引言

计算机数值方法是一门广泛应用于科学计算和工程领域的学科，它涉及利用计算机来求解数学问题的各种数值算法。第三版的《计算机数值方法》教材因其全面性和实用性，成为许多学生和从业者的学习首选。本文将针对该教材中的难题进行详细解答，帮助读者轻松掌握核心技巧。

1. 线性方程组的求解

1.1 题目示例

题目：求解线性方程组 \(Ax=b\)，其中 \(A\) 为 \(n \times n\) 矩阵，\(b\) 为 \(n\) 维向量。

1.2 解答思路

线性方程组的求解是数值方法中的基础内容。常见的解法包括高斯消元法、LU分解、Cholesky分解等。

1.3 代码示例

以下是一个使用LU分解求解线性方程组的Python代码示例：

import numpy as np

def lu_decomposition(A):
    n = A.shape[0]
    L = np.zeros((n, n))
    U = np.zeros((n, n))
    for i in range(n):
        for k in range(i, n):
            s1 = np.dot(L[i, :i], U[:i, k]) + A[i, k]
            s2 = np.linalg.norm(U[:i, k])
            if s2 == 0:
                raise ValueError("Matrix is singular")
            U[i, k] = s1 / s2
        for j in range(i, n):
            s = np.dot(L[i, :i], U[:i, j])
            L[i, j] = A[i, j] - s
    return L, U

def forward_substitution(L, b):
    n = L.shape[0]
    y = np.zeros(n)
    for i in range(n):
        y[i] = (b[i] - np.dot(L[i, :i], y[:i])) / L[i, i]
    return y

def backward_substitution(U, y):
    n = U.shape[0]
    x = np.zeros(n)
    for i in range(n - 1, -1, -1):
        x[i] = (y[i] - np.dot(U[i, i + 1:], x[i + 1:])) / U[i, i]
    return x

# Example usage
A = np.array([[2, 1, -1], [-3, -1, 2], [2, 1, -2]], dtype=float)
b = np.array([8, -11, -3], dtype=float)

L, U = lu_decomposition(A)
y = forward_substitution(L, b)
x = backward_substitution(U, y)
print("Solution:", x)

2. 常微分方程的数值解法

2.1 题目示例

题目：求解常微分方程 \(y' = -y\)，初值条件为 \(y(0) = 1\)。

2.2 解答思路

常微分方程的数值解法主要包括欧拉法、改进的欧拉法（Heun方法）、龙格-库塔方法等。

2.3 代码示例

以下是一个使用改进的欧拉法求解常微分方程的Python代码示例：

def improved_euler(y0, f, t0, tf, h):
    y = y0
    t = t0
    while t < tf:
        y_next = y + h * f(t, y)
        t += h
        y = y_next
    return y

# Example usage
def f(t, y):
    return -y

y0 = 1
t0 = 0
tf = 1
h = 0.1

solution = improved_euler(y0, f, t0, tf, h)
print("Solution:", solution)

3. 结论

通过对《计算机数值方法》第三版教材中难题的解答，我们深入理解了线性方程组求解、常微分方程数值解法等核心技巧。这些技巧在科学计算和工程领域有着广泛的应用。通过本文的介绍和代码示例，相信读者能够更好地掌握这些技巧，为解决实际问题打下坚实的基础。