清华大学高等数值分析作业（李津）3特征值问题.docxVIP

“高等数值分析”第十二次书面作业目1 问：证明若H为有0特征值的上Hess阵则一步QR迭代即可算得H的0特征值并可收缩（降阶）。 证明：H为上Hess阵，进行一次QR迭代有 ，为正交阵，是上三角矩阵且对角元中0元均在下方（可以通过given‘s变换实现）。由于H有0特征值，故对角元中至少有一个0元（由矩阵行列式为0即可说明），因而可以通过一步QR迭代找到H的0特征值。 设，有如下形式： ， 也是一个上Hess矩阵，且有如下的形式： 因此可以收缩降阶，且不需额外操作。 “高等数值分析”第十三次书面作业目1 求：对 ，取 为位移，完成一步隐式位移QR迭代。 解： S1：位移 S2：利用given’s 变换作QR分解 S3： 目2 证明：设A对称， 使 ，则 ，这里是Rayleigh商。 证明：相当于对进行了一个方向和大小的改变，由向量加减运算的三角形关系可知，当与垂直时，最小，而事实上，，即时，与垂直，此时有。 严格证明如下： 设 ， ，则， 求导得 当时，取最小值，即取最小值，得证。 “高等数值分析”第十四次书面作业目1 问：给出用逐次Householder构造正交Q，W，使得 的算法，其中B为双对角阵。 解： 利用householder变换逐步将矩阵A的左下角变为0，并行地将次右上角