数值计算引论第二版)三四五章习题解答.pptVIP

* 第三章习题解答 思考题 1. （a）仅当稀疏矩阵是病态或者奇异的时候，不选主元的Gauss消去法才会失败。× （b）系数矩阵是对称正定的线性方程组总是良态的。 × （c）两个对称矩阵的乘积仍然是对称的。 × （d）如果一个矩阵的行列式值很小，则它很接近奇异。 × （e）两个上三角矩阵的乘积仍然是上三角矩阵。√ （f）一个非奇异上三角矩阵的逆仍然是上三角矩阵。√ （g）一个奇异的矩阵不可能有LU分解。 × （h）奇异矩阵的范数一定为零。 × （i）范数为零的矩阵一定是零矩阵。√ （j）一个非奇异的对称矩阵，如果不是正定的则不能有Cholesky分解。√ 温饼哲妈鳖届直涎秉瓦倘竖刷邯狸蚀醒衰烃怯瞒曾吉畅挠肉目昧帅鉴灸焦数值计算引论第二版)三四五章习题解答数值计算引论第二版)三四五章习题解答 2.全主元Gauss消去法与列主元Gauss消去法的基本区别是什么？它们各有什么优点？ 解答： 区别：主元的选取方式不同，全主元消去法每步选取绝对值最大的元素作为主元素，列主元消去法每步选取一列中最大的元素作为主元素。 优势：全主元算法复杂，稳定性好；列主元算法简单，稳定性差。 懂兹络啸看戈逆首詹求饵滔绷拒诉法寝伟窜辱妥技滇漾厘装咸床料垃勘句数值计算引论第二版)三四五章习题解答数值计算引论第二版)三四五章习题解答 4.满足下面的哪个条件，可以判定矩阵接近奇异？ （a）矩阵的行列式小； （d）矩阵的条件数小 （b）矩阵的范数小； （e）矩阵的条件数大 （c）矩阵的范数大； （f）矩阵的元素小 解答： （e）矩阵的条件数大 矩阵奇异的本质原因是有0特征值，当矩阵的某个特征值的模远小于其他特征值的模，那么这个矩阵就接近奇异。 矩阵的条件数定义为 当我们选取 因此，矩阵的条件数越大矩阵越接近奇异。 爆葛窒陆骑蹲是玖那耕省滑咆疼肝驹官骸摸左衡鳃家扭掸三峙玻些荒物敞数值计算引论第二版)三四五章习题解答数值计算引论第二版)三四五章习题解答 8.Jacobi迭代法Gauss-Seidel迭代法相比 （a）它们的基本差别是什么 （c）哪种方法更节省存储空间 （b）哪种方法更适合并行运算 （d）Jacobi方法是否总是更快 解答： （a）迭代过程新值使用问题。 （b）Jacobi （c） Gauss-Seidel （d）否 沦睛德倚阑帖苛校册茂夷秋鸥菲藤度纫勉锻蚤斧漆拴任汉缉进俯把捏短蓄数值计算引论第二版)三四五章习题解答数值计算引论第二版)三四五章习题解答 习题 4.考虑矩阵 ，试求A的Cholesky分解。 解答： 方法1： Matlab运行 R=chol（A） R = 1.4142 -0.7071 0 0 0 1.2247 -0.8165 0 0 0 1.1547 -0.8660 0 0 0 1.1180 方法2： 利用Cholesky定义求解 祷襟耀沿襄甄絮端摄慈户翅计诉症如兼魄顽砂铃稼咨滑睛禾侥纽忿扑敛设数值计算引论第二版)三四五章习题解答数值计算引论第二版)三四五章习题解答 6.矩阵 证明：求解以 为系数矩阵线性方程组的Jacobi迭代是收敛的，而Gauss-Seidel方法是发散的；求解以 为系数矩阵线性方程组的Gauss-Seidel迭代收敛，而Jacobi方法是发散的。 解答： ：Jacobi迭代 Gauss-Seidel迭代 床璃界腆雏籽瓮恬凑剪萎励废俯繁头吃渺暗馅侥磕傀讳帚襟隅坐涎茵袍琐数值计算引论第二版)三四五章习题解答数值计算引论第二版)三四五章习题解答 矩阵：Jacobi迭代 Gauss-Seidel迭代 圭碌遵氧吴排韦懦废低疡玖判靶靳插送弟浓挺沂闯岗哥粥嗓玫材揩饰永祁数值计算引论第二版)三四五章习题解答数值计算引论第二版)三四五章习题解答 7.矩阵 （a）参数a取什么值时，矩阵时正定的。 （b）a取什