, n+1): s = f(y[-1], t[-1]) y.append(y[-1] + h * f(y[-1] + h/2*s, t[-1] + h/2)) t.append(t[-1] + h) return y, t
龙格-库塔法
龙格-库塔法是一种更加准确的常微分方程数值解法。它的原理是用当前时刻的状态和微分方程的导数来计算若干个中间状态,然后将这些中间状态加权平均得到下一个时间步长的状态。
龙格-库塔法的基本公式为:
def runge_kutta(f, y0, t0, h, n): y = [y0] t = [t0] for i in range(1, n+1): k1 = f(y[-1], t[-1]) k2 = f(y[-1] + h/2*k1, t[-1] + h/2) k3 = f(y[-1] + h/2*k2, t[-1] + h/2) k4 = f(y[-1] + h*k3, t[-1] + h) y.append(y[-1] + h/6*(k1 + 2*k2 + 2*k3 + k4)) t.append(t[-1] + h) return y, t
总结
数值微积分和常微分方程数值解法是数值分析中的两个重要分支。掌握这些方法可以帮助我们更加准确地求解数学问题,应用于科学计算和工程计算等实际领域。
相关日志:
超星创意思维与设计(2019秋)答案(学习通2023题目答案)
尔雅2020年春 线性代数重修班(韩建智)期末答案(学习通2023完整答案)
超星数学分析(六)_3章节答案(学习通2023完整答案)
mooc动画视听语言课后答案(mooc2023课后作业答案)
智慧树土木工程概论章节答案(知到2023测试答案)
mooc数字逻辑电路_6章节答案(慕课2023课后作业答案)
mooc动画视听语言课后答案(mooc2023课后作业答案)
超星漫画中药答案(学习通2023题目答案)
中国大学大学物理电磁学和光学_3答案(mooc2023课后作业答案)
超星现场生命急救知识与技能_2课后答案(学习通2023题目答案)