用牛顿迭代法求方程f(x)=0的根时,迭代公式为xk+1=( )。 A: xk-f(xk) B: xk-f’(xk) C: f(xk) D: f’(xk) E: xk-f(xk)/f’(xk) F: xk+f(xk)/f’(xk)

用牛顿迭代法求方程f(x)=0的根时，迭代公式为xk+1=（）。 未知类型：{'options': ['xk-f(xk)', ' xk-f’(xk)', ' f(xk)', ' [img=38x21]17e43b48e1b3d56.jpg[/img]', ' [img=85x23]17e43b48e9b1e0a.jpg[/img]', ' [img=85x23]17e43b48f2f8d18.jpg[/img]'], 'type': 102}

用牛顿迭代法求方程f(x)=0的根时，迭代公式为xk+1=（）。 未知类型：{'options': ['xk-f(xk)', ' xk-f’(xk)', ' f(xk)', ' [img=38x21]17e0c28ba8d5f96.jpg[/img]', ' [img=85x23]17e0c28bb522439.jpg[/img]', ' [img=85x23]17e0c28bc1657a9.jpg[/img]'], 'type': 102}

非线性模型中，当其他自变量保持不变，X1 变化△X1，因变量的期望值的变化量为： A: △Y = f(X1 + X1, X2,... Xk). B: △Y = f(X1 + △X1, X2 + △X2,..., Xk+ △Xk)- f(X1, X2,...Xk). C: △Y = f(X1 + △X1, X2,..., Xk)- f(X1, X2,...Xk). D: △Y = f(X1 + X1, X2,..., Xk)- f(X1, X2,...Xk).

非线性模型中，当其他自变量保持不变，X1变化△X1，因变量的期望值的变化量为： A: △Y = f(X1+ △X1, X2+ △X2,..., Xk+ △Xk)- f(X1, X2,...Xk). B: △Y = f(X1+ X1, X2,..., Xk)- f(X1, X2,...Xk). C: △Y = f(X1+ X1, X2,... Xk). D: △Y = f(X1+ △X1, X2,..., Xk)- f(X1, X2,...Xk).

下降的迭代算法的特征有（） A: f(x)可微 B: 迭代方向dk= -▽f(xk) C: 迭代方向为dk，使得(dk)T▽f(xk)<0 迭代方向为 D: dk，步长λk>0，使得xk+1=xk+λkdk，f(xk)

‎在分支定界法中，若选xk=5/3进行分支，则构造的约束条件应为（ ）‌ A: xk <=1 or xk >=2 B: xk <=1 and xk >=2 C: xk <1 or xk >2 D: 1<= xk <=2

xk+2=F(xk+1,xk),k=0,1,2,…，是（ ）阶差分方程.

关于事件xk和yj的非平均自信息量、非平均互信息量,条件的非平均自信息量和联合的非平均自信息量之间的关系,下列说法中错误的是()。 A: I(xk|yj)=I(xk)-I(xk;yj) B: I(xk,yj)=I(yj)+I(xk|yj)=I(xk)+I(yj|xk) C: I(xk,yj)=I(xk)+I(yj)-I(xk;yj) D: I(xk，yj)≤min{I(xk)，I(yj)}

一阶差分方程xk+1=F(xk),k=0,1,2,…，若x*满足x = F(x), 则x*是（ ）点.