数值线性代数答案.doc

第一章：一、填空题：1、若a a D ij n ==||，则=-=||ij a D ；解：a a a a a D aa a a a D n nnn nnnn nn )1(11111111-=----=∴==2、设321,,x x x 是方程03=++q px x 的三个根，则行列式132213321x x x x x x x x x = ； 解：方程023=+++d cx bx ax 的三个根与系数之间的关系为：a d x x x a c x x x x x x ab x x x ///321133221321-==++-=++所以方程03=++q px x 的三个根与系数之间的关系为：q x x x p x x x x x x x x x -==++=++3211332213210033)(3321221321333231132213321=--++-=-++=x x x q x x x p x x x x x x x x x x x x x x x3、行列式1000000019980001997002001000= ；解：原式按第1999行展开：原式=!19981998199721)1(0001998001997002001000219981999-=⨯⨯⨯-=+++4、四阶行列式4433221100000a b a b b a b a = ； 解：原式按第一行展开：原式=))(()()(000004141323243243214324321433221433221b b a a b b a a b b b b a a b a b b a a a a b a b b a b a a b b a a --=---=-5、设四阶行列式cdb a a cbda dbcd c ba D =4，则44342414A A A A +++= ；解：44342414A A A A +++是D 4第4列的代数余子式，44342414A A A A +++=0111111111111==d a c d d c c a bd b a c bdd b c c ba6、在五阶行列式中3524415312a a a a a 的符号为 ；解：n 阶行列式可写成∑-=n np p p ta a aD 2211)1(，其中t 为p 1p 2…p n 的逆序数所以五阶行列式中3524415312a a a a a 的符号为5341352412a a a a a 的符号，为1)1()1(5)3,1,5,4,2(-=-=-t7、在函数xx x xxx f 21112)(---=中3x 的系数是 ； 解：根据行列式结构，可知3x 须由a 11=2x ，a 33=x 和第二行的一个元素构成，但此时第三个元素只能取a 22（行、列数均不可重复），所以此式为3332211)3,2,1(2)1(x a a a t -=-，系数为-2。

线性代数课后习题答案全习题详解在学习线性代数的过程中，课后习题是巩固知识、检验理解程度的重要环节。

然而，对于许多同学来说，完成这些习题并得到正确答案并非易事。

为了帮助大家更好地掌握线性代数，本文将对课后习题进行全面且详细的解答。

线性代数作为一门数学学科，其主要研究对象包括向量、矩阵、线性方程组等。

这些概念相互关联，构成了一个复杂而又有序的知识体系。

通过课后习题的练习，我们能够更深入地理解这些概念，提高运用线性代数方法解决实际问题的能力。

首先，来看一道关于矩阵运算的习题。

假设我们有两个矩阵 A 和 B，A ＝ 1 2; 3 4，B ＝ 5 6; 7 8，求它们的和 A ＋ B。

解题步骤如下：矩阵的加法是对应元素相加，所以 A ＋ B ＝ 1 ＋ 5 2 ＋ 6; 3 ＋ 7 4 ＋ 8 ＝ 6 8; 10 12接下来，考虑一道关于向量线性相关性的问题。

已知向量组 a1 ＝ 1 2 3，a2 ＝ 2 4 6，a3 ＝ 3 6 9，判断它们是否线性相关。

要判断向量组的线性相关性，我们可以通过构建线性方程组来求解。

设存在一组实数 k1，k2，k3，使得 k1a1 ＋ k2a2 ＋ k3a3 ＝ 0。

将向量代入可得：k11 2 3 ＋ k22 4 6 ＋ k33 6 9 ＝ 0 0 0即：1k1 ＋ 2k2 ＋ 3k3 2k1 ＋ 4k2 ＋ 6k3 3k1 ＋ 6k2 ＋ 9k3 ＝ 0 0 0可以得到方程组：k1 ＋ 2k2 ＋ 3k3 ＝ 02k1 ＋ 4k2 ＋ 6k3 ＝ 03k1 ＋ 6k2 ＋ 9k3 ＝ 0通过观察可以发现，第二个方程是第一个方程的两倍，第三个方程是第一个方程的三倍。

这意味着方程之间存在线性关系，存在无穷多组解，所以向量组 a1，a2，a3 线性相关。

再看一道求解线性方程组的习题。

方程组为：x ＋ 2y z ＝ 12x y ＋ 3z ＝ 23x ＋ y ＋ 2z ＝ 3我们可以使用高斯消元法来求解。

（完整版）数值线性代数答案习题1１．求下三⾓阵的逆矩阵的详细算法。

[解] 设下三⾓矩阵L的逆矩阵为T我们可以使⽤待定法，求出矩阵T的各列向量。

为此我们将T按列分块如下：注意到我们只需运⽤算法1·1·1，逐⼀求解⽅程便可求得[注意]考虑到内存空间的节省，我们可以置结果矩阵T的初始状态为单位矩阵。

这样，我们便得到如下具体的算法：算法（求解下三⾓矩阵L的逆矩阵T，前代法）３．证明：如果是⼀个Gauss变换，则也是⼀个Gauss变换。

[解]按Gauss变换矩阵的定义，易知矩阵是Gauss变换。

下⾯我们只需证明它是Gauss 变换的逆矩阵。

事实上注意到，则显然有从⽽有４．确定⼀个Gauss变换L，使[解] ⽐较⽐较向量和可以发现Gauss变换L应具有功能：使向量的第⼆⾏加上第⼀⾏的2倍；使向量的第三⾏加上第⼀⾏的2倍。

于是Gauss变换如下５．证明：如果有三⾓分解，并且是⾮奇异的，那么定理1·1·2中的L和U都是唯⼀的。

[证明]设，其中都是单位下三⾓阵，都是上三⾓阵。

因为A⾮奇异的，于是注意到，单位下三⾓阵的逆仍是单位下三⾓阵，两个单位下三⾓阵的乘积仍是单位下三⾓阵；上三⾓阵的逆仍是上三⾓阵，两个上三⾓阵的乘积仍是上三⾓阵。

因此，上述等将是⼀个单位下三⾓阵与⼀个上三⾓阵相等，故此，它们都必是单位矩阵。

即，从⽽即A的LU分解是唯⼀的。

17．证明定理1·3·1中的下三⾓阵L是唯⼀的。

[证明] 因A是正定对称矩阵，故其各阶主⼦式均⾮零，因此A⾮奇异。

为证明L的唯⼀性，不妨设有和使那么注意到：和是下三⾓阵，和为上三⾓阵，故它们的逆矩阵也分别是下三⾓阵和上三⾓阵。

因此，只能是对⾓阵，即从⽽于是得知19．若是A的Cholesky分解，试证L的i阶顺序主⼦阵正好是A的i阶顺序主⼦阵的Cholesky因⼦。

[证明] 将A和L作如下分块其中：为矩阵A和L的i阶顺序主⼦阵。

《线性代数》课后习题答案第一章行列式习题1.11. 证明：（1）首先证明)3(Q 是数域。

因为)3(Q Q ?，所以)3(Q 中至少含有两个复数。

任给两个复数)3(3,32211Q b a b a ∈++，我们有3)()3()3)(3(3)()()3()3(3)()()3()3(21212121221121212211212122 11b a a b b b a a b a b a b b a a b a b a b b a a b a b a +++=++-+-=+-++++=+++。

因为Q 是数域，所以有理数的和、差、积仍然为有理数，所以)3(3)()3()3)(3()3(3)()()3()3()3(3)()()3()3(2121212122112121221 121212211Q b a a b b b a a b a b a Q b b a a b a b a Q b b a a b a b a ∈+++=++∈-+-=+-+∈+++=+++。

如果0322≠+b a ，则必有22,b a 不同时为零，从而0322≠-b a 。

又因为有理数的和、差、积、商仍为有理数，所以)3(33)(3)3()3)(3()3)(3(332222212122222121222222112211Q b a b a a b b a b b a a b a b a b a b a b a b a ∈--+--=-+-+=++。

综上所述，我们有)3(Q 是数域。

（2）类似可证明)(p Q 是数域，这儿p 是一个素数。

（3）下面证明：若q p ,为互异素数，则)()(q Q p Q ?。

（反证法）如果)()(q Qp Q ?，则q b a p Q b a +=?∈?,，从而有q ab qb a p p 2)()(222++==。

由于上式左端是有理数，而q 是无理数，所以必有02=q ab 。

所以有0=a 或0=b 。

线性代数高等数学教材答案在此，我提供给您一份《线性代数高等数学教材》的答案。

第一章线性方程组与矩阵1.1 线性方程组的解集与线性方程组的解集的性质1.1.1 线性方程组的解集与解集的表示1.1.2 线性方程组的解集的性质1.2 线性方程组的增广矩阵与梯度消元法1.2.1 线性方程组的增广矩阵1.2.2 梯度消元法与梯度消元法的步骤1.3 初等变换与线性方程组的解集1.3.1 初等变换的定义与举例1.3.2 初等变换与线性方程组解集的关系第二章行列式2.1 二阶行列式与二阶行列式的性质2.1.1 二阶行列式的定义2.1.2 二阶行列式的性质2.2 三阶行列式与三阶行列式的性质2.2.1 三阶行列式的定义2.2.2 三阶行列式的性质2.3 行列式的性质与行列式的计算2.3.1 行列式的性质2.3.2 行列式的计算方法第三章矩阵的运算与矩阵方程3.1 矩阵的运算3.1.1 矩阵的加法与数量乘法3.1.2 矩阵的乘法与乘法的性质3.2 矩阵方程3.2.1 矩阵方程的定义与举例3.2.2 矩阵方程的解与解的存在性3.3 矩阵的逆与矩阵方程的求解3.3.1 矩阵的逆的定义与判定3.3.2 矩阵方程的求解方法第四章特征值与特征向量4.1 特征值与特征向量的定义与性质4.1.1 特征值与特征向量的定义4.1.2 特征值与特征向量的性质4.2 对角化与相似矩阵4.2.1 对角化的定义与条件4.2.2 相似矩阵的性质与判定4.3 幂法与特征子空间4.3.1 幂法与幂法的步骤4.3.2 特征子空间的定义与举例第五章向量空间与线性变换5.1 向量空间的定义与性质5.1.1 向量空间的定义与示例5.1.2 向量空间的性质与判定5.2 线性相关与线性无关5.2.1 线性相关与线性无关的定义5.2.2 线性相关与线性无关的判定方法5.3 线性变换与线性变换的性质5.3.1 线性变换的定义与示例5.3.2 线性变换的性质与运算以上是《线性代数高等数学教材》的答案，希望对您的学习有所帮助。

- 1 -第三章上机习题用你所熟悉的的计算机语言编制利用QR 分解求解线性方程组和线性最小二乘问题的通用子程序，并用你编制的子程序完成下面的计算任务：（1）求解第一章上机习题中的三个线性方程组，并将所得的计算结果与前面的结果相比较，说明各方法的优劣； （2）求一个二次多项式+bt+cy=at 2，使得在残向量的2范数下最小的意义下拟合表3.2中的数据；（3）在房产估价的线性模型111122110x a x a x a x y ++++=中，1121,,,a a a 分别表示税、浴室数目、占地面积、车库数目、房屋数目、居室数目、房龄、建筑类型、户型及壁炉数目，y 代表房屋价格。

现根据表3.3和表3.4给出的28组数据，求出模型中参数的最小二乘结果。

（表3.3和表3.4见课本P99-100）解 分析：（1）计算一个Householder 变换H ： 由于TTvv I wwI H β-=-=2，则计算一个Householder 变换H 等价于计算相应的v 、β。

其中)/(2,||||12v v e x x v T=-=β。

在实际计算中，为避免出现两个相近的数出现的情形，当01>x 时，令212221||||)(-x x x x v n +++=；为便于储存，将v 规格化为1/v v v =，相应的，β变为)/(221v v v T=β为防止溢出现象，用∞||||/x x 代替 （2）QR 分解：利用Householder 变换逐步将n m A n m ≥⨯,转化为上三角矩阵A H HH n n 11-=Λ，则有⎥⎦⎤⎢⎣⎡=0R Q A ，其中n H H H Q 21=，:),:1(n R Λ=。

在实际计算中，从n j :1=，若m j <，依次计算)),:((j m j A x =对应的)1()1()~(+-⨯+-k m k m j H即对应的j v ，j β，将)1:2(+-j m v j 储存到),:1(j m j A +，j β储存到)(j d ，迭代结束后再次计算Q ，有⎥⎥⎦⎤⎢⎢⎣⎡=-~001j j j H I H，n H H H Q 21=（m n =时1-21n H H H Q =）（3）求解线性方程组b Ax =或最小二乘问题的步骤为 i 计算A 的QR 分解；ii 计算b Q c T 11=，其中):1(:,1n Q Q = iii 利用回代法求解上三角方程组1c Rx =（4）对第一章第一个线性方程组，由于R 的结果最后一行为零，故使用前代法时不计最后一行，而用运行结果计算84x 。

第2章 线性代数方程组数值解法 研究n 阶线性方程组Ax b =的数值解法.()ij A a =是n n⨯矩阵且非奇异，12(,,,)Tn x x x x = ,12(,,,)Tn b b b b =两类数值方法：(1) 直接法：通过有限次的算术运算，若计算过程中没有舍入误差，可以求出精确解的方法.Ax b Gx d == 等价变换G 通常是对角矩阵、三角矩阵或者是一些结构简单的矩阵的乘积.(2) 迭代法：用某种极限过程去逐次逼近方程组的解的方法.(1)()i i Ax b x Bx k x Bx k +==+−−−−−→=+ 等价变换建立迭代格式，0,1,i =一、向量范数与矩阵范数 1. 向量范数【定义】 若对nK 上任一向量x ，对应一个非负实数x ，对任意,nx y R ∈及K α∈，满足如下条件(向量范数三公理) (1) 非负性：0x ≥，且0x =的充要条件是0x =；(2)齐次性：x xαα=；(3)三角不等式：x y x y+≤+.则称x为向量x的范数.常用的向量范数： (1) 1—范数11nii x x ==∑(2) 2—范数12221()ni i x x ==∑(3) ∞—范数1max ii nxx ∞≤≤=(4) 一般的p —范数11()pnpi pi xx ==∑2. 矩阵范数【定义】 若n nK ⨯上任一矩阵()ij n n A a ⨯=，对应一个非负实数A ，对任意的,n nA B K ⨯∈和K α∈，满足如下条件(矩阵范数公理)：(1) 非负性：0A ≥，且0A =的充要条件是0A =；(2)齐次性：A Aαα=；(3)三角不等式：A B A B +≤+；(4)乘法不等式：AB A B≤.则称A为矩阵A的范数.矩阵范数与向量范数是相容的：Ax A x≤向量范数产生的从属范数或算子范数：10max maxx x AxA Ax x=≠==常见从属范数：(1) 1—范数111max ||nij j ni A a ≤≤==∑(2) ∞—范数11max ||nij i nj A a ∞≤≤==∑(3) 2—范数2A =谱半径1()max ||H i i n A A ρλ≤≤=，iλ为H A A 的特征值.H A 为A 的共轭转置. 注：矩阵A 的谱半径不超过A 的任一范数，即()A A ρ≤范数等价性定理：,s t x x为n R 上向量的任意两种范数，则存在常数12,0c c >，使得12,ns t s c x x c x x R ≤≤ ∀∈.注：矩阵范数有同样的结论. 【定理2.1】是任一向量范数，向量序列()k x 收敛于向量*x 的充要条件是()*0,k x x k -→ →∞二、 Gauss 消去法 1．顺序Gauss 消去法 将方程Ax b =写成如下形式11112211,121122222,11122,1n n n n n n n n nn n n n a x a x a x a a x a x a x a a x a x a x a ++++++=⎧⎪+++=⎪⎨⎪⎪+++=⎩其中记,1,1,2,,.i n i a b i n +==消元过程：第一次消元：设110a ≠，由第2,3,,n 个方程减去第一个方程乘以1111/(2,3,,)i i m a a i n == ，则将方程组中第一个未知数1x消去，得到同解方程11112211,1(1)(1)(1)22222,1(1)(1)(1)22,1n n n n n n n nn n n n a x a x a x a a x a x a a x a x a ++++++=⎧⎪ ++=⎪⎨⎪⎪ ++=⎩其中， (1)11,2,3,,;2,3,,,1ijij i j a a m a i n j n n =-==+ . 1111/i i m a a =，2,3,,i n = .第二次消元：设(1)220a ≠，.由第2,3,,n 个方程减去方程组中的第2个方程乘以(1)(1)2222/(3,4,,)i i m a a i n == ，则将方程组第2个未知数2x 消去，得到同解方程11112213311,1(1)(1)(1)(1)2222322,1(2)(2)(2)33333,1(2)(2)(2)33,1n n n n n n n n n nnn n n n a x a x a x a x a a x a a x a a x a x a a x a x a ++++++++=⎧⎪ +++=⎪⎪ ++=⎨⎪⎪⎪ ++=⎩其中(2)(1)(1)22, 3,4,,; 3,4,,,1ij ij i j a a m a i n j n n =-==+ . (1)(1)2222/i i m a a =，3,4,,i n = .经过1n -次消元后，原方程组变成等价方程组11112213311,1(1)(1)(1)(1)2222322,1(2)(2)(2)33333,1(1)(1),1n n n n n n n n n n n nn n n n a x a x a x a x a a x a a x a a x a x a a x a +++--+++++=⎧⎪ +++=⎪⎪ ++=⎨⎪⎪⎪ =⎩其中()(1)(1), 1,2,,k k k ij ij ik ij a a m a i k k n --=-=++ ， 1,2,,,1j k k n n =+++ .(1)(1)/k k ik ik kkm a a --=，1,2,,i k k n =++ ；1,2,,1k n =- .回代过程：(1)(1),1(1)(1)(1),1,,1/[]/,1,2,,2,1.n n n n n m n i i i ii n i j j i j j i x a a x a a x a i n n --+---+=+⎧=⎪⎨=-=--⎪⎩∑计算量：按常规把乘除法的计算次数合在一起作为Gauss 消去法总的计算量，而略去加减法的计算次数. 在消去过程中，对固定的消去次数(1,2,,1)k k n =- ，有：除法(1)(1),,/,1,1,,k k ik i k k k m a a i k k n --= =++ 共计n k -次；乘法(1),,1,2,,;1,2,,,1k ik k j m a i k k n j k k n n - =++ =+++ 共计()(1)n k n k --+次.因此，消去过程总的计算量为1311[()(1)]3n k M n k n k n k n-==--++-≈∑ 回代过程的乘除法计算次数为21()2n n +.与消去法计算量相比可以略去不计.所以， Gauss 消去法总的计算量大约为313n .2. Gauss-Jordan 消去法Gauss-Jordan 消去法是Gauss 消去法的一种变形.此方法的第一次消元过程同Gauss 消去法一样，得到(1)(1)(1)(1)11112213311,1(1)(1)(1)(1)22223322,1(1)(1)(1)(1)32233333,1(1)(1)(1)(1)2233,1,,,,n n n n n n n n n nn nn n n n a x a x a x a x a a x a x a x a a x a x a x a a x a x a x a ++++⎧++++=⎪ +++=⎪ +++=⎨ +++= ⎪⎪⎪⎪⎩其中，(1)11,2,,,1jj a a j n n ==+ . 第二次消元：设(1)220a ≠，由第1,3,4,,n 个方程减去第2个方程乘以(1)(1)2222/(1,3,4,,)i i m a a i n == ,则得到同解方程组(2)(2)(2)11113311,1(1)(2)(2)(2)22223322,1(2)(2)(2)33333,1(2)(2)33,1,,,n n n n n n n n n nnn n n n a x a x a x a a x a x a x a a x a x a a x a x a +++++ +++= +++= ++= ++= (2),⎧⎪⎪⎪⎨⎪⎪⎪⎩继续类似的过程，在第k 次消元时，设(1)k kk a -，将第i 个方程减去第k 个方程乘以(1)(1)/k k ik ik kk m a a --=，这里1,3,4,1,1,,i k k n =-+ .经过1n -次消元，得到(2)1111,1(1)(2)2222,1(2)(2)33,1,,,n n n n n a x a a x a a x a +++⎧ =⎪ =⎪⎪ ⎨⎪⎪⎪ =⎩其中()(1)(1),1,2,,1,1,,k k k ij ij ik kj a a m a i k k n --=-=-+ ；1,2,,,1; 1,2,,1j n n k n =+=- .此时，求解回代过程为(1)(1),1/,1,2,,n i i i n iix a a i n --+= = 经统计，总的计算量约为312M n ≈次乘除法. 从表面上看Gauss-Jordan 消去法似乎比Gauss 消去法好，但从计算量上看Gauss －Jordan 消去法明显比Gauss消去法的计算量要大，这说明用Gauss-Jordan 消去法解线性方程组并不可取.但用此方法求矩阵的逆却很方便. 3．列选主元Gauss 消去法在介绍Gauss 消去法时，始终假设(1)0k kk a -≠，称(1)k kka -为主元.若(1)0k kka -=，显然消去过程无法进行.实际上，既使(1)0k kka -≠，但(1)k kka -很小时，用它作除数对实际计算结果也是很不利的.称这样的(1)k kka -为小主元.【例2.2】设计算机可保证10位有效数字，用消元法解方程1112120.3100.7,0.9,x x x x -⎧⨯+=⎪⎨ +=⎪⎩【解】经过第一次消元：第2个方程减去第1个方程乘以212111/m a a =得1112(1)(1)222230.3100.7x x a x a -⎧⨯+=⎪⎨ =⎪⎩其中(1)1222222111/0.333333333310a a a a =-=-⨯，(1)123323211113(/)0.233333333310a a a a a =-⋅=-⨯于是解得(1)(1)223221/0.7000000000,0.0000000000,x a a x ⎧==⎪⎨=⎪⎩而真解为120.2,0.7x x = =注：造成结果失真的主要因素是主元素11a太小，而且在消元过程中作了分母，为避免这个情况发生，应在消元之前，作行交换.【定义】 若 (1)(1)||max ||k k k r k ik k i na a --≤≤=，则称(1)||k k r k a - 为列主元素. k r 行为主元素行，这时可将第 k r行与第k 行进行交换，使(1)||k k r k a - 位于交换后的等价方程组的 (1)k kk a - 位置，然后再施实消去法，这种方法称为列选主元Gauss 消去法或部分主元Gauss 消去法.【例2.3】 应用列选主元Gauss 消去法解上述方程. 【解】 因为2111a a >，所以先交换第1行与第2行，得1211120.9,0.3100.7,x x x x -⎧+=⎪⎨⨯+=⎪⎩ 然后再应用Gauss 消去法，得到消元后的方程组为1220.9,0.7.x x x ⎧+=⎨=⎩回代求解，可以得到正确的结果.即120.2,0.7x x = =.三、三角分解法 设方程组Ax b =的系数矩阵A 的顺序主子式不为零.即1112121222110,1,2,,.kk k k k kka a a a a a k n a a a ∆=≠=在Gauss 消去法中，第一次消元时，相当于用单位下三角阵211131111010010n m L m m -⎡⎤⎢⎥- ⎢⎥⎢⎥=- ⎢⎥ ⎢⎥⎢⎥- ⎢⎥⎣⎦ ，左乘方程组Ax b =，得11A x b =，其中11121(1)(1)122211(1)200n n n nn a a a a a A L a a -(1)⎡⎤⎢⎥ ⎢⎥==⎢⎥ ⎢⎥⎢⎥ ⎣⎦ ，1(1)(1)111,11,1,1(,,,)Tn n n n b L b a a a -+++== .第二次消元时，相当于用单位下三角阵1232210101001n L m m - ⎡⎤⎢⎥ ⎢⎥⎢⎥= - ⎢⎥⎢⎥⎢⎥ - ⎢⎥⎣⎦0 ，左乘方程组11A x b =，得22A x b =其中11121(1)(1)22211(2)(2)221333(2)(2)300000n n n n nn a a a a a A L L A a a a a --⎡⎤ ⎢⎥ ⎢⎥⎢⎥== ⎢⎥⎢⎥ ⎢⎥ ⎢⎥⎣⎦ ，11(1)(2)(2)2211,12,13,1,1(,,,,).Tn n n n n b L L b a a a a --++++==经过1n -次消元，最后得到等价方程组11n n A x b --=其中11121(1)222111111221(1)n n n n n n nn a a a a a A L L L L A a (1)--------⎡⎤⎢⎥ ⎢⎥==⎢⎥⎢⎥⎢⎥ ⎣⎦1111(1)(1)112221,12,1,1(,,,)n Tn n n n n n n b L L L L b a a a --------+++==注意到1n A -是一个上三角阵，记111111221n n n U A L L L L A -------==则121()n A L L L U LU -==其中，121n L L L L -= . 不难验证21313212_1111n n nn m L m m m m m ⎡⎤⎢⎥ ⎢⎥⎢⎥= ⎢⎥ ⎢⎥⎢⎥ 1 ⎢⎥⎣⎦是单位下三角阵.于是解线性方程组Ax b =，就转化为解方程 LUx b =，若令Ux y =就得到一个与 Ax b =等价的方程组Ly b Ux y =⎧⎨=⎩【定理2.2】 若 A 为 n 阶方阵，且 A 的所有顺序主子式0k ∆≠，1,2,,k n = .则存在唯一的一个单位下三角矩阵 L 和一个上三角矩阵 U ，使A LU =.在上述过程中，若不假设A 的顺序主子式都不为零，只假设A 非奇异，那么Gauss 消去法将不可避免要应用两行对换的初等变换.第一次消元，将第1行与第1r 行交换，相当于将方程组Ax b =左乘矩阵11r P ：1111r r P Ax P b=经第一次消元得11111111r r L P Ax L P b--=即系数矩阵为11111r A L P A-=，其中110111r P ⎡⎢ ⎢ 1= 1 0 1 ⎣0 0 ⎤⎥⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎦1 列 1r列 类似地，经1n -次消元，有121111111,22,11n n n n n r n n r r A L P L P L P A----------= .如果预先知道每一个(1,2,,1)iir P i n =- ，则在消元之前就全部作交换，得 1211,2,1,n n n r n r r A P P P A PA----== ，其中，1211,2,1,n n n r n r r P P P P ----= .即原方程变为PAx Pb =然后再消元，相当于对PA 做三角分解PA LU =由以上讨论，可得结论 【定理2.3】 若A 非奇异，则一定存在排列矩阵 P ，使得 PA 被分解为一个单位下三角阵和一个上三角1 行1行r阵的乘积，即PA LU =成立.这时，原方程组Ax b = 等价于 PAx Pb =，即等价于求解LUx Pb =令Ux y =则Ly Pb =实际求解时，先解方程组Ly Pb =,再根据 y 求解 Ux y =,即得原方程组Ax b =的解. 这种求解方法称为三角分解法.常用三角分解方法有以下几种. 1．Doolittle 分解方法 假设系数矩阵A 不需要进行行交换，且三角分解是唯一的. 记21121110n n l L l l ⎡⎤⎢⎥ ⎢⎥=⎢⎥ ⎢⎥ ⎢⎥⎣⎦ , 11121222n n nn u u u u u U u ⎡⎤⎢⎥ ⎢⎥=⎢⎥ ⎢⎥ 0 ⎣⎦ 于是有1112111121222212222112111110n n n n n n n n nn a a a u u u u u a a a l l l a a a ⎡⎤ ⎡⎤⎢⎥⎢⎥ ⎢⎥⎢⎥=⎢⎥⎢⎥ ⎢⎥⎢⎥ ⎢⎥⎢⎥ ⎣⎦⎣⎦ nn u ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥0 ⎣⎦从前面讨论A 的LU 分解过程可看出,L 、U 的元素都是用有关的(1)k ij a -来表示的，而它们的计算较麻烦.现在给出直接从系数矩阵A ，通过比较等式的两边逐步把L 和U 构造出来的方法，而不必利用Gauss 消去法的中间结果(1)k ij a -.计算步骤： (1) 由L 阵的第1行分别乘U 阵的各列，先算出U 阵的第1行元素 11,1,2,,j j u a j n = = .然后，由L 阵的各行分别去乘U 阵的第1列，算出L 阵的第1列元素1111/,2,3,,i i l a a i n = = .(2)现假设已经算出U 阵的前1r -行元素，L 阵的前1r -列元素，下面来算U 阵的第r 行元素，L 阵的第r 列元素.由L 阵的第r 行分别乘U 阵的第j 列(,1,,)j r r n =+ ，得11r ij rk kj rjk a l u u -==+∑所以，得U 阵的第r 行元素11,,1,,r rj rj rk kj k u a l u j r r n-==- =+∑ .再由L 阵的第i 行(1,2,,)i r r n =++ 分别去乘U 阵的第r 列,得11r ir ik kr ir rrk a l u l u -==+∑,所以，得L 阵的第r 列元素11[]/,1,2,,.r ir ir ik kr rr k l a l u u i r r n -==- =++∑取1,2,,r n = 逐步计算，就可完成三角分解A LU =；(3)解与Ax b = 等价的方程组Ly b Ux y =⎧⎨=⎩逐次用向前代入过程先解Ly b = 得1111,2,3,,.i i i ij j j y b y b l y i n -==⎧⎪⎨=- =⎪⎩∑然后再用逐次向后回代过程解Ux y =得1/,()/,1,2,,2,1.n n nn n i i ij j ii j i x y u x y u x u i n n =+=⎧⎪⎨=- =--⎪⎩∑2．Crout 分解方法仍假设系数矩阵A 不需要进行行交换，且三角分解是唯一的.即ˆA L=ˆU .与Doolittle 分解方法的区别在111212122211n n n n nn a a a a a a a a a ⎡⎤ ⎢⎥ ⎢⎥=⎢⎥ ⎢⎥⎢⎥ ⎣⎦ 1122ˆˆl l ⎡⎤ 0⎢⎥ ⎢⎥⎢⎥ ⎢⎥⎢⎥⎣⎦ 122ˆ1ˆ10n u u ⎡⎤⎢⎥ ⎢⎥⎢⎥ ⎢⎥ 1 ⎣⎦ 比较两边，则可推导出与Doolittle 分解方法类似的公式，不过Crout 分解方法是先算ˆL 的第r 列，然后再算ˆU的第r 行.3．Cholesky 分解方法若 A 为对称正定矩阵，则有 ˆT U L =，即11()()TT T A LDL LD LD LL ===其中L 为下三角阵. 进一步展开为1121111211112122221222221212n n n n n n nn n n nn a a a l l l l a a a l l l l l l l a a a ⎡⎤⎡⎤ ⎢⎥⎢⎥ 0 ⎢⎥⎢⎥=⎢⎥⎢⎥ ⎢⎥⎢⎥ ⎢⎥ ⎢⎥⎣⎦⎣⎦ 0nn l ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥ ⎣⎦ 比较两边对应元素，容易得到12121()r rr rr rk k l a l -==-∑ ，11()/r ir ir ik rk rrk l a l l l -==-∑ 1,2,,;1,2,,.r n i r r n ==++Cholesky 分解的优点：不用选主元. 由21rrr rk k a l ==∑ 可以看出||1,2,,.rk l k r ≤=这表明中间量rk l得以控制，因此不会产生由中间量放大使计算不稳定的现象. Cholesky 分解的缺点：需要作开方运算. 改进的Cholesky 分解： 改为使用分解T A LDL =即11121121121221222121111n n n n n n n n nn a a a d l l l d a a a l l d a a a ⎡⎤ 1 ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥ 1 1 ⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥ ⎢⎥⎢⎥⎢⎥ ⎢⎥ ⎣⎦⎣⎦⎣⎦ 2n l ⎡⎤⎢⎥ ⎢⎥⎢⎥ ⎢⎥ 1⎣⎦其中21ˆl 1ˆn l 2ˆn l ˆnn l 1ˆn u12111()/r r rr rk k k r ir ir ik k rk rk d a l d l a l d l d-=-=⎧=-⎪⎪⎨⎪=-⎪⎩∑∑，1,2,,;1,2,,.r n i r r n ==++Cholesky 分解方法或平方根法：应用Cholesky 分解可将Ax b =分解为两个三角形方程组T Ly b L x y ⎧= ⎪⎨= ⎪⎩分别可解得111111/,()/.i i i ik k ii k y b l y b l y l i n -=⎧=⎪⎨=-, =2,3,,⎪⎩∑和1/,()/1,.n n nn n i i ki k ii k i x y l x y l x l i n n =+⎧=⎪⎨=-, =--2,,2,1⎪⎩∑改进的Cholesky 分解方法或改进的平方根法：应用改进的Cholesky 分解，将方程组Ax b =分解为下面两个方程组1,,T Ly b L x D y -= ⎧⎨= ⎩同理可解得1111,,2,3,,.i i i ik k k y b y b l y i n ==⎧=⎪⎨=- =⎪⎩∑和1/,/,1,2,,2,1.n n n n i i i ki k k i x y d x y d l x i n n =+⎧=⎪⎨=- =--⎪⎩∑ 4．解三对角方程组的追赶法若()ij n n A a ⨯=满足1||||,1,2,,.nii ij j j ia a i n =≠> =∑则称A 为严格对角占优矩阵.若A 满足1||||,1,2,,.nii ij j j ia a i n =≠≥ =∑且其中至少有一个严格不等式成立，则称A 为弱对角占优矩阵.现在考虑Ax d = 的求解，即11112222211111n n n n n n n n n b c x d a b c x d a b c x d d a b x -----⎡⎤⎡⎤⎡⎤ ⎢⎥⎢⎥⎢⎥ ⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥ = ⎢⎥⎢⎥⎢⎥ ⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦ 系数矩阵A 满足条件11||||0,||||||,,0,2,3,, 1.||||0,i i i i i n n b c b a c a c i n b a ⎧>>⎪≥+ ≠=-⎨⎪>>⎩采用Crout 分解方法11112222221111n n n n n n n b c a b c a b c a b βαβγαγα---⎡⎤ ⎡⎤⎢⎥ 1 ⎢⎥⎢⎥ ⎢⎥⎢⎥ = ⎢⎥⎢⎥ ⎢⎥ ⎢⎥ ⎢⎥⎢⎥⎣⎦ ⎣⎦ 1n β-⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥1 ⎢⎥⎢⎥ 1 ⎣⎦其中，,,i i i αβγ为待定系数.比较上式两边可得到111111,;,,2,3,,;,2,3,, 1.i i i i i i i i i b c a b i n c i n ααβγγβααβ-= == =+ == =-进而可导出1111111,2,3,,.,/,,2,3,,./(),2,3,, 1.i i i i i i ii i i i a i n b c b b i n c b i n γαβααββαβ--⎧= =⎪= =⎪⎨=- =⎪⎪=- =-⎩由此可看出，真正需要计算的是(1,2,,1)i n β=- ，而i α可由,i i b a 和1i β-产生.因此，实现了A 的Crout 分解后，求解Ax d =就等价于解方程组Ly dUx y =⎧⎨=⎩从而得到解三对角方程组的追赶法公式： (1) 计算i β的递推公式：1111/,/(),2,3,, 1.i i i i i c b c b i n ββαβ-⎧=⎪⎨=- =-⎪⎩(2) 解方程组Ly d =：11111/()/(),2,3,,.i i i i i i i y d b y d a y b a i n β--⎧=⎪⎨=-- =⎪⎩(3) 解方程组Ux y =：1,1,2,,2,1.n n i i i i x y x y x i n n β+⎧=⎪⎨=- =--⎪⎩追赶法的乘除法次数是66n -次.将计算121n βββ-→→→ 及12n y y y →→→ 的过程称之为“追”的过程，将计算方程组Ax d =的解121n n x x x x -→→→→ 的过程称之为“赶”的过程.四、迭代法 将Ax b =改写为一个等价的方程组 x Bx k =+建立迭代公式 (1)(),0,1,2,.i i x Bx k i +=+ =称矩阵B 为迭代矩阵.【定义】 如果对固定的矩阵B及向量k，对任意初始猜值向量(0)x ，迭代公式(1)()i i +()i()*lim i i x x →+∞=成立，其中*x 是一确定的向量，它不依赖于(0)x 的选取.则称此迭代公式是收敛的，否则称为发散的.如果迭代收敛，则应有**,x Bx k =+1. 收敛性()()*,0,1,2,i i x x i ε=- =为第i步迭代的误差向量.则有(1)(1)*()*()(),0,1,2,.x x B x x B i εε++=-=-==所以，容易推出()(0),0,1,2,,i i B i εε= =其中，(0)(0)*xxε=-为初始猜值的误差向量.设n nB K ⨯∈，lim 0i i B →+∞=⇔ ()1B ρ<.迭代法收敛基本定理： 下面三个命题是等价的 (1) 迭代法(1)()i i x Bx k +=+收敛；(2)()1B ρ<；(3) 至少存在一种矩阵的从属范数⋅，使1B <注：当条件()1B ρ<难以检验时，用1B 或B ∞等容易求出的范数，检验11B <或1B∞<来作为收敛的充分条件较为方便.常用迭代法如下. 2．Jacob 迭代 考察线性方程组Ax b =，设A 为非奇异的n 阶方阵，且对角线元素0ii a ≠(1,2,,)i n = .此时，可将矩阵A 写成如下形式A D L U =++,1122(,,,)nn D diag a a a = ，21313212000n n a L a a a a ⎡⎤⎢⎥ ⎢⎥⎢⎥= ⎢⎥ ⎢⎥⎢⎥ 0 ⎢⎥⎣⎦ ,12131232000n n a a a a a U ⎡⎤ ⎢⎥ ⎢⎥⎢⎥= 0 ⎢⎥ ⎢⎥⎢⎥ ⎢⎥⎣⎦ ,建立Jacobi 迭代公式(1)1()1(),i i x D L U x D b +--=-++迭代矩阵11()J B D L U I D A --=-+=-J B 的具体元素为112111122122221200n n J n n nn nn a a a a a a B a a a a a a ⎡⎤ - -⎢⎥⎢⎥⎢⎥- - ⎢⎥=⎢⎥⎢⎥ ⎢⎥⎢⎥- - 0 ⎢⎥⎣⎦ Jacobi 迭代法的分量形式如下1(1)()()111(),j n i i i jj jm m jm m m m j jj xb a x a x a -+==+=--∑∑1,2,,;0,1,2,.j n i = =3．Gauss-Seidel 迭代容易看出，在Jacobi 迭代法中，每次迭代用的是前一次迭代的全部分量()(1,2,,)i jx j n = .实际上，在计算(1)i j x +时，最新的分量(1)(1)(1)121,,,i i i j x x x +++- 已经算出，但没有被利用.事实上，如果Jacobi 迭代收敛，最新算出的分量一般都比前一次旧的分量更加逼近精确解，因此，若在求(1)i j x+时，利用刚刚计算出的新分量(1)(1)(1)121,,,i i i j x x x+++- ，对Jacobi 迭代加以修改，可得迭代公式1(1)(1)()111(),j ni i i jj jm m jm m m m j jj xb a x a x a -++==+=--∑∑1,2,,;0,1,2,.j n i = =矩阵形式(1)1()1()(),0,1,2,.i i x D L Ux D L b i +--=-++-+=1()G B D L U -=--+注：（1）两种迭代法均收敛时，Gauss-Seidt 迭代收敛速度更快一些.（2）但也有这样的方程组，对Jacobi 迭代法收敛，而对Gauss-Seidel 迭代法却是发散的. 【例2.4】 分别用Jacobi 迭代法和Gauss-Seidel 迭代法求解下面的方程组121232342,46,4 2.x x x x x x x ⎧- =⎪-+-=⎨⎪-+=⎩初始猜值取0(0,0,0)x =. 【解】 Jacobi 迭代公式为(1)()12(1)()()213(1)()321(2),41(6),0,1,2,41(2),4i i i i i i i x x x x x i x x +++⎧=+⎪⎪⎪=++=⎨⎪⎪=+⎪⎩迭代计算4次的结果如下 (1)(2)(3)(4)(0.5,1.5,0.5),(0.875,1.75,0.875),(0.938,1.938,0.938),(0.984,1.969,0.984).T T T T x x x x ====Gauss-Seidel 迭代公式为(1)()12(1)(1)()213(1)(1)321(2),41(6),0,1,2,41(2),4i i i i i i i x x x x x i x x +++++⎧=+⎪⎪⎪=++=⎨⎪⎪=+⎪⎩迭代计算4次的结果如下(1)(2)(3)(4)(0.5,1.625,0.9063),(0.9063,1.9532,0.9883),(0.9883,2.0,0.9985),(0.9985,1.999,0.9998).T T T T x x x x ====从这个例子可以看到，两种迭代法作出的向量序列(){}i x 逐步逼近方程组的精确解*(1,2,1)T x =,而且Gauss-Seidel 迭代法收敛速度较快.一般情况下，当这两种迭代法均收敛时，Gauss-Seidt 迭代收敛速度更3．超松弛迭代法为了加快迭代的收敛速度，可将Gauss-Seidel 迭代公式改写成1(1)()(1)()11(),j ni i i i jjj jm m jm m m m jjj xx b a x a x a -++===+--∑∑ 1,2,,;0,1,2,.j n i = =并记1(1)(1)()11(),j ni i i jj jm m jm m m m jjj rb a x a x a -++===--∑∑称 (1)i j r + 为 1i + 步迭代的第 j 个分量的误差向量.当迭代收敛时，显然有所有的误差向量(1)0(),1,2,,.i j r i j n +→→∞=为了获得更快的迭代公式，引入因子R ω∈，对误差向量 (1)i j r + 加以修正，得超松弛迭代法（简称SOR 方法）(1)()(1),0,1,2,.i i i j j j x x r i ω++=+ =即1(1)()(1)()1(),j ni i i i jjj jm mjm m m m jjjxx b a xa x a ω-++===+--∑∑1,2,,;0,1,2,.j n i = =适当选取因子ω，可望比Gauss-Seidel 迭代法收敛得更快.称ω为松弛因子.特别当1ω=时，SOR 方法就是Gauss-Seidel 迭代法.写成矩阵向量形式(1)1()1()[(1)](),j i x D L D U x D L b ωωωωω+--=+--++0,1,2,.i =迭代矩阵为1()[(1)].B D L D U ωωωω-=+--实际计算时，大部分是由计算经验或通过试算法来确定opt ω的近似值.所谓试算法就是从同一初始向量出发，取不同的松驰因子ω迭代相同次数(注意：迭代次数不应太少)，然后比较其相应的误差向量()()i i r b Ax =-(或()(1)i i x x --)，并取使其范数最小的松弛因子ω作为最佳松弛因子opt ω的近似值.实践证明，此方法虽然简单，但往往是行之有效的. 4．迭代收敛其它判别方法：用迭代法收敛基本定理来判断收敛性时，当n 较大时，迭代矩阵的谱半径计算比较困难，因此，人们试图建立直接利用矩阵元素的条件来判别迭代法的收敛定理. （1） 若方程组Ax b =中的系数矩阵A 是对称正定阵，则 Gauss-Seidel 迭代法收敛. 对于SOR 方法，当02ω<< 时迭代收敛（2）若A 为严格对角占优阵，则解方程组 Ax b = 的Jacobi 迭代法，Gauss －Seidel 迭代法均收敛. 对于SOR 方法，当01ω<< 时迭代收敛.【例2.5】 设线性方程组为121221,32,x x x x ⎧+=-⎪⎨+=⎪⎩建立收敛的Jacobi 迭代公式和Gauss －Seidel 迭代公式. 【解】 对方程组直接建立迭代公式，其Jacobi 迭代矩阵为0230J B -⎡⎤=⎢⎥- ⎣⎦，显见谱半径()1J B ρ=>，故Jacobi 迭代公式发散.同理Gauss －Seidel 迭代矩阵为0206G B -⎡⎤=⎢⎥ ⎣⎦，谱半径()61G B ρ=>，故Gauss －Seidel 选代公式也发散. 若交换原方程组两个方程的次序，得一等价方程组121232,21,x x x x ⎧+=⎪⎨+=-⎪⎩其系数矩阵显然对角占优，故对这一等价方程组建立的Jacobi 迭代公式，Gauss －Seidel 迭代公式皆收敛. （3）SOR 方法收敛的必要条件是 02ω<<【定理2.5】 如果A 是对称正定阵，且02ω<<，则解Ax b =的SOR 方法收敛.注：当(0,2)ω∈ 时，并不是对任意类型的矩阵A ，解线性方程组Ax b =的SOR 方法都是收敛的.当SOR 方法收敛时，通常希望选择一个最佳的值opt ω使SOR 方法的收敛速度最快.然而遗憾的是，目前尚无确定最佳超松弛因子opt ω的一般理论结果.实际计算时，大部分是由计算经验或通过试算法来确定opt ω的近似值.所谓试算法就是从同一初始向量出发，取不同的松驰因子ω迭代相同次数(注意：迭代次数不应太少)，然后比较其相应的误差向量()()i i r b Ax =-(或()(1)i i x x --)，并取使其范数最小的松弛因子ω作为最佳松弛因子opt ω的近似值.实践证明，此方法虽然简单，但往往是行之有效的.【例2.6】 求解线性方程组Ax b =，其中10.3000900.308980.30009100.4669110.274710.30898A - -- -0.46691 0= - -- 00.274711(5.32088,6.07624,8.80455,2.67600).T b ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥ - ⎣⎦ =-分别利用Jacobi 迭代法，Gauss －Seidel 迭代法，SOR 迭代法求解. 【解】其结果列入下表中，方程组精确解(五位有效数字)为*(8.4877,6.4275, 4.7028,4.0066).T x =-Jacobi 迭代法计算结果i()1i x()2i x ()3i x ()4i x ()2||||i r0 012.3095 1 5.3209 6.0762 －8.8046 2.6760 5.3609 27.97113.5621 －5.2324 1.90143.631820 8.4872 6.4263 －4.7035 4.0041 0.0041 218.48606.4271 －4.7050 4.0063 0.0028Gauss-Seidel 迭代法计算结果i()1i x()2i x()3i x()4i x()2||||i r0 012.3095 1 5.3209 7.6730 －5.2220 2.8855 3.6202 28.51506.1933 －5.1201 3.90040.49098 8.4832 6.4228 －4.7064 4.0043 0.0078 98.48556.4252－4.70554.00550.0038SOR 迭代法计算结果（1.16ω=）i()1i x()2i x()3i x()4i x()2||||i r0 012.3095 1 6.1722 9.1970 －5.2320 3.6492 3.6659 29.69416.1177 －4.8999 4.43351.33136 8.4842 6.4253 －4.7005 4.4047 0.0051 78.48686.4288－4.70314.00650.0016计算结果表明，若求出精确到小数点后两位的近似解，Jacobi 迭代法需要21次，Gauss －Seidel 迭代法需要9次，而SOR 迭代法(选松弛因子 1.16ω=)仅需要7次，起到加速作用.5．误差分析 【定理2.6】设 *x 是方程 Ax b = 的惟一解，v ⋅ 是某一种向量范数，若对应的迭代矩阵其范数1v B <，则迭代法(1)(),0,1,2,.i i xBx k i +=+ = 收敛，且产生向量序列(){}i x 满足()*()(1)||||||||||||1||||i i i vv vvB x x x x B --≤--()*(1)(0)||||||||||||1||||i i vv vvB x x x x B -≤--【证明】 由迭代收敛基本定理的(3)知，迭代法(1)(),0,1,2,.i i x Bx k i +=+ =收敛到方程的解*x .于是，由迭代公式立即得到(1)*()*(1)()()(1)(),().i i i i i i x x B x x x x B x x ++--=--=-为书写方便把v 范数中v 略去，有估计式(1)*()*||||||||||||,i i x x B x x +-≤⋅-(1)()()(1)||||||||||||.i i i i x x B x x +--≤⋅-再利用向量范数不等式||||||||||||x y x y -≥-于是得第一个不等式()(1)(1)()()*(1)*()*||||||||||||||||||||(1||||)||||,i i i i i i i B x x x x x x x x B x x -++ -≥-≥--- ≥--再反复递推即第二个不等式.注：（1）若事先给出误差精度ε，利用第二个不等式可得到迭代次数的估计(1)(0)(1||||)ln ln ||||||||v v v B i B x x ε⎡⎤->⎢⎥-⎣⎦ （2）在||||v B 不太接近1的情况下，由第一个不等式，可用()(1)||||i i v x x ε--<作为控制迭代终止的条件，并取 ()i x 作为方程组 Ax b = 的近似解.但是在||||v B 很接近1时，此方法并不可靠.一般可取1,2,v =∞或F .【例2.7】 用Jacobi 迭代法解方程组123123123202324,812,231530.x x x x x x x x x ⎧++=⎪++=⎨⎪-+=⎩问Jacobi 迭代是否收敛?若收敛，取(0)(0,0,0)T x =，需要迭代多少次，才能保证各分量的误差绝对值小于610-?【解】 Jacobi 迭代的分量公式为(1)()()123(1)()()213(1)()()3121(2423)201(12),0,1,2,81(3022),15i i i i i i i i i x x x x x x i x x x +++⎧=--⎪⎪⎪=-- =⎨⎪⎪=-+⎪⎩Jacobi 迭代矩阵J B 为130102011088210155J B ⎡⎤ - -⎢⎥⎢⎥⎢⎥=- -⎢⎥⎢⎥⎢⎥- ⎢⎥⎣⎦，由5251||||max ,,1208153J B ∞⎧⎫==<⎨⎬⎩⎭知，Jacobi 迭代收敛. 因设(0)(0,0,0)Tx =，用迭代公式计算一次得(1)(1)(1)12363,, 2.52x x x = = =而(1)(0)|||| 2.x x ∞-=于是有6110(1)13ln ln 13.23i -⎡⎤⋅-⎢⎥>=⎢⎥⎢⎥⎣⎦所以，要保证各分量误差绝对值小于610-，需要迭代14次.【例2.8】 用Gauss －Seidel 迭代法解例2.11中的方程组，问迭代是否收敛?若收敛，取(0)(0,0,0)Tx =，需要迭代多少次，才能保证各分量误差的绝对值小于610-?【解】 Gauss －Seidel 迭代矩阵G B 为102403601()03025524000G B D L U - - ⎡⎤⎢⎥=-+= -⎢⎥⎢⎥ 38 -3⎣⎦显然1||||14G B =<，所以迭代收敛. Gauss －Seidel 迭代分量公式为(1)()()123(1)(1)()213(1)(1)(1)3121(2423),201(12),0,1,2,81(3022),15i i i i i i i i i x x x x x x i x x x ++++++⎧=--⎪⎪⎪=-- =⎨⎪⎪=-+⎪⎩因取(0)(0,0,0)T x =，故迭代一次得(1)(1)(1)1231.2, 1.35, 2.11x x x = = =于是有(1)(0)|||| 2.11x x ∞-=，计算得6110(1)14ln ln 10.2.114i -⎡⎤⋅-⎢⎥>=⎢⎥⎢⎥⎣⎦所在，要保证各分量误差绝对值小于610-，需要迭代11次.。

第一章行列式1.利用对角线法则计算下列三阶行列式:(1)38114112---;解38114112---=2⨯(-4)⨯3+0⨯(-1)⨯(-1)+1⨯1⨯8 -0⨯1⨯3-2⨯(-1)⨯8-1⨯(-4)⨯(-1) =-24+8+16-4=-4.(3)222111cbacba;解222111cbacba=bc2+ca2+ab2-ac2-ba2-cb2=(a-b)(b-c)(c-a).4.计算下列各行列式:(1)71125102214214;解7112510221421411423102211021473234-----======cccc34)1(143102211014+-⨯---=143102211014--=014171721099323211=-++======cccc.(2)265232112131412-;解265232112131412-265321221341224--=====cc412321221341224--=====rr321221341214=--=====rr.(3)efcfbfdecdbdaeacab---;解efcfbfdecdbdaeacab---ecbecbecba d f---=a b c d e fa d fbc e4111111111=---=.(4)dcba111111---.解dcba111111---dcbaabarr11111121---++=====dcaab1111)1)(1(12--+--=+111123-+-++=====cdcadaabdcccdadab+-+--=+111)1)(1(23=abcd+ab+cd+ad+1.6. 证明:(1)1112222bbaababa+=(a-b)3;证明1112222b b a a b ab a +00122222221213a b a b a a b a ab a c c c c ------=====ab a b a b a ab 22)1(22213-----=+21))((ab a a b a b +--==(a -b)3 .(2)yx z x z y zy x b a bz ay by ax bx az by ax bx az bz ay bx az bz ay by ax )(33+=+++++++++;证明bzay by ax bx az by ax bx az bz ay bx az bz ay by ax +++++++++bz ay by ax x byax bx az z bx az bz ay y b bz ay by ax z by ax bx az y bx az bz ay x a +++++++++++++=bz ay y x byax x z bx az z y b y by ax z x bx az y z bz ay x a +++++++=22z y x yx z x z y b y x z x z y z y x a 33+=y x z xz y z y x b y x z x z y z y x a 33+=y x z xz y z y x b a )(33+=.8. 计算下列各行列式(Dk 为k 阶行列式):(1)aaD n 11⋅⋅⋅=, 其中对角线上元素都是a , 未写出的元素都是0;解a a a a a D n 0 0010 000 00 0000 0010 00⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅=(按第n 行展开))1()1(10 00 0000 0010 000)1(-⨯-+⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅-=n n n aa a )1()1(2 )1(-⨯-⋅⋅⋅⋅-+n n n a a ann n nn a a a+⋅⋅⋅-⋅-=--+)2)(2(1)1()1(=an -an -2=an -2(a2-1).(2)x a a a x aa ax D n ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅= ;解 将第一行乘(-1)分别加到其余各行, 得ax x a ax x a a x x a a a a x D n --⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅--⋅⋅⋅--⋅⋅⋅=000 0 00 0 ,再将各列都加到第一列上, 得ax ax a x aaa a n x D n -⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅-⋅⋅⋅-⋅⋅⋅-+=0000 0 000 00 )1(=[x +(n -1)a](x -a)n第二章 矩阵及其运算 1. 计算下列乘积:(5)⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛321332313232212131211321)(x x x a a a a a a a a a x x x ;解⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛321332313232212131211321)(x x x a a a a a a a a a x x x=(a11x1+a12x2+a13x3 a12x1+a22x2+a23x3 a13x1+a23x2+a33x3)⎪⎪⎭⎫⎝⎛321xx x322331132112233322222111222x x a x x a x x a x a x a x a +++++=.2. 设⎪⎪⎭⎫ ⎝⎛--=111111111A , ⎪⎪⎭⎫ ⎝⎛--=150421321B , 求3AB -2A 及A TB . 解⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛--=-1111111112150421321111111111323A AB⎪⎪⎭⎫⎝⎛----=⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛-=2294201722213211111111120926508503,⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛--=092650850150421321111111111B A T . 3. 已知两个线性变换⎪⎩⎪⎨⎧++=++-=+=32133212311542322y y y x y y y x y y x , ⎪⎩⎪⎨⎧+-=+=+-=323312211323z z y z z y z z y ,求从z1, z2, z3到x1, x2, x3的线性变换.解 由已知⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛221321514232102y y y x x x ⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛-=321310102013514232102z z z ⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫ ⎝⎛----=321161109412316z z z ,所以有⎪⎩⎪⎨⎧+--=+-=++-=3213321232111610941236z z z x z z z x z z z x . 4. 设⎪⎭⎫ ⎝⎛=3121A , ⎪⎭⎫ ⎝⎛=2101B , 问: (1)AB =BA 吗?解 AB ≠BA .因为⎪⎭⎫ ⎝⎛=6443AB , ⎪⎭⎫ ⎝⎛=8321BA , 所以AB ≠BA .(3)(A +B)(A -B)=A2-B2吗? 解 (A +B)(A -B)≠A2-B2.因为⎪⎭⎫ ⎝⎛=+5222B A , ⎪⎭⎫ ⎝⎛=-1020B A ,⎪⎭⎫⎝⎛=⎪⎭⎫ ⎝⎛⎪⎭⎫ ⎝⎛=-+906010205222))((B A B A , 而 ⎪⎭⎫⎝⎛=⎪⎭⎫ ⎝⎛-⎪⎭⎫ ⎝⎛=-718243011148322B A ,故(A +B)(A -B)≠A2-B2.5. 举反列说明下列命题是错误的:(1)若A2=0, 则A =0;解 取⎪⎭⎫ ⎝⎛=0010A , 则A2=0, 但A ≠0. (2)若A2=A , 则A =0或A =E ;解 取⎪⎭⎫ ⎝⎛=0011A , 则A2=A , 但A ≠0且A ≠E . (3)若AX =AY , 且A ≠0, 则X =Y .解 取⎪⎭⎫ ⎝⎛=0001A ,⎪⎭⎫ ⎝⎛-=1111X , ⎪⎭⎫ ⎝⎛=1011Y ,则AX =AY , 且A ≠0, 但X ≠Y .7. 设⎪⎪⎭⎫⎝⎛=λλλ001001A , 求Ak .解 首先观察⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛=λλλλλλ0010010010012A ⎪⎪⎭⎫⎝⎛=222002012λλλλλ,⎪⎪⎭⎫⎝⎛=⋅=3232323003033λλλλλλA A A ,⎪⎪⎭⎫⎝⎛=⋅=43423434004064λλλλλλA A A ,⎪⎪⎭⎫⎝⎛=⋅=545345450050105λλλλλλA A A , ⋅ ⋅ ⋅ ⋅ ⋅ ⋅,⎝⎛=k A kk k k k k k k k k λλλλλλ0002)1(121----⎪⎪⎪⎭⎫ .用数学归纳法证明:当k =2时, 显然成立. 假设k 时成立，则k +1时，⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎭⎫⎝⎛-=⋅=---+λλλλλλλλλ0010010002)1(1211k k k k k k k k k k k k A A A ⎪⎪⎪⎪⎭⎫ ⎝⎛+++=+-+--+11111100)1(02)1()1(k k k k k k k k k k λλλλλλ, 由数学归纳法原理知:⎪⎪⎪⎪⎭⎫⎝⎛-=---k k kk k k k k k k k A λλλλλλ0002)1(121.8. 设A , B 为n 阶矩阵，且A 为对称矩阵，证明BTAB 也是对称矩阵. 证明 因为A T =A , 所以 (BTAB)T =BT(BTA)T =BTA TB =BTAB , 从而BTAB 是对称矩阵. 11. 求下列矩阵的逆矩阵:(1)⎪⎭⎫ ⎝⎛5221; 解 ⎪⎭⎫ ⎝⎛=5221A . |A|=1, 故A -1存在. 因为⎪⎭⎫ ⎝⎛--=⎪⎭⎫ ⎝⎛=1225*22122111A A A A A , 故*||11A A A =-⎪⎭⎫⎝⎛--=1225.(3)⎪⎪⎭⎫⎝⎛---145243121; 解⎪⎪⎭⎫ ⎝⎛---=145243121A . |A|=2≠0, 故A -1存在. 因为⎪⎪⎭⎫ ⎝⎛-----=⎪⎪⎭⎫ ⎝⎛=214321613024*332313322212312111A A A A A A A A A A , 所以*||11A A A =-⎪⎪⎪⎭⎫⎝⎛-----=1716213213012.(4)⎪⎪⎪⎭⎫ ⎝⎛n a a a 0021(a1a2⋅ ⋅ ⋅an ≠0) .解 ⎪⎪⎪⎭⎫ ⎝⎛=n a a a A0021, 由对角矩阵的性质知 ⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=-n a a a A 10011211 .12. 利用逆矩阵解下列线性方程组:(1)⎪⎩⎪⎨⎧=++=++=++3532522132321321321x x x x x x x x x ;解 方程组可表示为⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛321153522321321x x x , 故 ⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛-0013211535223211321x x x ,从而有 ⎪⎩⎪⎨⎧===001321x x x .19.设P -1AP =Λ, 其中⎪⎭⎫ ⎝⎛--=1141P , ⎪⎭⎫ ⎝⎛-=Λ2001, 求A11.解 由P -1AP =Λ, 得A =P ΛP -1, 所以A11= A=P Λ11P -1.|P|=3,⎪⎭⎫ ⎝⎛-=1141*P , ⎪⎭⎫ ⎝⎛--=-1141311P ,而⎪⎭⎫⎝⎛-=⎪⎭⎫⎝⎛-=Λ11111120 012001,故⎪⎪⎪⎭⎫⎝⎛--⎪⎭⎫ ⎝⎛-⎪⎭⎫ ⎝⎛--=31313431200111411111A ⎪⎭⎫ ⎝⎛--=68468327322731. 20. 设AP =P Λ, 其中⎪⎪⎭⎫⎝⎛--=111201111P , ⎪⎪⎭⎫ ⎝⎛-=Λ511, 求ϕ(A)=A8(5E -6A +A2).解 ϕ(Λ)=Λ8(5E -6Λ+Λ2)=diag(1,1,58)[diag(5,5,5)-diag(-6,6,30)+diag(1,1,25)] =diag(1,1,58)diag(12,0,0)=12diag(1,0,0). ϕ(A)=P ϕ(Λ)P -1*)(||1P P P Λ=ϕ⎪⎪⎭⎫ ⎝⎛------⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛---=1213032220000000011112011112⎪⎪⎭⎫⎝⎛=1111111114. 21. 设Ak =O (k 为正整数), 证明(E -A)-1=E +A +A2+⋅ ⋅ ⋅+Ak -1.证明 因为Ak =O , 所以E -Ak =E . 又因为 E -Ak =(E -A)(E +A +A2+⋅ ⋅ ⋅+Ak -1), 所以 (E -A)(E +A +A2+⋅ ⋅ ⋅+Ak -1)=E , 由定理2推论知(E -A)可逆, 且(E -A)-1=E +A +A2+⋅ ⋅ ⋅+Ak -1.证明 一方面, 有E =(E -A)-1(E -A). 另一方面, 由Ak =O , 有E =(E -A)+(A -A2)+A2-⋅ ⋅ ⋅-Ak -1+(Ak -1-Ak) =(E +A +A2+⋅ ⋅ ⋅+A k -1)(E -A),故 (E -A)-1(E -A)=(E +A +A2+⋅ ⋅ ⋅+Ak -1)(E -A), 两端同时右乘(E -A)-1, 就有(E -A)-1(E -A)=E +A +A2+⋅ ⋅ ⋅+Ak -1.22. 设方阵A 满足A2-A -2E =O , 证明A 及A +2E 都可逆, 并求A -1及(A +2E)-1.证明 由A2-A -2E =O 得 A2-A =2E , 即A(A -E)=2E ,或 E E A A =-⋅)(21,由定理2推论知A 可逆, 且)(211E A A -=-.由A2-A -2E =O 得A2-A -6E =-4E , 即(A +2E)(A -3E)=-4E ,或 EA E E A =-⋅+)3(41)2(由定理2推论知(A +2E)可逆, 且)3(41)2(1A E E A -=+-.证明 由A2-A -2E =O 得A2-A =2E , 两端同时取行列式得 |A2-A|=2, 即 |A||A -E|=2, 故 |A|≠0,所以A 可逆, 而A +2E =A2, |A +2E|=|A2|=|A|2≠0, 故A +2E 也可逆. 由 A2-A -2E =O ⇒A(A -E)=2E⇒A -1A(A -E)=2A -1E ⇒)(211E A A -=-,又由 A2-A -2E =O ⇒(A +2E)A -3(A +2E)=-4E ⇒ (A +2E)(A -3E)=-4 E ,所以 (A +2E)-1(A +2E)(A -3E)=-4(A +2 E)-1,)3(41)2(1A E E A -=+-.矩阵的初等变换与线性方程组1. 把下列矩阵化为行最简形矩阵:(1)⎪⎪⎭⎫ ⎝⎛--340313021201; 解 ⎪⎪⎭⎫⎝⎛--340313021201(下一步: r2+(-2)r1, r3+(-3)r1. )~⎪⎪⎭⎝--231(下一步: r2÷(-1), r3÷(-2). )~⎪⎪⎭⎫⎝⎛--131121(下一步: r3-r2. )~⎪⎪⎭⎫⎝⎛--331121(下一步: r3÷3. )~⎪⎪⎭⎫⎝⎛--131121(下一步: r2+3r3. )~⎪⎪⎭⎫⎝⎛-11121(下一步: r1+(-2)r2, r1+r3. )~⎪⎪⎭⎫⎝⎛111.(3)⎪⎪⎪⎭⎫⎝⎛---------1243323221453334311;解⎪⎪⎪⎭⎫⎝⎛---------1243323221453334311(下一步: r2-3r1, r3-2r1, r4-3r1. )~⎪⎪⎪⎭⎫⎝⎛--------1010566388434311(下一步: r2÷(-4), r3÷(-3) , r4÷(-5). )~⎪⎪⎪⎭ ⎝---2210022********(下一步: r1-3r2, r3-r2, r4-r2. )~⎪⎪⎪⎭⎫ ⎝⎛---00000000002210032011.3. 已知两个线性变换⎪⎩⎪⎨⎧++=++-=+=32133212311542322y y y x y y y x y y x ,⎪⎩⎪⎨⎧+-=+=+-=323312211323z z y z z y z z y ,求从z1, z2, z3到x1, x2, x3的线性变换.解 由已知⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛221321514232102y y y x x x ⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛-=321310102013514232102z z z ⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫ ⎝⎛----=321161109412316z z z , 所以有⎪⎩⎪⎨⎧+--=+-=++-=3213321232111610941236z z z x z z z x z z z x .4. 试利用矩阵的初等变换, 求下列方阵的逆矩阵:(1)⎪⎪⎭⎫ ⎝⎛323513123; 解 ⎪⎪⎭⎫ ⎝⎛100010001323513123~⎪⎪⎭⎫ ⎝⎛---101011001200410123 ~⎪⎪⎭⎫ ⎝⎛----1012002110102/102/3023~⎪⎪⎭⎫⎝⎛----2/102/11002110102/922/7003~⎪⎪⎭⎫⎝⎛----2/12/1121112/33/26/71故逆矩阵为⎪⎪⎪⎪⎭⎫⎝⎛----2121211233267.(2)⎪⎪⎪⎭⎫⎝⎛-----1212321122123.解⎪⎪⎪⎭⎫⎝⎛-----11111212321122123~⎪⎪⎪⎭⎫⎝⎛----131111225941212321~⎪⎪⎪⎭⎫⎝⎛--------214311112111212321~⎪⎪⎪⎭⎫⎝⎛-------10612431111111212321~⎪⎪⎪⎭⎫⎝⎛----------1061263111`1221111121~⎪⎪⎪⎭⎫ ⎝⎛-------106126311101042111000010*********故逆矩阵为⎪⎪⎪⎭⎫ ⎝⎛-------10612631110104211. 5. (2)设⎪⎪⎭⎫ ⎝⎛---=433312120A , ⎪⎭⎫⎝⎛-=132321B , 求X 使XA =B . 解 考虑A TXT =BT . 因为⎪⎪⎭⎫ ⎝⎛----=134313*********) ,(TTB A ⎪⎪⎭⎫⎝⎛---411007101042001 ~r , 所以⎪⎪⎭⎫⎝⎛---==-417142)(1TTTB A X , 从而⎪⎭⎫⎝⎛---==-4741121BA X . 9. 求作一个秩是4的方阵, 它的两个行向量是(1, 0, 1, 0, 0), (1, -1, 0, 0, 0).解 用已知向量容易构成一个有4个非零行的5阶下三角矩阵:⎪⎪⎪⎪⎭⎫⎝⎛-0000001000001010001100001,此矩阵的秩为4, 其第2行和第3行是已知向量.12. 设⎪⎪⎭⎫ ⎝⎛----=32321321k k k A , 问k 为何值, 可使 (1)R(A)=1; (2)R(A)=2; (3)R(A)=3.解⎪⎪⎭⎫ ⎝⎛----=32321321k k k A ⎪⎪⎭⎫⎝⎛+-----)2)(1(0011011 ~k k k k k r . (1)当k =1时, R(A)=1; (2)当k =-2且k ≠1时, R(A)=2;(3)当k ≠1且k ≠-2时, R(A)=3. P106/1.已知向量组A : a1=(0, 1, 2, 3)T , a2=(3, 0, 1, 2)T , a3=(2, 3, 0, 1)T ;B : b1=(2, 1, 1, 2)T , b2=(0, -2, 1, 1)T , b3=(4, 4, 1, 3)T , 证明B 组能由A 组线性表示, 但A 组不能由B 组线性表示.证明 由 ⎪⎪⎪⎭⎫⎝⎛-=312123111012421301402230) ,(B A ⎪⎪⎪⎭⎫ ⎝⎛-------971820751610402230421301~r⎪⎪⎪⎭⎫⎝⎛------531400251552000751610421301 ~r⎪⎪⎪⎭⎫ ⎝⎛-----000000531400751610421301~r知R(A)=R(A , B)=3, 所以B 组能由A 组线性表示. 由⎪⎪⎪⎭⎫⎝⎛-⎪⎪⎪⎭⎫ ⎝⎛---⎪⎪⎪⎭⎫ ⎝⎛-=000000110201110110220201312111421402~~r r B知R(B)=2. 因为R(B)≠R(B , A), 所以A 组不能由B 组线性表示.4. 判定下列向量组是线性相关还是线性无关: (1) (-1, 3, 1)T , (2, 1, 0)T , (1, 4, 1)T ;(2) (2, 3, 0)T , (-1, 4, 0)T , (0, 0, 2)T .解 (1)以所给向量为列向量的矩阵记为A . 因为⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛-=000110121220770121101413121~~r r A , 所以R(A)=2小于向量的个数, 从而所给向量组线性相关. (2)以所给向量为列向量的矩阵记为B . 因为22200043012||≠=-=B ,所以R(B)=3等于向量的个数, 从而所给向量组线性相无关.5. 问a 取什么值时下列向量组线性相关？a1=(a , 1, 1)T , a2=(1, a , -1)T , a3=(1, -1, a)T . 解 以所给向量为列向量的矩阵记为A . 由)1)(1(111111||+-=--=a a a aa a A知, 当a =-1、0、1时, R(A)<3, 此时向量组线性相关.9.设b1=a1+a2, b2=a2+a3, b3=a3+a4, b4=a4+a1, 证明向量组b1, b2, b3, b4线性相关. 证明 由已知条件得a1=b1-a2, a2=b2-a3, a3=b3-a4, a4=b4-a1, 于是 a1 =b1-b2+a3=b1-b2+b3-a4 =b1-b2+b3-b4+a1, 从而 b1-b2+b3-b4=0,这说明向量组b1, b2, b3, b4线性相关.11.(1) 求下列向量组的秩, 并求一个最大无关组:(1)a1=(1, 2, -1, 4)T , a2=(9, 100, 10, 4)T , a3=(-2, -4, 2, -8)T ; 解 由⎪⎪⎪⎭⎫ ⎝⎛-⎪⎪⎪⎭⎫ ⎝⎛--⎪⎪⎪⎭⎫ ⎝⎛----=000000010291032001900820291844210141002291) , ,(~~321r r a a a ,知R(a1, a2, a3)=2. 因为向量a1与a2的分量不成比例, 故a1, a2线性无关, 所以a1, a2是一个最大无关组.12.利用初等行变换求下列矩阵的列向量组的一个最大无关组:(1)⎪⎪⎪⎭⎫ ⎝⎛4820322513454947513253947543173125;解 因为⎪⎪⎪⎭⎫ ⎝⎛482032251345494751325394754317312513121433~r r r r r r ---⎪⎪⎪⎭⎫ ⎝⎛531053103210431731253423~r r r r --⎪⎪⎪⎭⎫ ⎝⎛00003100321043173125,所以第1、2、3列构成一个最大无关组.(2)⎪⎪⎪⎭⎫ ⎝⎛---14011313021512012211. 解 因为⎪⎪⎪⎭⎫ ⎝⎛---141131302151201221113142~r r r r --⎪⎪⎪⎭⎫ ⎝⎛------22201512015120122112343~r r r r +↔⎪⎪⎪⎭⎫ ⎝⎛---00000222001512012211,所以第1、2、3列构成一个最大无关组.13. 设向量组(a , 3, 1)T , (2, b , 3)T , (1, 2, 1)T , (2, 3, 1)T 的秩为2, 求a , b .解 设a1=(a , 3, 1)T , a2=(2, b , 3)T , a3=(1, 2, 1)T , a4=(2, 3, 1)T . 因为⎪⎪⎭⎫ ⎝⎛----⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛=52001110311161101110311131********) , , ,(~~2143b a a b a b a r r a a a a ,而R(a1, a2, a3, a4)=2, 所以a =2, b =5.20.求下列齐次线性方程组的基础解系:(1)⎪⎩⎪⎨⎧=-++=-++=++-02683054202108432143214321x x x x x x x x x x x x ;解 对系数矩阵进行初等行变换, 有⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛---=00004/14/3100401 2683154221081~r A , 于是得⎩⎨⎧+=-=43231)4/1()4/3(4xx x x x . 取(x3, x4)T =(4, 0)T , 得(x1, x2)T =(-16, 3)T ; 取(x3, x4)T =(0, 4)T , 得(x1, x2)T =(0, 1)T .因此方程组的基础解系为ξ1=(-16, 3, 4, 0)T , ξ2=(0, 1, 0, 4)T .(2)⎪⎩⎪⎨⎧=-++=-++=+--03678024530232432143214321x x x x x x x x x x x x .解 对系数矩阵进行初等行变换, 有⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛----=000019/719/141019/119/201 367824531232~r A , 于是得⎩⎨⎧+-=+-=432431)19/7()19/14()19/1()19/2(xx x x x x . 取(x3, x4)T =(19, 0)T , 得(x1, x2)T =(-2, 14)T ; 取(x3, x4)T =(0, 19)T , 得(x1, x2)T =(1, 7)T . 因此方程组的基础解系为ξ1=(-2, 14, 19, 0)T , ξ2=(1, 7, 0, 19)T .26. 求下列非齐次方程组的一个解及对应的齐次线性方程组的基础解系:(1)⎪⎩⎪⎨⎧=+++=+++=+3223512254321432121x x x x x x x x x x ;解 对增广矩阵进行初等行变换, 有⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛=2100013011080101 322351211250011~r B .与所给方程组同解的方程为⎪⎩⎪⎨⎧=+=--=2 13 843231x x x x x .当x3=0时, 得所给方程组的一个解η=(-8, 13, 0, 2)T . 与对应的齐次方程组同解的方程为⎪⎩⎪⎨⎧==-=0 43231x x x x x .当x3=1时, 得对应的齐次方程组的基础解系ξ=(-1, 1, 1, 0)T .(2)⎪⎩⎪⎨⎧-=+++-=-++=-+-6242163511325432143214321x x x x x x x x x x x x .解 对增广矩阵进行初等行变换, 有⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛-----=0000022/17/11012/17/901 6124211635113251~r B . 与所给方程组同解的方程为⎩⎨⎧--=++-=2)2/1((1/7)1)2/1()7/9(432431x x x x x x .当x3=x4=0时, 得所给方程组的一个解 η=(1, -2, 0, 0)T .与对应的齐次方程组同解的方程为⎩⎨⎧-=+-=432431)2/1((1/7))2/1()7/9(x x x x x x .分别取(x3, x4)T =(1, 0)T , (0, 1)T , 得对应的齐次方程组的基础解系 ξ1=(-9, 1, 7, 0)T . ξ2=(1, -1, 0, 2)T .。

现代数值计算习题答案现代数值计算习题答案数值计算是现代科学和工程领域中的重要组成部分，它涉及到使用数值方法和计算机技术来解决实际问题。

在学习数值计算的过程中，习题是不可或缺的一部分，通过解答习题可以帮助学生巩固所学的知识，并提高解决实际问题的能力。

本文将为读者提供一些现代数值计算习题的答案，帮助读者更好地理解和掌握这一领域的知识。

一、数值线性代数1. 解释什么是线性方程组的LU分解？答：线性方程组的LU分解是将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积的过程。

其中，L矩阵的对角线元素为1，U矩阵的对角线元素与原矩阵相同。

通过LU分解，可以简化线性方程组的求解过程，提高计算效率。

2. 什么是矩阵的条件数？答：矩阵的条件数是衡量矩阵相对于其逆矩阵的敏感程度的一个指标。

条件数越大，矩阵的求逆过程越不稳定，误差积累的可能性越大。

条件数可以用来评估数值解的稳定性和精确性。

二、插值和拟合1. 什么是插值？答：插值是指通过已知数据点来构造一个函数，使得该函数在这些数据点上的取值与已知数据完全一致。

插值可以用于估计数据点之间的未知值，常用的插值方法包括拉格朗日插值和牛顿插值。

2. 什么是最小二乘拟合？答：最小二乘拟合是一种通过最小化残差平方和来拟合数据的方法。

在最小二乘拟合中，通过选择合适的函数形式和参数，使得拟合函数与实际数据之间的误差最小化。

最小二乘拟合广泛应用于数据分析和曲线拟合领域。

三、数值微积分1. 什么是数值积分？答：数值积分是一种通过数值方法来近似计算定积分的方法。

数值积分可以通过将定积分区间划分为若干小区间，然后在每个小区间上使用数值方法来估计积分值。

常用的数值积分方法包括梯形法则和辛普森法则。

2. 什么是数值微分？答：数值微分是一种通过数值方法来近似计算导数的方法。

数值微分可以通过使用有限差分公式来估计导数值。

常用的数值微分方法包括前向差分、后向差分和中心差分。

四、常微分方程数值解1. 什么是常微分方程？答：常微分方程是描述自变量和未知函数之间关系的方程，其中未知函数的导数出现。

A 组1.判别Q (厉)二｛0 +勿亦|0,处0｝是否为数域？解是.2.设/(x) = x3 4-x2 4-x+l, g(兀)=兀2+3兀+ 2,求 /(兀)+ g(x)，/(x)-g(x), f(x)g(x). 解/(x) + g (x) = x3 4- 2x2 + 4x + 3 ,/(兀)-g(x)"-2x-l,f(x)g(x) = x5 +4x4 +6兀'+6兀$ +5x + 2 .3.设/(%) = (5x-4),993(4x2 -2x-l),994 (8x3 -1 lx+2)'995,求 /(%)的展开式中各项系数的和.解由于/(兀)的各项系数的和等于/⑴，所以/(I) = (5-4严3(4-2- 1尸94(8-11 + 2)1995 =-1.4.求g(兀)除以/(兀)的商q(x)与余式心).(1)f (x) —— 3%2— x — 1, g(兀)=3F - 2兀+1 ；(2)/(x) = x4 -2x4-5, g(x) = x2 -x + 2 .解（1）用多项式除法得到x 73x~ — 2x +13_93X + 3—x —x-i3 37 ° 14 7-- 无_+ —x --3 9 926 2-- X ---9 9所以'恥）十岭心）W（2）用多项式除法得到x4— 2x + 5兀4 —”丫" + 2 兀2— 2x~ — 2 兀+5 jy?—兀~ + 2 兀-x2-4x4-5-兀? + X - 2—5x + 7所以，q(x) = x2 +x-l, r(x) = -5x + 7 .5.设是两个不相等的常数，证明多项式/(兀)除以(x-a)(x-b)所得余式为af(b)_bg)a-b a-h证明依题意可设/(x) = (x - a)(x - b)q(x) + cx+d,则”(a) = ca + d,[f(b) = cb + d.解得F=(/a) --,\d = (af(b)-bf(a))/(a-b).故所得余式为a-b a-b6.问m,p,q适合什么条件时，/(兀)能被g(x)整除？(1) /(x) = x3 + px + q , g(x) = x2 + nvc-1；(2) f(x) = x4 + px2 +q , g(兀)=x2 + mx+l.解(1)由整除的定义知，要求余式r(x) = 0 .所以先做多项式除法,3x2 + mx -1x-in“+ “X + q3 2x + mx^ - x-mx1 +(〃 + l)x + g2 2一 mx_ — m^x + m°(# +1 + 加〜)兀 + (g —m)要求厂(x) = (/? + l +加2)兀+ (§ —加)=0 ,所以(“ + 1 +加2) = 0, q-m = 0.即p = -l-m2, q - m时, 可以整除.（2）方法同上.先做多项式除法，所得余式为厂（兀）=加（2 — ”一nr ）兀+ （1 + @ —卩一加〜），所以 m （2-p-/772） = 0, 1 + ^ - p - m 2= 0 ,即 m = 0, p = q + \ 或“二 2— 加［q = l 时，可以整除.7. 求/（兀）与gCr ）的最大公因式:(1) f (x) — x 4 + — 3%2 — 4x — 1, g (x)=兀彳 + — x — 1 ； (2) f(x) = x 4— 4x 3+ 1, g(x) = x 3— 3x 2+1 ；(3) /(x) = x 4 -10x 2 +1, g(x) = x 4 -4A /2X 3 +6X 2 +4A /2X +1 .解（1）用辗转相除法得到用等式写出來，就是所以(/(x),g(x)) = x + l ・（2）同样地,<8 4 / 3 3= -X + — — -X-—(3 344-2x 2-3x-l1 1 --- X 4——2 -- 4 X 3+ X 2- X - 1 x 4 + x 3- 3x 2- 4x- 11 2 3 , -2x 2 — 3兀—12 21 2 3 1 -- X ----- X ---—2兀~ — 2兀2 4 433-- X ----X -144一丄 184—X H - 3 3 0心宀丄兀2 24 3 2牙+牙-X - Xf(x) = xg(x)^(-2x 2-3x-l),g(x) =所以(/⑴,g (兀)) = 1.⑶ 同样用辗转相除法，可得(/(x),g(x)) = F —2血兀一1.8.求 w(x),仄兀)使 w(x) f\x) + v(x)g(ji) = (/(x), g(%))：(1) f (x) = %4 4- 2x^ — %2 — 4x — 2, (x) = %4 + x — x~ — 2x — 2 : (2) /(x) = 4x 4-2x 3-16x 2+5x4-9, g(x) = 2兀3-x 2-5x+4:(3) /(x) = x A-x 3-4x 2 +4x + l, g (兀)=x 2 -x-l.解(1)利用辗转相除法，可以得到/(x) = g (A ：) + (x 3-2x)'g (兀)=(x+l)(x 3 - 2x) + (x 2 -2),x — 2兀=x(^x~ — 2).因而，(/(x),g(x)) = x 2-2,并且(/(兀),g (兀))=/ 一 2 = g (兀)_ (兀+1)(疋 _ 2兀) =g (兀)一(X +1) (f(x) -g (兀))=(一兀 一 1)/(兀)+ (兀+2)g(x),所以 u(x) = -x-\, v(x) = x + 21 10 -- X H --- 3 9x 3 - 3x 2x-13 1 2 2X H —X X 3 3 10 2 2~~'- ---- X H 兀+ 13 -- 3 10 ° 10 20 X --- 兀 3 9 916~~1T —X ------ 9 927 441 --------- X ---------------16 256-3x 2+—x1649一一539 兀+ --- 27 256(2)利用辗转相除法，可以得到/(x) = 2xg(x)-(6x 2 +3兀-9),(\ 1Ag(x) = —(6x_ + 3兀一9) ——% + — — (% — 1), —(6x - + 3x — 9) = —(x —1)(6% + 9).因而，(/⑴,g(Q) = x-1，并且(1 1 …厶— —X + _ f (x) + _兀_—x~\ I 3 3丿 (3 3丿] 1 2 7 2fi/f 以 W (X )= X H —, V (X )= — --- X — \ •3 3 3 3(3) 利用辗转相除法，可以得到fM = X —3)g(x) + (x — 2),g(x) = (x+l)(x-2) + l ・因而( f(x), g(x)) = 1 ,并且(/(兀),g(x)) = 1 = g(x) - (x+1)(兀一 2)=g (兀)-(兀+1)(/(兀)-(x 2 一3)gCr))—(—兀―1) f (x) + (兀'+ 兀2 — 3兀—2)g(x),所以u (兀)= -x-l, v(x) = x 3 +x 2 -3x-2.9.设/(x) = %3+ (14-t)x 2+ 2x + 2w, g(x)二F+zx + u 的最大公因式是一个二次多项式，求/，凤的值.解利用辗转相除法，可以得到/(%) = g(x) + (l + /)兀2 +(2-/)兀 + « ,(/(x), g(x)) = x-l = -(6x 2+ 3x-9)+ | _g(x)I d J J(I ] \= (/(x)-2xg(x)) --x+- -g(x)\ 3丿 <2 o 2 d ,、 U 3 广—---- 兀+ (1 + r t-2(l +r)2(尸 + r—w)(i+r) + (t— 2)~u[(l + t)2 — (r —2)]由题意，/(x)与g(Q的最大公因式是一个二次多项式，所以(广 + / —w)(l + /) + (f— 2)~(T H?皿(l + r)2-(r-2)] A ；=0,(l + O2解得u = o^t = -4.10.设(x —I)[(A/+ B F+I),求A和B.由题意要求知解用(兀一1)2 去除f\x) = Ar4 + Bx2 +1 ,得余式”(x) = (4A + 2B)兀+1 -3人一B,斤（兀）=0,即4A + 2B = 0,1-3A-B = O,解得A = l,B = -2.11.证明:如果(/(x),g(x)) = l, (/(x),/z(x)) = l,那么(/(x), g(x)/z(x)) = l. 证明由条件可知,存在络(兀)和片⑴ 使得旳(兀)/(兀)+岭⑴g(x) = l,存在如(兀)和卩2(兀)使得u2(x)f(x) + v2(x)h(x) = 1.用/?(兀)乘以第一式得坷(x)f(x)h(x) + V, (x)g(x)h(x) = h(x),代入第二式得u2(x)f(x) + v2 (x) [u t (x)f(x)h(x) 4-Vj (x)g(x)/z(x)] = 1, 即[w2(兀)+ u\ (x)v2(x)h(x)]f(x) + [v, (x)v2(x)]g(x)h(x) = 1,所以(/(x),g(x)/z(x)) = l.12.证明：如果/(x)与g(x)不全为零，且/心)/(兀)+ 咻)g(兀)=(/(%), g(Q)，证明由于w(x)/(x) + v(x)g(x) = (/(x),g(x)), /(X )与 g(x)不全为零，所以(/(x)，g(x))HO.两 边同时除以(/(Hg(Q)HO,有所以(弘(兀),咻)) = 1 .13.证明：如果〃(兀)|/(兀),〃(兀)|g(x),且〃(兀)为/(兀)与g(x)的一个组合，那么〃(兀)是/G)与 g(x)的一个最大公因式.证明由题意知d(x)是/(X )与g(x)的公因式.再由条件设d(x) = w(x)/(x) + v(x)^(x) •又设h(x) 为/(x)与g(x)的任一公因式，即/z(x)|/(x), h(x)\g(x),则由上式有h(x)\d(x).故而”(兀)是/(兀)与 g(x)的一个最大公因式.14.证明：(.fO)/2(X ), gO)/2(X )) = (.f(X ), g(x))〃(x),其中力(兀)的首项系数为 1.证明显然(/(x), g(x))/?(x)是f{x)h{x)与g(x)h(x)的一个公因式.下面來证明它是最大公因式. 设 /心),v(x)满足 w(x)/(x) + v(x)g(x) = (/(x), g(X>),贝iJu(x)f(x)h(x) + v(x)g(x)h(x) = (/(x),g(x))/z(x).由上题结果知，(/(兀),g(X ))/7(X )是/(X )/?(X )与g(JC”7(X )的一个最大公因式，又首项系数为1,所以(/(x)A(x), ^(%)/?(%)) = (/(x), ^(x))/i(x)・/⑴ g (兀)、(/(兀),g (兀))’(f(x),g(x))丿证明设〃(兀)=(/(兀),g(x)),则存在多项式M (x), v(x),使d(x) = u(x)f(x) + v(x)g(x)・因为/(X )与g (尢)不全为零，所以d(x)HO.上式两边同时除以〃(兀)，有故 /(兀) _____________ g (x)l (/(x),g(x))‘(/(x),g(x))‘u(x) /(X ) (/(%), g(x)) + v(x) g(x) (y (x ),^(x ))15.设多项式/(x)与gS)不全为零，证明1 = u(x)/(兀)(/(兀),g(x))+咻)g(x) (/(兀),g(x))=1成立.16. 分别在复数域、实数域和有理数域上分解兀4+ 1为不可约因式之积.在有理数域上兀°+1是不可约多项式.否则，若+ +1可约，有以下两种可能.(1) 兀4+1有一次因式，从而它有有理根，但/(±1)工0,所以卍+1无有理根.(2) x 4+ 1 无一次因式，设x 4+1 = (x 2+处 +方)(F +cx + d),其中 a,b y c,cl 为整数.于是a + c = O, b+ 〃 + ac = O, cut + be = 0 , bd = \,又分两种情况：① b = d = \,又 a = —c,从而由 b + 〃 + ac = O,得 a 2=2,矛盾； ② b = d = — \,则 a 2= —2 ,矛盾.综合以上情况，即证.17. 求下列多项式的有理根： (1) /(x) = x 3-6x 2+15兀一 14 ；(2) ^(X ) = 4X 4-7X 2-5X -1；(3) /z(x) = x 5+ %4— 6x^ — 14x~ — 1 lx — 3 ・解(1)由于/(x)是首项系数为1的整系数多项式，所以有理根必为整数根，且为-14的因数.-14的 因数有：±1, ±2, ±7, ±14,计算得到:/(D = -4, /(-1) = -36, /(2) = 0, /(-2) = -72,/(7) = 140, /(-7) = -756, /(14) = 1764, /(一 14) = —4144,故x = 2是/(兀)的有理根.再由多项式除法可知，x = 2是于(兀)的单根.⑵ 类似(1)的讨论可知，g(x)的可能的有理根为:故x = --是巩兀)的有理根.再由多项式除法可知，兀二-丄是/(劝的2重根.2 2⑶ 类似地，加兀)的可能的有理根为：±1,±3,计算得到解在实数域上的分解式为X4+ 1 = (X 2 + 1)2-2X 2 =(X 2+V2X + 1)(X 2-V2X +1).在复数域上的分解式为x + ----------1 2 2%4+ 1 = f亠迈亠近、X ---------- 12 2/±1, ±1 ±?计算得到g(l) = -9,g(-1) = 1, g(］、r 、171=-5, g —=0, g — 一 —‘ g —〔2< 264 ,4丿11A(l) = -28, /?(-l) = 0,(3) = 0,加一3) = -96.故x = -l, x = 3是//(兀)的有理根.再由多项式除法可知，x = -\是/z(x)的4重根，兀=3是//(兀)的单根.18.若实系数方程x34- px + q = 0有一根a + bi (a,b为实数，/?工0),则方程x3 + px-q = 0有实根2—证明设原方程有三个根不失一般性，令=a + bi,从而有a2 =a-bi,由根与系数的关系可知0 = $ + 冬 + 他=(° + 勿)+ (a - bi) + ,所以冬二-2d，即(-2a)‘ + /?(-2a) + g = 0，故(2a)' + p(2a)-q = 0.这说明x3 + /zr-g = 0有实根2a .19.证明：如果(%-i)|/(r),那么证明因为u-i)|/(z),所以/(r)= /(i)= 0.因此，令y(x)=(x-i)g(x),则有E =(*-i)g(;),即(伙-1)|/(疋).20.下列多项式在有理数域上是否可约？(1)土 (%) = F+1；(2)/；(X)= X4-8?+12X2+2；(3)人(x) = x" +『+1 ；(4)厶(无)=* + "； + 1,门为奇素数；(5)厶(兀)=兀°+4尬+ 1, A为整数.解(1) ./；(兀)的可能的有理根为：±1,而/(±1) = 2,所以它在有理数域上不可约.(2)由Eisenstein判别法，取素数p = 2,则2不能整除1,而2|(-8), 2|12, 2|2,但是2?不能整除2,所以该多项式在有理数域上不可约.(3)令x=y + l,代入厶(x) = P+x'+l有^(y) = ^(y + l) = / + 6/+15/+21/+18y24-9y4-3.取素数0 = 3,由Eisenstein判别法知，g(y)在有理数域上不可约，所以/(兀)在有理数域上不可约.(4)令兀= y_l,代入f4(x) = x p 4-px + 1,得g(y)=厶(y j) = -+ cy~2——C；-2y2 + (Cf* + p)y-p，取素数p,由Eisenstein判别法知，g(y)在有理数域上不可约，所以£(兀)在有理数域上不可约.(5)令x=y + l,代入农(兀)=兀4+4Ax+l,得g(.y)=厶(y +1) = y" + 4y‘ + 6y2 + (4k + 4)y + 4R + 2 ,収素数p = 2,由Eisenstein判别法知，g(y)在有理数域上不可约，所以点(兀)在有理数域上不可约.1•设/(X)，g(X)，加兀)是实数域上的多项式，(1)若/2U) = xg2(x) + x/z2(x),则/(x) = g(x) = h{x) = 0 .(2)在复数域上，上述命题是否成立？证明(1)当g(兀)=/2(兀)=0时，有严⑴=0,所以/(%) = 0 ,命题成立.如果g(x), /z(x)不全为零，不妨设g(x)H0・当h(x) = 0时，a(xg2(x) + x/i2U)) = l + 2a^(x)为奇数；当加兀)工0时，因为g(x),瓜兀)都是实系数多项式，所以Xg2(x)与兀胪(兀)都是首项系数为正实数的奇次多项式，于是也有d(xg2(x) + x/『(x))为奇数.而这时均有/2(x)^0 ,且df\x) = 2df(x)为偶数,矛盾.因此有g(兀)=力(兀) = 0,从而有f(x) = 0 .(2)在复数域上，上述命题不成立.例如，设f(x) = 0 , g(x) = x\ h(x) = ix,1,其中斤为自然数, 有/2 (x) = xg2 (x)xh2 (x),但g(x) / 0 ,力(兀)工0.2.设/(x), g(x)9 h(x)e P[x],满足(x2 4-l)h(x)4-(x-l)/(x) + (x+2)g(x) = 0,(x2 + l)/?(x) + (x+ l)/(x) + (x - 2)^(%) = 0.证明(X2+1)|(/U), g(X))・证明两式相加得到2(x2 + l)h(x) + 2x(/(x) + g(兀))=0.由(x2+l,兀)=1可知(x2 + l)|(/(x) + g(x)).两式相减得到-2f(x) + 4g(x) = 0, f(x) = 2g(x).故(x2 + l)|/(x), (x2+l)|g(x), BP(X2+1)|(/(X),g(x)).3・设gi(x)g2(x)\f{(x)f2(x),证明(1)若/(x)|g](x)，/(X)H0,则g2(x)\f2(x)；(2)若g2(x)|/；(x)/；(x),是否有g2(x)\f2(x)?解(1)因为gi(兀)g2(兀)庞(兀)£(兀)，/O)|gi(X)，故存在多项式h(x), h}(x)使得fl(x)f 2(x) = g](x)g 2(x)h(x\ g](兀)=Z (x)h }(x).于是/；(兀)£(兀)=/(兀)人(兀)g2(x)力(兀)•由于 土(兀)工0,故有 f 2(x) = h l (x)g 2(x)h(x),即g 2(x)\f 2(x).(2)否•例如取 g {(x) = x-2 , ^2(X ) = X 2-1 , (x) = (x-l)(x-2), (x) = (x + l)(x4-2).虽 然 gSx)g 2(x)\f^x)f 2(x)且 g 2(x)\f {(x)f 2(x),但 g 2(x)不能整除 f 2(x).4.当R 为何值时，/(x) = X 2 +伙+ 6)x + 4k + 2和g(x) = F+(£ + 2)x + 2R 的最大公因式是一次 的？并求出此吋的最大公因式.解 显然 g(x) = (x + £)(x+2).当(/(x),g(Q) = x + 2时'/(一2) = 4 — 2伙+ 6) + 4£ + 2 = 0‘ 则k = 3.当(于(兀),g(Q )=兀 + £ 时’/(一灯=k 2 - k(k + 6) + 4Z: + 2 = 0 ‘ 则 k = l.这时(/(x), g(x))=兀+1. 5.证明：对于任意正整数斤，都有(/(x),g(Q)"=(/"(x),g"(x))・证明 由题意可知/(%)与&(兀)不全为零.令(/(x), g(x)) = d(x),Z 、” g(x) 、d(x)丿/心)/"(兀)+ 咚)g"(兀)=d\x).又由 d(x)\f(x), d(x)|g(x),有 d n (x) f l \x), d"(x) g"(x),因此 d"(x)是厂(x)与 g"(x)的首项系数为1的最大公因式，从而有(广(x),g"(x))= 〃"(兀)=(/(x),g(x))" •6.设 / (x) = af(x) + bg(x), g[ (x) = c/(x) + dg(x),且 ad - be H 0 ,证明(/(x),g(x)) = (/](x), g](X ))・证明设(/(x), g(x)) = d(x),则 d(x)\f(x\d(x)\g(x).由于 “所以对任意正整如，有爲J 寫〕"卜 于是有u{x) +咻) 则〃(兀)工0,从而fi (兀)=妙(x) + bg(x) , g] (x) = (x) + dg (x),故d (x)| (x), d (x)|g t (x).又设h(x)\ (x), /z(x)|(x),由上式及ad-bc^O ,可得从而/?(x)|/(x), h(x)\g(x),于是h(x)\d(x),即〃(兀)也是/；(兀)和g|(x)的最大公因式，即(/(x), g(x)) = (/；(x),&(兀))・7.设 /(x) = t/(x)/(x), g(Q 二 dCr)g](x),且/O)与 gd)不全为零，证明〃(兀)是/O)与 gCO的一个最大公因式的充分必要条件是(/(劝,g|(x)) = 1.证明必要性.若〃(x)是/(兀)与g (兀)的一个最大公因式，则存在多项式w(x),v(x)使W (x)/(x) +v(x)g(x) = d(x),于是u(x)d(x)f t (x) + v(x)d(x)g l (x) = d(x).由/(力与g (兀)不全为零知如工0,因此有u(x)f l (x) + v(x)g l (x) = l f 即(土(兀),g©))i •充分性.若(f l (x),g l (x)) = l ,则存在多项式u(x),v(x),使 u(x)f l (x)+ v(x)g l (x) = l. 两边同吋乘〃(兀)有u(x)f(x) + v(x)g(x) = d(x)・由d(x)是/(x)与g(x)的一个公因式知，d(x)是f(x)与g(x)的一个最大公因式.8.设于(兀)和g(x)是两个多项式，证明(f(x), g(x)) = l 当且仅当(f(x)-l-g(x), f(x)g(x)) = l. 证明 必要性.设(f(x)9g(x)) = l,若f(x) + g(x)与/⑴g(x)不互素，则有不可约公因式p(x), 使p(x)lf(x)g(x)f所以 p(x)| /(X )或 0(x)|g(x).不妨设 p(x)\ /(x),由 P (x)|(/(x) + g (兀))可知 p(x)|g(x),因此 P (兀)是 /(兀)和g“)的公因式,与/(%), g (x)互素矛盾,故 蚀+g (兀)与蚀g (兀)互素.充分性.设(/(兀)+ gO) J(x)g (兀)) = 1,则存在w(x), v(x)使(/(兀)+ g (兀))心)+ /(x)g(x)v(x) = 1 , f(x)u(x) + g (兀)(臥兀)+d ad-be zw- h ad 一gi (兀)， g(x) -c ad -be a ad -be g](x)，/(x)v(x)) = 1, 上式说明(/(兀),g(兀)) = 1.9.如果(x2 +x + l)|/j(x3) + x/^(x3),那么(x-l)|/；(x), 0 — 1)|/；(兀)・T；®所以，^3=£23 = 1.证明X2+X + l的两个根为£\= 士护和£2=因为U2+x+l)|(/；(^3) + x/；(^3)),所以(兀一£|)(x - £2)|/；(X')+/(F)，故有y 窗)+ £/(郃)=0,［爪哥)+ £2£(哥)=0,即解得/(l) = /；(l) = o,从而(兀—1)|久(兀)，(x-1)|/；(%).10.若f(x)\f(x H),则/(x)的根只能是零或单位根.证明因为f(x)\f(x n),故存在多项式g(x),使/(x n) = /(x)^(x).设。

β （图1）总习题一 一、问答题1. 试解释二、三阶行列式的几何意义.解 在平面解析几何中，已知两向量),(),,(2121b b a a ==βα如图，以βα,为邻边的平行四边形的面积为><=βαβα,sin ||||S 平行四边形，而||||,cos βαβαβα⋅>=< ，故|-1|2><=βαβα,sin ||||S 平行四边形 ||||21211221b b a a b a b a =-=这就是说，二阶行列式2121b b a a 表示平面上以),(),,(2121b b a a ==βα为邻边的平行四边形的有向面积，这里符号规定是当这个平行四边形由向量α沿逆时针方向转到向量β而得到时面积取正值；当这个平行四边形由向量α沿顺时针方向转到向量β而得到时面积取负值．空间三向量),,(),,,(),,,(321321321c c c b b b a a a ===γβα的混合积)(γβα⨯⋅的绝对值等于这三个向量张成的平行六面体的体积，即=平行六面体V |||)(321321321c c c b b b a a a |=⨯⋅γβα 三阶行列式321321321c c c b b b a a a 表示以γβα，，为相邻棱的平行六面体的有向体积，当γβα，，构成右手系时，体积取正值；当γβα，，构成左手系时，体积取负值．实际上改变任意两向量次序，取值符号改变．类比二、三阶行列式，n 阶行列式|,,,|D n n ααα 21=是由n 维向量n,,,ααα 21张成的n 维平行多面体的有向体积．尽管我们不能看见n 维平行多面体，但是有2，3维空间做蓝本，我们却能够通过现象抓住行列式概念的本质，进行想象．行列式的性质均可以通过几何直观解释，这就是了解几何背景的优势．- 2 - 习 题 解 答2. 行列式中元素的余子式、代数余子式与行列式有什么关系？ 解 由定义知，在行列式ijn nD a ⨯=中，去掉元素ij a 所在的第i 行和第j 列后，保持相对位置不变得到的1n -阶行列式称为该元素的余子式，记为ij M ．而把(1)i j ij M +-称为元素ij a 的代数余子式，记为ij A ．由定义可知，元素的余子式及代数余子式与该元素的位置有关，而与该元素本身是什么数无关．因此，如果只改变行列式的某行（列）的各元素数值，并不会改变该行（列）原来的各元素对应的余子式和代数余子式．例如：在行列式1D =123451789-中，将第二行元素都换成1，得2D =123111789，那么2D 的第二行各元素的代数余子式与1D 的第二行各元素的代数余子式是分别对应相同的．利用此性质可以方便地计算行列式某些元素的代数余子式的某些线性组合．它们与行列式的关系主要表现在行列式按行（列）展开定理及其推论中，即⎩⎨⎧≠==∑=)(,0)(,1s i s i D A a sk nk ik ， ⎩⎨⎧≠==∑=)(,0)(,1t j t j D A a kt nk kj ． 3. 试从几何的角度解释三元线性方程组有唯一解的意义.解 线性方程组的解可以借助于子空间的概念来阐明，这样可以使线性方程组的解有了几何意义．设三元一次线性方程组⎪⎩⎪⎨⎧=++=++=++)()()(333332222211111πππ d z c y b x a d z c y b x a d z c y b x a , 三个方程在空间分别表示三个平面123,,πππ，该方程组有唯一解，就是说它们有唯一一个交点（如右图）．这样以直观方式去理解三元线性方程组的解，就会比较顺利地迁移到对n 元线性方程组的解地理解上去。

习题1１．求下三角阵的逆矩阵的详细算法。

[解] 设下三角矩阵L的逆矩阵为T我们可以使用待定法，求出矩阵T的各列向量。

为此我们将T按列分块如下：注意到我们只需运用算法1·1·1，逐一求解方程便可求得[注意]考虑到内存空间的节省，我们可以置结果矩阵T的初始状态为单位矩阵。

这样，我们便得到如下具体的算法：算法（求解下三角矩阵L的逆矩阵T，前代法）２．设为两个上三角矩阵，而且线性方程组是非奇异的，试给出一种运算量为的算法，求解该方程组。

[解]因，故为求解线性方程组，可先求得上三角矩阵T的逆矩阵，依照上题的思想我们很容易得到计算的算法。

于是对该问题我们有如下解题的步骤：（1）计算上三角矩阵T的逆矩阵，算法如下：算法 1（求解上三角矩阵的逆矩阵，回代法。

该算法的的运算量为）（2）计算上三角矩阵。

运算量大约为.（3）用回代法求解方程组：.运算量为；（4）用回代法求解方程组：运算量为。

算法总运算量大约为：３．证明：如果是一个Gauss变换，则也是一个Gauss变换。

[解]按Gauss变换矩阵的定义，易知矩阵是Gauss变换。

下面我们只需证明它是Gauss变换的逆矩阵。

事实上注意到，则显然有从而有４．确定一个Gauss变换L，使[解] 比较比较向量和可以发现Gauss变换L应具有功能：使向量的第二行加上第一行的2倍；使向量的第三行加上第一行的2倍。

于是Gauss变换如下５．证明：如果有三角分解，并且是非奇异的，那么定理1·1·2中的L和U都是唯一的。

[证明]设，其中都是单位下三角阵，都是上三角阵。

因为A非奇异的，于是注意到，单位下三角阵的逆仍是单位下三角阵，两个单位下三角阵的乘积仍是单位下三角阵；上三角阵的逆仍是上三角阵，两个上三角阵的乘积仍是上三角阵。

因此，上述等将是一个单位下三角阵与一个上三角阵相等，故此，它们都必是单位矩阵。

即，从而即A的LU分解是唯一的。

６．设的定义如下证明A有满足的三角分解。

线性代数习题参考答案(总96页)-CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面，使用请直接删除第一章行列式§1 行列式的概念1．填空(1) 排列6427531的逆序数为，该排列为排列。

(2) i = ，j = 时，排列1274i56j9为偶排列。

(3) n阶行列式由项的代数和组成，其中每一项为行列式中位于不同行不同列的n个元素的乘积，若将每一项的各元素所在行标按自然顺序排列，那么列标构成一个n元排列。

若该排列为奇排列，则该项的符号为号；若为偶排列，该项的符号为号。

(4) 在6阶行列式中，含152332445166a a a a a a的项的符号为，含324314516625a a a a a a的项的符号为。

2．用行列式的定义计算下列行列式的值(1)112223323300 0aa aa a解：该行列式的3!项展开式中，有项不为零，它们分别为，所以行列式的值为。

(2)12,121,21,11, 12,100000nn nn n n n n n n n n nnaa aa a aa a a a------解：该行列式展开式中唯一不可能为0的项是，而它的逆序数是，故行列式值为。

3．证明：在全部n 元排列中，奇排列数与偶排列数相等。

证明：n 元排列共有!n 个，设其中奇排列数有1n 个，偶排列数为2n 个。

对于任意奇排列，交换其任意两个元的位置，就变成偶排列，故一个奇排列与许多偶排列对应，所以有1n 2n ，同理得2n 1n ，所以1n2n 。

4．若一个n 阶行列式中等于0的元素个数比n n -2多，则此行列式为0，为什么 5．n 阶行列式中，若负项的个数为偶数，则n 至少为多少（提示：利用3题的结果） 6．利用对角线法则计算下列三阶行列式（1）21141183---（2）222111ab c a b c§2 行列式的性质1．利用行列式的性质计算系列行列式。

数值方法课后习题答案习题1：插值法给定一组数据点 \((x_1, y_1), (x_2, y_2), \ldots, (x_n, y_n)\)，使用拉格朗日插值法构造一个多项式 \(P(x)\)，使其通过所有给定的数据点。

答案：拉格朗日插值法的多项式 \(P(x)\) 可以表示为：\[ P(x) = \sum_{i=1}^{n} y_i \prod_{\substack{j=1 \\ j \neq i}}^{n} \frac{x - x_j}{x_i - x_j} \]习题2：数值积分使用梯形法则和辛普森法则分别计算定积分 \(\int_{0}^{1} x^2 dx\) 的近似值。

答案：- 梯形法则的近似值：\[ \text{Trapezoidal Rule} \approx \frac{h}{2}(y_0 + 2y_1 +2y_2 + \ldots + y_{n-1}) \]- 辛普森法则的近似值：\[ \text{Simpson's Rule} \approx \frac{h}{3}(y_0 + 4y_1 +2y_2 + 4y_3 + \ldots + y_{n-1}) \]习题3：微分方程数值解考虑常微分方程 \(y' = f(x, y)\)，其中 \(f(x, y) = x^2 - y^2\)，初始条件 \(y(0) = 1\)。

使用欧拉方法和改进的欧拉方法分别计算\(y(0.1)\) 的近似值。

答案：- 欧拉方法：\[ y_{n+1} = y_n + h \cdot f(x_n, y_n) \]- 改进的欧拉方法：\[ y_{n+1} = y_n + \frac{h}{2} \cdot (f(x_n, y_n) + f(x_{n+1}, y_{n+1})) \]习题4：线性方程组的数值解给定线性方程组 \(Ax = b\)，其中 \(A\) 是一个 \(n \times n\)的矩阵，\(b\) 是一个 \(n \times 1\) 的向量。

高等数学教材线性代数答案1. 引言在高等数学中，线性代数是一个重要的分支。

它研究的是线性方程组、向量空间、线性变换以及特征值等内容。

掌握线性代数的知识对于理解高等数学的整体结构以及解决实际问题具有重要意义。

本文将为大家提供高等数学教材中线性代数部分的答案。

2. 线性方程组线性方程组是线性代数中的一个基本概念。

在解答线性方程组时，我们可以通过消元法、矩阵法或者向量法等不同的方法进行求解。

根据不同的题目设定，可以采用不同的方法，具体如下：（1）消元法消元法是线性方程组求解的一种常用方法。

它通过多次变换方程组，把方程组转化为最简形式，从而求得解，步骤如下：- 逐行消元，将方程组转化为上三角形式；- 逆序代回，求出方程组的解。

（2）矩阵法矩阵法是另一种常用的线性方程组求解方法。

它将线性方程组转化为矩阵形式，并通过矩阵的运算来求解。

具体步骤如下：- 将线性方程组的系数矩阵与常数矩阵合并，得到增广矩阵；- 利用矩阵的相似变换，将增广矩阵转换为最简形式；- 从最简形式中读出方程组的解。

3. 向量空间向量空间是线性代数中的重要概念，它描述了一组向量所具有的性质。

在解答向量空间的问题时，我们需要了解向量空间的定义、基底、维数等概念，并掌握相关性质和定理。

（1）向量空间的定义向量空间是由一组向量及其线性组合构成的集合。

它应满足以下几个条件：- 对于任意向量u、v，其线性组合仍然在该向量空间内；- 存在零向量，它是该向量空间内的一个特殊向量；- 对于任意向量v，存在一个标量k，使得kv也在该向量空间内。

（2）基底与维数基底是向量空间的一个重要概念，它是一个线性无关的向量组，并且该向量组能够生成向量空间的所有向量。

向量空间的维数指的是基底中向量的个数。

4. 线性变换线性变换是线性代数中的核心概念，它描述了向量空间之间的关系。

在解答线性变换的问题时，我们需要了解线性变换的定义、矩阵表示、特征值等内容，并掌握相关的性质和定理。