清华大学高等数值分析作业（李津）2——线性方程组数值求解.docxVIP

“高等数值分析”第四次书面作业目 问：设 ，证明：① ， ；②。 证明： 设 （N0）， （范数的连续性），因此， ，由范数的连续性可得，。 若不成立，则 ，令 的第j项为1，其余项皆为0，则第i个元素为，且不趋于0，故不趋于0。 综上， （是M的上确界），，由于，由夹挤定理，由范数的连续性可知，。 由特征值定义， 易证，，所以，而非零，所以，所以。 综上， # “高等数值分析”第五次书面作业目1 问：设 ，而且非奇异，求解 等价于极小化，试推导极小化这个泛函的最速下降法。 解： 设 ，取 ，求出α，s.t.取得最小值， 极小化的最速下降法： Step1 给定 ，计算 ； Step2 对于 若，则停止；其中 为一事先给定的停机常数； 否则 Step3 转到Step2目2 问：A为一对称正定矩阵，证明 是一种向量范数，且有 ，其中，分别为A的最大、最小特征值。 证明： 首先证明是一种向量范数： ①正定性 由对称正定矩阵的等价性质可知，当且仅当时等号成立，因而，当且仅当时等号成立，正定性成立； ②齐次性 ，其中 ，齐次性成立； ③三角不等式 由A的对称正定性质，存在可逆矩阵Q，s.t. ，因而 ，当且仅当共线等式成立。 由上述两式可得，当且仅当共线等式成立，三角不等式成立。 由于A是对称正定矩阵，所以A的所有特征向量构成n维空间的一组正交基，设为 ，用这组正交基表示为 由正交性质可推出 由于对称正定矩阵的所有特征值都大于0，所以其中，分别为A的最大、最小特征值。 # “高等数值分析”第六次书面作业目1 问： 设A为一 对称正定矩阵，如在求解 的最速下降法中取 为一固定常数。试分析其收敛性。 解： 由教材引理2.1.1，取 ，得 对于正定矩阵A，，若 ，则，当时，，算法不收敛。若 ，则，算法不收敛。 因此，当 时，算法收敛，否则不能断定算法收敛。目2 问： ， ，取 。用最速下降法求出 ，并计算出 与（2.1.10）比较。 解： Step1 给定 ，计算 ； Step2 容易得到 ，所以 由矩阵A的特征系数 ???得 由于，所以 ，满足不等式（2.1.10），但由于，所以，两边差别不大，即收敛速度较慢。 “高等数值分析”第七次书面作业目1 问： 推导在CG法中，可写成 ，。 解： 将 带入上式得 又，所以 由定理2.2.1，及公式和， 推导完毕。目2 问： 证明在CG法中，至多n步即可得到方程 的精确解，即 一定是方程的精确解。 证明： 是经过n步极小化得到的，且，是n维线性空间的一组基，因此是方程的精确解（由A对称正定，方程一定有精确解），否则若存在 是方程的精确解，且，这就违背了极小化的含义，因此一定是方程的精确解。# “高等数值分析”第八次书面作业目 问： 利用性质“当 时，”直接由算法公式证明：对 且无中断时，有 ，并解释良性中断。 证明： Arnoldi算法： Step1 Step2 ， ， Step3 ，若，则；否则良性中断。 从算法中可以看出，显然。 假设（）， 显然；由性质“当 时，”可知，所以，继而，这就得到。 综上，对于 且无中断时，有。 当出现良性中断时，，此时，即不再与线性无关，即此步前得到的线性空间对A不变，此时方程的解 ，由定理3.2.2知，此时得到的为方程的精确解。 “高等数值分析”第九次书面作业目1 问：在Lanczos过程中，若不考虑舍入误差，证明 与正交。 证明：在Lanczos算法中，，且每个都是单位向量。 当j=1， ，即 与正交。 假设 与两两正交，那么 显然对所有的kj-1成立。 即 与正交。 由数学归纳法原理知，在不计舍入误差条件下， 与正交。目2 问：A为对称矩阵，证明若A有重特征值Lanczos过程必然会中断，反之成立否？ 证明： 假设Lanczos过程不中断，那么将进行到最后一步，得到 ，由定理2.5.2，的特征值必然彼此不同，即没有重特征值，进而A没有重特征值。由反证法原理得，若A有重特征值Lanczos过程必然会中断。 反之，若Lanczos过程中断，A不一定有重特征值，例如 ，取，则 ， ，过程中断，但A特征值为1、2、3，无重特征值，因而原结论反过来不成立。 “高等数值分析”第十次书面作业目1 问：当A可逆，证明：当时（k步良性中断），必有可逆。 证明：在arnoldi算法中， ，设的一个特征值 的特征向量是 ，则有，即也是A的特征值，对应特征向量为，进一步可以证明的所有特征值均为A的特征