2025年大学《数学与应用数学》专业题库- 非线性方程组的求解方法

2025年大学《数学与应用数学》专业题库——非线性方程组的求解方法考试时间：______分钟总分：______分姓名：______一、1.设非线性方程组`F(x)=(f₁(x),f₂(x))ᵀ`其中`f₁(x,y)=x²+y²-1`,`f₂(x,y)=x-e^y`。试用牛顿法求解该方程组在点`(1.5,0.5)`附近的根，迭代两次（不包括初始值）。要求写出雅可比矩阵及其在点`(1.5,0.5)`处的值，并给出每次迭代的计算过程。2.判断下列矩阵是否为收敛矩阵，并说明理由：A.`J₁=((1/2,0),(0,1/3))`B.`J₂=((0,-1),(1/2,0))`C.`J₃=((1/2,-1/2),(1/4,1/2))`二、1.写出求解线性方程组`Ax=b`的Jacobi迭代公式，并简述其收敛性判别条件。2.写出求解线性方程组`Ax=b`的Gauss-Seidel迭代公式，并简述其收敛性判别条件。Gauss-Seidel迭代相比Jacobi迭代通常具有什么优势？请简述原因。三、1.考虑求解方程组`x+2y=1`,`3x+4y=3`。分别用Jacobi迭代法和Gauss-Seidel迭代法求解，要求迭代进行到相邻两次迭代结果的差范数`||xᵏ₊₁-xᵏ||<10⁻³`为止，直到收敛或达到最大迭代次数（假设最多迭代10次）。请写出迭代过程。2.什么是SOR迭代法？松弛因子`ω`的取值范围是什么？为什么说当`0<ω<2`时，SOR方法有可能比Gauss-Seidel方法收敛得更快？请简述理由。四、1.设非线性方程组`F(x)=(x₁-x₂²,x₁²-2x₂)ᵀ`。试用Broyden方法求解该方程组在点`(1.5,1.5)`附近的根，迭代一次（不包括初始值）。要求初始Hessian矩阵`B₀`取为单位矩阵，并给出每次迭代的计算过程（包括计算`qᵏ`,`pᵏ`,`Bᵏ₊₁`）。2.牛顿法求解非线性方程组`F(x)=0`时，在什么条件下具有二次收敛性？如果初始点`x₀`不是足够接近真解`x*`，牛顿法是否仍然收敛？请简述。五、1.证明：如果Jacobi迭代法收敛，则其迭代矩阵`B`的谱半径`ρ(B)<1`。2.设非线性方程组`F(x)=0`的解`x*`存在。若将`F(x)`在`x*`处进行一阶泰勒展开，并令展开式等于零，得到的方程组与原方程组具有什么关系？这种关系如何启发我们构造求解`F(x)=0`的迭代法？六、1.什么是非线性方程组的迭代法？与直接法相比，迭代法的主要优缺点是什么？2.对于求解大型稀疏线性方程组`Ax=b`，Gauss-Seidel迭代法通常比Jacobi迭代法具有更好的收敛性。请结合迭代矩阵的性质解释原因。试卷答案一、1.`F(x)=(x²+y²-1,x-e^y)ᵀ`,`J(x)=((2x,2y),(1,-e^y))ᵀ``J(1.5,0.5)=((3,1),(1,-e^0.5))=((3,1),(1,-√e))`牛顿法公式：`xᵏ₊₁=xᵏ-J(xᵏ)⁻¹F(xᵏ)`初始值：`x₀=(1.5,0.5)ᵀ`,`F(x₀)=(1.5²+0.5²-1,1.5-e^0.5)ᵀ=(1.5,1.5-√e)ᵀ`计算雅可比逆矩阵`J(x₀)⁻¹`:`det(J(x₀))=3*(-√e)-1*1=-3√e-1``adj(J(x₀))=((-√e,-1),(-1,3))``J(x₀)⁻¹=1/det(J(x₀))*adj(J(x₀))=((√e/(3√e+1),1/(3√e+1)),(1/(3√e+1),-3/(3√e+1)))`第一次迭代：`x₁=x₀-J(x₀)⁻¹F(x₀)``x₁=(1.5,0.5)-((√e/(3√e+1),1/(3√e+1)),(1/(3√e+1),-3/(3√e+1)))*(1.5,1.5-√e)ᵀ``x₁≈(1.5,0.5)-(0.447,-0.316)ᵀ=(1.053,0.816)ᵀ`第二次迭代：`F(x₁)≈(1.053²+0.816²-1,1.053-e^0.816)ᵀ=(0.419,-0.048)ᵀ``J(x₁)≈((2*1.053,2*0.816),(1,-e^0.816))ᵀ=((2.106,1.632),(1,-2.225))ᵀ``J(x₁)⁻¹≈((-2.225/(-1.815),-1.632/(-1.815)),(-1/(-1.815),2.106/(-1.815)))ᵀ=((1.223,0.903),(0.550,-1.161))ᵀ``x₂=x₁-J(x₁)⁻¹F(x₁)``x₂≈(1.053,0.816)-((1.223,0.903),(0.550,-1.161))*(0.419,-0.048)ᵀ``x₂≈(1.053,0.816)-(0.937,-0.624)ᵀ=(0.116,1.440)ᵀ`2.A.`ρ(J₁)=max(|1/2|,|1/3|)=1/2<1`，收敛。B.`J₂=(0,-1;1/2,0)`,特征值为`±i/2`,`ρ(J₂)=|i/2|=1/2<1`，收敛。C.`J₃=(1/2,-1/2;1/4,1/2)`,对角元`1/2,1/2`，`ρ(J₃)≥max(|1/2|,|1/2|)=1/2`。计算`J₃²=(1/4,-1/4;1/8,1/4)`,`J₃³=(3/16,-5/16;3/32,-1/16)`,观察不出收敛趋势，且`ρ(J₃)`可能为`1`。计算特征值：`det(J₃-λI)=(1/2-λ)²-(-1/2)(1/4)=λ²-λ+3/16=0`。`λ=(1±√(1-4*3/16))/2=(1±1)/2`。特征值为`1`和`1/2`。`ρ(J₃)=1>1`，发散。二、1.Jacobi迭代公式：`xᵏ₊₁=(D⁻¹(b-(L+U)xᵏ))`,其中`A=D+L+U`。收敛性判别：`ρ(B_J)=ρ(D⁻¹(L+U))<1`，或等价于对任意向量`z≠0`，有`zᵀ(D⁻¹(L+U))z<0`。也可通过`λmax(B_J)<1`判定。2.Gauss-Seidel迭代公式：`xᵏ₊₁=(D⁻¹(b-(L)xᵏ-Uxᵏ₊₁))`,由于迭代中用到了最新计算的分量`xᵏ₊₁`，故通常写成`xᵏ₊₁ᵢ=(bᵢ-Σ(j≠i,aᵢⱼxᵏⱼ-aᵢᵢxᵏ₊₁ᵢ)/aᵢᵢ`对`i`从`1`到`n`。收敛性判别：`ρ(B_G)=ρ((D-L)⁻¹U)<1`，或等价于`ρ(B_J)<1`（Jacobi迭代矩阵）。优势：Gauss-Seidel方法通常比Jacobi方法收敛得更快，因为它在每一步计算新分量时都使用了最新的可用信息，使得迭代矩阵`(D-L)⁻¹U`的谱半径通常小于或等于Jacobi迭代矩阵`D⁻¹(L+U)`的谱半径。三、1.方程组`Ax=b`为`(1,2;3,4)x=(1,3)ᵀ`。a.Jacobi迭代：`B_J=(0,-2;-3,0)`,`D⁻¹=((1,0);(0,1/4))`,`B_JD⁻¹=((0,-2);(-3,0))`,`B_JD⁻¹B_J=(-6,0;0,-6)`,`ρ(B_J)=6>1`。Jacobi迭代发散。b.Gauss-Seidel迭代：`B_G=(0,-2;-3/4,0)`,`ρ(B_G)=|0|=0<1`。Gauss-Seidel迭代收敛。迭代公式：`x₁=x₀-B_Gx₀=(1,0)-(0,-2)x₀=(1,2x₀₂)ᵀ`,`x₂=x₁-B_Gx₁=(1,2x₀₂)-(0,-2)(1,2x₀₂)=(1,2x₀₂)+(0,-4x₀₂)=(1,-2x₀₂)ᵀ`。初始值`x₀=(0,0)ᵀ`。`x₁=(1,0)ᵀ``x₂=(1,-2*0)ᵀ=(1,0)ᵀ``x₃=(1,-2*0)ᵀ=(1,0)ᵀ`迭代结果已稳定在`(1,0)ᵀ`。检查误差：`Ax₀=(1,3)ᵀ`,`x₀=(0,0)ᵀ`,`||Ax₀-b||=||(1,3)-(1,3)||=||(0,0)||=0<10⁻³`。实际第一次迭代已满足精度要求。或检查`||x₁-x₀||=||(1,0)||=1>10⁻³`,`||x₂-x₁||=||(1,0)-(1,0)||=||(0,0)||=0<10⁻³`。第二次迭代满足精度要求。最终解为`(1,0)ᵀ`。2.SOR迭代法（松弛法）是Gauss-Seidel迭代法的加速形式。其迭代公式为`xᵏ₊₁ᵢ=(1-ω)xᵏᵢ+ω(bᵢ-Σ(j≠i,aᵢⱼxᵏⱼ-aᵢᵢxᵏ₊₁ᵢ)/aᵢᵢ)`。松弛因子`ω`是介于`0`和`2`之间的实数（`0<ω<2`）。Gauss-Seidel方法可看作是SOR方法在`ω=1`时的特例。当`ω>1`时，称为超松弛（OverRelaxation,OR），通常能加速收敛（尤其当`0<ω<2`时）。当`ω<1`时，称为低松弛（UnderRelaxation,UR）。理论上，最优的松弛因子`ω_opt`可能使收敛速度最快，但精确计算`ω_opt`通常很困难。即使未达到最优，选择合适的`ω`（如通过实验或理论估计）仍有可能比`ω=1`的Gauss-Seidel方法收敛得更快。四、1.`F(x)=(x₁-x₂²,x₁²-2x₂)ᵀ`,`J(x)=((1,-2x₂),(2x₁,-2))ᵀ`初始值：`x₀=(1.5,1.5)ᵀ`,`F(x₀)=(1.5-1.5²,1.5²-2*1.5)ᵀ=(1.5-2.25,2.25-3)ᵀ=(-0.75,-0.75)ᵀ`初始Hessian矩阵：`B₀=J(x₀)=((1,-3),(3,-2))`第一次迭代：`q₀=F(x₀)=(-0.75,-0.75)ᵀ``p₀=-B₀⁻¹q₀`计算雅可比逆矩阵`B₀⁻¹`:`det(B₀)=1*(-2)-(-3)*3=-2+9=7``adj(B₀)=((-2,3),(-3,1))``B₀⁻¹=1/det(B₀)*adj(B₀)=(1/7,-3/7;-3/7,1/7)``p₀=-((1/7,-3/7),(-3/7,1/7))*(-0.75,-0.75)ᵀ``p₀=(3/7*0.75+3/7*0.75,3/7*0.75-1/7*0.75)ᵀ=(4.5/7,2/7)ᵀ≈(0.643,0.286)ᵀ``x₁=x₀+p₀=(1.5,1.5)+(0.643,0.286)ᵀ=(2.143,1.786)ᵀ``B₁=J(x₁)=((1,-2*1.786),(2*2.143,-2))ᵀ=((1,-3.572),(4.286,-2))ᵀ``q₁=F(x₁)``F(x₁)=(2.143-1.786²,2.143²-2*1.786)ᵀ=(2.143-3.19,4.59-3.572)ᵀ=(-1.047,1.018)ᵀ``p₁=-B₁⁻¹q₁`计算雅可比逆矩阵`B₁⁻¹`:`det(B₁)=1*(-2)-(-3.572)*4.286=-2+15.25=13.25``adj(B₁)=((-2,3.572),(-4.286,1))``B₁⁻¹=1/det(B₁)*adj(B₁)=((-2/13.25,3.572/13.25),(-4.286/13.25,1/13.25))``p₁=-(((-2/13.25,3.572/13.25),(-4.286/13.25,1/13.25)))*(-1.047,1.018)ᵀ``p₁≈(0.158,-0.279)ᵀ``x₂=x₁+p₁≈(2.143,1.786)+(0.158,-0.279)ᵀ=(2.301,1.507)ᵀ`2.牛顿法`x₊₁=x₀-F'(x₀)⁻¹F(x₀)`求解`F(x)=0`，在`x₀`处若`F'(x₀)`是非奇异矩阵（即可逆），且`F(x)`在`x₀`处具有二阶连续偏导数，则牛顿法具有局部二次收敛性。即当`x₀`充分接近真解`x*`时，迭代误差`||x₊₁-x*||`的量级约为`||x₀-x*||`的量级（通常为`C||x₀-x*||²`，其中`C`为常数）。收敛性的阶为2。如果初始点`x₀`不够接近真解`x*`，牛顿法不一定收敛。因为牛顿法的收敛性依赖于其迭代序列能否进入一个包含`x*`的牛顿下山域（Newtonbasin），并且在该区域内具有二次收敛性。如果`x₀`不在该区域内，迭代序列可能发散，或者进入一个收敛速度很慢的固定点（如不动点迭代）。五、1.证明：设Jacobi迭代法收敛于解`x*`。则`x*=J(x*)+x*`。两边减去`x₀`，得`x*-x₀=J(x*)+x*-x₀`。即`x*-x₀=J(x*-x₀)`。令`eₖ=x*-xₖ`，则`eₖ=J(eₖ)`。迭代关系为`eₖ₊₁=Jeₖ`。若Jacobi迭代收敛，则`lim(eₖ)=0`，即`lim(Jeₖ)=0`。由极限的唯一性，`J`的谱半径`ρ(J)=lim||J^k||^(1/k)=0`。当`ρ(J)<1`时，`J`的所有特征值的模都小于1，从而对任意初始误差`e₀=x₀-x*`，有`lim(eₖ)=lim(e₀J^k)=0`。因此`ρ(J)<1`是Jacobi迭代收敛的充要条件。2.将非线性方程组`F(x)=0`的解`x*`存在。若将`F(x)`在`x*`处进行一阶泰勒展开，并令展开式等于零，得到的方程组为`F(x)≈F(x*)+F'(x*)(x-x*)=0`。由于`x*`是解，`F(x*)=0`，所以得到`F'(x*)(x-x*)=0`。若`F'(x*)`是非奇异矩阵（即可逆），则`x-x*=0`，即`x=x*`。这表明一阶近似只能得到原方程组的精确解`x*`。这种关系启发我们构造求解`F(x)=0`的迭代法：如果无法精确求解`F'(x*)`的逆，或者想得到原方程组的近似解，可以考虑在解`x*`附近构造一种迭代格式，使得迭代序列逐渐逼近`x*`。牛顿法正是基于此思想，利用`x₊₁=x₀-F'(x₀)⁻¹F(x₀)`逼近`x*`。六、1.非线性方程组`F(x)=0`的迭代法是一种逐次逼近的方法。给定一个初始近似解`x₀`，通过某种构造性的公式或过