2025年大学《数学与应用数学》专业题库- 数学在智能科研创新中的应用

2025年大学《数学与应用数学》专业题库——数学在智能科研创新中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每小题4分，共20分。请将正确选项的字母填在题后的括号内）1.在机器学习中的梯度下降法，其基本思想是（）。A.寻找函数的极值点B.通过迭代逐步逼近函数的驻点C.保持函数值在某个范围内波动D.利用函数的解析表达式直接求解2.在处理高维数据时，特征选择或降维技术的主要目的是（）。A.减少数据的存储空间B.降低模型的复杂度，提高泛化能力C.增强特征的可解释性D.使数据分布更符合高斯分布3.设矩阵A是m×n矩阵，B是n×k矩阵，则矩阵乘积AB的维度是（）。A.m×kB.n×nC.m×nD.n×k4.在概率论中，对于随机变量X和Y，若E[XY]=E[X]E[Y]，则称X和Y（）。A.线性相关B.独立同分布C.不相关D.独立5.在进行回归分析时，若残差图中残差随机分布在零线附近，且无明显模式，则通常认为（）。A.模型拟合良好B.存在异方差性C.存在多重共线性D.存在序列相关性二、填空题（每小题5分，共25分。请将答案填在题中的横线上）6.线性回归模型y=β₀+β₁x₁+β₂x₂+ε中，β₁的几何意义通常表示当自变量x₁变化一个单位时，因变量y的预期变化量。7.决策树算法中，常用的分裂标准包括信息增益（InformationGain）和基尼不纯度（GiniImpurity）。8.在矩阵运算中，若A是对称矩阵，B是正交矩阵，则(AB)ᵀ=BᵀAᵀ。（请判断对错，正确填“√”，错误填“×”）9.设X是一个随机变量，其概率密度函数为f(x)，则X的期望E[X]=∫<0xE2><0x82><0x96>xf(x)dx。（请将积分下限填在横线上）10.在进行主成分分析（PCA）时，特征值的大小反映了对应主成分的方差大小。三、计算题（每小题10分，共30分）11.已知线性方程组Ax=b，其中A=[[1,2],[3,4]],b=[[5],[6]]。试用高斯消元法（或矩阵运算）求解该方程组的解向量x=[x₁,x₂]ᵀ。12.设二维随机变量(X,Y)的联合概率密度函数为f(x,y)={c(x+y),0≤x≤1,0≤y≤1;0,其他}。求常数c的值，并计算X和Y的边缘概率密度函数f_X(x)和f_Y(y)。13.给定一组数据点(1,2),(2,3),(3,5),(4,4),(5,6)。试用最速下降法（梯度下降法）的思想，设计一个简单的算法框架（无需具体计算），用于寻找拟合这组数据点的线性回归方程y=β₀+β₁x的参数β₀和β₁的近似值。需要说明更新参数的规则。四、证明与应用题（每小题12分，共24分）14.证明：对于任意实对称矩阵A，其特征值均为实数。15.假设我们正在研究一个简单的推荐系统，用户对物品的评分可以看作一种二元分类问题（喜欢/不喜欢）。设我们使用逻辑回归模型来预测用户是否会喜欢某个物品。请简述逻辑回归模型的基本原理，并说明如何通过最大化似然函数来估计模型参数。试卷答案一、选择题1.B2.B3.A4.C5.A二、填空题6.线性回归7.信息增益，基尼不纯度8.√9.010.方差三、计算题11.解：[x₁,x₂]ᵀ=[[-1],[3/2]]解析思路：对增广矩阵[[1,2,|5],[3,4,|6]]进行行变换，化为阶梯形[[1,2,|5],[0,-2,|-3]]，得到x₂=3/2，再代入x₁+2x₂=5得x₁=-1。12.解：c=1/2;f_X(x)={x+1/2,0≤x≤1;0,其他};f_Y(y)={y+1/2,0≤y≤1;0,其他}解析思路：由∫₀¹∫₀¹f(x,y)dydx=1求得c。边缘密度f_X(x)=∫₀¹f(x,y)dy，f_Y(y)=∫₀¹f(x,y)dx。13.解：算法框架：初始化：设定初始参数β₀₀,β₁₀，学习率α，迭代次数T。迭代更新：对于t=1,2,...,T：计算当前预测值Ŷᵗ=β₀₀+β₁₀xᵗ计算损失函数关于β₀和β₁的梯度：∇L(β₀,β₁)=[Σᵗ(Yᵗ-Ŷᵗ),Σᵗ(xᵗ(Yᵗ-Ŷᵗ))]ᵀ更新参数：β₀ᵗ₊₁=β₀ᵗ-α*Σᵗ(Yᵗ-Ŷᵗ)β₁ᵗ₊₁=β₁ᵗ-α*Σᵗ(xᵗ(Yᵗ-Ŷᵗ))输出：最终参数β₀和β₁的近似值。解析思路：最速下降法通过计算损失函数关于参数的梯度，并沿梯度的负方向更新参数，逐步减小损失。线性回归的损失函数通常是均方误差或似然函数（对逻辑回归），其梯度可以表示为预测误差与自变量的加权和。此题要求设计框架，故给出通用迭代步骤。四、证明与应用题14.证明思路：设λ是对称矩阵A的特征值，x是对应的特征向量，x≠0。则Ax=λx。两边转置得xᵀAᵀ=xᵀλ。由于Aᵀ=A，λ是实数，故xᵀAx=λxᵀx。即(λ-λ)xᵀx=0。因为x≠0，xᵀx>0，所以λ-λ=0，即λ=λ，说明λ是实数。15.解答思路：逻辑回归使用Sigmoid函数σ(z)=1/(1+e⁻ᶻ)将线性组合z=β₀+β₁x映射到(0,1)区间，作为概率解释。模型参数β通过最大化观测数据的联合概率（似然函数）来估计。对于二元分类问