第五章习题解答_数值分析

合集下载

数值分析第五章答案

数值分析第五章答案【篇一：数值分析第五版计算实习题】第二章2-1程序：clear;clc;x1=[0.2 0.4 0.6 0.8 1.0];y1=[0.98 0.92 0.81 0.64 0.38];n=length(y1);c=y1(:);or j=2:n %求差商for i=n:-1:jc(i)=(c(i)-c(i-1))/(x1(i)-x1(i-j+1));endendsyms x df d;df(1)=1;d(1)=y1(1);for i=2:n %求牛顿差值多项式df(i)=df(i-1)*(x-x1(i-1));d(i)=c(i)*df(i);enddisp(4次牛顿插值多项式);p4=vpa(collect((sum(d))),5) %p4即为4次牛顿插值多项式,并保留小数点后5位数 pp=csape(x1,y1, variational);%调用三次样条函数 q=pp.coefs;disp(三次样条函数);for i=1:4s=q(i,:)*[(x-x1(i))^3;(x-x1(i))^2;(x-x1(i));1];s=vpa(collect(s),5)endx2=0.2:0.08:1.08;dot=[1 2 11 12];figureezplot(p4,[0.2,1.08]);hold ony2=fnval(pp,x2);x=x2(dot);y3=eval(p4);y4=fnval(pp,x2(dot));plot(x2,y2,r,x2(dot),y3,b*,x2(dot),y4,co);title(4次牛顿插值及三次样条);结果如下：4次牛顿插值多项式p4 = - 0.52083*x^4 + 0.83333*x^3 - 1.1042*x^2 + 0.19167*x + 0.98 三次样条函数x∈[0.2,0.4]时， s = - 1.3393*x^3 + 0.80357*x^2 - 0.40714*x + 1.04 x∈[0.4,0.6]时，s = 0.44643*x^3 - 1.3393*x^2 + 0.45*x +0.92571 x∈[0.6,0.8]时，s = - 1.6964*x^3 + 2.5179*x^2 - 1.8643*x + 1.3886 x∈[0.8,1.0]时，s =2.5893*x^3 - 7.7679*x^2 + 6.3643*x - 0.80571 输出图如下2-3（1）程序：clear;clc;x1=[0 1 4 9 16 25 36 49 64];y1=[0 1 2 3 4 5 6 7 8];%插值点n=length(y1);a=ones(n,2);a(:,2)=-x1;c=1;for i=1:nc=conv(c,a(i,:));endq=zeros(n,n);r=zeros(n,n+1);for i=1:n[q(i,:),r(i,:)]=deconv(c,a(i,:));%wn+1/(x-xk)enddw=zeros(1,n);for i=1:ndw(i)=y1(i)/polyval(q(i,:),x1(i));%系数endp=dw*q;syms x l8;for i=1:nl8(i)=p(n-i+1)*x^(i-1);enddisp(8次拉格朗日插值);l8=vpa(collect((sum(l8))),5)xi=0:64;yi=polyval(p,xi);figureplot(xi,yi,x1,y1,r*);hold ontitle(8次拉格朗日插值);结果如下：8次拉格朗日插值l8 =- 3.2806e-10*x^8 + 6.7127e-8*x^7 - 5.4292e-6*x^6 +0.00022297*x^5 - 0.0049807*x^4 + 0.060429*x^3 - 0.38141*x^2 +1.3257*x输出图如下：第五章4-1（3）程序：clc;clear;y= @(x) sqrt(x).*log(x);a=0;b=1;tol=1e-4;p=quad(y,a,b,tol);fprintf(采用自适应辛普森积分结果为： %d \n, p);结果如下：采用自适应辛普森积分结果为： -4.439756e-01第九章9-1(a)程序：clc;clear;a=1;b=2;%定义域h=0.05;%步长n=(b-a)/h;y0=1;%初值f= @(x,y) 1/x^2-y/x;%微分函数xn=linspace(a,b,n+1);%将定义域分为n等份 yn=zeros(1,n);%结果矩阵yn(1)=y0;%赋初值%以下根据改进欧拉公式求解for i=1:nxn=xn(i);xnn=xn(i+1);yn=yn(i);yp=yn+h*f(xn,yn);yc=yn+h*f(xnn,yp);yn=(yp+yc)/2;yn(i+1)=yn;endxn=yn;%以下根据经典四阶r-k法公式求解for i=1:nxn=xn(i);yn=yn(i);k1=f(xn,yn);k2=f(xn+h/2,yn+h/2*k1);k3=f(xn+h/2,yn+h/2*k2);k4=f(xn+h,yn+h*k3);yn=yn+h/6*(k1+2*k2+2*k3+k4);yn(i+1)=yn;enddisp(改进欧拉法四阶经典r-k法); disp([xn yn])结果如下：改进欧拉法四阶经典r-k法 110.998870.998850.99577 0.99780.991140.996940.985320.996340.978570.996030.971110.996060.963110.996450.95470.997230.945980.998410.9370510.92798 1.0020.91883 1.00440.90964 1.00730.90045 1.01060.89129 1.01430.88218 1.01840.87315 1.02290.86421 1.02780.85538 1.03310.84665 1.0388（b）程序：clc;clear;a=0;b=1;%定义域h=[0.1 0.025 0.01];%步长y0=1/3;%初值f= @(x,y) -50*y+50*x^2+2*x;%微分函数 xi=linspace(a,b,11);y=1/3*exp(-50*xi)+xi.^2;%准确解 ym=zeros(1,11);for j=1:3【篇二：数值分析(第五版)计算实习题第五章作业】题：lu分解法：建立m文件function h1=zhijielu(a,b)%h1各阶主子式的行列式值[n n]=size(a);ra=rank(a);if ra~=ndisp(请注意：因为a的n阶行列式h1等于零，所以a不能进行lu 分解。

数值分析课后习题全解(可编辑优质文档)

数值分析课后习题全解（可编辑优质文档）(可以直接使用，可编辑完整版资料，欢迎下载）第5章数值分析课后习题全解第5章：解线性方程组的直接方法1．证明：由消元公式及A 的对称性得(2)211,,2,3,..........,1111111a a j i a a a a a a i j na a ijij j j iji =-=-== 故2A对称2．证明：（1）因A 对称正定，故,)0,1,2,......,e i ni >=aii=(Ae i其中i e =（0,…,0,1,0,...,0）T 为第i 个单位向量.(2)由A 的对称性及消元公式得111211122222n n nn n n u u u d d u u d d u d d ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦(2)ij a =ija -1111i j a a a =ji a -111j a a 1i a =(2)ji a ，I,j=2,…,n故2A 也对称.又 11120Ta a A ⎡⎤⎢⎥⎣⎦=1L A 1TAL其中 1L =211111111.....1n a a a a ⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦显然1L 非其异,从而对任意的x ≠0,有1TL X ≠0,(x,1L A 1TL X)=(1TL x, A 1TL X)>0 (由A 的正定性) 故11T L AL 正定.又11T L AL =11200a A ⎡⎤⎢⎥⎣⎦,而11a >0,故2A 正定. 3.证明由矩阵乘法简单运算即得证.4.解设有分解4232125316⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥-⎣⎦=123431231αααα⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦1231111βββ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦由公式11,1111,2,3,,,2,3,.1i i i i ii i b a c b i n c i n αβαβααβ-==⎧⎪=+=⎨⎪==-⎩其中i b ,i a ,i c 分别是系数矩阵的主对角线元素及下边和上边的次对角线元素.故有112233414,272,27397,7138513αβαβαβα⎧==⎪⎪⎪=-=-⎪⎨⎪==⎪⎪⎪=⎩从而有4232125316⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥-⎣⎦=4732392785113⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦11221771131⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦故 1y =64=32, 2y =12372y --=573y =21022039137y -=, 4y =3518513y +=故4x =1,3x =420711313x -=,2x =352177x +=,1x =231122x -= 5. 解 (1)设U 为上三角阵1112112222n n nn n u u u x u u x u x ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦=12n d d d ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦因nn n u x =n d ，故n x =nnnd u . 因 10001010302171101⎡⎤⎢⎥-⎢⎥⎢⎥-⎢⎥-⎢⎦⎣ii i u x +1n ij j j i u x =+∑=id ,故i x =1ni ij ij i iid u xu =+-∑,i=n-1,n-2,,1当U 为下三角阵时11212212n n nn u u u u u u ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦12n x x x ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦= 12n d d d ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦得,1x =111d u , 1x =11i i ij jj iid u x u -=-∑,i=2,3,…,n.(2)除法次数为n,乘法次数为1+2+…+(n-1)=n(n-1)/2 故总的乘法次数为n+n(n-1)/2=n(n+1)/2. (3)设U 为上三角阵,1U-=S,侧S 也是上三角阵.由11121222n n nn u u u u s u ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦11121222n n nn s s s s s s ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=111⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦得 1ii iis u =, i=1,2,…,nij s =-1jik kjk i iiusu =+∑,j=i+1,i+2,…,n; i=n-1,n-2,…,1当U 为下三角阵时,由11212212n n nn d d d d d d ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦11212212n n nn s s s s s s ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦= 111⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦得 1ii iis u =,i=1,2,…,n ij s =11i ik kjk iiusu -=-∑,i=2,3,…,n;j=1,2,…,i-16. 证明 (1)因A 是对称正定阵,故存在唯一的分解A=L TL ,其中L 是具有正对角元素的下三角阵.从而 1A -=(L TL )1-=(TL )1-L 1-=(L 1-)TL 1-(A 1-)T =11()TT L L --⎡⎤⎣⎦=11()T L L --=1A -故1A -是对称矩阵.又1L -非奇异,故对任意的 x ≠0,有1L -x ≠0,故1Tx A -X=11()T T x L L x --=11()()T L x L x -->0故1A -是对称正定矩阵,即1A -也对称正定.(2)由A 对称正盯,故A 的所有顺序主子式均不为零,从而A 有唯一的 Doolittle 分解A=L U.又U=1122nn u u u ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦1121111222111n n u u uu u u ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=D 0U 其中D 为对三角阵, 0U 为单位上三角阵,于是 A=U L =D L 0U又 A=TA =TO U D TL由分解的唯一性即得T O U =L从而有 A=D L TL 又由A 的对称正定性知 1d =1D >0, i d =1ii D D ->0 (i=2,3,…,n) 故 D=12n d d d ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=⎤⎥⎢⎥⎢⎥⎢⎢⎣⎤⎥⎢⎥⎢⎥⎢⎢⎣=12D 12D 故A=L D TL =L12D12D TL =(L 12D )(L 12D )T =LL T其中L=L 12D 为三角元为正的下三角矩阵.7. 解[A|I]=21311000310701001242001010150001⎡--⎤⎢⎥⎢⎥⎢⎥--⎢⎥-⎢⎦⎣-> 101500010138010302330011011111002⎡-⎤⎢⎥--⎢⎥⎢⎥⎢⎥---⎢⎦⎣-> 1015010138010300319021700431101⎡-⎤⎢⎥--⎢⎥⎢⎥--⎢⎥---⎢⎦⎣->421410003333010110114192170010333385542500013333⎡⎤---⎢⎥⎢⎥-⎢⎥⎢⎥---⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎦-> 410231685178517100033641130100851785170010191538851785170001314585178517⎤--⎥⎥⎡⎥-⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎥⎥--⎦->1A -=4102316851785173364113851785171953885178517314585178517⎡⎤--⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥---⎢⎥⎢⎥⎢⎥--⎣⎦=0.04705890.58823530.27058820.94117650.38823530.35294120.48235290.76470590.22352940.29411760.03529410.47058820.03529410.05882350.04705890.2941176--⎡⎤⎢⎥-⎢⎥⎢⎥---⎢⎥--⎣⎦8．解设有分解2112112112112-⎡⎤⎢⎥--⎢⎥⎢⎥--⎢⎥--⎢⎥⎢⎥-⎣⎦= 123451111ααααα⎡⎤⎢⎥-⎢⎥⎢⎥-⎢⎥-⎢⎥⎢⎥-⎣⎦123451111βββββ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦由公式11,1111,(2,3,4,5),(2,3,4)i i i i i i i b c b i c i ααβαβααβ-==⎧⎪=+=⎨⎪==⎩其中i b ，i a ，i c 分别是系数矩阵的主角线元素及其下边和上边的次对角线元素，则有12α=， 232α=， 343α=， 454α=， 565α= 112β=-， 223β=-， 334β=-， 445β=-由12345231120410305140615y y y y y ⎡⎤⎢⎥⎢⎥-⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎢⎥⎢⎥-⎢⎥⎣⎦得1y =12，213y =，314y =，415y =，516y = 由112213314415⎡⎤-⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥-⎢⎥⎣⎦123451213141516x x x x x ⎡⎤⎢⎥⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎢⎥⎣⎦得5x =16，4x =13，3x =12，2x =23，1x =569．解设211123131-⎡⎤⎢⎥-⎢⎥⎢⎥⎣⎦=121312123231323111111d l l l d l l l d ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦由矩阵乘法得1d =2， 2112l =-， 3112l = 252d =-，3275l =-3275d =由123141152617125y y y ⎡⎤⎢⎥⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥-=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎢⎥-⎣⎦得 14y =，27y =，3695y = 由12311122245717256927155x x x ⎡⎤⎡⎤-⎡⎤⎢⎥⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎣⎦ 得 123111222247514175256927123559x x x ⎡⎤⎡⎤⎡⎤-⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-=-=-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎣⎦⎣⎦故3x =239=2.555 555 6，279x ==0.777 777 8，1x =109=1.111 111 1 10．解 A 中2∆=0，故不能分解。

数值分析课后习题及答案

第一章绪论（12）第二章插值法（40-42）2、当2,1,1-=x 时，4,3,0)(-=x f ，求)(x f 的二次插值多项式。

[解]372365)1(34)23(21)12)(12()1)(1(4)21)(11()2)(1()3()21)(11()2)(1(0))(())(())(())(())(())(()(2221202102210120120102102-+=-++--=+-+-⨯+------⨯-+-+-+⨯=----+----+----=x x x x x x x x x x x x x x x x x x x y x x x x x x x x y x x x x x x x x y x L 。

3、给出x x f ln )(=的数值表用线性插值及二次插值计算54.0ln 的近似值。

X 0.4 0.5 0.6 0.7 0.8 x ln -0.916291 -0.693147 -0.510826 -0.357765 -0.223144[解]若取5.00=x ，6.01=x ，则693147.0)5.0()(00-===f x f y ，510826.0)6.0()(11-===f x f y ，则604752.182321.1)5.0(10826.5)6.0(93147.65.06.05.0510826.06.05.06.0693147.0)(010110101-=---=--⨯---⨯-=--+--=x x x x x x x x x y x x x x y x L ，从而6202186.0604752.19845334.0604752.154.082321.1)54.0(1-=-=-⨯=L 。

若取4.00=x ，5.01=x ，6.02=x ，则916291.0)4.0()(00-===f x f y ，693147.0)5.0()(11-===f x f y ，510826.0)6.0()(22-===f x f y ，则 217097.2068475.404115.2)2.09.0(5413.25)24.0(3147.69)3.01.1(81455.45)5.06.0)(4.06.0()5.0)(4.0()510826.0()6.05.0)(4.05.0()6.0)(4.0()693147.0()6.04.0)(5.04.0()6.0)(5.0(916291.0))(())(())(())(())(())(()(22221202102210120120102102-+-=+--+-⨯++-⨯-=----⨯-+----⨯-+----⨯-=----+----+----=x x x x x x x x x x x x x x x x x x x x x x y x x x x x x x x y x x x x x x x x y x L ，从而61531984.0217097.21969765.259519934.0217097.254.0068475.454.004115.2)54.0(22-=-+-=-⨯+⨯-=L补充题：1、令00=x ，11=x ，写出x e x y -=)(的一次插值多项式)(1x L ，并估计插值余项。

数值分析第五版第5章习题答案

.精品精品第5章复习与思考题1、用高斯消去法为什么要选主元？哪些方程组可以不选主元？答：使用高斯消去法时，在消元过程中可能出现0k kka = 的情况，这时消去法无法进行；即时主元素0kkk a ≠，但相对很小时，用其做除数，会导致其它元素数量级的严重增长和舍入误差的扩散，最后也使得计算不准确。

最后也使得计算不准确。

因此高斯消去法需要选主元，因此高斯消去法需要选主元，因此高斯消去法需要选主元，以保证计算的进行和计以保证计算的进行和计算的准确性。

当主对角元素明显占优（远大于同行或同列的元素）时，当主对角元素明显占优（远大于同行或同列的元素）时，可以不用选择主元。

可以不用选择主元。

计算时一般选计算时一般选择列主元消去法。

2、高斯消去法与LU 分解有什么关系？用它们解线性方程组Ax = b 有何不同？A 要满足什么条件？答：高斯消去法实质上产生了一个将A 分解为两个三角形矩阵相乘的因式分解，其中一个为上三角矩阵U ，一个为下三角矩阵L 。

用LU 分解解线性方程组可以简化计算，减少计算量，提高计算精度。

A 需要满足的条件是，顺序主子式（需要满足的条件是，顺序主子式（1,21,21,2，…，，…，，…，n-1n-1n-1）不为零。

）不为零。

3、楚列斯基分解与LU 分解相比，有什么优点？楚列斯基分解是LU 分解的一种，当限定下三角矩阵L 的对角元素为正时，的对角元素为正时，楚列斯基分解具楚列斯基分解具有唯一解。

4、哪种线性方程组可用平方根法求解？为什么说平方根法计算稳定？具有对称正定系数矩阵的线性方程可以使用平方根法求解。

平方根法在分解过程中元素的数量级不会增长，平方根法在分解过程中元素的数量级不会增长，切对角元素恒为正数，切对角元素恒为正数，因此，是一个稳定的算法。

5、什么样的线性方程组可用追赶法求解并能保证计算稳定？对角占优的三对角方程组6、何谓向量范数？给出三种常用的向量范数。

数值分析课程第五版课后习题答案

N +1 N
=
1 = 1.7863 × 10 − 2 。 55.982
8、当 N 充分大时，怎样求 ∫ [解]因为 ∫
N +1 N
1 dx ？ 1+ x2
1 dx = arctan( N + 1) − arctan N ，当 N 充分大时为两个相近数相 1+ x2
减，设 α = arctan( N + 1) ， β = arctan N ，则 N + 1 = tan α ， N = tan β ，从而 tan(α − β ) = 因此 ∫
5、计算球体积要使相对误差限为 1%，问度量半径 R 允许的相对误差是多少？ 4 ε * ( π (R* )3 ) 4 3 [解]由 1% = ε r* ( π ( R * ) 3 ) = 可知， 4 3 * 3 π (R ) 3 ′ 4 4 4 ε * ( π ( R * ) 3 ) = 1% × π ( R * ) 3 = π ( R * ) 3 ε * ( R * ) = 4π ( R * ) 2 × ε * ( R * ) ， 3 3 3
ε * ( y n ) = 10ε * ( y n −1 ) = 10 n ε * ( y 0 ) ，
1 1 从而 ε * ( y10 ) = 1010 ε * ( y 0 ) = 1010 × × 10 − 2 = × 10 8 ，因此计算过程不稳定。 2 2 12、计算 f = ( 2 − 1) 6 ，取 2 ≈ 1.4 ，利用下列公式计算，哪一个得到的结果最好？ 1 ( 2 + 1)
* r
x= x
*
ε ( x * ) = n( x * ) n −1 2% x * = 2n% ⋅ x * ，

数值分析第五章实习题答案

数值分析第五章实习题答案数值分析第五章实习题答案数值分析是一门研究如何使用计算机来解决数学问题的学科。

在数值分析的学习过程中，实习题是非常重要的一部分，通过实习题的练习，可以帮助我们巩固所学的知识，并且提高我们的解题能力。

本文将为大家提供数值分析第五章实习题的答案，希望对大家的学习有所帮助。

第一题：求下列方程的一个正根，并用二分法和牛顿法分别计算根的近似值。

方程：x^3 - 3x + 1 = 0解答：首先，我们可以通过绘制函数图像来初步估计方程的根的范围。

根据图像，我们可以大致确定根在区间[0, 2]之间。

接下来，我们使用二分法来计算根的近似值。

根据二分法的原理，我们将区间[0, 2]等分为两部分，然后判断根在哪一部分。

不断重复这个过程，直到找到根的近似值。

具体计算过程如下：- 将区间[0, 2]等分为两部分，得到中点x = 1。

- 计算方程在x = 1处的函数值f(1) = -1。

- 根据函数值的正负性，我们可以确定根在区间[1, 2]之间。

- 将区间[1, 2]等分为两部分，得到中点x = 1.5。

- 计算方程在x = 1.5处的函数值f(1.5) = 1.375。

- 根据函数值的正负性，我们可以确定根在区间[1, 1.5]之间。

- 重复以上步骤，直到找到根的近似值。

最终得到根的近似值为x ≈ 1.365。

接下来，我们使用牛顿法来计算根的近似值。

牛顿法是一种迭代法，通过不断逼近根的位置来计算根的近似值。

具体计算过程如下：- 选择初始近似值x0 = 1。

- 计算方程在x = 1处的函数值f(1) = -1。

- 计算方程在x = 1处的导数值f'(1) = 4。

- 利用牛顿法的迭代公式x1 = x0 - f(x0)/f'(x0)，我们可以得到x1 ≈ 1.333。

- 重复以上步骤，直到找到根的近似值。

最终得到根的近似值为x ≈ 1.365。

通过二分法和牛顿法，我们分别得到了方程x^3 - 3x + 1 = 0的一个正根的近似值为x ≈ 1.365。

数值分析课后习题与解答

课后习题解答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(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(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Newton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. 已知的函数表求出三次Newton均差插值多项式，计算f(0.23)的近似值并用均差的余项表达式估计误差.解：根据给定函数表构造均差表由式(5.14)当n=3时得Newton均差插值多项式N3(x)=1.0067x+0.08367x(x-0.2)+0.17400x(x-0.2)(x-0.3) 由此可得f(0.23) N3(0.23)=0.23203由余项表达式(5.15)可得由于7. 给定f(x)=cosx的函数表用Newton等距插值公式计算cos 0.048及cos 0.566的近似值并估计误差解：先构造差分表计算，用n=4得Newton前插公式误差估计由公式（5.17）得其中计算时用Newton后插公式（5.18)误差估计由公式（5.19）得这里仍为0.5658．求一个次数不高于四次的多项式p(x),使它满足解：这种题目可以有很多方法去做，但应以简单为宜。

数值分析课程课后习题答案(李庆扬等)1

第一章绪论1、设0>x ，x 的相对误差为δ，求x ln 的误差。

[解]设0*>x 为x 的近似值，则有相对误差为δε=)(*x r ，绝对误差为**)(x x δε=，从而x ln 的误差为δδεε=='=*****1)()(ln )(ln x x x x x ，相对误差为****ln ln )(ln )(ln x x x x rδεε==。

2、设x 的相对误差为2%，求n x 的相对误差。

[解]设*x 为x 的近似值，则有相对误差为%2)(*=x r ε，绝对误差为**%2)(x x =ε，从而n x 的误差为nn x x nxn x x n x x x **1***%2%2)()()()(ln *⋅=='=-=εε，相对误差为%2)()(ln )(ln ***n x x x nr==εε。

3、下列各数都是经过四舍五入得到的近似数，即误差不超过最后一位的半个单位，试指出它们是几位有效数字：1021.1*1=x ，031.0*2=x ，6.385*3=x ，430.56*4=x ，0.17*5⨯=x 。

[解]1021.1*1=x 有5位有效数字；0031.0*2=x 有2位有效数字；6.385*3=x 有4位有效数字；430.56*4=x 有5位有效数字；0.17*5⨯=x 有2位有效数字。

4、利用公式（3.3）求下列各近似值的误差限，其中*4*3*2*1,,,x x x x 均为第3题所给的数。

（1）*4*2*1x x x ++； [解]3334*4*2*11***4*2*1*1005.1102110211021)()()()()(----=⨯=⨯+⨯+⨯=++=⎪⎪⎭⎫ ⎝⎛∂∂=++∑x x x x x f x x x e nk k k εεεε；（2）*3*2*1x x x ；[解]52130996425.010********.2131001708255.01048488.2121059768.01021)031.01021.1(1021)6.3851021.1(1021)6.385031.0()()()()()()()()(3333334*3*2*1*2*3*1*1*3*21***3*2*1*=⨯=⨯+⨯+⨯=⨯⨯+⨯⨯+⨯⨯=++=⎪⎪⎭⎫⎝⎛∂∂=-------=∑x x x x x x x x x x x f x x x e n k k kεεεε；（3）*4*2/x x 。

数值分析第二版(丁丽娟)答案

第一章答案
第二章答案
第三章答案
0 0.5 0.5 1 1 2.5000
5.0000 5.5000
第四章答案
2 10.5000 19.0000 19.5000
3 42.5000 91.0000 91.5000
4 170.5000 315.0000 315.5000
5 682.5000 1467.0000 1467.5000
第八章答案
练习：第一章
答案
练习二 A 的哪个特征向量？若 A 的按模最大的特征值是单根，用幂法求此特征值的收敛速度由什么量来决定？怎样改进幂法的收敛速度？
2、反幂法收敛到矩阵的哪个特征向量？在幂法或者反幂法中，为什么每步都要将迭代向量规范化？
1.32
1.68
2.08
2.52
3.00
解答下列问题（1）试列出相应的差分表；（2）写出牛顿向前插值公式；（3）用二次牛顿前插公式计算 f（0.225）；
例3已知当 x=-1，0，2，3时，对应的函数值为
，
，
，
，
，求的四次 Newton 插值多项式。
例4 设对 n=1,2,3时
，证明：
例5 设（1）
第一章答案第二章答案第三章答案第四章答案050525000500005500010500019000019500021000000000000000380001950004250009100009150001700000000000000018199999999999999166363636363636371705000315000031550001623809523809523716578947368421051161794871794871796825000146700001467500016058823529411764161208791208791201603825136612021827305000505100005051500016014662756598241160349206349206351601109350237717910922500023483000023483500016003663003663004160074982958418521600238500851788743690500080827000080827500016000915583226515160021777865769151600069286350589则开根号得400011444626607140002722140595534000086607000640对应的特征向量为第五章答案第六章答案2727930204331053600038939418364475947673代入数据得132解

应用数值分析（第四版）课后习题答案第5章

第五章习题解答1、给出数据点:013419156i i x y =⎧⎨=⎩(1)用012,,x x x 构造二次Lagrange 插值多项式2()L x ,并计算15.x =的近似值215(.)L 。

(2)用123,,x x x 构造二次Newton 插值多项式2()N x ,并计算15.x =的近似值215(.)N 。

(3)用事后误差估计方法估计215(.)L 、215(.)N 的误差。

解:(1)利用012013,,x x x ===,0121915,,y y y ===作Lagrange 插值函数2202130301191501031013303152933()()()()()()()()()()()()()()i i i x x x x x x L x l x y x x =------==⨯+⨯+⨯-------++=∑代入可得2151175(.).L =。

(2)利用123134,,x x x ===,1239156,,y y y ===构造如下差商表：于是可得插值多项式：229314134196()()()()()N x x x x x x =+-+---=-+-代入可得215135(.).N =。

(3)用事后误差估计的方法可得误差为1501511751350656304.(.)(..).R -=-=-◆ 2、设Lagrange 插值基函数是0012()(,,,,)nj i j i jj ix x l x i n x x =≠-==-∏试证明:①对x ∀,有1()ni i l x ==∑②00110001211()()(,,,)()()nk i i i n n k l x k n x x x k n =⎧=⎪==⎨⎪-=+⎩∑ 其中01,,,n x x x 为互异的插值节点。

证明：①由Lagrange 插值多项式的误差表达式101()()()()()!n ni i f R x x x n ξ+==-+∏知，对于函数1()f x =进行插值，其误差为0，亦即0()()ni ii f x l x f==∑精确成立，亦即1()ni i l x ==∑。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第五章习题解答
1、给出数据点:0134
19156
i i x y =⎧⎨
=⎩
(1)用012,,x x x 构造二次Lagrange 插值多项式2()L x ,并计算15.x =的近似值215(.)L 。

(2)用123,,x x x 构造二次Newton 插值多项式2()N x ,并计算15.x =的近似值215(.)N 。

(3)用事后误差估计方法估计215(.)L 、215(.)N 的误差。

解: (1)利用012013,,x x x ===,0121915,,y y y ===作Lagrange 插值函数
2
20
2
1303011915
01031013303152933
()()()()()()
()()()()()()()()
i i i x x x x x x L x l x y x x =------==
⨯+⨯+⨯-------++=
∑
代入可得2151175(.).L =。

(2)利用
134,,x x x ===,9156,,y y y ===构造如下差商表：
229314134196()()()()()N x x x x x x =+-+---=-+- 代入可得215135(.).N =。

(3)用事后误差估计的方法可得误差为
()()()02222
03-x 150
x x x -=117513506563-04.()()()(..).x f L R L x N x x x --≈=
-≈- ()()()3222203-154
x x -=1175135-1.0938-04
.()()()(..)x x f N R x L x N x x x --≈=-≈-
2、设Lagrange 插值基函数是
0012()(,,,,)n
j i j i j
j i
x x l x i n x x =≠-==-∏
试证明:①对x ∀,有
1()n
i
i l x ==∑
②00110001211()()(,,,)()()n
k
i i i n n k l x k n x x x k n =⎧=⎪==⎨⎪-=+⎩
∑
其中01,,,n x x x 为互异的插值节点。

证明：
①由Lagrange 插值多项式的误差表达式10
1()()()()()!n n
i i f R x x x n ξ+==-+∏知，对于函数1()f x =进行
插值，其误差为0，亦即0()()n
i i
i f x l x f
==
∑精确成立，亦即
1()n
i i l x ==∑。

②分别取被插值函数()k
f x x =，当k n ≤时Lagrange 插值多项式的误差表达式
1001()()()()()!n n
i i f R x x x n ξ+==-=+∏，即0()()n i i i f x l x f ==∑，亦即0
()n
k k i i i l x x x ==∑，对于0k =，由①可知结论成立；对于12,,,k n = 时，特别地取0x =，则有
00()n
k
i i
i l x
==∑；而当1
k n =+时知其Lagrange 插值误差为100
1()()()()()()!n n
n
i i i i f R x x x x x n ξ+===-=-+∏∏，于是有0
()()()n
i i i f x l x f R x ==+∑，即1
1
()()n
n
k k i i
i i i x
l x x
x x ++===+-∑∏，特别取0x =可得
1201010
011()()()n
k n n i i n n i l x
x x x x x x ++==-=-∑ ，证毕。

8、考虑构造一个函数01()([,])x
f x e x =∈的等距节点函数表，要使分段Hermite 插值的误差不大
于41
102
-⨯，最大步长h 应取多大？解：由等距分段Hermite 插值的误差表达式
4444
401
110423842
()()max ()!x h h R x f x e -≤≤≤=≤⨯ 从而可得
0.2899h ≈
10.已知f(0)，f(2)，f ′(2)，使用Lagrange 型插值基函数法构造二次Hermite 插值多项式H 2(x)，使其满足插值条件H 2(0)= f(0)，H 2(2)= f(2)，H ′2(2)= f ′(2)，并写出H 2(x)的截断误差。

解：设H 2(x)=h 0(x)f(0)+ h 2(x)f(2)+⎺h 2(x)f ′(2) 为满足插值条件（1）h 0(0)=1 h 0(2)=0 h ′0(2)=0 且h 0(x)为二次多项式
设h 0(x)=()()()0-2
+=
+0-2x l x ax b ax b 由h 0(0)=1 h ′0(2)=0 得=12+=0
b a b ⎧⎨⎩ → 1=-,=12a b ()()2
01h x -24x ∴=
（2）h 2(0)=0 h 2(2)=1 h ′2(2)=0 且h 2(x)为二次多项式
设h 2(x)=()()()2+=
+2
x
l x cx d cx d 由h 2(2)=1 h ′2(2)=0 得2+=14+=0
c d c d ⎧⎨⎩ → 1=-,=22c d ()2
21h x -+4x x ∴=
（3）⎺h 2(0)=0 ⎺h 2(2)=0 ⎺h ′2(2)=1 且⎺h 2(x)为二次多项式
设⎺h 2(x)=
()-2x x λ
由h ′2(2)=1 得 2λ=1 →λ=1/2 ()()21
h x -22
x x ∴=
所以综上，()()()()()()()2202=0+2+h x H x h x f h x f f x '
()()()()()2
2111=
-20+-2+-22442x f x x f x x f ⎛⎫' ⎪
⎝⎭
关于截断误差()()()22x =-R f x H x 构造关于t 的辅助函数
()()()()
()2=-
x t g t f t R x ωω 其中 ()()()()22
02=--=-2t t x t x t t ω ()g t 存在四重根由罗尔定律，存在ξ使得
()()()()()3
323!=-x =0g f R x ξξω ()(
)
()
()32x =
3!
f R x ξω∴ （其中()()2
=-2x x x ω）
13、试构造一个Hermite 三次多项式3()H x 逼近函数()f x ，满足以下条件。

3333
000111003110
'''
'
()(),()()()(),
()()H f H f H f H f ====⎧⎪⎨==-==⎪⎩
解：方法一、取
0101
,x x ==，
由
H e r m 插
值
1
1
'()()()()
i i i i i i f x h x y h x y R x ===++∑∑，
1
1
30
'()()()i i i i i i H x h x y h x y ===+∑∑，其中
2
2001122111001()()()x x h x x x --⎛
⎫⎛⎫=+=+- ⎪⎪--⎝⎭⎝⎭， 2
2
11012320110()()x x h x x x --⎛⎫⎛⎫=+=- ⎪⎪--⎝⎭⎝⎭， 2
2
010101()()()x h x x x x -⎛⎫=-=- ⎪
-⎝⎭
， 22
101110()()()x h x x x x -⎛⎫=-=- ⎪
-⎝⎭
代入可得323103593()()()H x h x h x x x x =-=-+-。

33
2
03451593()()
H x x x x x x x x
=-+--=-+-
14、试判断下面函数是否为三次样条函数：
①3
3301001112[,)()[,)()[,]
x f x x
x x x x ∈-⎧⎪=∈⎨⎪+-∈⎩
②23
21
10221
01[,)()[,]
x x x f x x x x ⎧++∈-⎪=⎨++∈⎪⎩
解：三次样条函数的定义：①整体二阶连续，即()[]`,;S x C a b '∈ ②在每个小区间[]i+1,i x x 上，S(x)是三次多项式（i=0,1,2…n-1）； ③满足插值条件()()`==1...i S x y i n 分析 ①： ()0-0=0f '' ()=0
0-0=6x
=0x f ''
()=0
1-0=6x
=6x f '' ()()
=1
1+0=6x+6-1=6x f x ''
()f x ∴在[]-1,2上为二阶连续，易知①②③均成立
所以①式为三次样条函数
分析 ②： ()0-0=0f '' ()=0
0-0=12x
=0x f ''
()f x ∴在[]-1,2上为二阶不连续
所以②式不是三次样条函数。