最新数值分析课后习题部分参考答案
- 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)。
数值分析课后习题部分参考答案
Chapter 1
(P10)5. 求2的近似值*
x ,使其相对误差不超过%1.0。
解: 4.12=。
设*
x 有n 位有效数字,则n
x e -⨯⨯≤10
105.0|)(|*。
从而,1
105.0|)(|1*
n
r x e -⨯≤。
故,若%1.010
5.01≤⨯-n
,则满足要求。
解之得,4≥n 。
414.1*
=x 。
(P10)7. 正方形的边长约cm 100,问测量边长时误差应多大,才能保证面积的误差不超过12
cm 。
解:设边长为a ,则cm a 100≈。
设测量边长时的绝对误差为e ,由误差在数值计算的传播,这时得到的面积的绝对误差有如下估计:e ⨯⨯≈1002。
按测量要求,1|1002|≤⨯⨯e 解得,2
105.0||-⨯≤e 。
Chapter 2
(P47)5. 用三角分解法求下列矩阵的逆矩阵:
⎪⎪⎪⎭
⎫ ⎝⎛--=011012111A 。
解:设()γβα=-1
A。
分别求如下线性方程组:
⎪⎪⎪⎭⎫ ⎝⎛=001αA ,⎪⎪⎪
⎭
⎫ ⎝⎛=010βA ,⎪⎪⎪⎭⎫ ⎝⎛=100γA 。
先求A 的LU 分解(利用分解的紧凑格式),
⎪⎪⎪⎭
⎫ ⎝⎛-----3)0(2)1(1)1(2)0(1)1(2)2(1)1(1)1(1)1(。
即,⎪⎪⎪⎭⎫ ⎝⎛=121012001L ,⎪⎪⎪
⎭
⎫
⎝⎛---=300210111U 。
经直接三角分解法的回代程,分别求解方程组,
⎪
⎪⎪
⎭
⎫ ⎝⎛=001Ly 和y U =α,得,⎪⎪⎪⎭⎫
⎝⎛-=100α;
⎪⎪⎪⎭
⎫ ⎝⎛=010Ly 和y U =β,得,⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=3231
31β;
⎪⎪⎪⎭
⎫ ⎝⎛=100Ly 和y U =γ,得,;⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--=3132
31γ。
所以,⎪⎪⎪⎪⎪⎪⎭
⎫ ⎝
⎛---=-313
2132310
313101
A 。
(P47)6. 分别用平方根法和改进平方根法求解方程组:
⎪⎪⎪⎪⎪
⎭
⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----816
2115153114015052
31214321x x x x 解:
平方根法:
先求系数矩阵A 的Cholesky 分解(利用分解的紧凑格式),
⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----1)15(2)1(1)5(3)3(3
)14(2)0(1)1(1)5(2)2(1)1(,即,⎪⎪⎪⎪⎪⎭
⎫
⎝
⎛--=12133210012
0001
L ,其中,T
L L A ⨯=。
经平方根法的回代程,分别求解方程组
⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=81621Ly 和y x L T =,得,⎪⎪⎪⎪⎪⎭
⎫
⎝⎛=1111x 。
改进平方根法:
先求系数矩阵A 的形如T
L D L A =的分解,其中44)(⨯=ij l L 为单位下三角矩阵,
},,,{4321d d d d diag D =为对角矩阵。
利用计算公式,得
11=d ;
;1,2,222121===d l t
;9,2,1,2,1332313231=-==-==d l l t t
1,3
2
,1,3,6,1,34434241434241==
=-===-=d l l l t t t 。
分别求解方程组,
⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=81621Ly 和y x DL T =,得,⎪⎪⎪⎪⎪⎭
⎫ ⎝⎛=1111x 。
(P48)12. 已知方程组⎩
⎨⎧=+=+198.099.0199.02121x x x x 的解为100,10021-==x x 。
(1) 计算系数矩阵的条件数;
(2) 取T
T x x )5.99,5.100(,)0,1(*2*1-==,分别计算残量)2,1(*=-=i Ax b r i i 。
本题的计算结果说明了什么?
解:(1)设⎪⎪⎭⎫ ⎝⎛=98.099.099.01A ,求得,⎪⎪⎭
⎫ ⎝⎛--=-100009900990098001
A 。
从而,39601)(1=A Cond 。
(2)计算得,T
r )01.0,0(1=,01.01
1
=r ;T r )985.0,995.0(2--=,98.11
2
=r 。
这说明,系数矩阵的条件数很大时,残量的大小不能反映近似解精度的高低。
Chapter 3
(P72)3. 用Jacobi 迭代和Gauss-Seidel 迭代求解方程组
⎪⎩⎪
⎨⎧=++=++=-+1
221122321
321321x x x x x x x x x 取初值T x
)0,0,0()
0(=,迭代4次,并比较它们的计算结果。
解:由方程组得,
1
221122213312321+--=+--=++-=x x x x x x x x x
从而,Jacobi 迭代格式为:
1
2211
22)(2)(1)1(3)(3)(1)1(2)
(3)(2)1(1+--=+--=++-=+++k k k k k k k k k x x x x x x x x x ,.,2,1,0 =k Gauss-Seidel 迭代格式为:
1
2211
22)1(2)1(1)1(3)(3)1(1)1(2)(3)(2)1(1+--=+--=++-=++++++k k k k k k k k k x x x x x x x x x ,.,2,1,0 =k 整理得,
1
232122)(3)1(3)
(3
)(2)1(2)(3)(2)1(1-=-=++-=+++k k k k k k k k x x x x x x x x ,.,2,1,0 =k
Jacobi 迭代:
T
T T T T x x x x x )1,3,3()1,3,3()3,1,1()1,1,1()0,0,0()4()3()2()1()0(-=→-=→--=→=→=Gauss-Seidel 迭代:
T
T T T T x x x x x )15,51,43()7,15,11()3,3,1()1,0,1()0,0,0()4()3()2()1()0(--=→--=→--=→-=→=Jacobi 迭代中)
3(x
已经是方程组的精确解,而从Gauss-Seidel 迭代的计算结果,可以预见它
是发散的。
(P73)9.设有方程组
⎪⎩
⎪
⎨⎧=+=+=++33122113214b
x ax b x ax b ax ax x (1) 分别写出Jacobi 迭代法和Gauss-Seidel 迭代法的计算公式,
(2) 用迭代收敛的充要条件给出这两种迭代法都收敛的a 的取值范围。
解: 由方程组得,
3
132********b ax x b x ax x b ax ax x +-=+--=+--= 从而,Jacobi 迭代格式为:
3
)(1)1(32)(1)
1(21
)
(3)(2)1(14b ax x b ax x b ax ax x k k k k k k k +-=+-=+--=+++,.,2,1,0 =k
迭代矩阵为:⎪⎪⎪
⎭
⎫ ⎝⎛----=000040
a a
a a B 设0||=-B I λ,求得,||5|,|5,0321a a -===λλλ,故||5)(a B =ρ。
另由Jacobi 迭代格式,得Gauss-Seidel 迭代格式为:
3
1)(32)(22)1(321)
(32)(22)1(21
)
(3)(2)1(1444b ab x a x a x b ab x a x a x b ax ax x k k k k k k k k k +-+=+-+=+--=+++,.,2,1,0 =k 迭代矩阵为:⎪⎪⎪⎭
⎫ ⎝⎛--=2222
04400a a a a
a a G 设0||=-G I λ,求得,23215,0,0a ===λλλ,故2
5)(a G =ρ。
另外,应保证方程组的系数矩阵非奇异,解得,5
5
±
≠a 。
由迭代收敛的充要条件得, Jacobi 迭代收敛55||<
⇔a ;Gauss-Seidel 迭代收敛5
5||<⇔a 。
故,使得两种迭代法都收敛的a 的取值范围是相同的:5
5
||<
a 。
(P74)12.证明对称矩阵⎪⎪⎪⎭
⎫ ⎝⎛=111a a a a a a A 当12
1<<a 时为正定矩阵,且只有当21
||<a 时,
Jacobi 迭代解b Ax =才收敛。
解: A 为正定当且仅当以下三个不等式同时成立:
01
11,01
1,01>>>a a a a a
a a a ,
解之得,
12
1
<<a 。
此时解方程组的Gauss-Seidel 迭代收敛。
另外,可得解方程组的Jacobi 迭代格式的迭代矩阵为
⎪⎪
⎪⎭⎫ ⎝⎛------=000a a a a a a B
解得,||2)(a B =ρ。
由收敛的充要条件,Jacobi 迭代收敛当且仅当2
1||<
a 。
Chapter 5
(P140)7.设n x x x ,,,10 为1+n 个互异节点,),1,0)((n j x l j =为这组节点上的n 次Lagrange 插值基函数,试证:
(1)
∑===n
j k j
k j n k x x l x
,1,0,)( ;
(2)
∑==≡-n
j j k j
n k x l x x
,1,0,0)()( 。
证:(1)对于固定的},,2,1{n k ∈,设∑==n
j j
k
j x l x
x P 0
)()(,则)(x P 为次数不超过n 的多
项式,且
k i i x x P =)(,n i ,,1,0 =
而对于多项式函数k
x 当然也满足如上的等式条件以及次数n ≤,由Lagrange 插值问题的适定性,k
x x P =)(。
(2)对于固定的},,2,1{n k ∈,
∑∑∑∑∑==---===--=-=-n
j j
i j k
i i
k i
k i k
i
k i j
n
j n j k
i i
k i k
j j k
j
x l
x x
C x
x C x l x l x x
)
()
1()
1()()()(
0)()1(0
≡-=-=∑=--k i k
i i k i k i k x x x x C ,证完。