计算方法与实习答案1-2

计算方法与实习答案【篇一：《基础会计学习指导、习题与实训》答案】名词解释1．会计：是以货币为主要计量单位，以凭证为依据，运用专门的技术方法，对一定主体的经济活动进行连续、系统、全面的核算与监督，以提高经济效益为目标，向有关方面提供会计信息的一种经济管理活动。

2．会计职能：是指会计在经济管理中所具有的功能，即会计在经济管理中能发挥什么作用。

3．会计核算职能：是指以货币为主要计量单位，对企事业单位一定时期的经济活动进行真实、连续、系统、完整的记录、计量和报告。

4．会计监督职能：是指依据监督标准，利用会计核算所提供的会计信息对各单位的经济活动全过程的合法性、合理性和有效性进行的指导、控制和检查。

5．会计对象：是指会计所要核算和监督的内容，即会计工作的内容。

6．会计要素：是对会计对象按经济特性所做的基本分类，是会计对象的具体内容。

7．资产：是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来未来经济利益的资源。

8．负债：是指企业过去的交易或者事项形成的、预期会导致经济利益流出企业的现时义务。

9．所有者权益：是指企业资产扣除负债后由所有者享有的剩余权益，包括实收资本、资本公积、盈余公积和未分配利润。

10．收入：是指企业在日常活动中形成的、会导致所有者权益增加的、与所有者投入资本无关的经济利益的总流入，包括销售商品收入、劳务收入、利息收入等。

11．费用：是指企业在日常活动中发生的、会导致所有者权益减少的、与向所有者分配利润无关的经济利益的总流出。

12．利润：是指企业在一定会计期间的经营成果，包括收入减去费用后的净额、直接计入当期利润的利得和损失等。

13．会计方法：是为实现会计核算、进行会计管理和完成会计任务所采用的手段。

14．会计核算方法：是对单位已经发生的经济活动进行连续、系统、全面的核算所采用的方法，包括设置账户、复式记账、审核和填制会计凭证、登记账簿、成本计算、财产清查和编制财务会计报告。

计算方法习题答案在数学和工程领域，计算方法是指解决数学问题的一系列算法和程序。

以下是一些常见的计算方法习题及其答案。

习题1：求解线性方程组考虑线性方程组：\[ \begin{align*}3x + 2y &= 7, \\4x - y &= 5.\end{align*} \]答案：使用高斯消元法，我们首先将第二个方程乘以2，然后从第一个方程中减去得到：\[ \begin{align*}3x + 2y &= 7, \\0x + 9y &= 17.\end{align*} \]解得 \( y = \frac{17}{9} \)。

将 \( y \) 的值代入第一个方程，解得 \( x = 1 \)。

因此，解为 \( x = 1, y = \frac{17}{9} \)。

习题2：数值积分给定函数 \( f(x) = x^2 \)，求在区间 [0, 1] 上的积分。

答案：使用梯形法则进行数值积分，取两个子区间：\[ \int_{0}^{1} x^2 dx \approx \frac{1}{2} \left( f(0) + f(1) \right) = \frac{1}{2} \left( 0 + 1 \right) = 0.5. \]习题3：求解常微分方程的初值问题考虑初值问题：\[ y' = 3x^2 - 2y, \quad y(0) = 1. \]答案：使用欧拉方法，取步长 \( h = 0.1 \)，计算 \( y \) 的值：\[ y_{n+1} = y_n + h f(x_n, y_n). \]从 \( y_0 = 1 \) 开始，计算得到：\[ y_1 = 1 + 0.1(0 - 2) = 1.2, \]\[ y_2 = 1.2 + 0.1(0.01 - 2.4) = 1.4, \]以此类推，可以得到 \( y \) 在区间 [0, 1] 上的近似值。

习题4：数值解非线性方程给定方程 \( f(x) = x^3 - x - 1 = 0 \)，求根。

1． 设⎰+=105dx x x I nn ， （1） 由递推公式n I I n n 151+-=-，从0I 的几个近似值出发，计算20I ； 解：易得：0I =ln6-ln5=0.1823,程序为：I=0.182;for n=1:20I=(-5)*I+1/n;endI输出结果为：20I = -3.0666e+010（2） 粗糙估计20I ，用n I I n n 515111+-=--，计算0I ； 因为 0095.056 0079.010********≈<<≈⎰⎰dx x I dx x 所以取0087.0)0095.00079.0(2120=+=I 程序为：I=0.0087;for n=1:20I=(-1/5)*I+1/(5*n);endI0I = 0.0083（3） 分析结果的可靠性及产生此现象的原因(重点分析原因)。

首先分析两种递推式的误差；设第一递推式中开始时的误差为000I I E '-=，递推过程的舍入误差不计。

并记nn n I I E '-=，则有01)5(5E E E n n n -==-=- 。

因为=20E 20020)5(I E >>-，所此递推式不可靠。

而在第二种递推式中n n E E E )51(5110-==-= ，误差在缩小，所以此递推式是可靠的。

出现以上运行结果的主要原因是在构造递推式过程中，考虑误差是否得到控制，即算法是否数值稳定。

2． 求方程0210=-+x e x 的近似根，要求41105-+⨯<-k k x x ，并比较计算量。

（1） 在[0，1]上用二分法；程序：a=0;b=1.0;while abs(b-a)>5*1e-4if exp(c)+10*c-2>0b=c;else a=c;endendc结果：c =0.0903（2） 取初值00=x ，并用迭代1021x k e x -=+； 程序：x=0;a=1;while abs(x-a)>5*1e-4a=x;x=(2-exp(x))/10;endx结果：x =0.0905（3） 加速迭代的结果；程序：x=0;a=0;b=1;while abs(b-a)>5*1e-4a=x;y=exp(x)+10*x-2;z=exp(y)+10*y-2;x=x-(y-x)^2/(z-2*y+x);b=x;endx结果：x =0.0995（4） 取初值00=x ，并用牛顿迭代法；程序：x=0;a=0;b=1;while abs(b-a)>5*1e-4x=x-(exp(x)+10*x-2)/(exp(x)+10);b=x;endx结果：x =0.0905（5） 分析绝对误差。

第一章 误差1 问3.142，3.141，722分别作为π的近似值各具有几位有效数字？分析 利用有效数字的概念可直接得出。

解 π=3.141 592 65…记x 1=3.142，x 2=3.141，x 3=722.由π- x 1=3.141 59…-3.142=-0.000 40…知3411110||1022x π--⨯<-≤⨯ 因而x 1具有4位有效数字。

由π- x 2=3.141 59…-3.141=-0.000 59…知2231021||1021--⨯≤-<⨯x π因而x 2具有3位有效数字。

由π-722=3.141 59 …-3.142 85…=-0.001 26…知231021|722|1021--⨯≤-<⨯π因而x 3具有3位有效数字。

2 已知近似数x*有两位有效数字，试求其相对误差限。

分析 本题显然应利用有效数字与相对误差的关系。

解 利用有效数字与相对误差的关系。

这里n=2,a 1是1到9之间的数字。

%5101211021|*||*||)(|1211*=⨯⨯≤⨯≤-=+-+-n ra x x x x ε3 已知近似数的相对误差限为0.3%，问x*至少有几位有效数字？分析 本题利用有效数字与相对误差的关系。

解 a 1是1到9间的数字。

1112*10)1(2110)19(21102110003%3.0)(--⨯+≤⨯+⨯=⨯<=a x r ε 设x*具有n 位有效数字，令-n+1=-1，则n=2，从而x*至少具有2位有效数字。

4 计算sin1.2，问要取几位有效数字才能保证相对误差限不大于0.01%。

分析 本题应利用有效数字与相对误差的关系。

解 设取n 位有效数字，由sin1.2=0.93…，故a 1=9。

411*10%01.01021|*||*||)(-+-=≤⨯≤-=n ra x x x x ε解不等式411101021-+-≤⨯n a 知取n=4即可满足要求。

第二章 数值分析2.1 已知多项式432()1p x x x x x =-+-+通过下列点：试构造一多项式()q x 通过下列点：答案：54313()()()3122q x p x r x x x x x =-=-++-+． 2.2 观测得到二次多项式2()p x 的值：表中2()p x 的某一个函数值有错误，试找出并校正它．答案：函数值表中2(1)p -错误，应有2(1)0p -=．2.3 利用差分的性质证明22212(1)(21)/6n n n n +++=++ ．2.4 当用等距节点的分段二次插值多项式在区间[1,1]-近似函数xe 时，使用多少个节点能够保证误差不超过61102-⨯． 答案：需要143个插值节点．2.5 设被插值函数4()[,]f x C a b ∈，()3()h H x 是()f x 关于等距节点01n a x x x b =<<<= 的分段三次艾尔米特插值多项式，步长b ah n-=．试估计()3||()()||h f x H x ∞-．答案：()443||()()||384h M f x H x h ∞-≤．第三章 函数逼近3.1 求()sin ,[0,0.1]f x x x =∈在空间2{1,,}span x x Φ=上最佳平方逼近多项式，并给出平方误差．答案：()sin f x x =的二次最佳平方逼近多项式为-522sin ()0.832 440 710 1.000 999 10.024 985 1x p x x x ≈=-⨯+-，二次最佳平方逼近的平方误差为0.122-1220(sin )())0.989 310 710x p x dx δ=-=⨯⎰．3.2 确定参数,a b c 和，使得积分2121(,,)[I a b c ax bx c -=++-⎰取最小值．答案：810, 0, 33a b c ππ=-== 3.3 求多项式432()251f x x x x =+++在[1,1]-上的３次最佳一致逼近多项式()p x ．答案：()f x 的最佳一致逼近多项式为323()74p x x x =++． 3.4 用幂级数缩合方法，求() (11)x f x e x =-≤≤上的３次近似多项式6,3()p x ，并估计6,3||()()||f x p x ∞-．答案：236,3()0.994 574 650.997 395 830.542 968 750.177 083 33p x x x x =+++， 6,3||()()||0.006 572 327 7f x p x ∞-≤3.5 求() (11)xf x e x =-≤≤上的关于权函数()x ρ=的三次最佳平方逼近多项式3()S x ，并估计误差32||()()||f x S x -和3||()()||f x S x ∞-．答案：233()0.994 5710.997 3080.542 9910.177 347S x x x x =+++，32||()()||0.006 894 83f x S x -=，3||()()||0.006 442 575f x S x ∞-≤．第四章 数值积分与数值微分4.1 用梯形公式、辛浦生公式和柯特斯公式分别计算积分1(1,2,3,4)n x dx n =⎰，并与精确值比较．答案：计算结果如下表所示4.2 确定下列求积公式中的待定参数，使得求积公式的代数精度尽量高，并指明所确定的求积公式具有的代数精度． （１）101()()(0)()hh f x dx A f h A f A f h --≈-++⎰（２）11211()[(1)2()3()]3f x dx f f x f x -≈-++⎰ （３）20()[(0)()][(0)()]2h h f x dx f f h h f f h α''≈++-⎰答案：（１）具有三次代数精确度（２）具有二次代数精确度（３）具有三次代数精确度．4.3 设10h x x =-，确定求积公式12300101()()[()()][()()][]x x x x f x dx h Af x Bf x h Cf x Df x R f ''-=++++⎰中的待定参数,,,A B C D ，使得该求积公式的代数精确度尽量高，并给出余项表达式．答案：3711,,,20203020A B C D ====-，(4)6()[]1440f R f h η=，其中01(,)x x η∈．4.4 设2()P x 是以0,,2h h 为插值点的()f x 的二次插值多项式，用2()P x 导出计算积分30()hI f x dx =⎰的数值积分公式h I ，并用台劳展开法证明：453(0)()8h I I h f O h '''-=+． 答案：3203()[(0)3(2)]4h h I p x dx h f f h ==+⎰．4.5 给定积分10sin xI dx x =⎰（１）运用复化梯形公式计算上述积分值，使其截断误差不超过31102-⨯． （２）取同样的求积节点，改用复化辛浦生公式计算时，截断误差是多少？（３）要求的截断误差不超过610-，若用复化辛浦生公式，应取多少个节点处的函数值？ 答案：（１）只需7.5n ≥，取９个节点，0.946I ≈（２）4(4)46111|[]||()|()0.271102880288045n b a R f h f η--=-≤=⨯ （３）取７个节点处的函数值．4.6 用变步长的复化梯形公式和变步长的复化辛浦生公式计算积分10sin xI dx x =⎰．要求用事后误差估计法时，截断误不超过31102-⨯和61102-⨯． 答案：使用复化梯形公式时，80.946I T ≈=满足精度要求；使用复化辛浦生公式时，40.946 083I s ≈=满足精度要求．4.7（１）利用埃尔米特插值公式推导带有导数值的求积公式2()()[()()][()()][]212ba b a b a f x dx f a f b f b f a R f --''=+--+⎰，其中余项为 5(4)()[](), (,)4!30b a R f f a b ηη-=∈． （２）利用上述公式推导带修正项的复化梯形求积公式020()[()()]12Nx N N x h f x dx T f x f x ''≈--⎰，其中 0121[()2()2()2()()]2N N N hT f x f x f x f x f x -=+++++ ，而 00, (0,1,2,,), i N x x ih i N Nh x x =+==- ．4.8 用龙贝格方法计算椭圆2214x y +=的周长，使结果具有五位有效数字． 答案：49.6884l I =≈．4.9确定高斯型求积公式0011()()()x dx A f x A f x ≈+⎰的节点0x ，1x 及系数0A ，1A ．答案：00.289 949x =，10.821 162x =，00.277 556A =，10.389 111A =．4.10 验证高斯型求积公式00110()()()x e f x dx A f x A f x +∞-≈+⎰的系数及节点分别为0001 2 2A A x x ===-=+第五章 解线性方程组的直接法5.1 用按列选主元的高斯-若当消去法求矩阵A 的逆矩阵，其中111210110A -⎛⎫ ⎪= ⎪ ⎪-⎝⎭． 答案： 1110331203321133A -⎛⎫ ⎪ ⎪⎪=- ⎪ ⎪⎪-- ⎪⎝⎭5.2 用矩阵的直接三角分解法解方程组1234102050101312431701037x x x x ⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ 答案： 42x =，32x =，21x =，11x =．5.3 用平方根法(Cholesky 分解法)求解方程组12341161 4.25 2.750.51 2.75 3.5 1.25x x x -⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪-=- ⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭答案： 12x =，21x =，31x =-．5.4 用追赶法求解三对角方程组123421113121112210x x x x ⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ 答案：42x =，31x =-，21x =，10x =．第六章 解线性代数方程组的迭代法６.１ 对方程1212123879897x x x x x x x -+=⎧⎪-+=⎨⎪--=⎩作简单调整，使得用高斯－赛得尔迭代法求解时对任意初始向量都收敛，并取初始向量(0)[0 0 0]T x =，用该方法求近似解(1)k x+，使(1)()3||||10k k x x +-∞-≤． 答案：近似解为(4)[1.0000 1.0000 1.0000]Tx =．６.２ 讨论松弛因子 1.25ω=时，用SOR 方法求解方程组121232343163420412x x x x x x x +=⎧⎪+-=⎨⎪-+=-⎩ 的收敛性．若收敛，则取(0)[0 0 0]T x=迭代求解，使(1)()41||||102k k x x +-∞-<⨯． 答案：方程组的近似解为*1 1.50001x =，*2 3.33333x =，*3 2.16667x =-．６.３ 给定线性方程组Ax b =，其中111221112211122A ⎛⎫ ⎪ ⎪⎪= ⎪ ⎪ ⎪ ⎪⎝⎭，证明用雅可比迭代法解此方程组发散，而高斯－赛得尔迭代法收敛．６.４ 设有方程组112233302021212x b x b x b -⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪= ⎪⎪ ⎪ ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭，讨论用雅可比方法和高斯－赛得尔方法解此方程组的收敛性．如果收敛，比较哪种方法收敛较快．答案：雅可比方法收敛，高斯－赛得尔方法收敛,且较快．６.５ 设矩阵A 非奇异．求证：方程组Ax b =的解总能通过高斯－赛得尔方法得到．６.６ 设()ij n nA a ⨯=为对称正定矩阵，对角阵1122(,,,)nn D diag a a a = ．求证：高斯－赛得尔方法求解方程组1122D AD x b --=时对任意初始向量都收敛．第七章 非线性方程求根例７.４ 对方程230xx e -=确定迭代函数()x ϕ及区间[,]a b ，使对0[,]x a b ∀∈，迭代过程1(), 0,1,2,k x x k ϕ+== 均收敛，并求解．要求51||10k k x x -+-<． 答案：若取2()x x ϕ=，则在[1,0]-中满足收敛性条件，因此迭代法121, 0,1,2,k x k x k +== 在(1,0)-中有惟一解．取00.5x =-，*70.458960903x x ≈=-．取2()x x ϕ=，在[0,1上满足收敛性条件，迭代序列121, 0,1,2,k x k x k +== 在[0,1]中有惟一解．取00.5x =，*140.910001967x x ≈=- 在[3,4]上，将原方程改写为23xe x =，取对数得2ln(3)()x x x ϕ==．满足收敛性条件，则迭代序列21ln(3), 0,1,2,k k x x k +== 在[3,4]中有惟一解．取0 3.5x =， *16 3.733067511x x ≈=．例７.６ 对于迭代函数2()(3)x x c x ϕ=+-，试讨论：（１）当c 为何值时，1()k k x x ϕ+=产生的序列{}k x（２）c 取何值时收敛最快？（３）取1,2c =-()x ϕ51||10k k x x -+-<．答案：（１）(c ∈时迭代收敛．（２）c =时收敛最快．（３）分别取1, 2c =--，并取0 1.5x =，计算结果如下表７.７所示表７.７例７.13 设不动点迭代1()k x x ϕ+=的迭代函数()x ϕ具有二阶连续导数，*x 是()x ϕ的不动点，且*()1x ϕ'≠，证明Steffensen 迭代式21(), (), 0,1,2,()2k k k k k k k k k k k y x z x k y x x x z y xϕϕ+==⎧⎪=-⎨=-⎪-+⎩二阶收敛于*x ．例7.15 设2()()()()()x x p x f x q x f x ϕ=--，试确定函数()p x 和()q x ，使求解()0f x =且以()x ϕ为迭代函数的迭代法至少三阶收敛．答案：1()()p x f x ='，31()()2[()]f x q x f x ''=' 例７.19 设()f x 在[,]a b 上有高阶导数，*(,)x a b ∈是()0f x =的(2)m m ≥重根，且牛顿法收敛，证明牛顿迭代序列{}k x 有下列极限关系：111lim2k kk k k k x x m x x x -→∞-+-=-+．第八章 矩阵特征值8.1 用乘幂法求矩阵A 的按模最大的特征值与对应的特征向量，已知5500 5.51031A -⎛⎫ ⎪=- ⎪ ⎪-⎝⎭，要求(1)()611||10k k λλ+--<，这里()1k λ表示1λ的第k 次近似值．答案：15λ≈，对应的特征向量为[5,0,0]T-；25λ≈-，对应的特征向量为[5,10,5]T --． 8.2 用反幂法求矩阵110242012A -⎛⎫⎪=-- ⎪ ⎪-⎝⎭的按模最小的特征值．知A 的按模较大的特征值的近似值为15λ=，用5p =的原点平移法计算1λ及其对应的特征向量．答案：(1) A 的按模最小的特征值为30.2384428λ≈(2) 1 5.1248854λ≈，对应的特征向量为(8)[0.242 4310, 1 ,0.320 011 7]T U =--．8.3 设方阵A 的特征值都是实数，且满足121, ||||n n λλλλλ>≥≥> ，为求1λ而作原点平移，试证：当平移量21()2n p λλ=+时，幂法收敛最快． 8.4 用二分法求三对角对称方阵1221221221A ⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭的最小特征值，使它至少具有２位有效数字．答案：取5 2.234375λ≈-即有２位有效数字．8.5 用平面旋转变换和反射变换将向量[2 3 0 5]T x =变为与1[1 0 0 0]Te =平行的向量．答案：203/2/00001010/0T ⎛⎫⎪- ⎪=⎪--⎝0.324 442 8400.486 664 26200.811 107 1040.486 664 2620.812 176 04800.298 039 92200100.811 107 1040.298 039 92200.530 266 798H --⎛⎫⎪--⎪= ⎪ ⎪⎪--⎝⎭8.6 若532644445A -⎛⎫⎪=- ⎪ ⎪-⎝⎭，试把A 化为相似的上Hessenberg 阵，然后用QR 方法求A 的全部特征值．第九章 微分方程初值问题的数值解法9.1 用反复迭代（反复校正）的欧拉预估－校正法求解初值问题0, 0<0.2(0)1y y x y '+=≤⎧⎨=⎩，要求取步长0.1h =，每步迭代误差不超过510-． 答案： [4]11(0.1)0.904 762y y y ≈==，[4]22(0.2)0.818 594y y y ≈==9.2 用二阶中点格式和二阶休恩格式求初值问题2, 0<0.4(0)1dy x y x dx y ⎧=+≤⎪⎨⎪=⎩的数值解(取步长0.2h =，运算过程中保留五位小数)．答案：用二阶中点格式，取初值01y =计算得0n =时，1211.000 00, 1.200 00, (0.2)=1.240 00K K y y ==≈ 1n =时，1221.737 60, 2.298 72, (0.4)=1.699 74K K y y ==≈用二阶休恩格式，取初值01y =计算得0n =时，1211.000 00, 1.266 67, (0.2)=1.240 00K K y y ==≈ 1n =时，1221.737 60, 2.499 18, (0.4)=1.701 76K K y y ==≈9.3 用如下四步四阶阿达姆斯显格式1123(5559379)/24n n n n n n y y h f f f f +---=+-+-求初值问题, (0)1y x y y '=+=在[0,0.5]上的数值解．取步长0.1h =，小数点后保留８位．答案：4(0.4)0.583 640 216y y ≈=，5(0.5) 1.797 421 984y y ≈=． 9.4 为使二阶中点公式1(,(,))22n n n n n n h hy y hf x y f x y +=+++，求解初值问题 , (0)y y y aλλ'=-⎧⎨=⎩为实常数绝对稳定，试求步长h 的大小应受到的限制条件． 答案：2h λ≤．9.5 用如下反复迭代的欧拉预估－校正格式(0)1(1)()111(,)[(,)(,)]2 0,1,2,; 0,1,2,nn n n k k n n n n n n y y hf x y h y y f x y f x y k n +++++⎧=+⎪⎪=++⎨⎪⎪==⎩，求解初值问题sin(), 01(0)1x y e xy x y '⎧=<≤⎨=⎩时，如何选择步长h ，使上述格式关于k 的迭代收敛． 答案：2h e<时上述格式关于k 的迭代是收敛的．9.6 求系数,,,a b c d ，使求解初值问题0(,), ()y f x y y x a '==的如下隐式二步法221()n n n n n y ay h bf cf df +++=+++的误差阶尽可能高，并指出其阶数．答案：系数为142,,33a b d c ====，此时方法的局部截断误差阶最高，为五阶5()O h ．9.7 试用欧拉预估－校正法求解初值问题, (0)=1, 0<0.2()/, (0)2dyxy z y dxx dz x y z z dx⎧=-⎪⎪≤⎨⎪=+=⎪⎩，取步长0.1h =，小数点后至少保留六位．答案：由初值00(0)1, (0)2y y z z ====可计算得110.800 000z 2.050 000y =⎧⎨=⎩ ， 11(0.1)0.801 500(0.1) 2.046 951y y z z ≈=⎧⎨≈=⎩ 220.604 820z 2.090 992y =⎧⎨=⎩ ， 22(0.2)0.604 659(0.2) 2.088 216y y z z ≈=⎧⎨≈=⎩。

计算方法与实习实验报告目录实习题1-1 (2)实习题2-1（1） (3)实习题3-2 (4)实习题3-5（1） (6)实习题4-2 (9)实习题5-1 (10)实习题6 (13)实习题1-1用2种不同的顺序计算644834.11000012≈∑=-n n，分析其误差的变化。

算法1:从n=1开始累加，n 逐步增大，直至n=10000 算法2:从n=10000开始累加，n 逐步减小，直至n=1 算法1的Matlab 程序如下： m=0;for n=1:10000 yl=1/(n.*n); m=m+yl; endformat long m算法1的输出结果m=1.644834071848065算法2的Matlab 程序如下： m=0;for n=10000:-1:1 yl=1/(n.*n); m=m+yl; endformat long m算法2的输出结果m=1.644834071848060结论分析：由运行结果可以发现，当从n=1开始计算时，算出结果为1.644834071848065，而当从n=10000开始计算时，算出结果为1.644834071848060.与题中所给结果相比，可知从n=10000开始计算时，所得近似结果更接近真实值。

原因是从n=1开始算时，由于被累加的数是越来越小的，而且开始的几个数比后面的数大得多，而浮点数保留位数有限，因此在累加过程中出现了大数吃小数的现象，导致误差较大。

而从n=10000开始累加就很好地避免以上问题，从而能够更接近精确值。

实习题2-1（1）用牛顿法求方程02=-x e x 的根算法：给定初始值0x ,ε为根的容许误差，η为)(x f 的容许误差，N 为迭代次数的容许值。

①如果0)(0'=x f 或迭代次数大于N ，则算法失败，结束；否则执行②。

②计算)()(0'001x f x f x x -=。

③若01x x -<ε或)(1x f <η，则输出1x ,程序结束；否则执行④。

《计算方法教程(第二版)》习题答案第一章 习题答案1、浮点数系),,,(U L t F β共有 1)1()1(21++---L U t ββ 个数。

3、a ．4097b ．62211101110.0,211101000.0⨯⨯c ．6211111101.0⨯4、设实数R x ∈，则按β进制可表达为：,1,,,3,2,011)11221(+=<≤<≤⨯++++++±=t t j jd d l t t d t t d dd x βββββββ按四舍五入的原则，当它进入浮点数系),,,(U L t F β时，若β211<+t d ，则 l tt d dd x fl ββββ⨯++±=)221()(若 β211≥+t d ，则 l tt d d d x fl ββββ⨯+++±=)1221()(对第一种情况：t l lt l t t d x fl x -++=⨯≤⨯+=-βββββ21)21(1)()(11对第二种情况：t l lt l t t d x fl x -++=⨯≤⨯--=-ββββββ21)21(1)(11就是说总有： tl x fl x -≤-β21)( 另一方面，浮点数要求 β<≤11d ， 故有l x ββ1≥，将此两者相除，便得t x x fl x -≤-121)(β 5、a ． 5960.1 b ． 5962.1 后一种准确6、最后一个计算式：00025509.0原因：避免相近数相减，避免大数相乘，减少运算次数7、a ．]!3)2(!2)2(2[2132 +++=x x x yb ．)21)(1(22x x x y ++=c ．)11(222-++=x x x yd ． +-+-=!2)2(!6)2(!4)2(!2)2(2642x x x x y e ．222qp p q y ++=8、01786.098.5521==x x9、 m )10(m f - 1 233406.0- 3 20757.0- 5 8.07 710计算宜采用：])!42151()!32141()!22131[()(2432 +⨯-+⨯-+⨯--=x x x f第二章 习题答案1、a ．Tx )2,1,3(= b ．Tx )1,2,1,2(--= c ．无法解 2、a ．与 b ．同上， c ．T T x )2188.1,3125.0,2188.1,5312.0()39,10,39,17(321---≈---=7、a ．⎪⎪⎪⎪⎭⎫ ⎝⎛--⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎭⎫ ⎝⎛--⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛---14112111473123247212122123211231321213122 b ． ⎪⎪⎪⎪⎪⎭⎫⎝⎛--⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎪⎪⎭⎫⎝⎛----333211212110211221213231532223522121⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=111211212130213221219、T x )3415.46,3659.85,1220.95,1220.95,3659.85,3415.46(1= T x )8293.26,3171.7,4390.2,4390.2,3171.7,8293.26(2= 10、T LDL 分解：)015.0,579.3,9.1,10(diag D =⎪⎪⎪⎪⎪⎭⎫⎝⎛=16030.07895.05.018947.07.019.01L Cholesky 分解⎪⎪⎪⎪⎪⎭⎫⎝⎛=1225.01408.10833.15811.18918.12333.12136.23784.18460.21623.3G 解：)1,1,2,2(--=x 12、16,12,1612111===∞A A A611,4083.1,61122212===∞A A A2)(940)()(12111===∞A Cond A Cond A Cond 524)(748)()(22221===∞A Cond A Cond A Cond⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=--180.0000 180.0000- 30.0000 180.0000- 192.0000 36.0000- 30.0000 36.0000- 9.0000 ,0.0139 0.1111- 0.0694- 0.1111- 0.0556 0.1111- 0.0694- 0.1111- 0.0139 1211A A1151.372,1666.0212211==--A A15、 1A ：对应 Seidel Gauss - 迭代收敛，Jacobi 迭代不收敛； 2A ：对应 Seidel Gauss - 迭代收敛，Jacobi 迭代不收敛； 3A ：对应 Seidel Gauss - 迭代收敛，Jacobi 迭代收敛；第三章 习题答案1、Lagrange 插值多项式：)80.466.5)(20.366.5)(70.266.5)(00.166.5()80.4)(20.3)(70.2)(00.1(7.51)66.580.4)(20.380.4)(70.280.4)(00.180.4()66.5)(20.3)(70.2)(00.1(3.38)66.520.3)(80.420.3)(70.220.3)(00.120.3()66.5)(80.4)(70.2)(00.1(0.22)66.570.2)(80.470.2)(20.370.2)(00.170.2()66.5)(80.4)(20.3)(00.1(8.17)66.500.1)(80.400.1)(20.300.1)(70.200.1()66.5)(80.4)(20.3)(70.2(2.14)(4--------⨯+--------⨯+--------⨯+--------⨯+--------⨯=x x x x x x x x x x x x x x x x x x x x x LNewton 插值多项式：)80.4)(20.3)(70.2)(00.1(21444779.0)20.3)(70.2)(00.1(527480131.0)70.2)(00.1(855614973.2)00.1(117647059.22.14)(4----+------+-+=x x x x x x x x x x x N2、设)(x y y =，其反函数是以y 为自变量的函数)(y x x =，对)(y x 作插值多项式：)1744.0)(1081.0)(4016.0)(7001.0(01253.0)1081.0)(4016.0)(7001.0(01531.0)4016.0)(7001.0(009640.0)7001.0(3350.01000.0)(----+---+--+--=y y y y y y y y y y y N3376.0)0(=N 是0)(=x y 在]4.0,3.0[中的近似根。