清华大学高等数值分析作业（李津）3特征值问题..docx

“高等数值分析”第十二次书面作目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，并行地将次右上角变为0，具体操作如下：S1： ，即实现了第一行和第一列的变换，具体的householder阵可以通过反射定理求出，这里不具体给出。S2：进行到k步时，，其中为k×k的双对角矩阵，B为除了最后一行第一个元素外均为0。构造矩阵和，使得，那么S3:重复S2，直到完全二对角化目2问：用Strum法，判断有几个正特征值。解：在strum法中，，， 。在此题中， ， ，所以，由此可以得到如下结果：由定理，可得A矩阵严格大于0的特征值有 “高等数值分析”第十五次书面作目问：验证隐式QR算法中的GR的第一列和显示QR算法中的Q的第一列相同。证明： 为双对角矩阵，通过追赶法不断通过Givens变换得到的矩阵也是双对角矩阵。其中对B的前两列作用，将变为0，且逐次givens变换得到的的第一列和的第一列相同，因为后面的变换矩阵对第一列没有影响。通过逐次givens变换做QR分解得为下三角矩阵，对前两列作用，且把变为0。由于和方向相同，和都是把前面对应的第二个非零元素变为0，因而。由前面的讨论，的第一列与的第一列相同，同样的，的第一列与的第一列相同，因此与的第一列相同，证毕。