数值分析第二章思考题
李庆扬 数值分析第五版 习题答案
第2章 复习与思考题01ii i ii kx x x x 的基函数称为主要性质有 0,()1,k i kx i k()1n l x、什么是牛顿基函数？它与单项式基答：牛顿差值基函数为00101x ),(x x )(x x ),...,(x x )(x x )...(x x )}n 牛顿差值基函数中带有常数项01,,...n x x x ，这有单项式基不同。
阶均差？它有何重要性质 01n 2n 01n 2n -11[,,...,,][,,...,,]n n f x x x f x x x x x xk j 0j 0j-1j j+1j -k x x x x x x x （）...()()...()和k 阶均差的性质0101k-10[,,...,][,,...,]k kf x x x f x x x x x （分子前项多xk ）[a,b]上存在阶导数，且节点2n ,[a,b]x ，则1()!f n0()nn n ik k kk k i i ki kx x y l x y x x ，(j 1,2,....,n)个点的牛顿插值多项式01[,,...,]k f x x x ,(k 1,2,....,n)两者的主要差异是未知数不一致。
拉格朗日插值多项式是系数知道，但基函数不知道。
牛顿插值多项式是函数知道，但系数不知道。
与一般多项式基本相同。
y ，其中系数矩阵用下列基底作多项式插值时，120001211112222121...1...1 (1)...n n n n n nnx x x x x x x x x x x x ，无非零元素。
）拉格朗日基底为01{(),(),...,()}n l x l x l x ，已知数为未知数为01{(),(),...,()}n l x l x l x ，则系数矩阵为00101x ),(x x )(x x ),...,(x x )(x x )...(x x )}n ，已，未知数为012{,,,...,}n a a a a ，则系数矩阵为102020211010100...010...01()()...0...............1()()...()n nnnnj j x x x x x x x x x x x x x x x x ，为下三角矩阵，矩阵的上三角元0。
数值分析第二章复习与思考题
第二章复习与思考题1.什么是拉格朗日插值基函数？它们是如何构造的？有何重要性质？答：若n 次多项式()),,1,0(n j x l j =在1+n 个节点n x x x <<< 10上满足条件(),,,1,0,,,0,,1n k j j k j k x l k j =⎩⎨⎧≠==则称这1+n 个n 次多项式()()()x l x l x l n ,,,10 为节点n x x x ,,,10 上的n 次拉格朗日插值基函数.以()x l k 为例，由()x l k 所满足的条件以及()x l k 为n 次多项式，可设()()()()()n k k k x x x x x x x x A x l ----=+- 110，其中A 为常数，利用()1=k k x l 得()()()()n k k k k k k x x x x x x x x A ----=+- 1101，故()()()()n k k k k k k x x x x x x x x A ----=+- 1101，即()()()()()()()()∏≠=+-+---=--------=n kj j jk j n k k k k k k n k k k x x x x x x x x x x x x x x x x x x x x x l 0110110)( .对于()),,1,0(n i x l i =，有()n k xx l x ni ki k i ,,1,00==∑=，特别当0=k 时，有()∑==ni i x l 01.2.什么是牛顿基函数？它与单项式基{}nxx ,,,1 有何不同？答：称()()()(){}10100,,,,1------n x x x x x x x x x x 为节点n x x x ,,,10 上的牛顿基函数，利用牛顿基函数，节点n x x x ,,,10 上的n 次牛顿插值多项式()x P n 可以表示为()()()()10010---++-+=n n n x x x x a x x a a x P其中[]n k x x x f a k k ,,1,0,,,,10 ==.与拉格朗日插值多项式不同，牛顿插值基函数在增加节点时可以通过递推逐步得到高次的插值多项式，例如()()()()k k k k x x x x a x P x P --+=++ 011,其中1+k a 是节点110,,,+k x x x 上的1+k 阶差商，这一点要比使用单项式基{}nx x ,,,1 方便得多.3.什么是函数的n 阶均差？它有何重要性质？答：称[]()()000,x x x f x f x x f k k k --=为函数()x f 关于点k x x ,0的一阶均差，[][][]110010,,,,x x x x f x x f x x x f k k k --=为()x f 的二阶均差. 一般地，称[][][]11102010,,,,,,,,-----=n n n n n n x x x x x f x x x f x x x f 为()x f 的n 阶均差.均差具有如下基本性质：(1) n 阶均差可以表示为函数值()()()n x f x f x f ,,,10 的线性组合，即[]()()()()()∑=+-----=nj n j j j j j jj n x x x x x x x xx f x x x f 011010,, ,该性质说明均差与节点的排列次序无关，即均差具有对称性.(2) [][][]01102110,,,,,,,,x x x x x f x x x f x x x f n n n n --=- .(3) 若()x f 在[]b a ,上存在n 阶导数，且节点[]b a x x x n ,,,,10∈ ，则n 阶均差与n 阶导数的关系为[]()()!,,10n f x x x f n n ξ= ，[]b a ,∈ξ. 4.写出1+n 个点的拉格朗日插值多项式与牛顿均差插值多项式，它们有何异同？ 答：给定区间[]b a ,上1+n 个点b x x x a n ≤<<<≤ 10上的函数值()),,1,0(n i x f y i i ==，则这1+n 个节点上的拉格朗日插值多项式为()()∑==nk k k n x l y x L 0,其中()n k x x x x x l n kj j jk jk ,,1,0,0 =⎪⎪⎭⎫⎝⎛--=∏≠=. 这1+n 个节点上的牛顿插值多项式为()()()()10010---++-+=n n n x x x x a x x a a x P ,其中[]n k x x x f a k k ,,1,0,,,,10 ==为()x f 在点k x x x ,,,10 上的k 阶均差.由插值多项式的唯一性，()x L n 与()x P n 是相同的多项式，其差别只是使用的基底不同，牛顿插值多项式具有承袭性，当增加节点时只需增加一项，前面的工作依然有效，因而牛顿插值比较方便，而拉格朗日插值没有这个优点.5.插值多项式的确定相当于求解线性方程组y Ax =，其中系数矩阵A 与使用的基函数有关.y 包含的是要满足的函数值()Tn y y y ,,,10 .用下列基底作多项式插值时，试描述矩阵A 中非零元素的分布.(1) 单项式基底；(2) 拉格朗日基底；(3) 牛顿基底.答：(1) 若使用单项式基底，则设()nn n x a x a a x P +++= 10，其中n a a a ,,,10 为待定系数，利用插值条件，有⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++nn n n n nn nn y x a x a a y x a x a a y x a x a a 101111000010， 因此，求解y Ax =的系数矩阵A 为⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=n n n n nx x x x x x A 1111100为范德蒙德矩阵.(2) 若使用拉格朗日基底，则设()()()()x l a x l a x l a x L n n n +++= 1100，其中()x l k 为拉格朗日插值基函数，利用插值条件，有()()()()()()()()()⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++nn n n n n n n n n y x l a x l a x l a y x l a x l a x l a y x l a x l a x l a 11001111110000011000， 由拉格朗日插值基函数性质，求解y Ax =的系数矩阵A 为⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=100010001 A 为单位矩阵.(3) 若使用牛顿基底，则设()()()()10010---++-+=n n n x x x x a x x a a x P ，由插值条件，有()()()()()()()()()⎪⎪⎩⎪⎪⎨⎧=--++-+=--++-+=--++-+---nn n n n n n n n n y x x x x a x x a a y x x x x a x x a a y x x x x a x x a a 10010111010110010000010 即()()()()⎪⎪⎩⎪⎪⎨⎧=--++-+=-+=-nn n n n n y x x x x a x x a a y x x a a y a 100101011000 故求解y Ax =的系数矩阵A 为()()()()()()()⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡----------=-110100120202011111n n n n n n n x x x x x x x x x x x x x x x x x x xx A为下三角矩阵.6.用上题给出的三种不同基底构造插值多项式的方法确定基函数系数，试按工作量由低到高给出排序.答：若用上述三种构造插值多项式的方法确定基函数系数，则工作量由低到高分别为拉格朗日基底，牛顿基底，单项式基底.7.给出插值多项式的余项表达式，如何用它估计截断误差？答：设()()x fn 在[]b a ,上连续，()()x fn 1+在()b a ,内存在，节点b x x x a n ≤<<<≤ 10，()x L n 是满足条件()n j y x L j j n ,,1,0, ==的插值多项式，则对任何[]b a x ,∈，插值余项()()()()())(!111x n f x L x f x R n n n n +++=-=ωξ， 这里()b a ,∈ξ且与x 有关，()()()()n n x x x x x x x ---=+ 101ω.若有()()11max ++≤≤=n n bx a M x f，则()x L n 逼近()x f 的截断误差()()()x n M x R n n n 11!1+++≤ω.8.埃尔米特插值与一般函数插值区别是什么？什么是泰勒多项式？它是什么条件下的插值多项式？答：一般函数插值要求插值多项式与被插函数在插值节点上函数值相等，而埃尔米特插值除此之外还要求在节点上的一阶导数值甚至高阶导数值也相等.称()()()()()()()n n n x x n x f x x x f x f x P 00000!-++-'+= 为()x f 在点0x 的泰勒插值多项式，泰勒插值是一个埃尔米特插值，插值条件为()()()()n k x f x P k k n ,,1,0,00 ==，泰勒插值实际上是牛顿插值的极限形式，是只在一点0x 处给出1+n 个插值条件得到的n 次埃尔米特插值多项式.9.为什么高次多项式插值不能令人满意？分段低次插值与单个高次多项式插值相比有何优点？答：对于任意的插值结点，当∞→n 时，()x L n 不一定收敛于()x f ，如对龙格函数做高次插值时就会出现振荡现象，因而插值多项式的次数升高后，插值效果并不一定能令人满意.分段低次插值是将插值区间分成若干个小区间，在每个小区间上进行低次插值，这样在整个插值区间，插值多项式为分段低次多项式，可以避免单个高次插值的振荡现象.10.三次样条插值与三次分段埃尔米特插值有何区别？哪一个更优越？请说明理由.答：三次样条插值要求插值函数()[]b a C x S ,2∈，且在每个小区间[]1,+j j x x 上是三次多项式，插值条件为()n j y x S j j ,,1,0, ==.三次分段埃尔米特插值多项式()x I h 是插值区间[]b a ,上的分段三次多项式，且满足()[]b a C x I h ,1∈，插值条件为()()k k h x f x I =，()()),,1,0(,n k x f x I k k h='='. 分段三次埃尔米特插值多项式不仅要使用被插函数在节点处的函数值，而且还需要节点处的导数值，且插值多项式在插值区间是一次连续可微的.三次样条函数只需给出节点处的函数值，但插值多项式的光滑性较高，在插值区间上二次连续可微，所以相比之下，三次样条插值更优越一些.11.确定1+n 个节点的三次样条插值函数需要多少个参数？为确定这些参数，需加上什么条件？答：由于三次样条函数()x S 在每个小区间上是三次多项式，所以在每个小区间[]1,+j j x x 上要确定4个待定参数，1+n 个节点共有n 个小区间，故应确定n 4个参数，而根据插值条件，只有24-n 个条件，因此还需要加上2个条件，通常可在区间[]b a ,的端点0x a =，n x b =上各加一个边界条件，常用的边界条件有3种： (1) 已知两端的一阶导数值，即()00f x S '='，()n n f x S '='.(2) 已知两端的二阶导数值，即()00f x S ''=''，()n n f x S ''='',特殊情况为自然边界条件()00=''x S ，()0=''n x S .(3) 当()x f 是以0x x n -为周期的周期函数时，要求()x S 也是周期函数，这时边界条件就满足()()00-=+n x S x S ，()()000-'=+'n x S x S ，()()000-''=+''n x S x S这时()x S 称为周期样条函数.12.判断下列命题是否正确？(1) 对给定的数据作插值，插值函数个数可以任意多.(2) 如果给定点集的多项式插值是唯一的，则其多项式表达式也是唯一的.(3) ()),,1,0(n i x l i =是关于节点),,1,0(n i x i =的拉格朗日插值基函数，则对任何次数不大于n 的多项式()x P 都有()()()x P x P x l ini i=∑=0(4) 当()x f 为连续函数，节点),,1,0(n i x i =为等距节点，构造拉格朗日插值多项式()x L n ，则n 越大()x L n 越接近()x f .(5) 同上题，若构造三次样条插值函数()x S n ，则n 越大得到的三次样条函数()x S n 越接近()x f .(6) 高次拉格朗日插值是很常用的.(7) 函数()x f 的牛顿插值多项式()x P n , 如果()x f 的各阶导数均存在，则当),,1,0(0n i x x i =→时，()x P n 就是()x f 在0x 点的泰勒多项式.答：(1) 对.(2) 错.1+n 个节点上的拉格朗日插值和牛顿插值就是表示形式不同的两种插值多项式. (3) 对.(4) 错.当∞→n 时，()x L n 并一定收敛到()x f .(5) 对.(6) 错.高次拉格朗日插值不一定具有收敛性，因而并不常用. (7) 对.。
数值分析-第二章-学习小结
数值分析-第二章-学习小结(总9页) --本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--第2章线性方程组的解法--------学习小结一、本章学习体会本章主要学习的是线性方程组的解法。
而我们则主要学习了高斯消去法、直接三角分解法以及迭代法三种方法。
这三种方法的优缺点以及适用范围各有不同。
高斯消去法中，我们又学习了顺序高斯消去法以及列主元素高斯消去法。
顺序高斯消去法可以得到方程组的精确解，但要求系数矩阵的主对角线元素不为零，而且该方法的数值稳定性没有保证。
但列主元素高斯消去法因为方程顺序的调整，其有较好的数值稳定性。
直接三角分解法中，我们主要学习了Doolitte分解法与Crout分解法。
其思想主要是：令系数矩阵A=UL，其中L为下三角矩阵，U是上三角矩阵，为求AX=b 的解，则引进Ly=b,Ux=y两个方程，以求X得解向量。
这种方法计算量较小，但是条件苛刻，且不具有数值稳定性。
迭代法（逐次逼近法）是从一个初始向量出发，按照一定的计算格式，构造一个向量的无穷序列，其极限才是所求问题的精确解，只经过有限次运算得不到精确解。
该方法要求迭代收敛，而且只经过有限次迭代，减少了运算次数，但是该方法无法得到方程组的精确解。
二、本章知识梳理针对解线性方程组，求解线性方程组的方法可分为两大类：直接法和迭代法，直接法（精确法）：指在没有舍入误差的情况下经过有限次运算就能得到精确解。
迭代法（逐次逼近法）：从一个初始向量出发，按照一定的计算格式，构造一个向量的无穷序列，其极限才是所求问题的精确解，只经过有限次运算得不到精确解。
我们以前用的是克莱姆法则，对于计算机来说，这种方法运算量比较大，因此我们学习了几种减少运算次数的方法，有高斯消去法、直接三角分解法，同时针对病态方程组，也提出了几种不同的解法。
Gauss消去法Gauss消去法由消元和回代两个过程组成，消元过程是指针对方程组的增广矩阵，做有限次初等行变化，使它系数矩阵变为上三角矩阵。
数值分析(清华大学出版社)第二章课后答案
1.用Gauss 消去法解方程组⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤---⎢⎢⎢⎢⎣⎡-551631011411014211264321x x x x 解：第一步：交换第三行和第一行，得到如下矩阵⎥⎥⎥⎥⎦⎤----⎢⎢⎢⎢⎣⎡-56153101111402411621做运算()22121E E E →⎪⎭⎫ ⎝⎛+-，()33161E E E →⎪⎭⎫⎝⎛+-，()()441E E E →+，得到增广矩阵 ⎥⎥⎥⎥⎦⎤------⎢⎢⎢⎢⎣⎡0249525213237414210001 第二步：再做运算()3322E E E →+，()44221E E E →⎪⎭⎫⎝⎛+-，得到如下矩阵 ⎥⎥⎥⎥⎦⎤-----⎢⎢⎢⎢⎣⎡94295292113377400210001第三步：做运算()4433713E E E →⎪⎭⎫⎝⎛+，得到 ⎥⎥⎥⎥⎦⎤------⎢⎢⎢⎢⎣⎡21342951919210377400210001利用回代公式求得.790576.0,361257.0,863874.0,115183.11234=-==-=x x x x2、解 2.51 1.48 4.531.480.93 1.302.68 3.041.48⎡⎤⎢⎥-⎢⎥⎢⎥-⎣⎦123x x x ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦=0.051.030.53⎡⎤⎢⎥⎢⎥⎢⎥-⎣⎦ 做两次换行()()()()↔↔3132;E E E E 得2.683.04 1.42.511.48 4.531.480.931.30⎡⎤-⎢⎥⎢⎥⎢⎥-⎣⎦123x x x ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦=0.530.051.03⎡⎤-⎢⎥⎢⎥⎢⎥⎣⎦ 计算()()()()-+→-+→1221330.93657;0.55224;E E E E E E2.683.04 1.481.3672 5.916100.748810.48269⎡⎤-⎢⎥-⎢⎥⎢⎥--⎣⎦123x x x ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦=0.530.546381.3227⎡⎤-⎢⎥⎢⎥⎢⎥⎣⎦计算()()-+→2330.54770;E E E2.683.04 1.4801.36725.9161003.7229⎡⎤-⎢⎥-⎢⎥⎢⎥-⎣⎦123x x x ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦=0.530.546381.0235⎡⎤-⎢⎥⎢⎥⎢⎥⎣⎦ 换行和消去到此结束，经回代计算得到x =()1.440360, 1.577963,0.27494T--3.用Doolittle 三角分解方法解方程组⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡----551631011411014211264321x x x x解：首先对系数矩阵A 做分解LUA =解出：解b y L=，计算出Ty ⎪⎭⎫ ⎝⎛--=74213,521,1,6解y x U=，计算出()T x 115183.1,863874.0,361257.0,790576.0--=4.设][,ij n n a A R A =∈⨯,011≠a ，b Ax =经过高斯消去法一步后变为)2()2(b x A =，其中=)2(A⎥⎦⎤⎢⎣⎡21110A a a T ，(2)A =()(2),2n ij i j a =为(n-1)⨯(n-1)矩阵.其元素为(2)ija =(1)ij a -(1)(1)11i j a a /(1)11a , ,i j =2,3, n. 证明：（1）若A 对称正定，则2A 是对称矩阵。
数值分析思考题2
数值分析思考题21、已知函数()f x 的下列观测值：利用Lagrange 和Newton 插值方法计算02(.)f 的近似值。
若另外测得一个新点：02080(.).f ，试估计用上述方法计算02(.)f 的近似值的误差。
答：lagragange 插值方法：（1） n=1时，取x 0=0.15，x 1=0.25，L 1(x)=l 0(x)f(x 0)+l 1f(x 1)= x−0.250.15−0.25×0.860708+x−0.150.25−0.15×0.778801;将x=0.2代入得f （0.2）=0.8197545 （2） n=2时，取x 0=0.15，x 1=0.25，x 2=0.30，L2（x ）=l0(x)f(x0)+l1f(x1)+l2f(x2)=（x −x1)(x −x2)(x 0−x 1)(x 0−x 2)f(x0)+（x −x0)(x −x2)(x 1−x 0)(x 1−x 2)f(x1)+（x −x0)(x −x1)(x 2−x 0)(x 2−x 1)f(x2);代入x=0.2.得f （0.2）=0.8187643334Newton 插值方法：clear,clcX=[0.10,0.15,0.25,0.30];Y=[0.904837,0.860708,0.778801,0.740818]; n=length(X); A(1:n,1)=Y(1:n); format rat已知for j=2:nfori=j:nA(i,j)=(A(i,j-1)-A(i-1,j-1))/(X(i)-X(i-j+1)); end end A=A syms x f f=0; fori=1:n u=1.0; for k=1:i-1u=u*(x-X(k)); endf=f+u*A(i,i); end y=expand(f) ezplot(y,[0.10,0.30]) hold on plot(X,Y,'ro') 得f(0.2)=0.8188.2、函数251()f x x =+及定义区间]5,5[-，将定义区间分成 10等分。
数值分析思考题
数值分析重点考察内容第一章：基本概念第二章：Gauss消去法，Lu分解法第三章：题型：具体题＋证明，误差分析三个主要迭代法，条件误差估计，范数的小证明第四章：掌握三种插值方法：拉格朗日，牛顿，厄尔米特，误差简单证明，构造复合函数第五章：最小二乘法计算第六章：梯形公式，辛普森（抛物线）公式，高斯公式三个重要公式，误差分析。
高斯求积公式的构造第七章：几种常用的迭代格式构造，收敛性证明。
第九章：基本概念（收敛阶，收敛条件，收敛区域等）, 简单欧拉法。
第一章 误差1. 科学计算中的误差来源有4个，分别是________，________，________，________。
2. 用Taylor 展开近似计算函数000()()'()()f x f x f x x x ≈+-，这里产生是什么误差？3. 0.7499作34的近似值，是______位有效数字，65.380是舍入得到的近似值，有____几位有效数字，相对误差限为_______. 0.0032581是四舍五入得到的近似值，有_______位有效数字.4. 改变下列表达式，使计算结果比较精确：（1）11,||1121x x x x --++ （2）||1x （3） 1cos ,0,|| 1.x x x x -≠ （4） sin sin ,αβαβ-≈5.采用下列各式计算61)时，哪个计算效果最好？并说明理由。
（1）（2）99-（3）6(3- （46. 已知近似数*x 有4位有效数字，求其相对误差限。
上机实验题：1、利用Taylor 展开公式计算 0!kx k x e k ∞==∑，编一段小程序，上机用单精度计算x e 的函数值. 分别取 x =1，5，10，20，-1，-5，-10，-15，-20，观察所得结果是否合理，如不合理请分析原因并给出解决方法.2、已知定积分10,0,1,2,,206n n x I dx n x ==+⎰,有如下的递推关系 1111100(6)61666n n n n n x x x x I dx dx I x x n ---+-===++-⎰⎰ 可建立两种等价的计算公式 (1) 1016,0.154n n I I I n -=-=取； (2) 12011),0.6n n I nI I n-=-=（取 来计算123419,,,,,I I I I I ，编程比较哪种计算的数值结果好，并给出理论分析。
数值分析思考题2
数值分析思考题二1、 怎样确定一个隔根区间？如何求解一个方程的全部实根？如：已知方程：1020()x f x e x =+-=在(),-∞+∞有实数根，用二分法求它的全部实根，要求误差满足210*k x x --<？若要求6*10k x x --<，需二分区间多少次？答： （1）已知1020()x f x e x =+-=,作210x e x =-的图像，可得在区间[0,1]之间有交点，即有且仅有一个根。
由于()102x f x e x =+-，所以()f x 在区间[0,1]上连续，且()00100210f e =+⨯-=-，()11101280f e e =+⨯-=+，即()()010f f •，又()'100x f x e =+,根据零点定理得知，在()f x 在区间[0,1]有唯一实根。
由二分法的估计式()*211102k k x x b a ε-+-≤-=，得到()ln 102ln10 4.60511 5.645ln 20.693k-+-≈-≈，因此取6k =。
1211102 4.6022f e ⎛⎫=+⨯-≈ ⎪⎝⎭，又()1002f f ⎛⎫• ⎪⎝⎭，()f x 在区间[0,12]有唯一实根。
1411102 1.8044f e ⎛⎫=+⨯-≈ ⎪⎝⎭，同理，()f x 在区间[0,14]有唯一实根。
18111020.38088f e ⎛⎫=+⨯-≈ ⎪⎝⎭，同理，()f x 在区间[0,18]有唯一实根。
116111020.3101616f e ⎛⎫=+⨯-≈- ⎪⎝⎭，又110816f f ⎛⎫⎛⎫• ⎪ ⎪⎝⎭⎝⎭，()f x 在区间[18,116]有唯一实根。
332331020.03603232f e ⎛⎫=+⨯-≈ ⎪⎝⎭，同理，()f x 在区间[116,332]有唯一实根。
56455102.0146464f e ⎛⎫=+⨯-=- ⎪⎝⎭，故 50.07864=即为所求。
高等数值分析第二章答案
第二章习题参考答案1.解： 由于20Ax b−≥，极小化2b Ax −与极小化22Ax b −是等价的。
令22()(,)(,)2(,)x Ax b Ax Ax b b Ax b ϕ=−=+−，对于任意的n R y x ∈,和实数α，)()(),()()(,*222*2****x Ay a x Ay Ay a x ay x b Ax x ϕϕϕϕ≥+=+=+=则有满足若这表示处达到极小值。
在*)(x x ϕ反之，若必有处达到极小，则对任意在nR y x ay x ∈+*)(ϕ0),(2),(2),(20)(**0*=−=+−=+=Ay b Ax Ay Ay a Ay b Ax daay x d a 即ϕ故有 b Ax =*成立。
以上证明了求解,22b Ax b Ax −=等价于极小化即。
等价于极小化2b Ax b Ax −= 推导最速下降法过程如下：),/(),(0),(),(,0),,2)(222)()(11k T k T k T k k T k T k T k k T k k k T k k kT k T k T T x x k r AA r AA r AA r a r AA r AA a r AA r r aA x da dx a r aA x x r A Ax b A Ax A b A x grad x x k==+−=++==−=−=−++=最终得到得出（由取得极小值。
使求出取的负梯度方向，且下降最快的方向是该点在ϕϕϕ给出的算法如下：1）)(000Ax b A r A R x T T n −=∈，计算给定； 2）L ,2,1,0=k 对于）转到否则数。
为一事先给定的停机常则停止；其中若2),/(),(10,11kT k k k k T k k k k k k k k k r A p Ax b r r A a x x Ap Ap p p a k k r =−=+==+=>≤−−εε2.证明 1） 正定性由对称正定矩阵的性质，(),0x Ax ≥（当且仅当x ＝0时取等号），所以 ()12,0Axx Ax =≥（当且仅当x ＝0时取等号）2） 齐次性()()()121122,(),,AA xx A x x Ax x Ax x αααααα⎡⎤====⎣⎦3）o1方法（一）A 是对称正定矩阵，得到(,())0x y A x y λλ++≥，把它展开如下2(,)(,)(,)(,)0y Ay x Ay y Ax x Ax λλλ+++≥考虑到(,)(,)(,)x Ay Ax y y Ax ==，把上式看成关于λ的一元二次方程，则式子等价于24(,)4(,)(,)0x Ay x Ax y Ay ∆=−≤因此1/21/2(,)(,)(,)x Ay x Ax y Ay ≤所以1/21/221/21/2((,)(,))(,)(,)2(,)(,)(,)(,)2(,)(,)(,)(,)(,)((),())x Ax y Ay x Ax y Ay x Ax y Ay x Ax y Ay x Ay x Ax y Ay x Ay y Ax x y A x y +=++≥++=+++=++两边开平方即可得到AA A x yx y +≤+因此，1/2(,)A x Ax x =是一种向量范数。
- 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)。
第二章思考题
1.画出残差校正法的程序框图
2.查阅目前解决病态线性方程组的方法有哪些，并计较其优劣。
答：对病态线性方程组的求解可采用一下方法求解：
（1）采用高精度的算术运算。
采用双精度，可改善和减轻病态矩阵的影响。
（2）平衡方法。
当A 的元素的数量级差别很大时，采用行平衡或列平衡的方法可降低A 的条件数。
（3）残差矫正法。
设A 非奇异且Cond （A ）不特别大，方程组Ax=b 病态但不特别严重，这时可用残差矫正法求解Ax=b 。
（4）残量迭代法。
残量迭代法是在用Gauss 消去法求出方程组AX b =的近似解后，进行以下的计算： PA LU =.
然后，重复迭代： b AX γ=- LY P γ= UZ Y = X X Z =+
其中，PA LU =，X ，Y 和Z 用t 位有效数字计算，b AX -用2t 位有效数字生成。
残量迭代法的计算量比较少，在机器上非常容易执行，而且计算精度也比较高，但是它不是对所有的病态方程组都适用，当()10t Cond A ≥时，其计算结果就不够准确。
（5）加权迭代改善法。
加权迭代改善法是对方程组AX b =构造一个迭代过程：()()()1k k A I X b X λλ++=+ ，其中0λ≠为一常数，I 为与A 同阶的单位方阵,0,1,2,k = 为迭代次数，()0X 为解的初始值，()k X 是第k 次迭代后求得的近似解。
只要λ取得合适，A I λ+的逆矩阵()1
A I λ-+便存在。
加权迭代改善法不必选主元且保持原系数矩阵的稀疏性，通过加权因子λ的选取来改善矩阵的条件数，得到了比较好的计算结果，但是由于加权因子λ的选取也使得加权迭代改善法的应用受到了限制。
（6）误差转移法。
误差转移法是基于即使方程组的计算解的精度不高，也可获得相对较小的余量这一特点而设计的。
设方程组AX b =的计算解为x τ，既然b Ax τ=对误差很大的解x τ也能比较准确的成立，因而，如果求解r x cy *=其中，c 为n n ⨯阶非奇异矩阵，则即使计算解r y 的误差比较大，得到比较准确的x *。
，
在这种解法中，问题的病态性固然会导致解的巨大误差，但这种误差直接反映在r y 上，对x *的影响则小得多，因为主要的误差已经从原来的x *转移到中间量r y 上了。
误差转移法的原理及实现都十分简捷，仅运用了常规的行列均衡
处理和对称三角分解，而且巧妙地把误差转移到另一个中间量上，对病态问题具有高度的有效性。
（7）迭代修改法。
解系数比较大的线性方程组时，通常采用迭代法。
迭代法可以克服误差积累的问题，且具有达到所要求的精度和对计算内存要求不大，计算时间比较少的优点。
迭代修改法是在简单迭代法的基础上，根据线性代数对角占优简单迭代必收敛的性质修改而成的。
设线性方程组AX b =，其中系数矩阵A 是n n ⨯阶非奇异，病态的。
首先分解A ：A B H =+，得()B H X b +=其中{}ii B a =，{}ij H a =，j i ≠，1,i j n ≤≤在方程组的两端同时加上DX ，得()B H D X b D X ++=+其中D 为对角阵，且1,n i ij ii j d Sign a a =⎧⎫=⎨⎬⎩⎭
∑，符号{},Sign a b 的含义是与b 同号，
数值取a 。
整理后得()()B D X b D H X +=+-即
()
[()]1X B D b D H X -=++- 得迭代格式 ()()[()()11k k X B D b D H X -+⎤=++-⎦
记()()1
M B D D H -=+-，()()1k k X X X +∆=-，那么有 ()()()10k k k X M X M X -∆=∆==∆
由此可见式收敛，因为矩阵D 的加入使得()B H D ++满足对角严格占优简单迭代收敛的条件。
实际计算中，有时可以放宽处理，可取
,i ij ii ij d Sign Max a a ⎧⎫⎪⎪=⎨⎬⎪⎪⎩⎭或,i ij ii j d Sign Max a a ⎧⎫⎪⎪=⎨⎬⎪⎪⎩⎭
j i ≠ 故修改的Jacobi 迭代为
()()()()1k k i
ij i i j i ii i b a x d x k i b d x ≠⎛⎫ ⎪ ⎪⎝⎭-+++∑=
（8）预处理迭代修改法.预处理可以降低方程组系数矩阵的条件数，使得计算解的收敛速度和精确度得到提高；而迭代法可以克服积累误差的问题，提高解的精确度，而且用比较少的时间就可以得出方程的解。
综合两者的优点把它们结合起来，形成了预处理迭代修改法。