数值分析6-用SOR方法求解线性方程组
作业七：编写用SOR方法求解线性方程组Ax=B的标准程序，并求下列方程组的解，并比较松弛因子取1.0、1.25、1.5时所需迭代的次数。可取初始向量X(0) =（1,1,1）’；迭代终止条件||x(k+1)-x(k)||<=10e-8
4 3 0 3 4 ?1 0 ?14x1
x2
x3
=
24
30
?24
程序
clear;clc;
A=[4,3,0;3,4,-1;0,-1,4];
b=[24,30,-24]';
N=length(b); %解向量的维数
fprintf('库函数计算结果：');
x=inv(A)*b %库函数计算结果
x=[1;1;1];%迭代初始值
%-----(A=D-E-F)------
D=diag(diag(A));
E=-tril(A,-1);%下三角
F=-triu(A,1);%上三角
w=1.5; %松弛因子，一般0 B=inv(D-w*E)*[(1-w)*D+w*F];g=w*inv(D-w*E)*b; eps=1e-8;%相邻解的距离小于该数时，结束迭代%--------开始迭代------- for k=1:100 %最大迭代次数为100 fprintf('第%d次迭代：',k); y=B*x+g; if abs(x-y) break; end x=y end x 程序结果 当比较松弛因子取1.0时 当比较松弛因子取1.25时 当比较松弛因子取1.5时 第六章习题解答 2、利用梯形公式和Simpson 公式求积分2 1 ln xdx ? 的近似值，并估计两种方法计算值的最大 误差限。 解：①由梯形公式： 21ln 2 ()[()()][ln1ln 2]0.3466222 b a T f f a f b --= +=+=≈ 最大误差限 3''2 ()111 ()()0.0833******** T b a R f f ηη-=-=≤=≈ 其中，(1,2)η∈ ②由梯形公式： 13()[()4()()][ln14ln()ln 2]0.38586262 b a b a S f f a f f b -+= ++=++≈ 最大误差限 5(4)4()66 ()()0.0021288028802880 S b a R f f ηη-=-=≤≈， 其中，(1,2)η∈。 4、推导中点求积公式 3''()()()()() ()224 b a a b b a f x dx b a f f a b ξξ+-=-+< 第一章绪论 习题一?1．设x＞0，x＊的相对误差为δ,求f(ｘ)=ln x的误差限。 解:求lnx的误差极限就是求f(x)=lnx的误差限，由公式(１.2.４）有 已知x*的相对误差满足，而 ,故 即 2.下列各数都是经过四舍五入得到的近似值,试指出它们有几位有效数字，并给出其误差限与相对误差限。 解:直接根据定义和式（１.2.２)(1.２.3）则得?有５位有效数字，其误差限,相对误差限 有２位有效数字， 有5位有效数字， 3．下列公式如何才比较准确？ (１)?(2） 解:要使计算较准确，主要是避免两相近数相减，故应变换所给公式。 （1)?(2） 4.近似数x*=０.０３１0,是 3 位有数数字。 5.计算取,利用 :式计算误差最小。 四个选项: 第二、三章插值与函数逼近 习题二、三 1. 给定的数值表 用线性插值与二次插值计算ln０．5４的近似值并估计误差限. 解：仍可使用n＝1及n＝２的Laｇrange插值或Neｗｔo ｎ插值，并应用误差估计（5.8)。线性插值时,用0．５及0．6两点，用Newton插值??误差限 ，因, 故? 二次插值时，用0.5，0．6,０.7三点,作二次Ｎewton插值 ?误差限，故? 2. 在－4≤x≤4上给出的等距节点函数表，若用二次插值法求的近似值，要使误差不超过,函数表的步长ｈ应取多少? 解：用误差估计式（５．8), ?令 因?得 3. 若,求和. 解：由均差与导数关系 ?于是 4. 若互异,求 的值,这里p≤n+1. 解:,由均差对称性 可知当有?而当P＝n ＋1时 ?于是得 5. 求证. 解:解:只要按差分定义直接展开得 ? 6. 已知的函数表 //解线性方程组 #include 数值分析 第二章 2．当1,1,2x =-时，()0,3,4f x =-,求()f x 的二次插值多项式。 解： 0120121200102021101201220211,1,2, ()0,()3,()4;()()1 ()(1)(2)()()2()()1 ()(1)(2) ()()6 ()()1 ()(1)(1) ()()3 x x x f x f x f x x x x x l x x x x x x x x x x x l x x x x x x x x x x x l x x x x x x x ==-===-=--==-+-----==------= =-+-- 则二次拉格朗日插值多项式为 2 20 ()()k k k L x y l x ==∑ 0223()4() 14 (1)(2)(1)(1)23 537623 l x l x x x x x x x =-+=---+ -+= +- 6．设,0,1,,j x j n =L 为互异节点，求证： （1） 0()n k k j j j x l x x =≡∑ (0,1,,);k n =L （2）0 ()()0n k j j j x x l x =-≡∑ (0,1,,);k n =L 证明 （1） 令()k f x x = 若插值节点为,0,1,,j x j n =L ，则函数()f x 的n 次插值多项式为0 ()()n k n j j j L x x l x == ∑。 插值余项为(1)1() ()()()()(1)! n n n n f R x f x L x x n ξω++=-= + 又,k n ≤Q (1)()0 ()0 n n f R x ξ+∴=∴= 0()n k k j j j x l x x =∴=∑ (0,1,,);k n =L 0 000 (2)()() (())()()(()) n k j j j n n j i k i k j j j i n n i k i i k j j i j x x l x C x x l x C x x l x =-==-==-=-=-∑∑∑∑∑ 0i n ≤≤Q 又 由上题结论可知 ()n k i j j j x l x x ==∑ ()()0 n i k i i k i k C x x x x -=∴=-=-=∑原式 ∴得证。 7设[]2 (),f x C a b ∈且()()0,f a f b ==求证： 21 max ()()max ().8 a x b a x b f x b a f x ≤≤≤≤''≤- 解：令01,x a x b ==，以此为插值节点，则线性插值多项式为 10 101010 ()() ()x x x x L x f x f x x x x x --=+-- =() () x b x a f a f b a b x a --=+-- 1()()0()0 f a f b L x ==∴=Q 又 插值余项为1011 ()()()()()()2 R x f x L x f x x x x x ''=-= -- 011 ()()()()2 f x f x x x x x ''∴= -- 第六章习题解答 2 2、利用梯形公式和 Simpson 公式求积分 ln xdx 的近似值， 并估计两种方法计算值的最大 1 误差限。 解：①由梯形公式： T ( f ) b a [ f (a) f (b)] 2 1 [ln1 ln 2] ln 2 0.3466 2 2 2 最大误差限 R ( f ) (b a)3 f '' ( ) 1 1 1 0.0833 T 12 12 2 12 12 其中， (1,2) ②由梯形公式： b a 4 f ( b a f (b)] 1 4ln( 3 ln 2] 0.3858 S( f ) [ f (a) ) [ln1 ) 6 2 6 2 最大误差限 R S ( f ) (b a)5 f (4) ( ) 6 6 0.0021， 2880 2880 4 2880 其中， (1,2) 。 4、推导中点求积公式 f ( x)dx (b a) f ( a b ) (b a) 3 (a b) b a 2 24 证明： 构造一次函数 P （ x ），使 P a 2 b f a b , P ' ( a b ) f ' ( a b ), P '' ( x) 0 2 2 2 则，易求得 P( x) f ' ( a b )( x a b ) f ( a b ) 2 2 2 且 P(x)dx f ' ( a b )( x a b ) f ( a b ) dx b b a a 2 2 2 f ( a b )dx (b a) f ( a b ) ，令 P(x)dx I ( f ) b b a 2 2 a 现分析截断误差：令 r ( x) f ( x) P(x) f ( x) f ' ( a b )( x a b ) f ( a b ) 2 2 2 由 r ' ( x) f ' (x) f ' ( a b ) 易知 x a 2 b 为 r (x) 的二重零点， 2 a b )2 ， 所以可令 r (x) ( x)( x 2 Matlab线性方程组求解 1. Gauss消元法： function x=DelGauss(a,b) % Gauss消去法 [n,m]=size(a); nb=length(b); det=1; %存储行列式值 x=zeros(n,1); for k=1:n-1 for i=k+1:n if a(k,k)==0 return end m=a(i,k)/a(k,k); for j=k+1:n a(i,j)=a(i,j)-m*a(k,j); end b(i)=b(i)-m*b(k); end det=det*a(k,k); %计算行列式 end det=det*a(n,n); for k=n:-1:1 %回代求解 for j=k+1:n b(k)=b(k)-a(k,j)*x(j); end x(k)=b(k)/a(k,k); end Example: >> A=[1.0170 -0.0092 0.0095;-0.0092 0.9903 0.0136;0.0095 0.0136 0.9898]; >> b=[1 0 1]'; >> x=DelGauss(A,b) x = 0.9739 -0.0047 1.0010 2. 列主元Gauss消去法： function x=detGauss(a,b) % Gauss列主元消去法 [n,m]=size(a); nb=length(b); det=1; %存储行列式值 x=zeros(n,1); for k=1:n-1 amax=0; %选主元 for i=k:n if abs(a(i,k))>amax amax=abs(a(i,k));r=i; end end if amax<1e-10 return; end if r>k %交换两行 for j=k:n 第六章 习 题 1. 计算下列矩阵的1A ，2A ，A ∞三种范数。 （1）1101A ???=????，（2）312020116A ????=??????? . 2. 用Jacobi 方法和Gauss-Seidel 迭代求解方程组 1231231 238322041133631236x x x x x x x x x ?+=??+?=??++=? 要求取(0)(0,0,0)T x =计算到(5)x ，并分别与精确解(3,2,1)T x =比较。 3. 用Gauss-Seidel 迭代求解 12312312 35163621122x x x x x x x x x ??=??++=???+=?? 以(0)(1,1,1)T x =?为初值，当(1)() 310k k x x +?∞?<时，迭代终止。 4. 已知方程组121122,2,x x b tx x b +=?? +=? （1）写出解方程组的Jacobi 迭代矩阵，并讨论迭代收敛条件。 （2）写出解方程组的Gauss-Seidel 迭代矩阵，并讨论迭代收敛条件. 5. 设有系数矩阵 122111221A ?????=?????? ， 211111112B ?????=??????? ， 证明：（1）对于系数矩阵A ，Jacobi 迭代收敛，而Gauss-Seidel 迭代不收敛. （2）对于矩阵B ，. 6. 讨论方程组 112233302021212x b x b x b ?????????????=??????????????????? 用Jacobi 迭代和Gauss-Seidel 迭代的收敛性；如果都收敛，比较哪种方法收敛更快. 总结求线性方程组的方法-标准化文件发布号：（9556-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII 华北水利水电大学 总结求线性方程组的方法 课程名称：线性代数 专业班级： 成员组成： 联系方式： 2014年12月31日 摘要：线性方程组的求解是当代代数学中的一个重要组成部分。它广泛应用在数学以及其他领域。它与矩阵、线性变换、行列式、向量组的线性相关性，二次型，这些型之间有着相当密切的联系。线性方程组是线性代数中一个相当基础的内容必须要学会以及熟悉内容。本文章主要说明和讨论线性方程组的基本结构，然后应用克拉莫法则，高斯消元法来来求解。 关键词：线性方程组、高斯消元法、克拉莫法则； Summary for the method of liner equations Abstract: Solution of the system of linear equations is an important component part of algebra. It is widely used in mathematics and other areas. It and determinant, matrix, linear transformation, linear correlation vector group, quadratic form, has the close relation. System of linear equations is a very basic content in linear algebra must grasp and familiar with the content. This article mainly explain and discuss the basic structure of system of linear equations, then apply law of kramer, gauss elimination method to solve. 线性方程组的解法 1 引言 在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解。在进行数值求解时，经离散后，常常归结为求解形如Ax= b的大型线性方程组。而如插值公式，拟合公式等的建立，微分方程差分格式的构造等，均可归结为求解线性方程组的问题．在工程技术的科学计算中，线性方程组的求解也是最基本的工作之一．因此，线性方程组的解法一直是科学和工程计算中研究最为普遍的问题，它在数值分析中占有极其重要的地位。20世纪50年代至70年代，由于电子计算机的发展，人们开始考虑和研究在计算机上用迭代法求线性方程组Ax =b的近似解，用某种极限过程去逐渐逼近精确解，并发展了许多非常有效的迭代方法，迭代法具有需要计算机存储单元少、程序设计简单、原始系数矩阵在计算过程中始终不变等优点。例如Jacobi方法、Gauss—Seidel 方法、SOR方法、SSOR 方法，这几种迭代方法是最常用的一阶线性定常迭代法。 2 主要算法 20世纪50年代至70年代，人们开始考虑和研究用迭代法求解线性方程组。 Ax = b (1) 的近似解，发展了许多有效的方法，其中有Jacobi方法、Gauss—Seidel方法，SOR方法、SSOR方法，这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A的一个分裂：A =M-N ；M 为可逆矩阵，线性方程组(1)化为： (M－N)X =b； →M X = NX + b； →X= M -1NX+ M-1b 得到迭代方法的一般公式： X（k+1）=HX（k）+d （2） 其中：H =MN-1，d=M-1b，对任意初始向量X（0） 一阶定常迭代法收敛的充分必要条件是: 迭代矩H的谱半径小于1，即ρ(H) < 1；又因为对于任何矩阵范数恒有ρ(H)≤‖H‖，故又可得到收敛的一个充分条件为：‖H‖< 1。 2.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。系数矩阵A的一个分解：A = 习 题 六 解 答 1、在区间［0，1］上用欧拉法求解下列的初值问题，取步长h=0.1。 (1)210(1)(0)2y y y '?=--?=?(2)sin (0)0x y x e y -'?=+?=? 解：（1）取h=0.1，本初值问题的欧拉公式具体形式为 21(1)(0,1,2,)n n n y y y n +=--= 由初值y 0=y(0)=2出发计算，所得数值结果如下： x 0=0，y 0=2； x 1=0.1，2100(1)211y y y =--=-= x 2=0.2，2211(1)101y y y =--=-= 指出： 可以看出，实际上求出的所有数值解都是1。 （2）取h=0.1，本初值问题的欧拉公式具体形式为 21(sin )(0,1,2,)n x n n n y y h x e n -+=++= 由初值y 0=y(0)=0出发计算，所得数值结果如下： x 0=0，y 0=0； x 1=0.1， 02 1000 (sin )00.1(sin 0)00.1(01)0.1x y y h x e e -=++=+?+=+?+= x 2=0.2， 122110.1 (sin )0.10.1(sin 0.1)0.10.1(0.10.9)0.2 x y y h x e e --=++=+?+=+?+= 指出： 本小题的求解过程中，函数值计算需要用到计算器。 2、用欧拉法和改进的欧拉法(预测－校正法)求解初值问题，取步长h=0.1。 22(00.5) (0)1 y x y x y '?=-≤≤? =? 解：(1) 取h=0.1，本初值问题的欧拉公式具体形式为 2 1(2)(0,1,2,)n n n n y y h x y n +=+-= 由初值y 0=y(0)=1出发计算，所得数值结果如下： 第六章非线性方程的数值解法习题解答 填空题： 1. 求方程()x f x =根的牛顿迭代格式是__________________。 Ans:1()1()n n n n n x f x x x f x +-=- '- 2.求解方程 在(1, 2)内根的下列迭代法中， (1) (2) (3) (4) 收敛的迭代法是（A ）. A ．(1)和(2) B. (2)和(3) C. (3)和(4) D. (4)和(1) 3.若0)()(，故迭代发散。 以上三中以第二种迭代格式较好。 2、设方程()0f x =有根，且'0()m f x M <≤≤。试证明由迭代格式1()k k k x x f x λ+=- (0,1,2,)k =L 产生的迭代序列{}0k k x ∞ =对任意的初值0(,)x ∈-∞+∞，当2 0M λ<< 时，均收敛于方程的根。 解线性方程组的直接解法 一、实验目的及要求 关于线性方程组的数值解法一般分为两大类：直接法与迭代法。直接法是在没有舍入误差的情况下，通过有限步运算来求方程组解的方法。通过本次试验的学习，应该掌握各种直接法，如：高斯列主元消去法，LU分解法和平方根法等算法的基本思想和原理，了解它们各自的优缺点及适用范围。 二、相关理论知识 求解线性方程组的直接方法有以下几种： 1、利用左除运算符直接求解 线性方程组为b x\ =即可。 A Ax=，则输入b 2、列主元的高斯消元法 程序流程图： 输入系数矩阵A，向量b，输出线性方程组的解x。 根据矩阵的秩判断是否有解，若无解停止；否则，顺序进行； 对于1 p :1- =n 选择第p列中最大元，并且交换行； 消元计算； 回代求解。（此部分可以参看课本第150页相关算法） 3、利用矩阵的分解求解线性方程组 （1）LU分解 调用matlab中的函数lu即可，调用格式如下： [L,U]=lu（A） 注意：L往往不是一个下三角，但是可以经过行的变换化为单位下三角。 （2）平方根法 调用matlab 中的函数chol 即可，调用格式如下： R=chol （A ） 输出的是一个上三角矩阵R ，使得R R A T =。 三、研究、解答以下问题 问题1、先将矩阵A 进行楚列斯基分解，然后解方程组b Ax =(即利用平方根法求解线性方程组，直接调用函数)： ??????? ??--------=19631699723723312312A ，?????? ? ??-=71636b 解答： 程序： A=[12 -3 2 1;-3 23 -7 -3;2 -7 99 -6;1 -3 -6 19]; R=chol(A) b=[6 3 -16 7]'; y=inv(R')*b %y=R'\b x=inv(R)*y %x=R\y 结果： R =3.4641 -0.8660 0.5774 0.2887 0 4.7170 -1.3780 -0.5830 0 0 9.8371 -0.7085 0 0 0 4.2514 y =1.7321 0.9540 -1.5945 1.3940 x =0.5463 0.2023 -0.1385 0.3279 问题 2、先将矩阵A 进行LU 分解，然后解方程组b Ax =（直接调用函数）： ?????????? ??----=8162517623158765211331056897031354376231A ，????????? ? ??-=715513252b 31.（1）解：x (k+1)=（I-αA ）x (k)+αb 因此迭代矩阵B= I-αA=1?3α?2α?α1?2α 其特征值λ1=1-4α；λ2=1-α； 因为迭代收敛的充要条件是：ρ(B)<1，等价于|λ1|<1,且|λ2|<1 因此0<α<1/2时，迭代矩阵收敛。当谱半径最小时，收敛速度最大，等价于|λ1|和|λ2|在(0,1/2)上的最小值，求得当α=3/5时，谱半径最小，迭代速度最快。 (2)已知对称正定矩阵A 的最大和最小特征值分别为：λ1和λn ，且二者均大于0. 不妨设A 的特征值为λ，特征向量为x 。则(I-αA)x=x-αAx=(1-αλ)x 即迭代矩阵B= I-αA 的特征值为1-αλ,而且迭代矩阵收敛的充要条件是ρ(B)<1，即矩阵B 的特征值绝对值最大的要小于1，即|1-αλ1|<1且|1-αλn |<1，求得0<α<2(λ1)-1； 当谱半径最小，即在区间0<α<2(λ1)-1内，|1-αλn |和|1-αλ1|<1的最小值，求得α=2/(λ1+λn ) 32. 证明：因为SOR 方法的迭代矩阵L w =(D-wL)-1[(1-w)D+wU] 假设L w 存在一个特征值λ满足|λ|>1。 所以det(λI-L w )=0 所以det((D-wL)-1[(1-w)D+wU])=det(D-wL)-1*det[(1-λ-1(1-w))D-wL-λ-1wU]=0 (1) 由于矩阵A 是严格对角占优矩阵，所以a ii >0，因此(D-wL)-1的主对角 元素大于零，即det(D-wL)-1>0。 而由于|λ|>1，且0 线性方程组的解法及其应用 The solution of linear equation and its application 专业：测控技术与仪器 班级： 2010-1班 作者：刘颖 学号： 20100310110105 摘要 线性方程组是线性代数的一个重要组成部分，也在现实生产生活中有着广泛的运用，在电子工程、软件开发、人员管理、交通运输等领域都起着重要的作用。在一些学科领域的研究中，线性方程组也有着不可撼动的辅助性作用，在实验和调查后期利用线性方程组对大量的数据进行处理是很方便简捷的选择。本文主要围绕如何解线性方程组来进行讲解，对于不同类型的线性方程组的不同方法，并简述线性方程组的一些实际应用。 关键词： 齐次线性方程组，非齐次线性方程组，克莱姆法则，消元法，矩阵，矩阵的秩，特解，通解。 Abstract Linear equations linear algebra is one of the important component parts, and in real life has extensive production use，and it plays an important role in electronic engineering, software development, personnel management, transportation, etc. In some discipline study, it also has the reigns of linear equations of the auxiliary function.In experiment and survey using the linear equations of the late on the data processing is very convenient simple choice. This article, focusing on how to solve linear equations to explain, for different types of linear equations of different methods, and briefly introduces some of the practical application of linear equations. Keywords: Homogeneous linear equations, Non homogeneous linear equation,Clem’s law,Elimination method,Matrix,Rank of matrix,Special solution,General solution. 数值分析习题集 （适合课程《数值方法A》和《数值方法B》） 长沙理工大学 第一章绪论 1.设x>0,x的相对误差为δ,求的误差. 2.设x的相对误差为2％,求的相对误差. 3.下列各数都是经过四舍五入得到的近似数,即误差限不超过最后一位的半个单位,试指 出它们是几位有效数字: 4.利用公式求下列各近似值的误差限: 其中均为第3题所给的数. 5.计算球体积要使相对误差限为1％,问度量半径R时允许的相对误差限是多少? 6.设按递推公式 ( n=1,2,…) 计算到.若取≈(五位有效数字),试问计算将有多大误差? 7.求方程的两个根,使它至少具有四位有效数字(≈. 8.当N充分大时,怎样求? 9.正方形的边长大约为100㎝,应怎样测量才能使其面积误差不超过1㎝? 10.设假定g是准确的,而对t的测量有±秒的误差,证明当t增加时S的绝对误差增加,而 相对误差却减小. 11.序列满足递推关系(n=1,2,…),若(三位有效数字),计算到时误差有多大?这个计算过程 稳定吗? 12.计算,取,利用下列等式计算,哪一个得到的结果最好? 13.,求f(30)的值.若开平方用六位函数表,问求对数时误差有多大?若改用另一等价公式 计算,求对数时误差有多大? 14.试用消元法解方程组假定只用三位数计算,问结果是否可靠? 15.已知三角形面积其中c为弧度,,且测量a ,b ,c的误差分别为证明面积的误差满足 第二章插值法 1.根据定义的范德蒙行列式,令 证明是n次多项式,它的根是,且 . 2.当x= 1 , -1 , 2 时, f(x)= 0 , -3 , 4 ,求f(x)的二次插值多项式. 3. 4.给出cos x,0°≤x ≤90°的函数表,步长h =1′=(1/60)°,若函数表具有5位有效数 字,研究用线性插值求cos x 近似值时的总误差界. 5.设,k=0,1,2,3,求. 6.设为互异节点(j=0,1,…,n),求证: i) ii) 7.设且,求证 8.在上给出的等距节点函数表,若用二次插值求的近似值,要使截断误差不超过,问使用函 数表的步长应取多少? 9.若,求及. 10.如果是次多项式,记,证明的阶差分是次多项式,并且为正整数). 11.证明. 12.证明 13.证明 14.若有个不同实根,证明 15.证明阶均差有下列性质: i)若,则; ii)若,则. 16.,求及. 17.证明两点三次埃尔米特插值余项是 并由此求出分段三次埃尔米特插值的误差限. 18.求一个次数不高于4次的多项式,使它满足并由此求出分段三次埃尔米特插值的误差限. 19.试求出一个最高次数不高于4次的函数多项式,以便使它能够满足以下边界条件,,. 20.设,把分为等分,试构造一个台阶形的零次分段插值函数并证明当时,在上一致收敛到. 21.设,在上取,按等距节点求分段线性插值函数,计算各节点间中点处的与的值,并估计误 差. 22.求在上的分段线性插值函数,并估计误差. 23.求在上的分段埃尔米特插值,并估计误差. i) ii) 25.若,是三次样条函数,证明 i); ii)若,式中为插值节点,且,则. 26.编出计算三次样条函数系数及其在插值节点中点的值的程序框图(可用式的表达式). 第三章函数逼近与计算 1.(a)利用区间变换推出区间为的伯恩斯坦多项式. (b)对在上求1次和三次伯恩斯坦多项式并画出图形,并与相应的马克劳林级数部分和误 第一章 绪论 习题主要考察点：有效数字的计算、计算方法的比较选择、误差和误差限的计算。 1 若误差限为5 105.0-?,那么近似数0.003400有几位有效数字？（有效数字的计算） 2 14159.3=π具有4位有效数字的近似值是多少？（有效数字的计算） 3 已知2031.1=a ，978.0=b 是经过四舍五入后得到的近似值，问b a +，b a ?有几位有效数字？（有效数字的计算） 4 设0>x ，x 的相对误差为δ，求x ln 的误差和相对误差？（误差的计算） 5测得某圆柱体高度h 的值为cm h 20*=，底面半径r 的值为cm r 5* =，已知 cm h h 2.0||*≤-，cm r r 1.0||*≤-，求圆柱体体积h r v 2 π=的绝对误差限与相对误差 限。（误差限的计算） 6 设x 的相对误差为%a ,求n x y =的相对误差。（函数误差的计算） 7计算球的体积，为了使体积的相对误差限为%1，问度量半径r 时允许的相对误差限为多大？（函数误差的计算） 8 设? -=1 1dx e x e I x n n ，求证： （1）)2,1,0(11 =-=-n nI I n n （2）利用（1）中的公式正向递推计算时误差逐步增大；反向递推计算时误差逐步减小。（计算方法的比较选择） 第二章 插值法 习题主要考察点：拉格朗日插值法的构造，均差的计算，牛顿插值和埃尔米特插值构造，插值余项的计算和应用。 1 已知1)2(,1)1(,2)1(===-f f f ，求)(x f 的拉氏插值多项式。（拉格朗日插值） 2 已知9,4,10=== x x x y ，用线性插值求7的近似值。（拉格朗日线性插值） 3 若),...1,0(n j x j =为互异节点，且有 ) ())(())(()())(())(()(11101110n j j j j j j j n j j j x x x x x x x x x x x x x x x x x x x x x l ----------= +-+- 试证明 ),...1,0()(0 n k x x l x n j k j k j =≡∑=。 （拉格朗日插值基函数的性质） 4 已知352274.036.0sin ,333487.034.0sin ,314567.032.0sin ===，用抛物线插值计 算3367.0sin 的值并估计截断误差。（拉格朗日二次插值） 5 用余弦函数x cos 在00=x ，4 1π =x ，2 2π = x 三个节点处的值，写出二次拉格朗日插值 多项式, 并近似计算6 cos π 及其绝对误差与相对误差，且与误差余项估计值比较。（拉格朗 日二次插值） 6 已知函数值212)6(,82)4(,46)3(,10)1(,6)0(=====f f f f f ，求函数的四阶均差 ]6,4,3,1,0[f 和二阶均差]3,1,4[f 。（均差的计算） 7 设)())(()(10n x x x x x x x f ---= 求][1,0p x x x f 之值，其中1+≤n p ，而节点 )1,1,0(+=n i x i 互异。（均差的计算） 8 如下函数值表 建立不超过三次的牛顿插值多项式。（牛顿插值多项式的构造） 9求一个次数小于等于三次多项式)(x p ，满足如下插值条件：2)1(=p ，4)2(=p ， 3)2(='p ，12)3(=p 。（插值多项式的构造） 9.令*()(21),[0,1]n n T x T x x =-∈，试证*{()}n T x 是在[0,1] 上带权()x ρ=的正交多项式，并求****0123(),(),(),()T x T x T x T x . 证明： 1 1 * *0 1 1 * *011**0 ()()()(21)(21)211()()()()()2()()()()()()()()n m n m n m n m n m n n m n m x T x T x dx x T x dx t x x T x T x dx t T t dt t T t dt T x x T x T x dx t T t ρρρ---=--=-== = ???? ?令，则 由切比雪夫多项式1 01=02 m n dt m n m n ππ ≠??? =≠??==??? 所以*{()}n T x 是在[0,1] 上带权()x ρ= *00*11* 22 2 2*33233()(21)1()(21)21 ()(21)2(21)188()(21)4(21)3(21)3248181 T x T x T x T x x T x T x x x x T x T x x x x x x =-==-=-=-=--=-=-=---=-+- 14.已知实验数据如下： 用最小二乘法求形如2y a bx =+的经验公式，并求均方误差 解： 法方程为 22222(1,)(1,1)(1,)(,)(,1)(,)a y x b x y x x x ?????? =???? ?????? ?? 即 5 5327271.453277277699369321.5a b ??????=???????????? 解得 0.972579 0.050035a b =?? =? 拟合公式为20.9725790.050035y x =+ 均方误差 2 4 2 2 0[]0.015023i i i y a bx σ==--=∑ 21.给出()ln f x x =的函数表如下： 用拉格朗日插值求ln 0.54的近似值并估计误差（计算取1n =及2n =） 解：1n =时，取010.5,0.6x x == 由拉格朗日插值定理有 1 100.60.5 0.693147 0.510826 0.50.(60.60.51.82321)0 1.()6047()52 j j j x x x L x f x l x ==------=-=∑ 所以1ln0.54(0.54)0.620219L ≈=- 误差为ln 0.54(0.620219)= 0.004032ε=-- 2n =时，取0120.4,0.5,0.6x x x === 由拉格朗日插值定理有 13- 设函数()f x 具有二阶连续导数,{}(*)0,'(*)0,''(*)0,k f x f x f x x =≠≠是由牛顿迭代 法产生的序列,证明 121''(*)lim ()2'(*)k k k k k x x f x x x f x +→∞--=-- 解 牛顿迭代法为 1(),0,1,2,...'()k k k k f x x x k f x +=- = 故 1() '()k k k k f x x x f x +-=- 2112112 121212211()'()()'()()()(*)['()][()(*)]'() '()['()](*)'()['()](*)k k k k k k k k k k k k k k k k k k x x f x f x x x f x f x f x f x f x f x f x f x f f x x x f x f x x ξξ+--------??-=-=??-?? --=---- 其中k ξ介于k x 与*x 之间,1k ξ-介于1k x -与*x 之间,根据式(7.14)得 211222111'()['()]*lim lim () '()['()](*)1''(*)2'(*)k k k k k k k k k k k k x x f f x x x x x f x f x x f x f x ξξ+-→∞→∞-----=-=--- 公式7.14----12''(*)lim 2'(*)k k k e f x e f x +→∞= 15- 考虑下列修正的牛顿公式(单点斯蒂芬森方法) 21()(())()k k k k k k f x x x f x f x f x +=-+- 设()f x 有二阶连续导数,(*)0,'(*)0f x f x =≠,试证明该方法是二阶收敛的. 证明: 将(())k k f x f x +在k x 处作台劳展开,得 21(()) ()'()()''()()2k k k k k k f x f x f x f x f x f f x ξ+=++最新第六章习题答案-数值分析
数值分析习题与答案
c 解线性方程组的几种方法
数值分析课后题答案
第六章习题答案数值分析.docx
Matlab线性方程组求解(Gauss消去法)
数值分析 第六章 习题
总结求线性方程组的方法
线性方程组的解法
数值分析习题六解答
第六章非线性方程的数值解法习题解答
解线性方程组的直接解法
数值分析6
线性方程组的解法及其应用
数值分析习题集及答案
数值分析习题
清华大学杨顶辉数值分析第6次作业
数值分析第六章 13和13题答案