高等工程数学试题--2013-11-2工程硕士
中南大学工程硕士“高等工程数学”考试试卷（开卷）
考试日期：2013年 月 日 时间110分钟
注：解答全部写在答题纸上
一、填空题(本题24分，每小题3分)
（1）线性规划123123123131132min Z 24 .. 3256 226519 0, 0,x x x s t x x x x x x x x x x x R
=+-⎧⎪-+≥⎪⎪-+-≤-⎨⎪+=⎪≥≤∈⎪⎩ 的标准线性规划是 ；
（2）对方程()sin 0.60f x x x =--=，Newton 迭代公式 是 ；
（3）矩阵9636131131135A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦
进行Cholesky 分解为 ； （4）如果311,152214Ax b A ⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦
，矩阵F A = ， 利用Jacobi 和 Gauss-Seidel 迭代法求解此方程组的敛散性情况是 ；
（5）已知)(x f y =在区间],[b a 上通过点(,),0,1,2,,i i x y i n =，则其三次样条插值函数)(x S 是满足 ， ， ；
（6）设有线性回归模型11121223
12322y y y βεββεββε=+⎧⎪=-+⎨⎪=++⎩，其中2~(0,)(1,2,3)i N i εσ= 且相互独立，写出参数
12,ββ的最小二乘估计 。
（7）在多元线性回归建模过程中，需要考虑自变量的选择问题。
写出三种常用的自变量的选取方法 。
（8）影响数学模型数值求解结果的误差有： ， ， 。
二、（本题8分）已知)(x f 的数据如表：
试求三次Newton 插值多项式3()N x ，求(5)f 的近似值，并给出相应的误差估计式。
三、（本题10分）利用迭代法求解非线性方程 ()ln(2)0f x x x =-+= 的负数根，取初值0 1.7x =-， 要求先进行收敛性分析，计算结果具有2位有效数字。
四、（本题14分）某厂生产A 、B 、C 三种产品，需要甲、乙两种原料，加工单位产品所需要原料及其他数据见下表。
（1）建立线性优化模型，安排使该厂获利最大的最优生产计划；
（2）利用单纯形法求解（要求计算过程和结果）；
（3）写出所建立的模型的对偶形式。
五、（本题12分）一种生产降血压药品的生产厂家声称，他们生产的一种降压药服用一周后能使血压明显降低的效率可以达到80%，今在高血压的人群中随机抽取了200人服用此药品，一周后有148人血压有明显降低，试问生产厂家的说法是否真实)01.0(=α？
六、（本题10分）设有数值求积公式 3
012 3()(2)(0)(2)f x dx A f
A f A f -=-++⎰，试确定012,,A A A ，使
该数值积分公式有尽量高的代数精度，并确定其代数精度为多少。
七、（本题12分）影响水稻产量的因素有秧龄、每亩基本苗数和氮肥，其水平如下表
若考虑之间的交互作用，采用)2(8L 安排试验，并按秧龄、每亩基本苗数、氮肥分别放在表的第一、二、四列，解答下列问题：
（1）它们的交互作用分别位于哪一列？（2）若按这种表头作试验并测得产量为83.4, 84.0, 87.3, 84.8, 87.3, 88.0, 92.3, 90.4，试寻找较好的生产条件。
八、（本题10分）设方程组为
123410201010121243301034x x x x ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦
⎣⎦ （1）对方程组利用杜利特尔（Doolittle ）分解方法求解；
（2）写出对应的雅可比(Jacobi)代格式的分量形式。
高等工程数学考研真题试卷
高等工程数学考研真题试卷一、选择题（每题3分，共30分）1. 设函数\( f(x) \)在点\( x_0 \)处可导，且\( f'(x_0) \neq 0 \)，则\( f(x) \)在\( x_0 \)处的切线斜率为：A. \( f(x_0) \)B. \( f'(x_0) \)C. \( x_0 \)D. \( 0 \)2. 线性代数中，若矩阵\( A \)可逆，则下列哪个说法是正确的？A. \( A \)是对称矩阵B. \( A \)是正交矩阵C. \( A \)的行列式不为零D. \( A \)是单位矩阵3. 根据概率论，若随机变量\( X \)服从正态分布\( N(\mu,\sigma^2) \)，则其期望值和方差分别是：A. \( \mu, \sigma \)B. \( \sigma, \mu \)C. \( \mu, \sigma^2 \)D. \( \sigma, \sigma^2 \)4. 常微分方程\( y'' - 2y' + y = 0 \)的特征方程是：A. \( r^2 - 2r + 1 = 0 \)B. \( r^2 - 2r + 2 = 0 \)C. \( r^2 + 2r + 1 = 0 \)D. \( r^2 - 2r - 1 = 0 \)5. 在多元函数极值问题中，若函数\( f(x, y) \)在点\( (x_0, y_0) \)处取得极小值，则下列说法正确的是：A. 在该点处，\( f(x, y) \)的一阶偏导数都为零B. 在该点处，\( f(x, y) \)的二阶偏导数都为正C. 在该点处，\( f(x, y) \)的Hessian矩阵是正定的D. 在该点处，\( f(x, y) \)的梯度向量为零二、填空题（每题4分，共20分）6. 若函数\( f(x) = 3x^3 - 2x^2 + x - 5 \)，则\( f''(x) \)的值为________。
高等工程数学试题--2013-11-2工程硕士
中南大学工程硕士“高等工程数学”考试试卷（开卷）考试日期：2013年 月 日 时间110分钟注：解答全部写在答题纸上一、填空题(本题24分，每小题3分)（1）线性规划123123123131132min Z 24 .. 3256 226519 0, 0,x x x s t x x x x x x x x x x x R=+-⎧⎪-+≥⎪⎪-+-≤-⎨⎪+=⎪≥≤∈⎪⎩ 的标准线性规划是 ；（2）对方程()sin 0.60f x x x =--=，Newton 迭代公式 是 ；（3）矩阵9636131131135A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦进行Cholesky 分解为 ； （4）如果311,152214Ax b A ⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦，矩阵F A = ， 利用Jacobi 和 Gauss-Seidel 迭代法求解此方程组的敛散性情况是 ；（5）已知)(x f y =在区间],[b a 上通过点(,),0,1,2,,i i x y i n =L ，则其三次样条插值函数)(x S 是满足 ， ， ；（6）设有线性回归模型1112122312322y y y βεββεββε=+⎧⎪=-+⎨⎪=++⎩，其中2~(0,)(1,2,3)i N i εσ= 且相互独立，写出参数12,ββ的最小二乘估计 。
（7）在多元线性回归建模过程中，需要考虑自变量的选择问题。
写出三种常用的自变量的选取方法 。
（8）影响数学模型数值求解结果的误差有： ， ， 。
二、（本题8分）已知)(x f 的数据如表：试求三次Newton 插值多项式3()N x ，求(5)f 的近似值，并给出相应的误差估计式。
三、（本题10分）利用迭代法求解非线性方程 ()ln(2)0f x x x =-+= 的负数根，取初值0 1.7x =-， 要求先进行收敛性分析，计算结果具有2位有效数字。
四、（本题14分）某厂生产A 、B 、C 三种产品，需要甲、乙两种原料，加工单位产品所需要原料及其他数据见下表。
大学工程数学考试题及答案
大学工程数学考试题及答案一、选择题（每题2分，共10分）1. 下列哪个选项是微积分的基本定理？A. 积分中值定理B. 洛必达法则C. 牛顿-莱布尼茨公式D. 泰勒级数展开答案：C2. 在概率论中，随机变量X服从二项分布B(n, p)，其中n=10，p=0.3，那么E(X)等于多少？A. 2B. 3C. 4D. 5答案：A3. 线性代数中，一个矩阵A可逆的充分必要条件是什么？A. 行列式非零B. 秩等于A的阶数C. A的所有特征值非零D. 所有选项都是答案：D4. 在复数域中，下列哪个表达式表示复数的共轭？A. z + z*B. z - z*C. |z|^2D. z * z*答案：B5. 傅里叶级数在工程数学中的应用之一是？A. 信号处理B. 量子力学C. 统计物理D. 所有选项都是答案：A二、填空题（每题3分，共15分）6. 函数f(x) = sin(x)的一阶导数是_________。
答案：cos(x)7. 矩阵的特征值是_________。
答案：λ8. 拉普拉斯变换的逆变换通常使用_________。
答案：拉普拉斯逆变换9. 随机变量X和Y相互独立，且P(X=x) = 2x，P(Y=y) = 3y，则P(X+Y=4)等于_________。
答案：1/410. 曲线y = x^2在点(1,1)处的切线斜率是_________。
答案：2三、解答题（共75分）11. （15分）证明函数f(x) = e^x在实数域上是单调递增的。
答案：由于f'(x) = e^x > 0对于所有实数x，因此f(x)在实数域上是单调递增的。
12. （20分）解线性方程组：\[\begin{align*}x + 2y &= 5 \\3x - y &= 4\end{align*}\]答案：使用高斯消元法或克拉默法则，解得 \( x = 2, y = 1.5 \)。
13. （20分）计算下列定积分：\[\int_{0}^{1} x^2 dx\]答案：使用基本积分公式，得到 \( \frac{1}{3}x^3 \) 在0到1的积分为 \( \frac{1}{3} \)。
高等工程数学第二章习题及答案
第2章 线性代数方程组数值解法 研究n 阶线性方程组Ax b =的数值解法.()ij A a =是n n⨯矩阵且非奇异，12(,,,)Tn x x x x = ,12(,,,)Tn b b b b =两类数值方法：(1) 直接法：通过有限次的算术运算，若计算过程中没有舍入误差，可以求出精确解的方法.Ax b Gx d == 等价变换G 通常是对角矩阵、三角矩阵或者是一些结构简单的矩阵的乘积.(2) 迭代法：用某种极限过程去逐次逼近方程组的解的方法.(1)()i i Ax b x Bx k x Bx k +==+−−−−−→=+ 等价变换建立迭代格式，0,1,i =一、向量范数与矩阵范数 1. 向量范数【定义】 若对nK 上任一向量x ，对应一个非负实数x ，对任意,nx y R ∈及K α∈，满足如下条件(向量范数三公理) (1) 非负性：0x ≥，且0x =的充要条件是0x =；(2)齐次性：x xαα=；(3)三角不等式：x y x y+≤+.则称x为向量x的范数.常用的向量范数： (1) 1—范数11nii x x ==∑(2) 2—范数12221()ni i x x ==∑(3) ∞—范数1max ii nxx ∞≤≤=(4) 一般的p —范数11()pnpi pi xx ==∑2. 矩阵范数【定义】 若n nK ⨯上任一矩阵()ij n n A a ⨯=，对应一个非负实数A ，对任意的,n nA B K ⨯∈和K α∈，满足如下条件(矩阵范数公理)：(1) 非负性：0A ≥，且0A =的充要条件是0A =；(2)齐次性：A Aαα=；(3)三角不等式：A B A B +≤+；(4)乘法不等式：AB A B≤.则称A为矩阵A的范数.矩阵范数与向量范数是相容的：Ax A x≤向量范数产生的从属范数或算子范数：10max maxx x AxA Ax x=≠==常见从属范数：(1) 1—范数111max ||nij j ni A a ≤≤==∑(2) ∞—范数11max ||nij i nj A a ∞≤≤==∑(3) 2—范数2A =谱半径1()max ||H i i n A A ρλ≤≤=，iλ为H A A 的特征值.H A 为A 的共轭转置. 注：矩阵A 的谱半径不超过A 的任一范数，即()A A ρ≤范数等价性定理：,s t x x为n R 上向量的任意两种范数，则存在常数12,0c c >，使得12,ns t s c x x c x x R ≤≤ ∀∈.注：矩阵范数有同样的结论. 【定理2.1】是任一向量范数，向量序列()k x 收敛于向量*x 的充要条件是()*0,k x x k -→ →∞二、 Gauss 消去法 1．顺序Gauss 消去法 将方程Ax b =写成如下形式11112211,121122222,11122,1n n n n n n n n nn n n n a x a x a x a a x a x a x a a x a x a x a ++++++=⎧⎪+++=⎪⎨⎪⎪+++=⎩其中记,1,1,2,,.i n i a b i n +==消元过程：第一次消元：设110a ≠，由第2,3,,n 个方程减去第一个方程乘以1111/(2,3,,)i i m a a i n == ，则将方程组中第一个未知数1x消去，得到同解方程11112211,1(1)(1)(1)22222,1(1)(1)(1)22,1n n n n n n n nn n n n a x a x a x a a x a x a a x a x a ++++++=⎧⎪ ++=⎪⎨⎪⎪ ++=⎩其中， (1)11,2,3,,;2,3,,,1ijij i j a a m a i n j n n =-==+ . 1111/i i m a a =，2,3,,i n = .第二次消元：设(1)220a ≠，.由第2,3,,n 个方程减去方程组中的第2个方程乘以(1)(1)2222/(3,4,,)i i m a a i n == ，则将方程组第2个未知数2x 消去，得到同解方程11112213311,1(1)(1)(1)(1)2222322,1(2)(2)(2)33333,1(2)(2)(2)33,1n n n n n n n n n nnn n n n a x a x a x a x a a x a a x a a x a x a a x a x a ++++++++=⎧⎪ +++=⎪⎪ ++=⎨⎪⎪⎪ ++=⎩其中(2)(1)(1)22, 3,4,,; 3,4,,,1ij ij i j a a m a i n j n n =-==+ . (1)(1)2222/i i m a a =，3,4,,i n = .经过1n -次消元后，原方程组变成等价方程组11112213311,1(1)(1)(1)(1)2222322,1(2)(2)(2)33333,1(1)(1),1n n n n n n n n n n n nn n n n a x a x a x a x a a x a a x a a x a x a a x a +++--+++++=⎧⎪ +++=⎪⎪ ++=⎨⎪⎪⎪ =⎩其中()(1)(1), 1,2,,k k k ij ij ik ij a a m a i k k n --=-=++ ， 1,2,,,1j k k n n =+++ .(1)(1)/k k ik ik kkm a a --=，1,2,,i k k n =++ ；1,2,,1k n =- .回代过程：(1)(1),1(1)(1)(1),1,,1/[]/,1,2,,2,1.n n n n n m n i i i ii n i j j i j j i x a a x a a x a i n n --+---+=+⎧=⎪⎨=-=--⎪⎩∑计算量：按常规把乘除法的计算次数合在一起作为Gauss 消去法总的计算量，而略去加减法的计算次数. 在消去过程中，对固定的消去次数(1,2,,1)k k n =- ，有：除法(1)(1),,/,1,1,,k k ik i k k k m a a i k k n --= =++ 共计n k -次；乘法(1),,1,2,,;1,2,,,1k ik k j m a i k k n j k k n n - =++ =+++ 共计()(1)n k n k --+次.因此，消去过程总的计算量为1311[()(1)]3n k M n k n k n k n-==--++-≈∑ 回代过程的乘除法计算次数为21()2n n +.与消去法计算量相比可以略去不计.所以， Gauss 消去法总的计算量大约为313n .2. Gauss-Jordan 消去法Gauss-Jordan 消去法是Gauss 消去法的一种变形.此方法的第一次消元过程同Gauss 消去法一样，得到(1)(1)(1)(1)11112213311,1(1)(1)(1)(1)22223322,1(1)(1)(1)(1)32233333,1(1)(1)(1)(1)2233,1,,,,n n n n n n n n n nn nn n n n a x a x a x a x a a x a x a x a a x a x a x a a x a x a x a ++++⎧++++=⎪ +++=⎪ +++=⎨ +++= ⎪⎪⎪⎪⎩其中，(1)11,2,,,1jj a a j n n ==+ . 第二次消元：设(1)220a ≠，由第1,3,4,,n 个方程减去第2个方程乘以(1)(1)2222/(1,3,4,,)i i m a a i n == ,则得到同解方程组(2)(2)(2)11113311,1(1)(2)(2)(2)22223322,1(2)(2)(2)33333,1(2)(2)33,1,,,n n n n n n n n n nnn n n n a x a x a x a a x a x a x a a x a x a a x a x a +++++ +++= +++= ++= ++= (2),⎧⎪⎪⎪⎨⎪⎪⎪⎩继续类似的过程，在第k 次消元时，设(1)k kk a -，将第i 个方程减去第k 个方程乘以(1)(1)/k k ik ik kk m a a --=，这里1,3,4,1,1,,i k k n =-+ .经过1n -次消元，得到(2)1111,1(1)(2)2222,1(2)(2)33,1,,,n n n n n a x a a x a a x a +++⎧ =⎪ =⎪⎪ ⎨⎪⎪⎪ =⎩其中()(1)(1),1,2,,1,1,,k k k ij ij ik kj a a m a i k k n --=-=-+ ；1,2,,,1; 1,2,,1j n n k n =+=- .此时，求解回代过程为(1)(1),1/,1,2,,n i i i n iix a a i n --+= = 经统计，总的计算量约为312M n ≈次乘除法. 从表面上看Gauss-Jordan 消去法似乎比Gauss 消去法好，但从计算量上看Gauss －Jordan 消去法明显比Gauss消去法的计算量要大，这说明用Gauss-Jordan 消去法解线性方程组并不可取.但用此方法求矩阵的逆却很方便. 3．列选主元Gauss 消去法在介绍Gauss 消去法时，始终假设(1)0k kk a -≠，称(1)k kka -为主元.若(1)0k kka -=，显然消去过程无法进行.实际上，既使(1)0k kka -≠，但(1)k kka -很小时，用它作除数对实际计算结果也是很不利的.称这样的(1)k kka -为小主元.【例2.2】设计算机可保证10位有效数字，用消元法解方程1112120.3100.7,0.9,x x x x -⎧⨯+=⎪⎨ +=⎪⎩【解】经过第一次消元：第2个方程减去第1个方程乘以212111/m a a =得1112(1)(1)222230.3100.7x x a x a -⎧⨯+=⎪⎨ =⎪⎩其中(1)1222222111/0.333333333310a a a a =-=-⨯，(1)123323211113(/)0.233333333310a a a a a =-⋅=-⨯于是解得(1)(1)223221/0.7000000000,0.0000000000,x a a x ⎧==⎪⎨=⎪⎩而真解为120.2,0.7x x = =注：造成结果失真的主要因素是主元素11a太小，而且在消元过程中作了分母，为避免这个情况发生，应在消元之前，作行交换.【定义】 若 (1)(1)||max ||k k k r k ik k i na a --≤≤=，则称(1)||k k r k a - 为列主元素. k r 行为主元素行，这时可将第 k r行与第k 行进行交换，使(1)||k k r k a - 位于交换后的等价方程组的 (1)k kk a - 位置，然后再施实消去法，这种方法称为列选主元Gauss 消去法或部分主元Gauss 消去法.【例2.3】 应用列选主元Gauss 消去法解上述方程. 【解】 因为2111a a >，所以先交换第1行与第2行，得1211120.9,0.3100.7,x x x x -⎧+=⎪⎨⨯+=⎪⎩ 然后再应用Gauss 消去法，得到消元后的方程组为1220.9,0.7.x x x ⎧+=⎨=⎩回代求解，可以得到正确的结果.即120.2,0.7x x = =.三、三角分解法 设方程组Ax b =的系数矩阵A 的顺序主子式不为零.即1112121222110,1,2,,.kk k k k kka a a a a a k n a a a ∆=≠=在Gauss 消去法中，第一次消元时，相当于用单位下三角阵211131111010010n m L m m -⎡⎤⎢⎥- ⎢⎥⎢⎥=- ⎢⎥ ⎢⎥⎢⎥- ⎢⎥⎣⎦ ，左乘方程组Ax b =，得11A x b =，其中11121(1)(1)122211(1)200n n n nn a a a a a A L a a -(1)⎡⎤⎢⎥ ⎢⎥==⎢⎥ ⎢⎥⎢⎥ ⎣⎦ ，1(1)(1)111,11,1,1(,,,)Tn n n n b L b a a a -+++== .第二次消元时，相当于用单位下三角阵1232210101001n L m m - ⎡⎤⎢⎥ ⎢⎥⎢⎥= - ⎢⎥⎢⎥⎢⎥ - ⎢⎥⎣⎦0 ，左乘方程组11A x b =，得22A x b =其中11121(1)(1)22211(2)(2)221333(2)(2)300000n n n n nn a a a a a A L L A a a a a --⎡⎤ ⎢⎥ ⎢⎥⎢⎥== ⎢⎥⎢⎥ ⎢⎥ ⎢⎥⎣⎦ ，11(1)(2)(2)2211,12,13,1,1(,,,,).Tn n n n n b L L b a a a a --++++==经过1n -次消元，最后得到等价方程组11n n A x b --=其中11121(1)222111111221(1)n n n n n n nn a a a a a A L L L L A a (1)--------⎡⎤⎢⎥ ⎢⎥==⎢⎥⎢⎥⎢⎥ ⎣⎦1111(1)(1)112221,12,1,1(,,,)n Tn n n n n n n b L L L L b a a a --------+++==注意到1n A -是一个上三角阵，记111111221n n n U A L L L L A -------==则121()n A L L L U LU -==其中，121n L L L L -= . 不难验证21313212_1111n n nn m L m m m m m ⎡⎤⎢⎥ ⎢⎥⎢⎥= ⎢⎥ ⎢⎥⎢⎥ 1 ⎢⎥⎣⎦是单位下三角阵.于是解线性方程组Ax b =，就转化为解方程 LUx b =，若令Ux y =就得到一个与 Ax b =等价的方程组Ly b Ux y =⎧⎨=⎩【定理2.2】 若 A 为 n 阶方阵，且 A 的所有顺序主子式0k ∆≠，1,2,,k n = .则存在唯一的一个单位下三角矩阵 L 和一个上三角矩阵 U ，使A LU =.在上述过程中，若不假设A 的顺序主子式都不为零，只假设A 非奇异，那么Gauss 消去法将不可避免要应用两行对换的初等变换.第一次消元，将第1行与第1r 行交换，相当于将方程组Ax b =左乘矩阵11r P ：1111r r P Ax P b=经第一次消元得11111111r r L P Ax L P b--=即系数矩阵为11111r A L P A-=，其中110111r P ⎡⎢ ⎢ 1= 1 0 1 ⎣0 0 ⎤⎥⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎦1 列 1r列 类似地，经1n -次消元，有121111111,22,11n n n n n r n n r r A L P L P L P A----------= .如果预先知道每一个(1,2,,1)iir P i n =- ，则在消元之前就全部作交换，得 1211,2,1,n n n r n r r A P P P A PA----== ，其中，1211,2,1,n n n r n r r P P P P ----= .即原方程变为PAx Pb =然后再消元，相当于对PA 做三角分解PA LU =由以上讨论，可得结论 【定理2.3】 若A 非奇异，则一定存在排列矩阵 P ，使得 PA 被分解为一个单位下三角阵和一个上三角1 行1行r阵的乘积，即PA LU =成立.这时，原方程组Ax b = 等价于 PAx Pb =，即等价于求解LUx Pb =令Ux y =则Ly Pb =实际求解时，先解方程组Ly Pb =,再根据 y 求解 Ux y =,即得原方程组Ax b =的解. 这种求解方法称为三角分解法.常用三角分解方法有以下几种. 1．Doolittle 分解方法 假设系数矩阵A 不需要进行行交换，且三角分解是唯一的. 记21121110n n l L l l ⎡⎤⎢⎥ ⎢⎥=⎢⎥ ⎢⎥ ⎢⎥⎣⎦ , 11121222n n nn u u u u u U u ⎡⎤⎢⎥ ⎢⎥=⎢⎥ ⎢⎥ 0 ⎣⎦ 于是有1112111121222212222112111110n n n n n n n n nn a a a u u u u u a a a l l l a a a ⎡⎤ ⎡⎤⎢⎥⎢⎥ ⎢⎥⎢⎥=⎢⎥⎢⎥ ⎢⎥⎢⎥ ⎢⎥⎢⎥ ⎣⎦⎣⎦ nn u ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥0 ⎣⎦从前面讨论A 的LU 分解过程可看出,L 、U 的元素都是用有关的(1)k ij a -来表示的，而它们的计算较麻烦.现在给出直接从系数矩阵A ，通过比较等式的两边逐步把L 和U 构造出来的方法，而不必利用Gauss 消去法的中间结果(1)k ij a -.计算步骤： (1) 由L 阵的第1行分别乘U 阵的各列，先算出U 阵的第1行元素 11,1,2,,j j u a j n = = .然后，由L 阵的各行分别去乘U 阵的第1列，算出L 阵的第1列元素1111/,2,3,,i i l a a i n = = .(2)现假设已经算出U 阵的前1r -行元素，L 阵的前1r -列元素，下面来算U 阵的第r 行元素，L 阵的第r 列元素.由L 阵的第r 行分别乘U 阵的第j 列(,1,,)j r r n =+ ，得11r ij rk kj rjk a l u u -==+∑所以，得U 阵的第r 行元素11,,1,,r rj rj rk kj k u a l u j r r n-==- =+∑ .再由L 阵的第i 行(1,2,,)i r r n =++ 分别去乘U 阵的第r 列,得11r ir ik kr ir rrk a l u l u -==+∑,所以，得L 阵的第r 列元素11[]/,1,2,,.r ir ir ik kr rr k l a l u u i r r n -==- =++∑取1,2,,r n = 逐步计算，就可完成三角分解A LU =；(3)解与Ax b = 等价的方程组Ly b Ux y =⎧⎨=⎩逐次用向前代入过程先解Ly b = 得1111,2,3,,.i i i ij j j y b y b l y i n -==⎧⎪⎨=- =⎪⎩∑然后再用逐次向后回代过程解Ux y =得1/,()/,1,2,,2,1.n n nn n i i ij j ii j i x y u x y u x u i n n =+=⎧⎪⎨=- =--⎪⎩∑2．Crout 分解方法仍假设系数矩阵A 不需要进行行交换，且三角分解是唯一的.即ˆA L=ˆU .与Doolittle 分解方法的区别在111212122211n n n n nn a a a a a a a a a ⎡⎤ ⎢⎥ ⎢⎥=⎢⎥ ⎢⎥⎢⎥ ⎣⎦ 1122ˆˆl l ⎡⎤ 0⎢⎥ ⎢⎥⎢⎥ ⎢⎥⎢⎥⎣⎦ 122ˆ1ˆ10n u u ⎡⎤⎢⎥ ⎢⎥⎢⎥ ⎢⎥ 1 ⎣⎦ 比较两边，则可推导出与Doolittle 分解方法类似的公式，不过Crout 分解方法是先算ˆL 的第r 列，然后再算ˆU的第r 行.3．Cholesky 分解方法若 A 为对称正定矩阵，则有 ˆT U L =，即11()()TT T A LDL LD LD LL ===其中L 为下三角阵. 进一步展开为1121111211112122221222221212n n n n n n nn n n nn a a a l l l l a a a l l l l l l l a a a ⎡⎤⎡⎤ ⎢⎥⎢⎥ 0 ⎢⎥⎢⎥=⎢⎥⎢⎥ ⎢⎥⎢⎥ ⎢⎥ ⎢⎥⎣⎦⎣⎦ 0nn l ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥ ⎣⎦ 比较两边对应元素，容易得到12121()r rr rr rk k l a l -==-∑ ，11()/r ir ir ik rk rrk l a l l l -==-∑ 1,2,,;1,2,,.r n i r r n ==++Cholesky 分解的优点：不用选主元. 由21rrr rk k a l ==∑ 可以看出||1,2,,.rk l k r ≤=这表明中间量rk l得以控制，因此不会产生由中间量放大使计算不稳定的现象. Cholesky 分解的缺点：需要作开方运算. 改进的Cholesky 分解： 改为使用分解T A LDL =即11121121121221222121111n n n n n n n n nn a a a d l l l d a a a l l d a a a ⎡⎤ 1 ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥ 1 1 ⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥ ⎢⎥⎢⎥⎢⎥ ⎢⎥ ⎣⎦⎣⎦⎣⎦ 2n l ⎡⎤⎢⎥ ⎢⎥⎢⎥ ⎢⎥ 1⎣⎦其中21ˆl 1ˆn l 2ˆn l ˆnn l 1ˆn u12111()/r r rr rk k k r ir ir ik k rk rk d a l d l a l d l d-=-=⎧=-⎪⎪⎨⎪=-⎪⎩∑∑，1,2,,;1,2,,.r n i r r n ==++Cholesky 分解方法或平方根法：应用Cholesky 分解可将Ax b =分解为两个三角形方程组T Ly b L x y ⎧= ⎪⎨= ⎪⎩分别可解得111111/,()/.i i i ik k ii k y b l y b l y l i n -=⎧=⎪⎨=-, =2,3,,⎪⎩∑和1/,()/1,.n n nn n i i ki k ii k i x y l x y l x l i n n =+⎧=⎪⎨=-, =--2,,2,1⎪⎩∑改进的Cholesky 分解方法或改进的平方根法：应用改进的Cholesky 分解，将方程组Ax b =分解为下面两个方程组1,,T Ly b L x D y -= ⎧⎨= ⎩同理可解得1111,,2,3,,.i i i ik k k y b y b l y i n ==⎧=⎪⎨=- =⎪⎩∑和1/,/,1,2,,2,1.n n n n i i i ki k k i x y d x y d l x i n n =+⎧=⎪⎨=- =--⎪⎩∑ 4．解三对角方程组的追赶法若()ij n n A a ⨯=满足1||||,1,2,,.nii ij j j ia a i n =≠> =∑则称A 为严格对角占优矩阵.若A 满足1||||,1,2,,.nii ij j j ia a i n =≠≥ =∑且其中至少有一个严格不等式成立，则称A 为弱对角占优矩阵.现在考虑Ax d = 的求解，即11112222211111n n n n n n n n n b c x d a b c x d a b c x d d a b x -----⎡⎤⎡⎤⎡⎤ ⎢⎥⎢⎥⎢⎥ ⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥ = ⎢⎥⎢⎥⎢⎥ ⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦ 系数矩阵A 满足条件11||||0,||||||,,0,2,3,, 1.||||0,i i i i i n n b c b a c a c i n b a ⎧>>⎪≥+ ≠=-⎨⎪>>⎩采用Crout 分解方法11112222221111n n n n n n n b c a b c a b c a b βαβγαγα---⎡⎤ ⎡⎤⎢⎥ 1 ⎢⎥⎢⎥ ⎢⎥⎢⎥ = ⎢⎥⎢⎥ ⎢⎥ ⎢⎥ ⎢⎥⎢⎥⎣⎦ ⎣⎦ 1n β-⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥1 ⎢⎥⎢⎥ 1 ⎣⎦其中，,,i i i αβγ为待定系数.比较上式两边可得到111111,;,,2,3,,;,2,3,, 1.i i i i i i i i i b c a b i n c i n ααβγγβααβ-= == =+ == =-进而可导出1111111,2,3,,.,/,,2,3,,./(),2,3,, 1.i i i i i i ii i i i a i n b c b b i n c b i n γαβααββαβ--⎧= =⎪= =⎪⎨=- =⎪⎪=- =-⎩由此可看出，真正需要计算的是(1,2,,1)i n β=- ，而i α可由,i i b a 和1i β-产生.因此，实现了A 的Crout 分解后，求解Ax d =就等价于解方程组Ly dUx y =⎧⎨=⎩从而得到解三对角方程组的追赶法公式： (1) 计算i β的递推公式：1111/,/(),2,3,, 1.i i i i i c b c b i n ββαβ-⎧=⎪⎨=- =-⎪⎩(2) 解方程组Ly d =：11111/()/(),2,3,,.i i i i i i i y d b y d a y b a i n β--⎧=⎪⎨=-- =⎪⎩(3) 解方程组Ux y =：1,1,2,,2,1.n n i i i i x y x y x i n n β+⎧=⎪⎨=- =--⎪⎩追赶法的乘除法次数是66n -次.将计算121n βββ-→→→ 及12n y y y →→→ 的过程称之为“追”的过程，将计算方程组Ax d =的解121n n x x x x -→→→→ 的过程称之为“赶”的过程.四、迭代法 将Ax b =改写为一个等价的方程组 x Bx k =+建立迭代公式 (1)(),0,1,2,.i i x Bx k i +=+ =称矩阵B 为迭代矩阵.【定义】 如果对固定的矩阵B及向量k，对任意初始猜值向量(0)x ，迭代公式(1)()i i +()i()*lim i i x x →+∞=成立，其中*x 是一确定的向量，它不依赖于(0)x 的选取.则称此迭代公式是收敛的，否则称为发散的.如果迭代收敛，则应有**,x Bx k =+1. 收敛性()()*,0,1,2,i i x x i ε=- =为第i步迭代的误差向量.则有(1)(1)*()*()(),0,1,2,.x x B x x B i εε++=-=-==所以，容易推出()(0),0,1,2,,i i B i εε= =其中，(0)(0)*xxε=-为初始猜值的误差向量.设n nB K ⨯∈，lim 0i i B →+∞=⇔ ()1B ρ<.迭代法收敛基本定理： 下面三个命题是等价的 (1) 迭代法(1)()i i x Bx k +=+收敛；(2)()1B ρ<；(3) 至少存在一种矩阵的从属范数⋅，使1B <注：当条件()1B ρ<难以检验时，用1B 或B ∞等容易求出的范数，检验11B <或1B∞<来作为收敛的充分条件较为方便.常用迭代法如下. 2．Jacob 迭代 考察线性方程组Ax b =，设A 为非奇异的n 阶方阵，且对角线元素0ii a ≠(1,2,,)i n = .此时，可将矩阵A 写成如下形式A D L U =++,1122(,,,)nn D diag a a a = ，21313212000n n a L a a a a ⎡⎤⎢⎥ ⎢⎥⎢⎥= ⎢⎥ ⎢⎥⎢⎥ 0 ⎢⎥⎣⎦ ,12131232000n n a a a a a U ⎡⎤ ⎢⎥ ⎢⎥⎢⎥= 0 ⎢⎥ ⎢⎥⎢⎥ ⎢⎥⎣⎦ ,建立Jacobi 迭代公式(1)1()1(),i i x D L U x D b +--=-++迭代矩阵11()J B D L U I D A --=-+=-J B 的具体元素为112111122122221200n n J n n nn nn a a a a a a B a a a a a a ⎡⎤ - -⎢⎥⎢⎥⎢⎥- - ⎢⎥=⎢⎥⎢⎥ ⎢⎥⎢⎥- - 0 ⎢⎥⎣⎦ Jacobi 迭代法的分量形式如下1(1)()()111(),j n i i i jj jm m jm m m m j jj xb a x a x a -+==+=--∑∑1,2,,;0,1,2,.j n i = =3．Gauss-Seidel 迭代容易看出，在Jacobi 迭代法中，每次迭代用的是前一次迭代的全部分量()(1,2,,)i jx j n = .实际上，在计算(1)i j x +时，最新的分量(1)(1)(1)121,,,i i i j x x x +++- 已经算出，但没有被利用.事实上，如果Jacobi 迭代收敛，最新算出的分量一般都比前一次旧的分量更加逼近精确解，因此，若在求(1)i j x+时，利用刚刚计算出的新分量(1)(1)(1)121,,,i i i j x x x+++- ，对Jacobi 迭代加以修改，可得迭代公式1(1)(1)()111(),j ni i i jj jm m jm m m m j jj xb a x a x a -++==+=--∑∑1,2,,;0,1,2,.j n i = =矩阵形式(1)1()1()(),0,1,2,.i i x D L Ux D L b i +--=-++-+=1()G B D L U -=--+注：（1）两种迭代法均收敛时，Gauss-Seidt 迭代收敛速度更快一些.（2）但也有这样的方程组，对Jacobi 迭代法收敛，而对Gauss-Seidel 迭代法却是发散的. 【例2.4】 分别用Jacobi 迭代法和Gauss-Seidel 迭代法求解下面的方程组121232342,46,4 2.x x x x x x x ⎧- =⎪-+-=⎨⎪-+=⎩初始猜值取0(0,0,0)x =. 【解】 Jacobi 迭代公式为(1)()12(1)()()213(1)()321(2),41(6),0,1,2,41(2),4i i i i i i i x x x x x i x x +++⎧=+⎪⎪⎪=++=⎨⎪⎪=+⎪⎩迭代计算4次的结果如下 (1)(2)(3)(4)(0.5,1.5,0.5),(0.875,1.75,0.875),(0.938,1.938,0.938),(0.984,1.969,0.984).T T T T x x x x ====Gauss-Seidel 迭代公式为(1)()12(1)(1)()213(1)(1)321(2),41(6),0,1,2,41(2),4i i i i i i i x x x x x i x x +++++⎧=+⎪⎪⎪=++=⎨⎪⎪=+⎪⎩迭代计算4次的结果如下(1)(2)(3)(4)(0.5,1.625,0.9063),(0.9063,1.9532,0.9883),(0.9883,2.0,0.9985),(0.9985,1.999,0.9998).T T T T x x x x ====从这个例子可以看到，两种迭代法作出的向量序列(){}i x 逐步逼近方程组的精确解*(1,2,1)T x =,而且Gauss-Seidel 迭代法收敛速度较快.一般情况下，当这两种迭代法均收敛时，Gauss-Seidt 迭代收敛速度更3．超松弛迭代法为了加快迭代的收敛速度，可将Gauss-Seidel 迭代公式改写成1(1)()(1)()11(),j ni i i i jjj jm m jm m m m jjj xx b a x a x a -++===+--∑∑ 1,2,,;0,1,2,.j n i = =并记1(1)(1)()11(),j ni i i jj jm m jm m m m jjj rb a x a x a -++===--∑∑称 (1)i j r + 为 1i + 步迭代的第 j 个分量的误差向量.当迭代收敛时，显然有所有的误差向量(1)0(),1,2,,.i j r i j n +→→∞=为了获得更快的迭代公式，引入因子R ω∈，对误差向量 (1)i j r + 加以修正，得超松弛迭代法（简称SOR 方法）(1)()(1),0,1,2,.i i i j j j x x r i ω++=+ =即1(1)()(1)()1(),j ni i i i jjj jm mjm m m m jjjxx b a xa x a ω-++===+--∑∑1,2,,;0,1,2,.j n i = =适当选取因子ω，可望比Gauss-Seidel 迭代法收敛得更快.称ω为松弛因子.特别当1ω=时，SOR 方法就是Gauss-Seidel 迭代法.写成矩阵向量形式(1)1()1()[(1)](),j i x D L D U x D L b ωωωωω+--=+--++0,1,2,.i =迭代矩阵为1()[(1)].B D L D U ωωωω-=+--实际计算时，大部分是由计算经验或通过试算法来确定opt ω的近似值.所谓试算法就是从同一初始向量出发，取不同的松驰因子ω迭代相同次数(注意：迭代次数不应太少)，然后比较其相应的误差向量()()i i r b Ax =-(或()(1)i i x x --)，并取使其范数最小的松弛因子ω作为最佳松弛因子opt ω的近似值.实践证明，此方法虽然简单，但往往是行之有效的. 4．迭代收敛其它判别方法：用迭代法收敛基本定理来判断收敛性时，当n 较大时，迭代矩阵的谱半径计算比较困难，因此，人们试图建立直接利用矩阵元素的条件来判别迭代法的收敛定理. （1） 若方程组Ax b =中的系数矩阵A 是对称正定阵，则 Gauss-Seidel 迭代法收敛. 对于SOR 方法，当02ω<< 时迭代收敛（2）若A 为严格对角占优阵，则解方程组 Ax b = 的Jacobi 迭代法，Gauss －Seidel 迭代法均收敛. 对于SOR 方法，当01ω<< 时迭代收敛.【例2.5】 设线性方程组为121221,32,x x x x ⎧+=-⎪⎨+=⎪⎩建立收敛的Jacobi 迭代公式和Gauss －Seidel 迭代公式. 【解】 对方程组直接建立迭代公式，其Jacobi 迭代矩阵为0230J B -⎡⎤=⎢⎥- ⎣⎦，显见谱半径()1J B ρ=>，故Jacobi 迭代公式发散.同理Gauss －Seidel 迭代矩阵为0206G B -⎡⎤=⎢⎥ ⎣⎦，谱半径()61G B ρ=>，故Gauss －Seidel 选代公式也发散. 若交换原方程组两个方程的次序，得一等价方程组121232,21,x x x x ⎧+=⎪⎨+=-⎪⎩其系数矩阵显然对角占优，故对这一等价方程组建立的Jacobi 迭代公式，Gauss －Seidel 迭代公式皆收敛. （3）SOR 方法收敛的必要条件是 02ω<<【定理2.5】 如果A 是对称正定阵，且02ω<<，则解Ax b =的SOR 方法收敛.注：当(0,2)ω∈ 时，并不是对任意类型的矩阵A ，解线性方程组Ax b =的SOR 方法都是收敛的.当SOR 方法收敛时，通常希望选择一个最佳的值opt ω使SOR 方法的收敛速度最快.然而遗憾的是，目前尚无确定最佳超松弛因子opt ω的一般理论结果.实际计算时，大部分是由计算经验或通过试算法来确定opt ω的近似值.所谓试算法就是从同一初始向量出发，取不同的松驰因子ω迭代相同次数(注意：迭代次数不应太少)，然后比较其相应的误差向量()()i i r b Ax =-(或()(1)i i x x --)，并取使其范数最小的松弛因子ω作为最佳松弛因子opt ω的近似值.实践证明，此方法虽然简单，但往往是行之有效的.【例2.6】 求解线性方程组Ax b =，其中10.3000900.308980.30009100.4669110.274710.30898A - -- -0.46691 0= - -- 00.274711(5.32088,6.07624,8.80455,2.67600).T b ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥ - ⎣⎦ =-分别利用Jacobi 迭代法，Gauss －Seidel 迭代法，SOR 迭代法求解. 【解】其结果列入下表中，方程组精确解(五位有效数字)为*(8.4877,6.4275, 4.7028,4.0066).T x =-Jacobi 迭代法计算结果i()1i x()2i x ()3i x ()4i x ()2||||i r0 012.3095 1 5.3209 6.0762 －8.8046 2.6760 5.3609 27.97113.5621 －5.2324 1.90143.631820 8.4872 6.4263 －4.7035 4.0041 0.0041 218.48606.4271 －4.7050 4.0063 0.0028Gauss-Seidel 迭代法计算结果i()1i x()2i x()3i x()4i x()2||||i r0 012.3095 1 5.3209 7.6730 －5.2220 2.8855 3.6202 28.51506.1933 －5.1201 3.90040.49098 8.4832 6.4228 －4.7064 4.0043 0.0078 98.48556.4252－4.70554.00550.0038SOR 迭代法计算结果（1.16ω=）i()1i x()2i x()3i x()4i x()2||||i r0 012.3095 1 6.1722 9.1970 －5.2320 3.6492 3.6659 29.69416.1177 －4.8999 4.43351.33136 8.4842 6.4253 －4.7005 4.4047 0.0051 78.48686.4288－4.70314.00650.0016计算结果表明，若求出精确到小数点后两位的近似解，Jacobi 迭代法需要21次，Gauss －Seidel 迭代法需要9次，而SOR 迭代法(选松弛因子 1.16ω=)仅需要7次，起到加速作用.5．误差分析 【定理2.6】设 *x 是方程 Ax b = 的惟一解，v ⋅ 是某一种向量范数，若对应的迭代矩阵其范数1v B <，则迭代法(1)(),0,1,2,.i i xBx k i +=+ = 收敛，且产生向量序列(){}i x 满足()*()(1)||||||||||||1||||i i i vv vvB x x x x B --≤--()*(1)(0)||||||||||||1||||i i vv vvB x x x x B -≤--【证明】 由迭代收敛基本定理的(3)知，迭代法(1)(),0,1,2,.i i x Bx k i +=+ =收敛到方程的解*x .于是，由迭代公式立即得到(1)*()*(1)()()(1)(),().i i i i i i x x B x x x x B x x ++--=--=-为书写方便把v 范数中v 略去，有估计式(1)*()*||||||||||||,i i x x B x x +-≤⋅-(1)()()(1)||||||||||||.i i i i x x B x x +--≤⋅-再利用向量范数不等式||||||||||||x y x y -≥-于是得第一个不等式()(1)(1)()()*(1)*()*||||||||||||||||||||(1||||)||||,i i i i i i i B x x x x x x x x B x x -++ -≥-≥--- ≥--再反复递推即第二个不等式.注：（1）若事先给出误差精度ε，利用第二个不等式可得到迭代次数的估计(1)(0)(1||||)ln ln ||||||||v v v B i B x x ε⎡⎤->⎢⎥-⎣⎦ （2）在||||v B 不太接近1的情况下，由第一个不等式，可用()(1)||||i i v x x ε--<作为控制迭代终止的条件，并取 ()i x 作为方程组 Ax b = 的近似解.但是在||||v B 很接近1时，此方法并不可靠.一般可取1,2,v =∞或F .【例2.7】 用Jacobi 迭代法解方程组123123123202324,812,231530.x x x x x x x x x ⎧++=⎪++=⎨⎪-+=⎩问Jacobi 迭代是否收敛?若收敛，取(0)(0,0,0)T x =，需要迭代多少次，才能保证各分量的误差绝对值小于610-?【解】 Jacobi 迭代的分量公式为(1)()()123(1)()()213(1)()()3121(2423)201(12),0,1,2,81(3022),15i i i i i i i i i x x x x x x i x x x +++⎧=--⎪⎪⎪=-- =⎨⎪⎪=-+⎪⎩Jacobi 迭代矩阵J B 为130102011088210155J B ⎡⎤ - -⎢⎥⎢⎥⎢⎥=- -⎢⎥⎢⎥⎢⎥- ⎢⎥⎣⎦，由5251||||max ,,1208153J B ∞⎧⎫==<⎨⎬⎩⎭知，Jacobi 迭代收敛. 因设(0)(0,0,0)Tx =，用迭代公式计算一次得(1)(1)(1)12363,, 2.52x x x = = =而(1)(0)|||| 2.x x ∞-=于是有6110(1)13ln ln 13.23i -⎡⎤⋅-⎢⎥>=⎢⎥⎢⎥⎣⎦所以，要保证各分量误差绝对值小于610-，需要迭代14次.【例2.8】 用Gauss －Seidel 迭代法解例2.11中的方程组，问迭代是否收敛?若收敛，取(0)(0,0,0)Tx =，需要迭代多少次，才能保证各分量误差的绝对值小于610-?【解】 Gauss －Seidel 迭代矩阵G B 为102403601()03025524000G B D L U - - ⎡⎤⎢⎥=-+= -⎢⎥⎢⎥ 38 -3⎣⎦显然1||||14G B =<，所以迭代收敛. Gauss －Seidel 迭代分量公式为(1)()()123(1)(1)()213(1)(1)(1)3121(2423),201(12),0,1,2,81(3022),15i i i i i i i i i x x x x x x i x x x ++++++⎧=--⎪⎪⎪=-- =⎨⎪⎪=-+⎪⎩因取(0)(0,0,0)T x =，故迭代一次得(1)(1)(1)1231.2, 1.35, 2.11x x x = = =于是有(1)(0)|||| 2.11x x ∞-=，计算得6110(1)14ln ln 10.2.114i -⎡⎤⋅-⎢⎥>=⎢⎥⎢⎥⎣⎦所在，要保证各分量误差绝对值小于610-，需要迭代11次.。
中南大学高等工程数学试卷超全整理
中南大学工程硕士“高等工程数学”考试试卷（开卷）1考试日期：2010年 4 月 日 时间110分钟注：解答全部写在答题纸上一、填空题(本题24分，每小题3分)1. 若函数1()[,]x C a b ϕ∈,且[,]x a b ∀∈有()[,]x a b ϕ∈和1)('<≤L x ϕ, 则方程()x x ϕ=在[,]a b 上的解存在唯一，对 任意[]b a x ,0∈为初值由迭代公式)(1n n x x ϕ=+产生的序列{}n x 一定收敛于方程()x x ϕ=在[,]a b 上的解*x ，且有误差估计式*x x k-≤L-1ε；2. 建立最优化问题数学模型的三要素是： 确定决策变量 、 建立适当的约束条件 、 建立目标函数 ；3．求解无约束非线性最优化问题的最速下降法会产生“锯齿现象”，其原因是： 最速下降法前后两个搜索方向总是垂直的 ；4．已知函数)(x f y =过点(,),0,1,2,,i i x y i n =L ，[,]i x a b ∈，设函数)(x S 是()f x 的三次样条插值函数，则)(x S 满足的三个条件（1）在每个子区间[]i i x x ,1-（i=1，2，…，n ）上是不高于三次的多项式；（2）S （x ），S ’（x ），S ’’（x ）在[]b a ,上连续；（3）满足插值条件S （x i ）=y i （i=1，2，…，n ）；5．随机变量1210~(3,4),(,,,)X N X X X L 为样本，X 是样本均值，则~X N （3，0.4）；6．正交表()p q N L n m ⨯中各字母代表的含义为 L 表示正交表，N 表示试验次数，n 、m 表示因子水平数，p 、q 表示试验至多可以安排因素的个数 ；7．线性方程组Ax b =其系数矩阵满足 A=LU ，且分解唯一 时，可对A 进行LU 解，选主元素的Gauss 消元法是为了避免 采用绝对值很小的主元素 导致误差传播大，按列选取主元素时第k 步消元的主元a kk 为)1,2,......,1(1-=⎪⎪⎭⎫ ⎝⎛-=∑+=n i a y a b y iin i j i ij i i 8．取步长0.01h =，用Euler法解'3,[0,1](0)1y x yx y ⎧=-∈⎨=⎩的公式为 。
高等工程数学习题--2013
高等工程数学练习题一、填空题1. 对方程()ln(2)0f x x x =-+=，写出该方程存在正数根的一个区间 ，构造迭代公式 ，使其产生的序列{}n x 可以收敛于方程的这个正数根*x ；2. 用Cholesky (乔勒斯基) 分解法求解方程：1239631861311303113549x x x ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦则：L = ; 方程组的解x = ； 3．建立最优化模型的三要素： ； ； ； 4．已知函数411.0)4.0(=f , 578.0)5.0(=f , 697.0)6.0(=f ，用此函数表作Newton 插值多项式，那么插值多项式2x 的系数是 ；5．设总体2220~(,),X N μσσσ=已知,X 是样本均值，在检验假设00:H μμ=时选用的检验统计量为 ，拒绝域为 ；6. 设总体X 服从],0[θ上的均匀分布，则θ的矩法估计为 ，极大似然估计为 ； 7．影响数学模型求解结果的误差有： ， ， 。
8．已知)(x f y =在区间],[b a 上通过点(,),0,1,2,,i i x y i n =，则其三次样条插值函数)(x S 是满足 ， ， ；9. 若函数3()230f x x x =-=, 给出该方程存在正根的区间 , 该方程的Newton 迭代公式是 ；10. 给出线性规划标准型的特点： 、 、 ； 11．求解无约束非线性最优化问题的下降迭代算法中，下降方向应该满足的条件是：； 12．已知函数)(x f y =过点(,),0,1,2,,i i x y i n =，[,]i x a b ∈，设函数)(x S 是()f x 的三次样条插值函数，则)(x S 满足的三个条件是 ；13．在进行单因子方差分析中，A 因子取五个水平，共进行了25N =次试验，通过计算得到1600;8500SSA SST ==，因此A F = ，而0.05(4,20)2.87F =，A 因子对试验指标 显著性影响。
《高等工程数学》习题二参考答案
，。
]‘；了、批，、/“；。
曾国藩《高等工程数学》习题二参考答案（姚仰新，罗家洪，庄楚强，华南理工大学出版社）由于时间仓促，错误难免，请把意见发到fzmath@ ，谢谢.1、1）因为61*1105.0590450000018284.0590457182818284.271828.2-⨯≤=-=- e x ，所以有效数字为6位，其误差为5*11021)(-⨯≤x e ，相对误差为5*110221)(-⨯⨯≤x e r 。
2）因为 03539833.14159292113355*2==x ， 8979323851415926535 .3=π，所以716-*2105.0103790624223120.266764188979323851415926535 .303539833.14159292-⨯≤⨯=-=-πx所以有效数字为7位，其误差为6*21021)(-⨯≤x e ，相对误差为6*210321)(-⨯⨯≤x e r 。
2、解：1）⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-----→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=251000532500532565331743532][232121252321232121b A ， 回代可得23=x ，12=x ，41-=x ，即方程组的解为)1,2,4(-。
2）⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-→⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=25495725562525562000501045120105010452105010104521011.03321104520111.031045321][b A〉‘；，。
回代可得4.13-=x ，22=x ，2.11=x ，即方程组的解为)4.1,2,2.1(-。
3) 分三个步骤：（i ）求分解式LU A =. 求Doolittle 分解，即⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡==21210102011010121101LU A ，‘。
工程数学试题及答案高级专
工程数学试题及答案高级专工程数学试题及答案（高级专科）一、单项选择题（每题3分，共30分）1. 极限的定义中，当x趋近于a时，f(x)的极限为L，意味着（）。
A. f(x) = LB. |f(x) - L| < ε，对任意的ε > 0，存在δ > 0，使得0 < |x - a| < δ时成立C. |f(x) - L| = 0D. f(x) ≠ L答案：B2. 函数f(x) = x^2在x=0处的导数为（）。
A. 0B. 1C. 2D. -1答案：B3. 以下哪个函数是奇函数？（）A. f(x) = x^2B. f(x) = x^3C. f(x) = x^4D. f(x) = x答案：B4. 以下哪个函数是周期函数？（）A. f(x) = e^xB. f(x) = sin(x)C. f(x) = ln(x)D. f(x) = x^2答案：B5. 以下哪个积分是发散的？（）A. ∫(0, +∞) e^(-x) dxB. ∫(0, +∞) x^2 dxC. ∫(0, +∞) e^x dxD. ∫(0, +∞) 1/x dx答案：D6. 以下哪个是二阶常系数线性微分方程？（）A. y'' + 2y' + y = 0B. y'' + 2y' + 3y = 0C. y'' + y' + y = 0D. y'' + y' = 0答案：A7. 以下哪个是二阶偏导数？（）A. ∂^2f/∂x∂yB. ∂^2f/∂x^2C. ∂^2f/∂y^2D. ∂^2f/∂x∂y^2答案：A8. 以下哪个是线性方程组的解？（）A. {x=1, y=2}B. {x=0, y=0}C. {x=1, y=1}D. {x=2, y=3}答案：C9. 以下哪个是矩阵的特征值？（）A. λ = 1B. λ = 2C. λ = 3D. λ = 4答案：A10. 以下哪个是傅里叶级数的系数？（）A. a_nB. b_nC. c_nD. d_n答案：A二、填空题（每题4分，共20分）11. 函数f(x) = sin(x)在x=π/2处的导数为______。
《高等工程数学》试卷
《高等工程数学》试题注意：1. 考试时间2.5小时，答案一律写在本试题纸上，写在草稿纸上的一律无效； 2. 请先填好密封线左边的各项内容，不得在其它任何地方作标记；3. 可能需要的常数：0.900.950.9951.282, 1.645, 2.576u u u ===一、填空题(本题共10空，每空3分，满分30分.把答案填在题中的横线上) 1. 给定线性空间22R ⨯的基：1001000000001001⎧⎫⎡⎤⎡⎤⎡⎤⎡⎤=⎨⎬⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎩⎭，，，B 及线性变换Tx Px =，其中220110P x R ⨯⎡⎤=∈⎢⎥⎣⎦，.则T 在基B 下的矩阵为A =.2. 设123{}e e e =，，B 是欧氏空间3V 的标准正交基，令112213.y e e y e e =+=-，则由B 出发，通过Schmidt 标准正交化方法可求得12span{}y y ，的标准正交基为 (用123e e e ，，表示）． 3．设21111301021i 0A x ⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥+⎣⎦⎣⎦，，其中i =. 则2|||||||| A Ax ∞⋅=. 4．当实常数c 满足条件 时，幂级数1116kk kc kc ∞=⎡⎤⎢⎥-⎣⎦∑收敛. 5．对称阵321220103A ⎡⎤⎢⎥=⎢⎥⎣⎦的Cholesky 分解为A =.6．设12101210()()X X X Y Y Y ，，，，，，，是来自正态总体2~()X N μσ，的两个独立样本，则当常数 c =时，统计量4211025()()i i i i i i X Y c X Y ==-⋅-∑∑服从F 分布．7．袋中装有编号为1~N 的N 个球(N 未知)，现从袋中有放回地任取n 个球，依次记录下球的编号为12.n X X X ，，，则袋中球的个数N 的矩估计量为ˆ N=. 8．设12n X X X ，，，为来自总体~(1)X N μ，的样本.为得到未知参数μ的长度不超过0.2、置信度为0.99的双侧置信区间，其样本容量至少应满足 n ≥.学院（部） 修读类别（学位/进修） 姓名 学号（编号）（ 密 封 线 内 请 勿 答 题 ）……………………………………密………………………………………封………………………………………线……………………………………9．某城市在一项有关医疗保健的社会调查中，为了了解喜欢吃甜食的人群是否与性别有关， 随机访问了1179位人，调查结果如下表所示若检验假设0:H 喜欢吃甜食与性别无关， 1:H 喜欢吃甜食与性别有关则依据所给数据，算得皮尔逊2χ统计检验量观察值2ˆ χ=. 10.为了分析学生的学习情况，考察了某班级全部学生数学1x 与英语2x 两门课程的考试成 绩，算得样本相关矩阵为10.36.0.361R ⎡⎤=⎢⎥⎣⎦则第一样本主成分1y 的贡献率为 .二、(10分) 利用Householder 变换求方阵212204031A ⎡⎤-=⎢⎥⎢⎥⎣⎦的QR 分解.解三、(10分) 设00ξη，是欧氏空间n V 的两个非零向量，12c c ，是两个常数. n V α∀∈定义变换T ：100200.T c c ααξξαηη=〈〉+〈〉，，(1) 证明T 是线性变换；(2) 设12{}n εεεε=，，，B 是n V 的标准正交基，且00ξη，在εB 下的坐标分别为00x y ，，即有0000 (x y εεηξ==，B B 其中010*********).n n n x y x y x y R x y ⎡⎤⎡⎤⎢⎥⎢⎥==∈⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦，试求T 在基εB 下的矩阵A ； (3) 证明T 是对称变换.解学院（部） 修读类别（学位/进修） 姓名 学号（编号）（ 密 封 线 内 请 勿 答 题 ）……………………………………密…………………………………封………………………………………线……………………………………四、(10分) 设矩阵2010201202A⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦.(1)求A的最小多项式()Amλ和Jordan标准形；(2)计算方阵函数 ((,)).e At t∈-∞+∞解五、(10分) 设4111101234001231A b x R ⎡⎤⎡⎤⎢⎥⎢⎥==∈⎢⎥⎢⎥⎣⎦⎣⎦，，． (1) 求A 的极大线性无关列及A 的满秩分解；(2) 证明方程组Ax b =不相容，并求Ax b =的极小范数最小二乘解．解学院（部） 修读类别（学位/进修） 姓名 学号（编号）（ 密 封 线 内 请 勿 答 题 ）…………………………………………密………………………………………封………………………………………线…………………………………………六、(10分) 设总体X 的密度函数为| |1()e ()2x f x x σσσ-=-∞<<∞;，其中0>σ为未知参数．12n X X X ，，，是来自总体X 的样本．(1) 试求σ的极大似然估计量σˆ； (2) 证明σˆ为σ的最小方差无偏估计量． 解七、(10分) )研究所从某厂定购了一批原料,已知该原料每瓶的杂质含量2~()X N μσ，(单位：毫克)，已知02σ=(毫克).若整批原料每瓶杂质的平均含量低于20(毫克)则视为合格，现从该批原料中随机抽取了25瓶进行检测，计算得18.8x =(毫克).(1) 问在显著性水平0.01α=下，能否认为该批原料是合格的？(2) 若厂方要求：当每瓶杂质平均含量低于19(毫克)时，II 类风险不超过0.1β=，试问至少要抽样多少瓶？ 解学院（部） 修读类别（学位/进修） 姓名 学号（编号）（ 密 封 线 内 请 勿 答 题 ）…………………………………………密………………………………………封………………………………………线…………………………………………八、(10分) 设有线性线性回归模型20122123451(2)12345~(0).i i i iy x x i N βββεεεεεεεσ⎧=++-+⎪=⎨⎪⎩，，，，，，，，，独立同分布， 其中1234521012x x x x x =-=-===，，，，是已知的观测值． 1）求参数012βββ，，的最小二乘估计012ˆˆˆβββ，，； 2）并判别012ˆˆˆβββ，，是否独立，为什么？。
南京理工大学工程硕士高等工程数学题
南京理工大学工程硕士学位课程考试高等工程数学试题注意：每位考生只要选做以下两部分试题，答案必须写在答题纸上矩阵分析部分一．（6分）设，其中1,121,312243122-=⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛----+-=i X i i i i A 求21,,AX A A ∞值。
解：A ∞=max{|2|+|-1|+|3+4i|,|-2|+|2i|+|-1|,|-i|+|-3|+|i|}=max{8,5,5}=8 1A =max{|2|+|-2|+|-i|,|-1|+|2i|+|-3|,|3+4i|+|-1|+|i|}=max{5,6,7}=734i AX 34i 6+⎛⎫⎪=-- ⎪ ⎪-⎝⎭2AX二．（8分） 已知函数矩阵：22222222222223332t tt t t t Att t t t t t t t t tt t e e e e e e e e ee e e e e e e e e e ⎛⎫--- ⎪=--- ⎪ ⎪---⎝⎭， 求矩阵.A 解：∵()AtAte Ae'=又 ()2t t2t t t 2t At 2t t 2t t t 2t 2t t 2t tt 2t 4e e 2e e e 2e e 2e e 4e e 2e 4e 6e 3e 2e e 3e 4e ⎛⎫--- ⎪'=--- ⎪ ⎪---⎝⎭∴ A=AE=Ae 0=Ae At |t=0=(e At )’|t=0=311132311-⎛⎫ ⎪- ⎪ ⎪-⎝⎭三．（10分）设向量)5,1,2,3(),4,1,1,2(),1,0,1,1(321---=-=-=ααα与)3,1,1,2(),1,1,0,1(21-==ββ，令),,,(3211αααL V =),(212ββL V =，（1）求21V V +的一组基和维数； （2）求维数)dim(21V V 。
解：(1) 对下列矩阵施行如下初等行变换()TT TT T 12312A =αααββ1231212312112010111101111011111451302201--⎛⎫⎛⎫ ⎪ ⎪---- ⎪ ⎪=→⎪ ⎪-- ⎪⎪--⎝⎭⎝⎭1231212312011110111100000000210002100000--⎛⎫⎛⎫⎪⎪-- ⎪ ⎪→→ ⎪ ⎪ ⎪⎪--⎝⎭⎝⎭∴ r(A)=3 ∴ r(α1,α2,α3,β1,β2)=3 ∴ dim(V 1+V 2)=3可选{α1,α2,β1}为V 1+V 2的一组基(2) ∵ dimV 1=r{α1,α2,α3}=2 dimV2=r{β1,β2}=2∴ dim(V 1∩V 2)=dimV 1+dimV 2-dim(V 1+V 2)=2+2-3=1四．（10分）设⎪⎪⎪⎭⎫ ⎝⎛-----=411301621A ，1． 求A 的Jordan 标准形J 及最小多项式)(λm ；2． 求解初值问题⎪⎪⎩⎪⎪⎨⎧⎪⎪⎪⎭⎫ ⎝⎛-==114)0(X AX dt dX解： 1.12613E A 131********λ+-λ-⎛⎫⎛⎫ ⎪ ⎪λ-=λ-→λ+- ⎪ ⎪ ⎪ ⎪λ-λ-⎝⎭⎝⎭210010012330(1)(2)3(1)111011⎛⎫⎛⎫⎪ ⎪→λ+-λ-λλ-→λ-λ+λ- ⎪ ⎪ ⎪ ⎪-λλ-λ-λ-⎝⎭⎝⎭21001000110100(1)(2)3(1)0(1)(2)(1)⎛⎫⎛⎫ ⎪ ⎪→λ-λ-→λ- ⎪ ⎪ ⎪ ⎪λ-λ+λ-λ-λ+-λ-⎝⎭⎝⎭210001000(1)⎛⎫ ⎪→λ- ⎪ ⎪λ-⎝⎭∴ d 1(λ)=1 d 2(λ)=λ-1 d 3(λ)=(λ-1)2∴ A 的初等因子为： λ-1，(λ-1)2∴12100100J A J 010J 110J 011001⎛⎫⎛⎫⎛⎫ ⎪ ⎪===⎪ ⎪ ⎪⎝⎭ ⎪ ⎪⎝⎭⎝⎭或 m(λ)=d 3(λ)=(λ-1)22. 设f(z)=e zt （z 为自变量，t 为固定字母），T(λ)=a+b λ 则 f ’(z)=te zt ，T ’(λ)=b令T(1)f (1)T (1)f (1)=⎧⎨''=⎩得t te a b e b ⎧=+⎨=⎩ 解得t a 0b e =⎧⎨=⎩∴ T(λ)=a+b λ=e t λ∴ e At =f(A)=T(A)=aE+bA=t 126e 103114--⎛⎫⎪- ⎪ ⎪--⎝⎭∴ X=X(t)=e At X(0)=tt t t t 126444e e 1031e 1e 11411e ⎛⎫--⎛⎫⎛⎫⎛⎫ ⎪ ⎪⎪ ⎪--=-=- ⎪ ⎪⎪ ⎪ ⎪⎪ ⎪ ⎪--⎝⎭⎝⎭⎝⎭⎝⎭五．（8分） 设},{21αα与},{21ββ是线性空间V 的两个基，⎪⎪⎭⎫⎝⎛--=2111P 为从基},{21αα到},{21ββ的过渡矩阵，T 为V 的一个线性变换，T 在基},{21ββ下的矩阵⎪⎪⎭⎫⎝⎛=1011A ，求线性变换T 在基},{21αα下的矩阵B 。