1 . 已知①设函数的值域是，对于中的每个，若函数在每一处都等于它对应的，这样的函数叫做函数的反函数，记作，我们习惯记自变量为，因此可改成即为原函数的反函数．易知与互为反函数，且．如的反函数是可改写成即为的反函数，与互为反函数．②是定义在且取值于的一个函数，定义，则称是函数在上的次迭代．例如，则．对于一些相对复杂的函数，为求出其次迭代函数，我们引入如下一种关系：对于给定的函数和，若函数的反函数存在，且有，称与关于相似，记作，其中称为桥函数，桥函数满足以下性质：
（i）若，则
（ii）若为的一个不动点，即，则为的一个不动点．
(1)若函数，求（写出结果即可）
(2)证明：若，则．
(3)若函数，求（桥函数可选取），若，试选取恰当桥函数，计算．

2 . 对于数列A：，经过变换T：交换A中某相邻两段的位置（数列A中的一项或连续的几项称为一段），得到数列.例如，数列A：经交换M，N两段位置，变换为数列：.设是有穷数列，令.
(1)如果数列为3，2，1，且为1，2，3.写出数列；（写出一个即可）
(2)如果数列为9，8，7，6，5，4，3，2，1，为5，4，9，8，7，6，3，2，1，为5，6，3，4，9，8，7，2，1，为1，2，3，4，5，6，7，8，9.写出数列；（写出一组即可）
(3)如果数列为等差数列：2015，2014，…，1，为等差数列：1，2，…，2015，求n的最小值.

5 . 拟合（Fittiong）和插值（Imorterpolation）都是利用已知的离散数据点来构造一个能够反映数据变化规律的近似函数，并以此预测或估计未知数据的方法.拟合方法在整体上寻求最好地逼近数据，适用于给定数据可能包含误差的情况，比如线性回归就是一种拟合方法；而插值方法要求近似函数经过所有的已知数据点.适用于需要高精度模型的场景，实际应用中常用多项式函数来逼近原函数，我们称之为移项式插值.例如，为了得到的近似值，我们对函数进行多项式插值.设一次函数满足，可得在上的一次插值多项式，由此可计算出的“近似值”，显然这个“近似值”与真实值的误差较大.为了减小插值估计的误差，除了要求插值函数与原函数在给定节点处的函数值相等，还可要求在部分节点处的导数值也相等，甚至要求高阶导数也相等.满足这种要求的插值多项式称为埃尔米特（Hermite）插值多项式.已知函数在上的二次埃尔米特插值多项式满足
(1)求，并证明当时，；
(2)若当时，，求实数的取值范围；
(3)利用计算的近似值，并证明其误差不超过.
（参考数据：；结果精确到0.001）