高等工程数学第二章习题及答案
- 格式:doc
- 大小:644.50 KB
- 文档页数:24
第2章 (之1)第2次作业教学内容: §2.1 导数概念**1. 设x x x f 2)(3+=,试用导数定义求)(x f '.解:lim ()()lim()()∆∆∆∆∆∆∆x x f x x f x x x x x x x xx →→+-=+++--003322 =+322x .**2. 试用导数定义计算下列函数的导数:(1)xx f 1)(=, 求)1(f '; (2)()38t t g -=,求()2g '; (3)()t t t -=23ϕ,求()1-'ϕ.解:(1)x f x f f x ∆-∆+='→∆)1()1(lim )1(0=+-→lim ∆∆∆x xx0111=-+=-→lim ∆∆x x 0111.(2) ()()()tt g t t g t g t ∆-∆+='→∆0lim()[][]()()tt t t t t t t tt t t t t t t t t t ∆∆+∆+∆+-=∆∆+-=∆--∆+-=→∆→∆→∆32233033033033lim lim 88lim()22033lim t t t t t ∆-∆--=→∆23t -=,即 ()23t t g -=', ()122-='∴g .(3) ()()()tt t t t t ∆-∆+='→∆ϕϕϕ0lim()()[][]ttt t t t t t ∆--∆+-∆+=→∆22033limttt t t t ∆∆-∆+∆=→∆2036lim()16136lim 0-=-∆+=→∆t t t t , ()16-='∴t t ϕ, ()71-=-'ϕ.**3. 求曲线22x y = 在点 ()2,1=P 处的切线方程.解:曲线在点P 处切线的斜率为 4122lim 21=--→x x x ,所以切线方程为 ()214+-=x y .**4. 化学反应速率通常是以单位时间内反应物浓度的减少或生成物浓度的增加来表征。
第二章1.1. 一鞋店大约每天卖出鞋30双,批发一次货的花费为300元,每双鞋每天的存储费用为0.1元。
问鞋店多少天批发一次货,进货量为多少? 解:利用经济批量订货公式T =14(天), Q =420(双)1.2: 建立不允许缺货的生产销售存贮模型。
设生产速率为常数k ,销售速率为常数r ,k>r 。
在每个生产周期T 内,开始的一段时间一边生产一边销售,后来的一段时间只销售不生产。
设每次生产准备费为c1,单位时间每件产品的贮存费为c2,以总费用最小为目标确定最有生产周期。
讨论k>>r 和k ≈r 的情况。
解:总⎰+=+=TQT c c dt t q c c C 0212121)(,可得出:,)()(00r T T T r k Q -=-=k T T r 0=, kTrr k Q )(-=,212()2T r k r C c c k-∴=+平均12()(),2c c Tr k r C C T T T T k -==+=最优当rc c T r k 212≈>>时,,等价于标准EOQ (经济批量订货公式);当,∞→≈T r k 时,故为无存贮。
2.1 某部门在今后五年内考虑给下列项目投资,已知:• 项目1从第一年到第四年每年可以投资,并于次年回收本利115%;• 项目2第三年可以投资,到第五年回收本利125%,但规定最大投资额不超过4万元; • 项目3第二年可以投资,到第五年回收本利140%,但规定最大投资额不超过3万元; •项目4每年初可购买公债,于当年末归还,并加利息6%。
该部门现有资金10万元, 问它应如何确定给这些项目每年的投资额,使到五年后拥有的资金的本利总额为最大? 解:假设⏹ 所有投资发生在年初;⏹ 所有收益发生在年末,可用于下一年度投资; ⏹ 没有其他资金来源,也没有其他投资和费用发生; ⏹ 题中所给定的收益率不受市场影响发生变化。
模型建立设yij 表示第i 年年初投资给项目j 的金额 Ai 表示第i 年未投资的金额 第五年末本利总额 约束条件⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧≤≤==≥++≤+-++=++≤+++-++=++≤++++-+=+≤+++-=≤+4y ,3y ;4,3,2,1j ,5,4,3,2,1i ,0y y06.1y 15.1A y )y y (y 06.1y 15.1A A y 06.1y 15.1A y y )y y y (y 06.1y 15.1A A y 06.1y 15.1A y y y )y y y (y 06.1A A y 06.1A y y y )y y (10A 10y y 3223ij 44314544441342134342134441343231241123241123432312423211412141242321141111411 模型简化Lingo 程序max=1.4*y23+1.25*y32+1.15*y41+1.06*y54; y11+y14<=10;y11-0.06*y14+y21+y23+y24<=10;-0.15*y11-0.06*y14+y21+y23-0.06*y24+y31+y32+y34<=10;-0.15*y11-0.06*y14-0.15*y21+y23-0.06*y24+y31+y32-0.06*y34+y41+y44<=10;-0.15*y11-0.06*y14-0.15*y21+y23-0.06*y24-0.15*y31+y32-0.06*y34+y41-0.06*y44+y54<=10; y23<=3; y32<=4; end54413223y 06.1y 15.1y 25.1y 40.1f +++=23324154max 1.40 1.25 1.15 1.06f y y y y =+++1114111421232411142123243132341114212324313234414411142123243132100.06100.150.060.06100.150.060.150.060.06100.150.060.150.060.150.06y y y y y y y y y y y y y y y y y y y y y y y y y y y y y y y y y +≤-+++≤--++-+++≤---+-++-++≤---+--+-3441445423320.06100,1,2,3,4,5,1,2,3,4;3,4ijy y y y i j y y ⎧⎪⎪⎪⎪⎪⎨⎪⎪⎪+-+≤⎪⎪≥==≤≤⎩计算结果第一年:y11 =71698元,y14 = 28302元; 第二年:y23 = 30000元;第三年:y32 =40000元; y34=42453; 第四年:y41 =45000元; 其他为0;第五年末该部门拥有资金总额为143750元,盈利43.75%。
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.。
第二章 极限与连续1.用“N ε-”定义 来验证下列极限: (1)limn →∞=; (2)323lim212n n n →∞-=+;(3)lim 0n →∞=; (4)lim1n n→∞=;(5)lim 1(0)n a →∞=>; (6)lim 1n →∞=.解答:(1)对任意0ε>(无论它多么小,下同),要使0ε-<,只要24n ε>,故可取24[1]N ε=+。
则对任意0ε>,存在24[1]N ε=+,当n N >时,0ε-<,故由极限定义limn →∞=。
(2)对任意0ε>,要使323212n n ε--<+,只要7142n ε>-,故可取71m ax(,1)42N ε=-。
则对任意0ε>,存在71m ax(,1)42N ε=-,当n N >时,323721242n n n ε--=<++,故由极限定义323lim212n n n →∞-=+。
(3)对任意0ε>ε<=<21n ε>,故可取21[1]N ε=+。
则对任意0ε>,存在21[1]N ε=+,当n N >时,ε-=<<,故由极限定义lim 0n →∞=。
(4)对任意0ε>1ε-<11n-=<,只要1n ε>,故可取1[1]N ε=+。
则对任意0ε>,存在1[1]N ε=+,当n N>时,1111nNε=<<<,故由极限定义lim1n n→∞=。
(5)1a =时显然;1a >时,记1n r =,则(1)nn n a r nr =+>,对任意0ε>,1ε-<,只要1n a r n=-<,即an ε>,故可取[1]aN ε=+,当n N >时,1ε-<,由极限定义lim1,(1)n a →=>;01a <<时,类似证明。
高等数学第二章答案【篇一:高等数学第二章复习题及答案】>第二章一、填空题f(a?x)?f(a?x)?x?0xf(3?h)?f(3)?2、设f?(3)?2,则lim。
h?0______________2h1、设f(x)在x?a可导,则lim。
3、设f(x)?e,则limh?0?1xf(2?h)?f(2)?。
_____________hcosx?,f?(x0)?2,(0?x0?),则f(x0)?。
_______________________1?sinx2dy?5、已知x2y?y2x?2?0,则当经x=1、y=1时,。
dx_______________4、已知f(x)?6、f(x)?xex,则f???(ln2)?_______________。
__________7、如果y?ax(a?0)是y?x2?1的切线,则a?。
8、若f(x)为奇函数,f?(x0)?1且,则f?(?x0)?9、f(x)?x(x?1)(x?2)?(x?n),则f?(0)?10、y?ln(1?3?x),则y??11、设f?(x0)??1,则limx?0______________________________________________________。
x。
?___________f(x0?2x)?f(x0?x)_________________________12、设x?y?tany,则dy?。
13、设y?y???(0)?。
_______________14、设函数y?f(x)由方程xy?2lnx?y4所确定,则曲线y?f(x)在点(1,1)处的切线方程是______________________。
1???xcos15、f(x)??x??0_______________________x?0x?0。
,其导数在x?0处连续,则?的取值范围是16、知曲线y?x3?3a2x?b与x轴相切,则b2可以通过a表示为二、选择题。
-----高等数学第2章课后习题及答案习题211 设物体绕定轴旋转 在时间间隔 [0 t]内转过的角度为从而转角是 t 的函数(t) 如果旋转是匀速的 那么称为该物体旋转的角速度 如果旋转t是非匀速的 应怎样确定该物体在时刻t 0 的角速度?解 在时间间隔 [t 0 t 0t] 内的平均角速度为(t 0t ) (t 0 )tt故 t 0 时刻的角速度为l i ml i m l i m(tt) (t 0) (t )t 0t 0 tt 0t2 当物体的温度高于周围介质的温度时物体就不断冷却 若物体的温度 T与时间 t 的函数关系为 T T(t) 应怎样确定该物体在时刻t 的冷却速度?解 物体在时间间隔 [t 0 t 0t]内 温度的改变量为T T(tt) T(t)平均冷却速度为T T (t t) T(t) t t故物体在时刻 t 的冷却速度为limT lim T (t t ) T (t ) T (t) t 0t t 0 t 3 设某工厂生产 x 单位产品所花费的成本是 f(x)元 此函数 f(x)称为成本函数成本函数 f(x)的导数 f (x)在经济学中称为边际成本 试说明边际成本 f (x)的实际意义解 f(x x)f(x)表示当产量由 x 改变到 x x 时成本的改变量f (x x) f (x)表示当产量由 x 改变到 x x 时单位产量的成本xf (x)lim 0f (x x) f ( x)表示当产量为 x 时单位产量的成本x x4 设 f(x)10x 2 试按定义 求 f ( 1)解 f ( 1)limf ( 1 x) f ( 1)10( 1x)2 10( 1)2xlimxxx 010 lim0 2 xx 2 10 lim ( 2x) 20xxx 05 证明 (cos x) sin x解 (cosx) limcos(x x) cosxxx2s i nx(x) s i nxlim2 2x 0 xlim [ s i nx(x ) s i n x] s i nx 2 x 0 2x26 下列各题中均假定 f (x 0)存在 按照导数定义观察下列极限指出 A 表示什么(1) lim f ( x 0x) f ( x 0 ) A xx 解 Alim0f (x 0x) f (x 0)xxl i mf ( xx) f (x 0) f ( x 0 )x 0x(2) lim f (x)A 其中 f(0) 0 且 f (0)存在x 0 x解 Alim f ( x) lim f (0 x) f (0) f (0)x 0 x x 0x (3) lim f (x 0 h) f (x 0 h)Ah 0h解A lim f ( x 0 h 0 lim[ f (xh 0limf (xh 0h)f (x 0 h) hh) f ( x 0 )] [ f (x 0 h) f (x 0)]h h) f (x 0)limf (xh) f ( x 0 ) hh 0hf (x 0) [ f (x 0)] 2f (x 0)7 求下列函数的导数(1)y x 4(2) y 3 x 2(3) y x1 6-----(4) y1 x(5) y1x23 5 x(6) y x232(7) y x x解 (1)y (x 4) 4x 4 1 4x 322 1 2 x (2) y (3 x 2 ) ( x 3 )2x 3331 3(3)y (x 1 6) 1 6x 1 6 1 1 6x 0 61 1 x(4) y ( 1) (x 2)x21 121 x 23 2(5) y(1)( x 2 )2x 3x 23 516 16 16 116 11 (6) y (x x) (x 5)x 5 x 555(7) y ( x2 3 x21 111 x ) (x 6) 1 x 6x 5665 68 已知物体的运动规律为 s t 3(m) 求这物体在 t 2 秒 (s)时的速度解 v(s) 3t 2 v|t 2 12(米 /秒)9 如果 f(x)为偶函数且 f(0)存在 证明 f(0)证明 当 f(x)为偶函数时 f( x) f(x)所以f (0) l i mf (x)f (0) l i m f (x) f (0) l i m f ( x) f (0)x 0xx 0x 0x 0x 0从而有 2f (0) 0 即 f (0) 010 求曲线 ysin x 在具有下列横坐标的各点处切线的斜率x 解 因为 y cos x 所以斜率分别为2 1k 1 c o sk 2 cos 13 2f (0)2x311 求曲线 y cos x 上点 ( , 1) 处的切线方程和法线方程式3 2解 ysin x ysin3x3 23故在点 (, 1) 处 切线方程为 y 1 3(x)3 22 23法线方程为 y 1 2(x )23 312 求曲线 y e x在点 (0 1)处的切线方程 解 y e xy |x 0 1 故在 (0 1)处的切线方程为y 1 1 (x 0)即 y x 113 在抛物线 y x 2上取横坐标为 x 1 1 及 x 2 3 的两点 作过这两点的割线问该抛物线上哪一点的切线平行于这条割线?解 yy(3) y(1)9 1 42x 割线斜率为 k132令 2x 4 得 x 2因此抛物线 y x 2 上点 (2 4)处的切线平行于这条割线 14 讨论下列函数在 x 0 处的连续性与可导性(1)y |sin x| (2) yx 2sin 1x 0xx 0解 (1)因为y(0) 0 lim y lim |sin x | lim ( sin x) 0x 0x 0x 0 lim ylim |sin x|lim sin xx 0x 0x所以函数在 x 0 处连续又因为y (0)l i m y( x)y(0) l i m |si nx | |si n0 |l i m s i nx1x 0x 0x 0x 0x 0xy (0) lim y( x) y(0) lim |sin x | |sin0|lim s i nx 1x 0 x 0 x 0x 0 x 0 x而 y (0) y (0) 所以函数在 x 0 处不可导-----解 因为 lim y(x) lim x 2sin10 又 y(0)0 所以函数在 x 0 处连续x 0 x 0x 又因为21 0y(x) y(0)xs i n1 l i mx l i ml i mxs i n 0 x 0xx 0xx 0x所以函数在点 x 0 处可导 且 y (0) 015 设函数 f (x)x 2x 1为了使函数 f(x)在 x 1 处连续且可导a b 应取什ax b x 1么值?解 因为lim f ( x) lim x 21 limf (x) lim (ax b)a b f(1) a bx 1x 1x1x 1所以要使函数在 x1 处连续 必须 a b 1 又因为当 a b1 时f (1)x 2 12l i m1x 1 xf (1) lim ax b 1 lim a( x 1) a b 1 lim a(x 1) ax 1 x 1 x 1 x 1 x 1x 1 所以要使函数在 x 1 处可导 必须 a 2 此时 b 116已知 f (x)x 2x 0求 f (0)及 f(0) 又 f (0)是否存在?x x 0解 因为f(0) lim f (x) f (0)lim x 0x 0 x x 0x f(0) lim f (x) f (0)lim x 2 0xxx 0x 而 f (0) f (0) 所以 f (0)不存在17 已知 f(x)sin x x0 求 f (x)x x解 当 x<0 时 f(x) sin x f (x) cos x 当x>0 时 f(x) x f (x) 11因为 f (0) lim f (x) f (0) lim sin x 0 1x 0 x x 0xf (0) lim f (x)f (0) lim x 0 1所以 f (0) 1 从而x 0x x 0x f (x)cosx x1 x18 证明 双曲线 xy a 2 上任一点处的切线与两坐标轴构成的三角形的面积都等于 2a 2解 由 xy a 2得 ya 2k ya 2xx 2设 (x 0 y 0)为曲线上任一点则过该点的切线方程为y a2x 0 ) y 02 ( xx 02y x 2令 y 0并注意 x 0y 0a 解得 xx 0 2x 0为切线在 x 轴上的距 a 2令 x 0并注意 x 0y 0 a 2 解得 y a 2y 2 y0 为切线在 y 轴上的距x 0 0此切线与二坐标轴构成的三角形的面积为S1|2x 0 ||2y 0 | 2|x 0 y 0 | 2a 22习题221 推导余切函数及余割函数的导数公式(cot x)csc 2x(csc x)csc xcot x解 (cot x)(cosx )sin x sin x cosx cosxsin xsin 2 x2 21 2s i nx c o s x2 2 c s cxs i nxs i nx( c sxc) ( 1 ) c o xsc s cx c o xt s i nx 2s i n x 2 求下列函数的导数(1) y4 7 2 12x 5 x 4x-----(2) y 5x 3 2x 3e x (3) y 2tan x sec x 1 (4) y sin x cos x (5) y x 2ln x (6) y 3e x cos x(7) yln xxx(8) y e 2 ln 3x(9) y x 2ln x cos x(10) s 1 sint1 cost解 (1) y ( 4 7 2 12)(4x 5 7x 4 2x 112)x 5 x 4 x20x628x52x220282x6x5x2(2) y (5x 32x 3e x ) 15x22xln2 3ex(3) y (2tan x sec x 1)2sec x tan x sec x(2sec x tan x)2sec x (4) y (sin x cos x) (sin x) cos x sin x (cos x)cos x cos x sin x ( sin x) cos 2x(5) y (x 2ln x) 2x ln x x 21 x(2ln x 1)x(6) y (3e x cos x) 3e x cos x 3e x ( sin x) 3e x(cos x sin x)ln x1 x ln x1 ln x(7) y ( ) xx x 2 x 2(8) y ( e x ln 3) e x x 2 e x 2x e x ( x 2)x 2 x 43x(9) y221cos x x 2ln x ( sin x)(x ln x cos x) 2x ln x cos x x x2x ln x cos x x cos x x 2 ln x sin x(10) s (1sin t ) cost(1 cost) (1 sin t)( sin t)1 sin t cost1 cost(1 cost)2(1 cost)23 求下列函数在给定点处的导数(1) y sin x cos x 求 y和 yxx46(2)sin1cos 求d2d4(3) f (x)3 x 2求 f (0)和 f (2)5 x 5解 (1)ycos x sin xyc o s s i n3 1 3 1x22266 6yc o s s i n22 2x2 244 4(2)dsincos1sin1sincosd22d1s i nc o s 1 2 422(1)d4 244 4 2 22 42(3) f (x)32x f (0)3 f (2) 17(5 x)2525154 以初速 v 0 竖直上抛的物体其上升高度 s 与时间 t 的关系是 s v 0t 1gt 22求(1)该物体的速度 v(t)(2)该物体达到最高点的时刻解 (1)v(t) s (t) v 0 gt(2)令 v(t) 0 即 v 0 gt 0 得 t v 0这就是物体达到最高点的时刻g5 求曲线 y 2sin x x 2 上横坐标为 x 0 的点处的切线方程和法线方程 解 因为 y 2cos x 2x y |x 0 2又当 x 0 时 y 0 所以所求的切线方程为y 2x所求的法线方程为-----y 1x即x 2y 0 26求下列函数的导数(1)y (2x 5)4(2)y cos(4 3x)(3) y e 3x 2(4)y ln(1x2)(5)y sin2x(6) y a2x2(7)y tan(x2)(8)y arctan(e x)(9)y(arcsin x)2(10) y lncos x解 (1) y4(2x 5)4 1 (2x5) 4(2x 5)3 2 8(2x 5)3 (2)y sin(4 3x) (4 3x)sin(4 3x) ( 3) 3sin(4 3x)(3) y e 3 x2 ( 3x2 )(4)y1 (1 x2)1x2(5)y 2sin x (sin x) e 3x 2(6x)6xe 3x212x2x1 x2 1 x22sin x cos x sin 2x(6) y [( a21] 1 (a211(a2 x2 ) x2) 2x2) 221 (a2x2 )1x2 ( 2x)x2 2a2 (7) y sec2(x2) (x2)2xsec2(x2)(8) y1x2 (e x)e x2x1(e ) 1 e2 arcsin x (9) y2arcsin x (arcsin x)1x2(10) y1 (cosx)1( sin x) tan xcosx cosx 7 求下列函数的导数(1) y arcsin(1 2x)(2) y11 x 2x(3) y e 2 cos3x(4) y arccos 1x(5) y1 ln x1 ln x (6) y sin 2xx(7) y arcsin x(8) y ln(x a 2 x 2 ) (9) y ln(sec x tan x)(10) y ln(csc x cot x)解 (1) y1(1 2x)21 1 (1 2x)2x x 21 (1 2x) 2(2) y [(111 1 x 2)x 2) 2]1(1 x 2) 2(1213x(1 x 2 ) 2 ( 2x)x 22(1 x 2 ) 1xxxx) cos3xx(3) y (e 2) cos3x e 2(cos3x) e 2(e 2( sin 3x)(3x)21 e xxx2 c o 3sx 3e 2 s i n3x 1e 2( c o3sx6s i n3x)22-----(4) y1 1 (1)1 1 ( 1 )|x|1 (2 x 1 ( ) 2x2x 2x21)xx1(1 l n x) (1 ln x)12(5) yxx(1ln x) 2x(1 ln x)2(6) ycos2x 2 x sin 2x 1 2x cos2x sin2xx2x2(7) y1( x)1111 ( x)21 ( x )22 x 2 x x 2(8) y1x 2 (xa 2x 2 )1x 2 [1 1(a 2 x 2) ]xa 2x a 22 a 2 x 21[112 (2x)]1x a 2 22 a 2x a 2x 2x(9) y1(secx tan x) secxtan x(10) y1(csc x cot x)csc x cot xsecx tan x sec 2x secxsecx tan x cscx cot x csc 2 x cscxcscx cot x8 求下列函数的导数(1) y (arcsin x )22(2) y ln tan x2(3) y 1 ln 2 x(4) y e arctan x(5) y sin nxcos nx(6) y arctanx 1x 1(7) y arcsinxarccosx(8) y=ln[ln(ln x)](9) y1x 1 x 1 x1 x(10) y arcsin1 x1 x解 (1) y2(arcsin x ) (arcsin x)2 22( a r c s xi)n 1( x)2 1 ( x )2 222( a r c s xi) n1 x 12 1 ( ) 222x2a r c s i n24 x 2(2) y1x (tan x) 1 x sec 2 x( x)tan 2 tan2 22 2(3) y(4) y1 2 x 1x s e c2 c s cxt a n 22 1 ln 2 x 2 1 (1 ln 2 x)1 ln2 x1 2ln x ( l nx)12ln x12 1 ln 2x2 1 ln 2xxln xx1 ln2 xearctan x(arctan x)e arctan x1 x) 2( x)1 (-----e a r c t axn11x e a r c t axn1( x)2 2 2 x(1 x)(5) y n sin n 1x (sin x) cos nx sin n x ( sin nx) (nx)n sin n 1x cos x cos nx sin n x ( sin nx) nn sin n 1x (cos x cos nx sin x sin nx) n sin n 1xcos(n 1)x(6) y1( x 1) 1(x 1) ( x 1)11 ( x 1) 2x 11 (x 1)2(x 1)2 1 x 2x 1x 11arccosx 1 arcsin x1 x2 1 x 2(7) y(arccos x)21 a r c c oxs a r c s ixn1 x22( ar c c ox)s2 1 x 2 ( a r c cxo)2s(8) y1 ln(ln x)1ln(ln x)[ln(ln x)] 11(ln x)ln(ln x) ln x 1 1 1 ln x x xln x l n ( lxn)(1 1 )( 1 x1 x) ( 1 x1 x)(1 1)(9) y2 1 x 2 1 x2 1 x 2 1 x( 1 x1 x)211 x 21 x2(10) y1 (1 x) 1 (1 x) (1 x)1 1 x 1 x 1 1 x(1 x)21 x1 x1(1 x) 2x(1 x)9. 设函数 f(x)和 g(x)可导且 f 2(x) g 2(x) 0 试求函数 y f 2 (x) g 2 (x) 的导数解 yf 1[ f 2(x) g2 (x)]22 (x)g 2(x)1[2 f (x) f ( x) 2g(x) g ( x)] 2f 2(x)g2(x)f (x) f (x)g(x)g (x)f 2 (x)g 2 (x)10设 f(x)可导求下列函数 y 的导数dy dx(1) y f(x2)(2)y f(sin2x) f(cos2x)解 (1) y f (x2) (x2)f(x2) 2x 2x f (x2)(2)y f(sin2x) (sin2x) f (cos2x) (cos2x)f(sin2x) 2sin x cos x f (cos2x) 2cosx ( sin x)sin 2x[f (sin2x)f(cos2x)]11求下列函数的导数(1)y ch(sh x )(2)y sh x e ch x(3)y th(ln x)(4)y sh3x ch2x(5)y th(1 x2)(6)y arch(x2 1)(7)y arch(e2x)(8)y arctan(th x)(9)y ln chx12 x 2ch(10)y ch2( x 1) x 1解 (1) y sh(sh x) (sh x) sh(sh x) ch x(2) y ch x e ch x sh x e ch x sh x e ch x(ch x sh2x)(3) y1(ln x)12 (ln x)2 (ln x)ch x ch-----(4) y3sh 2x ch x 2ch x sh x sh x ch x (3sh x 2) (5) ych 21 2 (1 x 2)2 2xx 2 )(1 x )ch (1 (6) y1 1(x 2 1)2x( x 2 1)x 4 2x 2 2(7) y1(e 2x)2e2x(e 2x )21 e 4 x 1 (8) y 1(th x) 1 1 1 1 1 (thx) 2 1 th 2 x ch 2 x 1 2 2sh x ch xch 2x 1 1ch 2 x sh 2x 1 2sh 2 x(9) y1 (ch x) 1 (ch 2x)ch x2ch 4 xsh x 1 2ch x shxch x2ch 4 xsh x shx sh x ch 2x shxch xch 3x ch 3xsh x (ch 2 x 1) sh 3x th 3xch 3xch 3x(10) y2ch(x1) [ch(x1)] 2ch(x1) sh(x1) ( x 1)x 1x 1x 1 x 1 x 1sh(2x 1(x 1) (x 1)2sh(2 x 1)(x 1)2( x 1)2 )x 1x 112 求下列函数的导数(1) y e x (x 2 2x 3)(2) y sin 2x sin(x 2) (3) y (arctan x )22(4) yln xx ne t e (5) ye t ett(6) y ln cos 1x(7) y e sin 2 1x(8) y x x(9) yxarcsinx4 x 22(10) y arcsin2t1 t 2解 (1) y e x (x 2 2x 3) e x (2x 2) ex( x 2 4x 5)(2) y2 222sin x cos x sin(x ) sin x cos(x ) 2xsin2x sin(x 2) 2x sin 2x cos(x 2)(3) y 2arctanx1 1 4 arctan x2 1 x 2 2 x 2 4 241 xnln x nxn 11 n ln x(4) yxx 2nx n 1(5) y(e te t )(e t e t ) (e t e t )(e te t )4e 2t(e t e t )2(e 2t 1) 211111 1 1(6) y sec x (cos x ) sec x ( sin x ) ( x 2 ) x 2tanx(7) y esin 21 ( sin 21) e sin 21xxx( 2sin 1) cos1( 1 ) xxx2122 1s i nx 2 s i nexx(8) y1x (x x )2 1 (1 1 ) 2 xxx2 x2 x 1 4 xxx(9) y arcsinxx1 12 1 ( 2x) arcsin x21 x2 2 4 x 2 24-----(10) y1 ( 2t ) 12 (1 t 2) 2t (2t) 1 (2t)2 1 t 21 ( 2t )2 (1 t 2) 21 t21 t21 t22(1 t 2)2(1 t 2)(1 t 2)2 (1 t 2 )2 |1 t 2 |(1 t 2 )习题231 求函数的二阶导数(1) y 2x 2ln x (2) y e2x 1(3) y xcos x (4) y e t sin t (5) y a 2 x 2 (6) y ln(1 x 2)(7) y tan x1(8) yx 3 12(9) y (1 x )arctan x(10) ye xx(11) y x 2xe(12) y ln( x 1 x 2 )解 (1) y 4x1 y4 1xx2(2) y e 2x 12 2e 2x 1y 2e2x 1 2 4e 2x 1(3) y xcos x y cos x xsin xy sin x sin x xcos x2sin x xcos x(4) ye tsin t e tcos t e t(cos t sin t)ye t (cos t sin t) e t ( sin t cos t) 2e t cos t(5) y21x2(a2x2)xx2a2a2a2x2x xa2ya2x2a2 x2(a2 x2 ) a2 x2(6) y11(1x2 )12x x2x2y 2(1x2 )2x (2x)2(1 x2)(1 x2 )2(1x2 )2(7) y sec2 xy2sec x (sec x)2sec x sec x tan x2sec2x tan x(8) y(x31)3x2 (x31) 2(x31)2y 6x ( x31)23x22( x31) 3x6x(2x3 1) (x3 1)4(x31)3(9) y2xarctanx(1x2)112xarctanx1 x2y2a r c t xa n2x1 x2(10)y e x x e x 1e x( x 1)x2x2y [e x( x 1) e x] x2 e x( x 1) 2x e x(x2 2x 2)x4x3(11)y e x 2x e x2(2x)e x2(12x2 )yx22x24xx22 e2x (12x )e2xe(32x )(12)y12( x1x2 )12(12x 2 )12x 1 x x 1 x 2 1 x 1 x y1(1 x2 )12x x1 x2 1 x22 1 x2)(1 x) 2 1 x-----2 设 f(x)(x6(2)?10)f解 f(x) 6(x5f(x)43 10)30(x 10) f (x) 120(x 10)f(2)120(210)32073603若 f (x)存在求下列函数 y 的二阶导数d2ydx2(1)y f(x2)(2)y ln[ f(x)]解 (1)y f(x2) (x2) 2xf(x2)y2f(x2)2x 2xf(x2)2f(x2) 4x2f(x2)(2) y1 f (x)f (x)f(x) f (x) f ( x) f(x)f( x) f (x)[ f ( x)] 2 y[ f ( x)]2[ f ( x)]24试从dx 1导出dy y(1) d 2 x ydy 2( y ) 3(2)d 3x3( y )2y y dy3( y )5解(1) d 2x d dx d1d1dx y1ydy2dy dy dy y dx y dy( y )2y( y )3(2) d3x d y d y dxdy3dy y 3dx y 3dyy ( y )3 y 3( y )2 y13( y )2 y y(y )6y(y )55已知物体的运动规律为s Asin t(A、是常数 )求物体运动的加速度并验证d 2s2 s 0dt 2解dsA cos t dt d2 s A 2 sin t dt 22d s就是物体运动的加速度dt2d2 s 2 s A 2 s i n t2 As i n t 0dt 2C1e x C2e x(6验证函数 y C1 C2是常数 )满足关系式y2y 0解y C1 e x C2 e xy C12e x C22e xy2y (C12e x C22e x)2(C1e x C2e x)(C12e x C22e x) (C12e x C22e x) 0 7验证函数 y e x sin x 满足关系式y2y2y 0解 y e x sin x e x cos x e x(sin x cos x)y e x(sin x cos x)e x(cos x sin x) 2e x cos xyx xcos x)x2y 2y 2e cos x2e (sin x2e sin x 2e x cos x2e x sin x2e x cos x2e x sin x 08求下列函数的 n 阶导数的一般表达式(1) y x n1n 12n 2n 1n 12n 都是常数)a x a x a x a (a a a(2)y sin2x(3)y xln x(4)y xe x解 (1) y nx n 1(n1)a1x n 2 (n2)a2x n 3a n 1y n(n1)x n 21 n 32n 4n 2 (n 1)(n2)a x(n 2)(n 3)a x ay(n) n(n 1)(n 2) 2 1x0 n!(2) y 2sin x cos x sin2xy 2c o 2sx 2s i n2(x)2-----y22 c o s2x()22 s i n2x( 2)22y(4)23 c o s2x(2) 23 s i n2(x 3 )22y(n)2n 1s i n2x[ (n 1)]2(3)y ln x 1y 1 x1xy ( 1)x 2y(4) ( 1)( 2)x 3y(n)(1)( 2)( 3) ( n 2)x n 1( 1)n 2(n 2)!( 1)n (n 2)!x n 1x n 1(4) y e x xe xy e x e x xe x 2e x xe xy 2e x e x xe x 3e x xe xy(n) ne x xe x e x(n x)9求下列函数所指定的阶的导数(1)y e x cos x 求 y(4)(2)y xsh x 求 y(100)(3) y x2sin 2x求y(50) .xv cos x有解 (1)令 u eu u u u(4)e xv sin x v cos x v sin x v(4) cos x所以y(4)u(4) v4u v6u v4u v u v(4)e x[cos x4(sin x)6(cos x)4sin x cos x] 4e x cos x(2)令 u x v sh x则有u 1 u0v ch x v sh x v(99)ch x v(100) sh x所以y(100)u(100)v C1 u(99) v C2u(98) v C 98 u v(98) C99 u v(99)u v(100)100100100100100ch x xsh x(3)令 u x2 v sin 2x则有u2x u 2 u0v(48)248 sin(2x48)248 s i n2x2v(49)249cos 2x v(50)250sin 2x所以y(50)u(50)v C1501u(49) v C502u(48) v C5048u v(48) C5049u v(49) u v(50)C5048u v(48)C5049u v(49) u v(50)50 492 228 sin 2x50 2x 249 c o 2sx x2 (250 s i n2x)250x2sin 2x50xc o 2sx12252 (s i n2x)2习题231求函数的二阶导数(1)y 2x2 ln x(2)y e2x 1(3)y xcos x(4)y e t sin t(5)y a2 x2(6)y ln(1 x2)(7)y tan x1(8) yx3 1(9) y (1 x2)arctan x(10) y e xx-----(11) y xe x2(12) y ln( x1x2 )解 (1) y4x1y41x x2(2) y e2x 1 2 2e2x 1y2e2x 1 2 4e2x 1(3) y xcos x y cos x xsin xy sin x sin x xcos x2sin x xcos x(4) y e t sin t e t cos t e t (cos t sin t)y e t(cos t sin t) e t (sin t cos t)2e t cos t(5) y21x2(a2x2)xx2a2a2a2x2x xx2a2ya2a2 x2(a2 x2 ) a2 x2(6) y11(1x2 )12x x2x2y 2(1x2 )2x (2x)2(1x2)(1 x2 )2(1x2 )2(7) y sec2 xy2sec x (sec x)2sec x sec x tan x2sec2x tan x(8) y(x31)3x2 (x31) 2(x31)2y 6x ( x31)23x22( x31) 3x 6x(2x3 1) (x31)4(x31)3(9) y2xarctanx(1x2)112xarctanx1 x2y2a r c t xa n 2x21 x(10)y e x x e x1 e x( x 1)x2x2y[e x ( x 1) e x ] x 2 e x ( x 1) 2x e x (x 2 2x 2)x4x3(11) ye x 2 x e x 2 (2x) e x 2 (1 2x 2 )yx 22x (1 2x 2x22e 2x ) e4x 2xe (3 2x )(12) y1( x1x 2 ) 1 (1 2x ) 1x 1 x 2x 1 x 22 1 x 21 x 2y1(1 x 2) 12xx1 x21 x 22 1 x 2)(1 x) 21 x2 设 f(x) (x 10)6f (2) ?解 f (x) 6(x 10)5 f (x) 30(x 10)4f (x) 120(x 10)3f(2) 120(2 10)3 2073603 若 f (x)存在 求下列函数(1) y f(x 2)(2) y ln[ f(x)]解 (1)yf(x 2) (x 2) 2xf (x 2) y 2f(x 2) 2x 2xf (x 2) (2) y1 f (x)f (x)f (x) f (x) f( x) f (x) y2[ f ( x)]4 试从dx 1导出dy y(1) d 2xydy 2( y ) 3(2)d 3x 3( y )2 y ydy3( y )5解 (1) d 2xd dxd 1dy2dy dydyyd 2 yy的二阶导数d x 22f (x 2) 4x 2f (x 2)f ( x) f (x) [ f ( x)] 2[ f ( x)]2d1dx y 1y dx y dy( y )2 y( y )3(2) d3x d y d y dxdy3dy y 3dx y 3dyy ( y )3 y 3( y )2 y13( y )2 y y(y )6y(y )55已知物体的运动规律为s Asin t(A、是常数 )求物体运动的加速度并验证d 2s2s 0dt 2解dsA cos t dt d2 s A 2 sin t dt 22d s就是物体运动的加速度dt2d2 s 2 s A 2 s i n t2 As i n t 0dt 2C1e x C2e x(6验证函数 y C1 C2是常数 )满足关系式y2y 0解y C1 e x C2 e xy C12e x C22e xy212e x C22x21x2e x)y (C e ) (C e C(C12e x C22e x) (C12e x C22e x) 0 7验证函数 y e x sin x 满足关系式y2y2y 0解 y e x sin x e x cos x e x(sin x cos x)y e x(sin x cos x)e x(cos x sin x) 2e x cos xyx xcos x)x2y 2y 2e cos x2e (sin x2e sin x 2e x cos x2e x sin x2e x cos x2e x sin x 08求下列函数的 n 阶导数的一般表达式(1) y x n1n 12n 2n 1n 12n 都是常数)a x a x a x a (a a a(2) y sin2x-----(3)y xln x(4)y xe x解 (1) y n 11n 2(n2 n 3n 1nx(n 1)a x2)a x ay n(n1)x n 2 (n1)(n2)a1x n 3(n 2)(n 3)a2x n 4a n 2y(n) n(n 1)(n 2) 2 1x0 n!(2) y2sin x cos x sin2xy2c o 2sx 2s i n2(x)2y22 c o s2x() 22 s i n2x( 2)22y(4) 23 cos(2x2) 23 sin(2x 3 )22(n)n 1y 2 s i n2x[ (n 1)](3)y ln x 1y 1x 1 xy ( 1)x 2y(4) ( 1)( 2)x 3(n)( 1)( 2)( 3)( n 2)x n 1( 1)n 2 (n 2)!( 1)n (n 2)!y x n 1x n 1 (4)y e x xe xy e x e x xe x 2e x xe xy 2e x e x xe x 3e x xe xy(n) ne x xe x e x(n x)9求下列函数所指定的阶的导数(1)y e x cos x 求 y(4)(2)y xsh x 求 y(100)(3)y x2sin 2x 求 y(50) .所以所以xv cos x有解 (1)令 u eu u u u(4)e xv sin x v cos x v sin x v(4)cos xy(4)u(4) v4u v6u v4u v u v(4)e x[cos x4(sin x)6(cos x)4sin x cos x] 4e x cos x(2)令 u x v sh x则有u 1 u0v ch x v sh x(99)ch x(100)sh xv vy(100) u(100) v C1 u(99)v C2u(98)v C 98 u v(98)C99 u v(99)u v(100) 100100100100(3)令 u x2u 2xv(48)100ch x xsh xv sin 2x 则有u 2 u0248 sin(2x 48 )248 s i n2x2v(49)249cos 2x v(50)250sin 2x所以y(50)u(50)v C1501u(49) v C502u(48) v C5048u v(48) C5049u v(49) u v(50) C5048u v(48) C5049u v(49) u v(50)50 492 228 sin 2x50 2x 249 c o 2sx x2 (250 s i n2x)250x 2sin 2x50xc o 2sx1 2 2 52 (2s i n2x)习题241求由下列方程所确定的隐函数 y 的导数dydx(1)y2 2x y 9 0(2)x3 y3 3axy 0(3)xy e x y(4)y 1 xe y解 (1)方程两边求导数得-----2y y 2y 2x y 0于是(y x)y yyyy x(2)方程两边求导数得3x 2 3y 2y 2ay 3axy 0于是(y 2 ax)y ayx 2yay x 2y2ax(3)方程两边求导数得y xy e x y (1 y )于是(x e x y )y e x y ye x yyyx e x y(4)方程两边求导数得y e y xe yy于是(1 xe y )y e yyey1 xey222在点 ( 2a, 2a) 处的切线方程和法线方程2 求曲线 x3y 3a34 4解 方程两边求导数得 2 x31 13 2y 3 y 031于是yx31y3在点 (2a,2a) 处 y 144所求切线方程为y2a ( x2a) 即 x y 2 a442所求法线方程为y2a (x2a) 即 x y 04423 求由下列方程所确定的隐函数 y 的二阶导数d ydx22 2(1) x y 1(2) b 2x 2 a 2y 2 a 2b 2 (3) y tan(x y)(4) y 1 xe y解 (1)方程两边求导数得2x 2yy 0yx yy ( x)y xxy xy y y 2x 21yy 2y 2y 3 y 3(2)方程两边求导数得2b 2 x 2a 2 yy 0yb 2 xa2yy x( b 2 x)b 2 y xy b 2 a 2 y ya2y2a2y 2b 2 a 2 y 2 b 2 x 2b 4a2a 2 y3a 2 y3(3)方程两边求导数得y sec 2(x y) (1 y )2y)1y s e c( x2y) 2y) 11 s e c(xc o s( x2y)21s i n(xc o s(x y)12y)y 2s i n( xy23 y23( 112 )2(1 y 2 )y 5yyy(4)方程两边求导数得yyy e xe y-----yeyeyey1 xe y1 (y 1)2 yye y y (2 y) e y ( y ) e y (3 y) y e 2 y (3 y)(2 y)2(2 y)2(2 y)34 用对数求导法求下列函数的导数(1) y ( x )x1 x (2) y5x 525 x2(3) yx 2(3 x)4( x 1)5(4) y xsin x 1e x解 (1)两边取对数得ln y xln|x| xln|1 x|,两边求导得1 y ln x x 1 l n1( x) x 1y x 1 x 于是y ( x)x[ l nx1 ]1 x 1 x 1x(2)两边取对数得ln y1ln |x 5|1l nx(22)两边求导得5251 y1 1 12x2y5 x 525 x 2于是y 1 5x 5[11 2x ]5 5 x 2 2x 5 5 x 2 2(3)两边取对数得ln y1l nx( 2) 4 l n3( x) 5l n x( 1)2两边求导得1 y 1 3 45y 2(x 2)x x 1于是yx 2(3x)4 [ 12)4 5 ](x 1)52(x x 3 x 1(4)两边取对数得ln y1ln x1ln s i nx1l n1( e x )两边求导得22 41 y1 1 c o xte xy 2x24(1 e x )于是yxs i nx 1 e x[11c o xte x]2x 2 4(1 e x )1 x 22c o tx e x ]4 xs i nx 1 e [ x e x1 dy5求下列参数方程所确定的函数的导数dxx at 2(1)y bt2x (1 sin ) (2)ycos解 (1)dyy t 3bt 2 3b tdxx t 2at 2ady ycos sin(2) dx x 1 sincos6 已知xe tsin t, 求当 t 3 时 dy的值y e tcost. dx解dy y te t cost e t sin t costsin t dxx t e tsin t e tcost sintcostdy 1 3 1 3 当 t 时 2 2 3 2dx 1 3 1 3 32 27 写出下列曲线在所给参数值相应的点处的切线方程和法线方程(1)x sin t在 t处y cos2t4x3at (2)1 t 2在 t=2 处y 3at 21 t 2解 (1) dyy t2sin 2tdxx tcost-----dy 2sin(2)当 t时42 2 2 x02y0 0 dx4cos2242所求切线方程为y 2 2(x2) 即2 2x y 2 0 2所求法线方程为y1(x 2 )即 2x 4y1222(2) y t 6at (1t2 )3at 2 2t6at(1t 2 )2(1t 2 )2x t 3a(1t 2)3at2t3a3at 2 (1t 2 )2(1t 2)2dy y t6at2tdx x t3a3at 21t 2当 t 2 时dy 2 24x 6a ydx1223050所求切线方程为012a 5y12 a 4(x6a)即 4x 3y 12a 0535所求法线方程为y12 a3(x 6a)即 3x 4y 6a 0545d 2 y8求下列参数方程所确定的函数的二阶导数dx2 x t 2(1)2y 1 t. xacost(2)y bsin t(3)x3e t y2e t(4)x f t (t )设 f(t)存在且不为零y tf t (t) f (t)dy y t1 d 2 y(y x)t1解 (1)t 21 dx x t t dx2x t t t3(2) dy y tbcostbcot tdx x t asin t ab 2 d 2 y (y x )t a csc t b dx 2 x t asin ta 2 sin 3 tdy y t 2e t22t(3) dx x t3e t3ed 2y( y x )t2 2t3 2e4 3tdx 2x t3e te9 (4) dy y t f (t) tf (t) f (t)dx x tf (t)td 2 y ( y x )t 1dx 2x tf (t)9 求下列参数方程所确定的函数的三阶导数(1) x 1 t 2y t t3(2)x ln(1 t 2) y t arctan t解 (1)dy (t t 3)1 3t2dx (1 t 2 )2t1 3t 2d 2y ( 2t )1 ( 1 3) dx 22t4 t 3 t1 1 3d 3y 4 ( t 3t )3(1 t 2)dx 32t8t 5dy (t arctan t)11(2)1 t 21 tdx [ln(1 t 2)]2t 21 t21d 2 y ( 2t) 1 t 2 dx 22t 4t1 t 23d y-----1 t 2d 3 y ( 4t ) t 4 1dx 3 2t 8t 31t 210 落在平静水面上的石头 产生同心波纹 若最外一圈波半径的增大率总是6m/s 问在 2 秒末扰动水面面积的增大率为多少?解 设波的半径为 r 对应圆面积为 S 则 S r 2 两边同时对 t 求导得S t 2 rr当 t 2 时 r 6 2 12 r t 6故 S t t 22 126 144( 米 2 秒)| 其速率为 4m 2/min11 注水入深 8m 上顶直径 8m 的正圆锥形容器中 当水深为 5m 时 其表面上升的速度为多少?解水深为 h 时 水面半径为 r1 h 水面面积为 S 1 h 21hS 1 h 1 h 224水的体积为 Vh 33 34 12dV 12 3h 2dh dh 4 dVdt dt dt h 2 dt已知 h 5(m), dV 4 (m 3/min) 因此 dh 4 dV 4 4 16(m/min)dtdt h 2 dt252512 溶液自深 18cm 直径 12cm 的正圆锥形漏斗中漏入一直径为 10cm 的圆柱形筒中 开始时漏斗中盛满了溶液 已知当溶液在漏斗中深为 12cm 时 其表面下 降的速率为 1cm/min 问此时圆柱形筒中溶液表面上升的速率为多少?解 设在 t 时刻漏斗在的水深为 y 圆柱形筒中水深为 h 于是有1 62 18 1r 2 y 52hy 3y3由 r得 r 代入上式得 6 18 31 62 18 1 ( y ) 2 y 23 3 3 5 h即162 18 1y 3 52 h 两边对 t 3 33求导得1 y2 y 52 h32t当 y 12 时 y t1 代入上式得1 122( 1) 16h t32 52 0.64 (cm/min).25。
高等工程数学知到章节测试答案智慧树2023年最新南京理工大学第一章测试1.有限维线性空间上范数1,范数2之间的关系是参考答案:等价2.赋范线性空间成为Banach空间,需要范数足?参考答案:完备性3.标准正交系是一个完全正交系的充要条件是满足Parseval等式参考答案:对4.在内积空间中,可以从一组线性无关向量得到一列标准正交系参考答案:对5.矩阵的F范数不满足酉不变性参考答案:错6.与任何向量范数相容的矩阵范数是?参考答案:算子范数7.正规矩阵的谱半径与矩阵何种范数一致参考答案:矩阵2范数8.矩阵收敛,则该矩阵的谱半径参考答案:小于19.矩阵幂级数收敛,则该矩阵的谱半径参考答案:小于110.正规矩阵的条件数等于其最大特征值的模与最小特征值的模之商参考答案:对第二章测试1.l矩阵不变因子的个数等于( )参考答案:矩阵的秩2.Jordan标准形中Jordan块的个数等于( )参考答案:初等因子的个数3.Jordan块的对角元等于其( )参考答案:初等因子的零点4.n阶矩阵A的特征多项式等于( )参考答案:A的n个不变因子的乘积;A的n阶行列式因子5.下述条件中,幂迭代法能够成功处理的有( )参考答案:主特征值是实r重的;主特征值有两个,是一对共轭的复特征值;主特征值有两个,是一对相反的实数;主特征值只有一个6.n阶矩阵A的特征值在( )参考答案:A的n个行盖尔圆构成的并集与n个列盖尔圆构成的并集的交集中;A的n 个列盖尔圆构成的并集中;A的n个行盖尔圆构成的并集中7.不变因子是首项系数为1的多项式参考答案:对8.任意具有互异特征值的矩阵,其盖尔圆均能分隔开参考答案:错9.特征值在两个或两个以上的盖尔圆构成的连通部分中分布是平均的参考答案:错10.规范化幂迭代法中,向量序列uk不收敛参考答案:错第三章测试1.二阶方阵可作Doolittle分解参考答案:错2.若矩阵A可作满秩分解A=FG,则F的列数为A的()参考答案:秩3.矩阵的满秩分解不唯一.参考答案:对4.酉等价矩阵有相同的奇异值.参考答案:对5.求矩阵A的加号逆的方法有()参考答案:满秩分解;Greville递推法;奇异值分解;矩阵迭代法6.若A为可逆方阵,则参考答案:对7.用A的加号逆可以判断线性方程组Ax=b是否有解?参考答案:对8.A的加号逆的秩与A的秩相等参考答案:对9.若方阵A是Hermite正定矩阵,则A的Cholesky分解存在且唯一.参考答案:对10.是Hermite标准形.参考答案:错第四章测试1.()是利用Gauss消去法求解线性方程组的条件.参考答案:系数矩阵的顺序主子式均不为0;所有主元均不为02.关于求解线性方程组的迭代解法, 下面说法正确的是().参考答案:J法和GS法的敛散性无相关性;若系数矩阵A对称正定, 则GS迭代法收敛3.如果不考虑舍入误差, ()最多经n步可迭代得到线性方程组的解.参考答案:共轭梯度法4.关于共轭梯度法, 下面说法正确的是()参考答案:B和C都对5.下面哪些是求解线性方程组的迭代解法().参考答案:共轭梯度法;最速下降法6.若系数矩阵A对称正定, 则()参考答案:可用Cholesky法求解线性方程组7.任意线性方程组都可以通过三角分解法求解.参考答案:错8.最速下降法和共轭梯度法的区别在于选取的搜索方向不同.参考答案:对9.广义逆矩阵法可用于任意线性方程组的求解.参考答案:对10.Gauss消去法和列主元素法的数值稳定性相当.参考答案:错第五章测试1.对于凸规划,如果x为问题的KKT点,则其为原问题的全局极小点参考答案:对2.对于无约束规划问题,如果海塞阵非正定,我们可采用哪种改进牛顿法求解原问题?参考答案:构造一对称正定矩阵来取代当前海塞阵,并一该矩阵的逆乘以当前梯度的负值作为方向3.共轭梯度法中,为参考答案:FR公式4.内点罚函数法中常用的障碍函数有参考答案:倒数障碍函数;对数障碍函数5.广义乘子罚函数的优点是在罚因子适当大的情形下,通过修正拉格朗日乘子就可逐步逼近原问题的最优解?参考答案:对6.分子停留在最低能量状态的概率随温度降低趋于( ).参考答案:17.模拟退火算法内循环终止准则可采用的方法.参考答案:固定步数;由接受和拒绝的比率控制迭代步8.背包问题是组合优化问题吗?参考答案:对9.单纯形算法是求解线性规划问题的多项式时间算法.参考答案:错10.对于难以确定初始基本可行解的线性规划问题,我们引入人工变量后,可采用哪些方法求解原问题?参考答案:两阶段法;大M法第六章测试1.如果不限定插值多项式的次数,满足插值条件的插值多项式也是唯一的()参考答案:错2.改变节点的排列顺序,差商的值不变()参考答案:对3.Hermite插值只能用插值基函数的方法求解()参考答案:错4.在最小二乘问题中,权系数越大表明相应的数据越重要()参考答案:对5.加窗傅里叶变换时频窗的长宽比是信号自适应的()参考答案:错6.傅里叶变换域的点和时间域上的点是一一对应的()参考答案:错7.若f(t)的傅里叶变换为,则 f(2t)的傅里叶变换为 ( )参考答案:8.小波函数对应了()参考答案:高通滤波器第七章测试1.有界区域上的弦振动方程定解问题可以用傅里叶积分变换法求解。
19高等数学练习题 第二章 导数与微分 系 专业 班 姓名 学号第一节 导数概念 一.填空题一.填空题1.若)(0x f ¢存在,则xx f x x f x D -D -®D )()(lim000= )(0x f ¢-2.hh x f h x f h )()(lim 000--+®= )(20x f ¢ , 又当0)0(=f 时x x f x )(lim 0®= )0(f ¢ 3.设20-=¢)(x f , 则=--®)()2(lim )000x f x x f x x 414.已知物体的运动规律为2t t s +=(米),则物体在2=t 秒时的瞬时速度为5(米/秒)5.曲线x y co s =上点(3p,21)处的切线方程为03123=--+p y x ,法线方程为 0322332=-+-py x 6.用箭头⇒或⇏表示在一点处函数极限存在、连续、可导、可微之间的关系,表示在一点处函数极限存在、连续、可导、可微之间的关系, 可微可微 Û 可导可导 Ü/Þ 连续连续 Ü/Þ 极限存在。
极限存在。
二、选择题二、选择题1.设0)0(=f ,且)0(f ¢存在,则xx f x )(lim 0®= [ B ] (A ))(x f ¢ ( B) )0(f ¢ (C) )0(f (D) 21)0(f 2. 设)(x f 在x 处可导,a ,b 为常数,则xx b x f x a x f x D D --D +®D )()(lim= [ B] (A ))(x f ¢ ( B) )()(x f b a ¢+ (C) )()(x f b a ¢- (D) 2ba +)(x f ¢3. 函数在点0x 处连续是在该点0x 处可导的条件处可导的条件 [ B ] (A )充分但不是必要)充分但不是必要 (B )必要但不是充分)必要但不是充分 (C )充分必要)充分必要 (D )即非充分也非必要)即非充分也非必要 4.设曲线22-+=x x y 在点M 处的切线斜率为3,则点M 的坐标为的坐标为 [ B ] (A )(0,1) ( B) (1, 0) (C) ( 0,0)(D) (1,1)5.5.设函数设函数|sin |)(x x f =,则,则 )(x f 在0=x 处 B ] ] (A )不连续。
《高等工程数学》――科学出版社版习题答案(第二章)(此习题答案仅供学员作业时参考。
因时间匆忙,有错之处敬请指正,谢谢!) (联系地址:yangwq@ ) P501. 求下列矩阵的特征值、代数重数核几何重数,并判断矩阵是否可对角化(1)110020112⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦- (2)011121213⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦-- (3)411030102⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦-解:(1)特征值:1231(1)()λλλ=代数重数和几何重数均为,==2代数重数和几何重数均为2可对角化。
(2)特征值:1231(1)()λλλ=代数重数和几何重数均为,==2代数重数为2和几何重数为1不可对角化。
(3)特征值:123(1)λλλ===3代数重数为3、几何重数均为不可对角化。
2. 求下列矩阵的不变因子、初等因子和Jordan 标准形(1)3732524103⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦-----(2)413002⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦10-1 (3)1234012300120001⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦(4)3000013000001100002000112⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦-解:(1)不变因子是:123d d d i λλλ+=1,=1,=(-1)(-i)()初等因子是:i λλλ+(-1),(-i),()Jordan 标准形是:1000000i i ⎡⎤⎢⎥⎢⎥⎢⎥-⎣⎦(2)不变因子是:123d d d λ3=1,=1,=(-3)初等因子是:λ3(-3)Jordan 标准形是:310031003⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦(3)不变因子是:1234d d d d λ4=1,=1,=1,=(-1)初等因子是:λ4(-1)Jordan 标准形是:1100011000110001⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦(4)不变因子是:12345d d d d d λλλλλ=1,=1,=1,=(-2)(-3),=(-1)(-2)(-3)初等因子是:λλλλλ(-2),(-3),(-1),(-2),(-3)Jordan 标准形是:10000020000020*******0003⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦3. 设(1)110A 0012⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦-=22(2)33A 613⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦--1=-7-11-(3)010A 111011⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦=-- 求可逆矩阵P ,使得P -1AP 是Jordan 标准形解:(1)A 的特征值为1231λλλ=,==2 对应的特征向量是:121,ααTT=(,0,-1)=(0,0,1) 二级根向量是:(2)2αT=(-1,1,0)(2)122101(,,0110002102P P AP ααα--⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦1)=0-1100(2)A 的特征值为123λλλ===2对应的特征向量是:11αT=(,2,1) 二级根向量和三级根向量是:(2)(3)11,ααTT=(1,3,3)=(0,2,2)(2)(3)111110(,,3232102102P P AP ααα-⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦1)=21200(3)此题数据不便于求解特征值,A 的特征多项式是:3210()|A|11121011f I λλλλλλλλ-⎡⎤⎢⎥=---=-⎢⎥⎢⎥-⎣⎦=-+4. 试求第2题 最小多项式。
《高等工程数学》――科学出版社版习题答案: 第一章习题(P26) 1.略2.在R 4中,求向量a =[1,2,1,1]T ,在基a 1 = [1 , 1, 1, 1]T , a 2 = [1 , 1, -1,-1]T a 3 = [1 , -1, 1, -1]T a 4 = [1 , -1,-1, 1]T 下的坐标。
解:其坐标为:x =( 5/4, 1/4, -1/4,-1/4 )T 3.在R2×2中,求矩阵12A=03⎡⎤⎢⎥⎣⎦,在基 111B =11⎡⎤⎢⎥⎣⎦,211B =10⎡⎤⎢⎥⎣⎦,311B =00⎡⎤⎢⎥⎣⎦,410B =00⎡⎤⎢⎥⎣⎦下的坐标。
解:其坐标为:x =( 3, -3, 2,-1 )T 4.试证:在R 2×2中,矩阵111B =11⎡⎤⎢⎥⎣⎦,211B =01⎡⎤⎢⎥⎣⎦,311B =10⎡⎤⎢⎥⎣⎦,410B =11⎡⎤⎢⎥⎣⎦线性无关。
证明:设 k 1B 1+ k 2B 2+ k 3B 3+ k 4B 4=0000⎡⎤⎢⎥⎣⎦,只要证明k 1= k 2 = k 3= k 4 =0即可。
余略。
5.已知R 4中的两组基:和T T T T 1234=[2,1,1,1],=[0,3,1,0],=[5,3,2,1],=[6,6,1,3]ββββ-求由基1234{,,,}αααααB =到基1234{,,,}βββββB =的过渡矩阵,并求向量1234[,,,]x x x x ξ=在基1234{,,,}βββββB =的坐标。
解:基1234{,,,}αααααB =到基1234{,,,}βββββB =的过渡矩阵是:2056133611211013⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦- 向量1234[,,,]x x x x ξ=在基1234{,,,}βββββB =的坐标是:6.设R[x]n 是所有次数小于n 的实系数多项式组成的线性空间,求多项式p(x) = 1+ 2x n -1在基{1,(x -1),(x -1)2,(x -1)3,….,(x -1)n -1}的坐标。
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.。