简介这份PDF是Timothy Sauer《Numerical Analysis》第三版配套教师解答手册面向修读数值分析课程的高校学生、助教和自学者用于核对课后习题答案、梳理算法推导并理解误差来源。手册按教材章节组织涵盖多项式求值与浮点表示、有效数字损失解方程中的二分法、不动点迭代、Newton法和无导数求根线性方程组的消元与迭代解法以及插值、最小二乘、数值微分积分、常微分方程初值和边值问题等内容。压缩包内只有1个PDF文件大小约6.75MB适合在电脑或平板上按章节查阅。页面已有3381人学习可配合教材逐章练习借助完整解答复盘计算步骤、对照数值结果并排查概念理解偏差。解答保留原书英文表述步骤较完整对二分法收敛区间、迭代收敛条件和舍入误差等易错点可结合对应章节逐项验证提升复习与备课效率。1. 一句话说清“数值分析答案”它是一份带推导过程的解题记录并非一张标准答案纸搜「数值分析 答案 第三版」的人多半正在经历同一个瞬间书上的公式能看懂课后题一动手就卡住。于是大家会本能地找一个东西——答案。可真拿到这份材料很多人第一反应是意外里面没有 ABCD 选项也没有一张只写着最终数字的对照表取而代之的是每一道题从第一步到最后一步的完整推导、每一个中间量和每一个“此处用某某公式”的批注。它的正式身份是“教师解答手册”也就是教材配套的解题过程汇编并非学生整理的“课后答案”。打个比方它是老厨师站在灶台边一边做一边念叨“这里火大了要关小、这一步为什么先放盐”而不是在盘子边贴一个“好吃”的标签。数值分析这门学问讲的是“怎么让机器把数学算出来”手册里那些密密麻麻的步骤本质上是把“人怎么想”和“机器怎么算”之间的落差一题一题地演示给你看。明白了这一点才知道手里这份东西该怎么用。2. 为什么数学题需要“算个大概”解析解走不通的地方数值方法接手2.1 解析解和数值解两种答案的性格完全不同中学数学给我们养成了一种习惯答案应该是“漂亮”的。解方程 x² 2答案是 √2求圆的面积答案是 πr²。这类用符号、根式、常数写出来的结果叫解析解它的好处是精确、通用你把任意 r 代进去都能立刻得到结果。问题在于能写出漂亮解析解的方程其实是极少数。五次及以上的多项式方程一般没有根式解这是已经被证明的死路∫e^(−x²)dx 这种看起来人畜无害的积分原函数根本写不成初等函数的组合更别提天气预报里的那套偏微分方程组连“解长什么样”都描述不出来。计算机只会做四则运算和比较你让它算 √2它没法“理解”根号只能给你一个 1.4142135623730951。数值分析干的事就是把这些“没法直接按出来”的运算拆成一串有限的加减乘除让结果无限接近真值。解析解像一句把话说完整的句子数值解像念到小数点后十六位——它不完美但它是唯一能算出来的东西。这个区别决定了一件事数值分析的答案天然带着“误差”这个属性。问“这个答案对不对”是外行问法内行问的是“误差有多大、能不能接受”。2.2 浮点数计算机表示实数时画的格子要理解误差从哪来得先知道计算机怎么存小数。十进制里 1/3 0.3333…写不完二进制里也有自己的“写不完”。0.1 这个我们天天用的数转成二进制是 0.0001100110011…无限循环永远存不下精确值。计算机只能截断按 IEEE 754 双精度标准存成“符号位 11 位指数 52 位尾数”的结构实际有效位数 53 位。也就是说你输入 0.1 的那一刻它已经不是 0.1 了。这份手册第 0 章开篇几节讲的就是这件事十进制怎么转二进制、小数部分怎么“乘 2 取整”、什么叫“舍入到最近”、机器 epsilon 为什么是 2 的 −52 次方这个量级。教材把这些放在最前面不是凑数因为后面所有算法——解方程、矩阵、积分、微分方程——都建立在这个“不精确的实数”之上。# 用双精度浮点数演示看起来一样、其实不一样 a 0.1 0.2 b 0.3 print(a) # 0.30000000000000004 print(a b) # False print(abs(a - b)) # 5.551115123125783e-17这段代码里没有任何算法只有一次加法和一次比较。输出显示 a 比 0.3 多出了约 5.5×10⁻¹⁷正好在双精度机器 epsilon约 2.2×10⁻¹⁶的量级附近。这不是语言算错了是 0.1 和 0.2 在二进制里都存不准两个近似值相加误差被带了出来。踩过这个坑的人都知道判断两个浮点数是否相等永远要写成“差值小于某个阈值”不能写等号。再往深一层手册第 0 章还讲了一个更隐蔽的现象有效数字丢失。两个非常接近的数相减结果的绝对误差没变但相对误差会爆炸——因为相减之后前面的有效位被“抵消”掉了只剩下后面本来就不可靠的位数。这个现象在后面解二次方程、算导数、做插值时反复出现是数值计算里最常见的翻车原因之一。2.3 迭代从猜一个数开始的逼近游戏既然一次算不准那就多算几次。数值方法里最核心的思想是迭代先猜一个粗略的值然后按某个规则不断修正让结果一步步逼近真值。最朴素的是二分法。已知函数在区间两端一正一负那零点一定在中间取中点看符号把区间砍掉一半重复下去。每砍一次误差减半这叫线性收敛。它慢但极其稳健——只要端点异号就一定能收敛没有例外。这是数值计算里的“保底方案”。更快的是牛顿法在当前猜测点画一条切线切线与横轴的交点作为下一个猜测点。公式是 x_{k1} x_k − f(x_k)/f′(x_k)。它的收敛速度叫二次收敛意思是每迭代一次误差大致变成上一次的平方——有效位数翻倍。听上去很美代价是两个一要能算出导数二要初值选得足够靠近真解。初值离谱时会直接发散切线把你带到越来越远的地方教科书上那些“牛顿法失败”的图就是这么来的。这份手册第 1 章把这几类方法排在一起讲二分法、不动点迭代、精度极限、牛顿法、不用导数的求根法割线法一类。它真正想让你建立的认知是不同算法在“速度、稳健性、对初值和导数的要求”这三件事上各有取舍没有哪个方法全面占优。选算法本质上是在选你愿意承受哪种失败方式。3. 这份手册里装了什么从多项式求值一路走到图像压缩3.1 开头几章数怎么存、方程怎么解、矩阵怎么算手册第 0 章叫 Fundamentals讲的全是地基。第一节是多项式求值看着简单其实藏着一个非常经典的技巧——嵌套乘法。手册里有一道题把多项式写成 P(x) 1 x(1 x(5 x(1 x(6)))) 这种一层套一层的形式展开就是 6x⁴ x³ 5x² x 1。为什么要这么写因为它把“求幂”这个昂贵操作彻底消灭了。def horner(coeffs, x): coeffs 按从高次到低次排列返回多项式的值 result coeffs[0] for c in coeffs[1:]: result result * x c return result # 求 6x^4 x^3 5x^2 x 1 在 x 1/3 处的值 print(horner([6, 1, 5, 1, 1], 1/3))参数 coeffs 是高次项在前的系数列表x 是代入点。循环体里只有一次乘法和一次加法n 次多项式总共 n 次乘法如果按定义老老实实展开光算 x⁴ 就要三次乘法整体是 n(n1)/2 次。这个差距在 n 很大时是数量级的。手册里甚至还追问“用 x² x·x、x⁴ x²·x² 这种反复平方法要几次乘法”这就是在训练你对“计算代价”的敏感度——数值分析从头到尾都在算这笔账。第 1 章解方程第 2 章线性方程组是整本书最“主力”的两块。第 2 章从高斯消元讲到 LU 分解再讲到误差来源、PALU带部分主元选择的分解、迭代法、对称正定矩阵的专门方法最后是非线性方程组。这里有一条关键的逻辑链高斯消元本身没问题但当主元特别小的时候除法会把误差放大所以必须“换行”把大数换到主元位置——这就是 P 矩阵的由来。手册第 2.3 节专门叫“Sources of Error”第 2.4 节紧接着给出补救方案这个安排本身就说明了编书人的意图。3.2 中间几章曲线怎么连、积分怎么算、微分方程怎么推第 3 章插值回答一个很实际的问题手上有一堆离散的数据点怎么构造一条曲线穿过它们听起来只是画图其实到处都是——图像放大、动画路径、传感器补点全是插值。插值里有两个反复出现的坑。第一插值误差穿过了所有已知点不代表两个点之间也准手册用一整节讨论误差上界。第二节点选得不好会出大问题用等距节点做高次插值两端会出现剧烈振荡这叫 Runge 现象改用 Chebyshev 节点在区间两端更密集振荡就被压下去。所以手册里“Chebyshev 插值”和“三次样条”是挨着讲的——前者换了节点位置后者换了函数形态用的是分段低次多项式用“多段简单”替代“一段复杂”。再往后第 5 章讲数值微分与积分。微分用差分近似积分用 Newton-Cotes 公式梯形法、Simpson 法、Romberg 外推、自适应求积、高斯求积。这里的核心矛盾是“精度和计算量的兑换比”Simpson 法比梯形法精度高一截高斯求积能用更少的函数求值达到同样的精度但公式更复杂、节点不再是等距的。第 6 到 8 章进入微分方程。初值问题、误差分析、方程组、Runge-Kutta 方法、变步长、隐式方法与刚性方程、多步法然后是边值问题的打靶法和有限差分、有限元最后是偏微分方程里的抛物型、双曲型、椭圆型三大类。这一段是整本书最“工程”的部分刚性方程为什么要用隐式方法因为显式方法为了稳定步长会被逼到极小算到天荒地老打靶法为什么叫打靶因为它是把边值问题当成初值问题猜一个初始斜率“射”过去看落点差多少再修正。3.3 收尾几章随机、频率、压缩、特征值这些大词从哪来最后几章是这本教材区别于传统数值分析的地方它把课堂上的公式和日常技术直接接上了线。第 9 章讲随机数与蒙特卡洛模拟、布朗运动、随机微分方程。第 10 章讲傅里叶变换、三角插值、FFT 与信号处理。第 11 章讲压缩离散余弦变换、二维 DCT 与图像压缩、Huffman 编码、改进的 DCT 与音频压缩。第 12 章讲特征值与奇异值幂迭代、QR 算法、SVD 及其应用。第 13 章讲无约束优化。这些章节的意义不在于让你手算一张图片的 DCT 系数而在于告诉你手机上那张被压到几百 KB 的照片背后是 DCT 加量化加编码“信号处理”这四个字底层是一堆复指数和蝶形运算推荐系统里那个“降维”本质是奇异值分解。手册的价值就在这里——它把每个大词对应的习题一步一步拆开了。手册章节讲的核心工具现实中的影子第 0 至 2 章浮点数、求根、线性方程组计算器的开方按钮、结构仿真第 3 至 4 章插值、最小二乘、QR图像缩放、数据拟合曲线第 5 至 8 章数值积分、ODE、PDE电路仿真、热传导模拟第 9 至 11 章蒙特卡洛、FFT、DCT渲染采样、音频编码、图片压缩第 12 至 13 章SVD、迭代优化降维、机器学习训练4. 四个常见易混概念答案手册不是万能钥匙4.1 易混一教师解答手册不等于学生版习题答案易混点两者都叫“答案”都贴着课后题的编号。为什么混市面上流传的“答案”大多来源不明有的只列最终结果有的干脆是别人做的作业拍照。学生看到“第三版”“答案”几个字很容易默认它们是一回事。怎么区分看它给的是“过程”还是“结果”。教师解答手册由教材配套编写每道题给出完整的推导链条、中间量、必要时的算法说明甚至包含计算机问题的命令和输出。学生整理版往往只有一个数字运气好附带两行草稿。这个差别在数值分析里格外要命——一道题从 0.4667 变成 0.4666中间可能隔着一个“该不该重选主元”的判断只有过程能告诉你哪一步出了偏差。还有一层容易被忽略版本必须对得上。第三版的手册配第三版的题题号、题量、甚至某些题目的参数都可能改过拿错版本对不上号白白浪费一晚上。4.2 易混二数值分析不等于高等数学或数学分析易混点教材里全是函数、导数、积分、矩阵看着像高数的续集。为什么混它们研究的是同一批数学对象符号长得几乎一样。怎么区分问的问题不同。数学分析问“这个极限存在吗、为什么存在、证明给我看”数值分析问“这个极限如果存在我用什么公式、多少步、误差多大能把它算出来”。前者追求严谨与普适后者追求可执行与可接受。举个例子数学分析会证明定积分的存在性并给出性质数值分析会告诉你梯形公式的误差是 −(b−a)³f″(ξ)/12所以被积函数二阶导大的地方要把区间切细。一个负责“对不对”一个负责“值多少、准不准”。理解了这层区别你就不会在手册里到处找“证明”而找不到——它默认定理成立重点全在“怎么算”。4.3 易混三算法正确不等于结果正确易混点公式没抄错、代码跑通了、程序没报错就认为答案可信。为什么混在纯数学里推导正确就等于结论正确这个习惯被原封不动带到了编程里。怎么区分要区分“问题的敏感度”和“算法的稳定性”。有些问题本身就对扰动极其敏感——输入变一点点输出变一大截这叫条件数大跟用什么算法无关。有些算法会主动放大误差那叫不稳定。手册第 2 章“误差来源”那一节就是讲这个紧接着的 PALU 分解则是标准补救选主元本质上是别拿一个特别小的数去做除数。同样的道理在解二次方程时也会撞见import math a, b, c 1.0, -1e8, 1.0 d math.sqrt(b*b - 4*a*c) x1 (-b d) / (2*a) # 两个大数相减有效位被抵消 x2 (-b - d) / (2*a) print(x1) # 1e8 附近 print(x2) # 1e-8 附近但精度已经很差 print(x1 * x2) # 理论上等于 c/a 1实际会偏这段代码按教科书公式原样实现逻辑上毫无错误问题出在 −b d 这一步b² 和 b²−4ac 极其接近开方后相减前面的有效数字被吃光。补救办法是用韦达定理——先算出数值稳定的那个根另一个根直接用 c/(a·x₁) 得到。同一个方程同一个数学结论换一种算法精度天差地别。这正是手册里“不要只对答案”的最强理由。4.4 易混四插值不等于拟合易混点两者都是“已知若干个点求中间的值”。为什么混中文里都叫“拟合曲线”画出来的图也长得像。怎么区分插值要求曲线严格穿过每一个数据点误差在这几个点上必须为零最小二乘拟合允许穿不过它追求的是所有点的偏差平方和最小。什么时候用哪个取决于你怎么看待数据数据点本身精确可靠比如查表得到的函数值那就插值数据点带有测量噪声比如实验测出来的温度那硬穿过去等于把噪声也一起穿进模型里拟合反而更接近真相。还有一条容易忘插值不等于“次数越高越准”。等距节点上的高次插值会振荡手册用 Chebyshev 节点和三次样条来对付这个毛病本质都是“别让一条曲线承担太多责任”。5. 怎么用这份答案才不算白拿三个能落地的读法5.1 先做后对把“看答案”变成“验答案”最浪费时间的用法是题还没动笔就翻解答顺着别人的思路看一遍觉得“懂了”合上书还是不会。大脑对“看懂”和“会做”的判断极不靠谱。比较有效的一套流程是先独立做卡住之后给自己设一个时限比如十五分钟这期间只允许翻教材查定义不许看解答实在过不去只看解答的前两行拿到一个提示就合上自己接着往下推做完之后再整体对照重点不看结果看“我从哪一步开始偏的”。偏的原因通常就三类概念没吃透比如不知道不动点迭代收敛需要导数绝对值小于 1、计算失误符号、下标、单位、技巧没想到不知道该用嵌套乘法、该换主元、该做变量替换。把每一道卡住的题归到这三类里攒够十道你会发现自己踩的是同一批坑。5.2 用代码复现让纸面上的数字动起来手册里有一类题标注为计算机问题本来就是为上机准备的。这类题的价值远超“对答案”——它让你亲眼看见误差是怎么一步步长出来的。拿二分法举例书上手算三步就到头了代码可以跑五十步、五百步def bisect(f, a, b, tol1e-12, max_iter200): 二分法求 f 在 [a, b] 上的零点要求 f(a) * f(b) 0 if f(a) * f(b) 0: raise ValueError(区间两端同号二分法不适用) for i in range(max_iter): m (a b) / 2 if f(m) 0 or (b - a) / 2 tol: return m, i 1 if f(a) * f(m) 0: b m else: a m return (a b) / 2, max_iter f lambda x: x**3 - 2*x - 5 root, steps bisect(f, 2, 3) print(root, steps)参数 a、b 是初始区间必须保证两端异号否则二分法无从下手tol 控制精度这里设成 1e-12max_iter 是兜底防止浮点精度到极限后区间再也缩不动、陷入死循环。返回值是近似根和实际迭代次数。跑完之后拿它跟手册里手算的步数对照你会发现一个有趣的现象手算时精度提升得很快因为人只保留几位小数机器跑到后面会“卡住”不动了因为 (b−a)/2 已经小到浮点数分辨不出来。这个卡点就是第 1 章“精度极限”那一节想说的事。5.3 顺着解答反推考点出题人的心思藏在选择里看解答还有一个高阶用法不问“这步怎么来的”问“为什么要这么选”。为什么这道题的初始区间偏偏取在 1 到 2 之间因为再往外扩函数就变号两次了二分法会失效。为什么这里要做一次变量替换因为原式直接迭代不收敛换元之后导数绝对值小于 1。为什么误差公式里出现的是四阶导而不是二阶导因为这道题用的是 Simpson 法而不是梯形法。这类追问能把一份“解题记录”读成“设计说明”。等你发现每道题的参数都不是随便给的你对这门课的理解就换了一个层次——从“背方法”变成了“判断在什么条件下该用哪个方法”。这也正是这门课真正想训练的能力。6. 什么时候该用、什么时候别用把这份手册放对位置先说该用的时候。第一种情况是作业卡壳。你已经动过笔知道自己卡在哪但不确定是思路错还是算错这时候翻到对应题号只看关键的那一两步再合上自己推完效率最高。第二种是期末复习。按章节扫一遍题型看每类题的“标准起手式”是什么——求根先看端点符号解线性方程组先看主元大小做插值先看节点分布这套反射弧建立起来考场上看题就不慌。第三种是自学。教材正文讲原理手册讲落地两者对照着读抽象的定义会具体很多。再说别用的时候。最典型的是拿它当作业交差。抄一遍过程当时觉得顺畅考场上换个数字就原形毕露因为跳过的正是“为什么这么想”的那一步。第二种是拿它替代教材。手册只回答“这题怎么解”不回答“这个方法为什么成立、什么时候会失效”跳过教材直接刷手册等于只背结论不懂条件遇到稍微变形的题就会误用。第三种是拿它当算法参考手册。它是教学材料不是工程手册里面的例子为了讲清楚概念都做了简化真要落到生产环境参数选择、数值稳定性、性能优化都得另找资料。场景建议题目卡住想知道自己错在哪一步用重点看推导的转折点期末按章节过题型用总结每类题的标准起手式自学时配合教材对照阅读用原理和落地各取所需直接抄写交作业别用抄完考场还是不会取代教材只刷题不看原理别用会误用方法的适用条件当作工程算法速查手册别用教学例子做了简化这里还有一条容易被忽略的边界这门学问的知识“保质期”特别长。半个世纪过去LU 分解、牛顿法、FFT 的核心思路几乎没有变变的只是硬件跑得更快、能算的规模更大。所以在这份材料上花的功夫回报周期是按十年计的——它不像某个框架的 API明年就过时。从那以后我每次拿到这类解答手册都强制自己先做一遍再翻开哪怕只在纸上写两行思路也要留下自己的痕迹再去对照答案里的推导。这样对完一遍错的题才真正变成自己的。希望帮到你。本文还有配套的精品资源点击获取
