数值代数练习题2010.doc

指出下列说法中哪些是不正确的,并说明理由。 用两种数学上等价的计算公式,在同一计算机上计算的结果是相同的。 对线性方程组,如果Jacobi迭代法收敛,则相应的Gauss-Seidel迭代法也收敛。 求解法(正则)方程是求解最小二乘问题的有效算法。 二、判断正误 一个计算问题是否病态是计算问题本身固有的属性，与所使用的计算方法没有关系。 在计算机上进行数值计算时，满足乘法的结合率。 线性方程组系数矩阵对称正定时，Jacobi迭代法收敛。 对于2个变量2个方程的方程组，当Jacobi迭代收敛时，Gauss-Seidel迭代收敛。 一个算法是否数值稳定是算法本身的固有属性，与计算问题是否病态无关。 在计算机上进行数值计算时，满足加法的结合率。 线性方程组系数矩阵对称正定时，Gauss-Seidel迭代法收敛。 对于2个变量2个方程的方程组，当Jacobi迭代发散时，Gauss-Seidel迭代收敛。 三、 简要回答下列问题： 1.对线性方程组,如果Gauss-Seidel迭代收敛,则Jacobi迭代一定收敛吗？ 2.用数值方法解决实际问题时,必须考虑哪四种误差? 3.说明求解特征值的两步平移法的好处？ 叙述矩阵广义逆的定义，指出矩阵广义逆的一个应用。 误差可以分成几类？ 同一种数值方法是否可以有多种实现方法?效果是相同的吗? 为什么说把数据输入计算机的过程中舍入误差几乎难免? 什么是矩阵的谱半径？请说明，在数值分析中，矩阵的谱半径有用。 在计算机上计算何时会遇到困难? 为什么在数值计算过程中尽量避开绝对值很小的数做分母？ 在机器数集合上，标准浮点加法是否满足结合律？为什么？ 在数值计算过程中为什么要尽量避开相近数相减？ 对于2阶线性方程组，Jacobi迭代和Seidel迭代矩阵谱半径之间有何关系？ 用数值方法解决实际问题时,为什么应该进行扰动分析? 在计算机上计算时，应该如何计算? 说明求解特征值的两步平移法的好处。 四、范数理论 证明 （1） （2） （3） 2、设，证明 （1） （2）对于任意酉阵和有 证明 Frobenius 范数的下述性质 （1） ； （2）； 4、设是上由向量范数诱导的算子范数，证明，如果A 是上的可逆阵，那么 设矩阵，计算 6、, 证明: 是算子范数。 7、, 证明: 是算子范数。 8、若和都是非奇异的，证明 9、设为上的一个向量范数，且为可逆矩阵,对任意的，定义，则也为上的一种向量范数。 五、初等变换、矩阵分解 1. 对，，当时，则一定存在Householder变换使 2. （1）已知向量，请给出一个镜面反射矩阵，把的后二个分量化为零。 （2）已知向量，请给出一个Householder矩阵，使的后两个分量为0。 3. 已知向量，请给出一个Gauss消元矩阵，使。 4. 5. A是严格对角占优矩阵，证明：A一定存在LU分解。 6. 已知的QR分解，如何计算增加一行的新矩阵的QR分解？ 7．求矩阵A部分主元LU分解 。 8. 任一方阵都正交相似于一个上-Hessenberg 阵, 若H不可约，则 Q、H由A 及 确定 . P36.4.5.7.8.10 P97 1.2. 3. 4. 六、方程组 1、设线性方程组 (1).试写出系数矩阵的Cholesky分解,其中为下三角矩阵; (2).用Cholesky分解方法求解此线性方程组。 用不选主元的直接LU三角分解法，求解方程组,并求出： 3、用不选主元的直接LU三角分解法，求解方程组并求： 设是对称正定三对角阵，请设计一种方法用于求解。 5、假设且,试证:(1).矩阵是可逆的,且 (2).(3).(其中是算子范数) 6、A是严格对角占优矩阵，证明：Gauss-Seidel迭代法收敛。 7、证明:为严格对角占优阵,则Jacobi迭代求解必收敛。 8、（1）试说明：求解线性方程组的G-S迭代法可以写成 其中是与无关的某个矩阵。 （2）试说明：求解线性方程组的Jacobi迭代法可以写成 其中是与无关的某个矩阵。 9、设线性方程组 判断Gauss-Seidel迭代法敛散性。 10、线性方程组， 1）为何值时，系数矩阵是正定的？ 2）为何值时，Jacobi迭代收敛？ 3）为何值时，Gauss-Seidel迭代收敛？ 11、设 ，其中 a 为实数，问： （1）a取何值时A是正定的？ （2）对于哪些A，Jacobi迭代收敛？ （3）对于哪些A，GS迭代收敛？ 12、、对线性方程组，当时，用Jacobi迭代法和Gauss-Seidel迭代法求解，证明这两种方法要么同时收敛，要么同时发散。 七、最小二乘与广义逆 1、 A是列满秩矩阵，证明：法方程组的解为的解。 2、法方程组与同解。 3、证明：为的最小范数解。 4、试说明最小二乘问题与广义逆