数值线性代数答案doc.docx
《数值线性代数答案doc.docx》由会员分享,可在线阅读,更多相关《数值线性代数答案doc.docx(64页珍藏版)》请在冰点文库上搜索。
数值线性代数答案doc
习题1
1.求下三角阵的逆矩阵的详细算法。
[解]设下三角矩阵L的逆矩阵为T
我们可以使用待定法,求出矩阵T的各列向量。
为此我们将T按列分块如下:
注意到
我们只需运用算法1·1·1,逐一求解方程
便可求得
[注意]考虑到内存空间的节省,我们可以置结果矩阵T的初始状态为单位矩阵。
这样,我们便得到如下具体的算法:
算法(求解下三角矩阵L的逆矩阵T,前代法)
3.证明:
如果是一个Gauss变换,则也是一个Gauss变换。
[解]按Gauss变换矩阵的定义,易知矩阵是Gauss变换。
下面我们只需证明它是Gauss
变换的逆矩阵。
事实上
注意到,则显然有从而有
4.确定一个Gauss变换L,使
[解]比较比较向量和可以发现Gauss变换L应具有功能:
使向量的第
二行加上第一行的2倍;使向量的第三行加上第一行的2倍。
于是Gauss变换如下
5.证明:
如果
有三角分解,并且是非奇异的,那么定理
··
中的L和U都是唯
112
一的。
[证明]设,其中都是单位下三角阵,都是上三角阵。
因为A非
奇异的,于是
注意到,单位下三角阵的逆仍是单位下三角阵,两个单位下三角阵的乘积仍是单位下三角阵;上三角阵的逆仍是上三角阵,两个上三角阵的乘积仍是上三角阵。
因此,上述等将是一个单
位下三角阵与一个上三角阵相等,故此,它们都必是单位矩阵。
即,
从而
即A的LU分解是唯一的。
17.证明定理1·3·1中的下三角阵L是唯一的。
[证明]因A是正定对称矩阵,故其各阶主子式均非零,因此A非奇异。
为证明L的唯一性,
不妨设有和使
那么
注意到:
和是下三角阵,和为上三角阵,故它们的逆矩阵也分别是下三角阵和上
三角阵。
因此,只能是对角阵,即
从而
于是得知
.若
是A的
Cholesky
分解,试证L的i阶顺序主子阵
正好是A的i阶顺序主子
19
阵
的Cholesky因子。
[证明]将A和L作如下分块
其中:
为矩阵A和L的i阶顺序主子阵。
。
显然
故有。
即是的Colicky分解。
23.设
用平方根法证明A是正定的,并给出方程组的解。
[解]由Colicky分解可得
其中
显然,L是非奇异矩阵。
因此,对.于是
所以是正定的。
由方程组,解得,再由方程组,解得
习题2
2.2证明:
当且仅当和线性相关且时,才有.
证明因为对任意的
于是,
当且仅当
由等式(E2.1)可知,当且仅当
,
即,对任意的,此式成立不外乎二种情形:
或;或;或
.即和线性相关。
2.3证明:
如果是按列分块的,那么
证明因为
.
2.4证明:
证明记,那么,根据第3题的结果我们有
根据Frobenius范数定义易知,对.于是
2.5设是由
定义的。
证明是矩阵范数,并且举例说明不满足矩阵范数的相容性。
证明
(1)证明是矩阵范数。
因为
显然满足矩阵范数定义中的前三条:
正定性、齐次性、三角不等式。
下面我们证明满足“相容性”。
对任意,记,,且
还
则,,且
(2)一个不满足矩阵范数的相容性的例子。
取,,则
。
于是,,从而
2.6证明:
在上,当且仅当是正定矩阵时,函数是一个向量范数。
证明由于A是正定矩阵,不妨设
是A的特征值,
是其对应
的标准正交特征向量,即
显然,
是线性无关的。
因此,
=span{
}.记
,
,那么
,且对任意
,总有
使
.
命题的充分性是很显然的。
因为
是上的向量范数,则由其正定性可知
A
必为正定矩阵。
现在我们来证明命题的必要性。
即假设是正定矩阵,则函数满足向量范数定义的三条性质:
正定性。
由A的正定性,正定性显然成立。
齐次性。
对任意的,因为,故有
.
三角不等式。
对于任意给定的,有,使
应用习题2.1的结果,得
即有
2.7设是上的一个向量范数,并且设.证明:
若,则
是上的一个向量范数。
证明当时,当且仅当是上的零向量。
再由假设是上的一个
向量范数,于是可证得满足:
正定性。
事实上,对任意,,而且当且
仅当.
齐次性。
事实上,对所有的和有,因此
.
三角不等式。
事实上,对所有的有,
因此有
2.8若且,证明
.
证明首先用反证法,证明的存在性。
设奇异,则
有非零解,且,于是,从而.这与假设矛盾。
现在来证明命题中的不等式。
注意到:
,且
故有
即
2.9设是由向量范数诱导出的矩阵范数。
证明:
若非奇异,则
证明因为是向量范数诱导的矩阵范数,故=1,且对和,有
于是对,有,且当时,有
.(E2.2)
现在只需证明:
存在且,使即可。
根据算子范数的定义,我们
不妨假设,使.再取,显然,且
(E2.3)
综合(E2.2)和(E2.3)得
2.12证明对任意的矩阵范数都有,并由此导出
[证明]由定理2.1.6
(1)可知,对任意矩阵范数都有,而,于是
,
从而
.
2.13若和都是非奇异的,证明
.
[证明]因为
所以,根据矩阵范数的相容性可得
.
习题3
1.设
用正则化方法求对应的LS问题的解.
[解]由定理3.1.4可知,LS问题的解就是下列正则化方程组解:
即
解得:
2.设
求对应的LS问题的全部解.
[解]由定理3.1.4可知,LS问题的解就是下列正则化方程组解:
经初等行变换得其同解方程组
从而
即
其中
3.设,求一个Householder变换和一个正数使得
[解]由于2范数具有正交不变性,故.于是
于是,令
那么,可以验证满足该题的要求.
4.确定和使得
[解]由2范数具有正交不变性,故
于是
从而
10.设且存在使得对每一个均极小化。
证明:
[解]由矩阵奇异值分解定理知,设
的秩
,则存在
阶正交阵
和阶
正交阵,使
其中:
是的非零特征值全体。
可以证明矩阵,且
.
事实上,
由定理3.1.4可知,对任一是=min.的解。
另外,
于是我们有
12.利用等于
证明:
如果,那么
[证明]令泛函
如果,那么对当且充分小时,,从而由
连续性有
,
由的任意性,则必有,即
习题4
1.设方程组的系数矩阵为
证明:
对来说,Jacobi迭代不收敛,而G-S迭代收敛;而对来说,Jacobi迭代收
敛,而G-S迭代不收敛。
[解]对于,则有
从而,
于是
从而,
,
即有
由定理4.2.1知,Jacobi迭代法不收敛;G-S迭代收敛。
对于,
,
从而
进而
显然,
2.设
满足
故由定理4.2.1,证明对任意的
知,Jacobi迭代法收敛;G-S迭代不收敛。
,迭代格式
最多迭代次就可得方程组
[证明]由于,故
的精确解。
的所有特征值均为零。
于是存在正交矩阵
及矩阵
使,注意到于是:
另一方面,记:
从而,,即
.
3.考虑线性代数方程组这里
(1)为何值时,是正定的?
(2)为何值时,Jacobi迭代收敛?
(3)为何值时,G-S迭代收敛?
[解]
(1)对称矩阵正定的充分必要条件是其特征值均为正数。
而的特征多项式为
于是的特征值为:
欲使它们均大于零,则
(2)由于Jacobi迭代矩阵为
的特征多项式为
其特征值为:
,于是
谱半径
.
由定理
4.2.1
可知,
Jacobi迭代收敛当且仅当
.
从而当
时,Jacobi
迭代收敛。
(3)由于G-S迭代矩阵为
其特征多项式为
特征值为:
从而
故由定理
4.2.1
可知,当
时,
G-S迭代收敛。
注意:
(2)和(3)中的
可以是复数。
5.若
是严格对角占优的或不可约对角占优的,则
G-S迭代法收敛。
[证明]若是严格对角占优的或不可约对角占优的,则必有,因此非奇异。
知,
现在来证明:
G-S迭代矩阵的谱半径小于
也是严格对角占优或不可约对角占优的,因此
,
1。
假设
,则由
的假设
而由于
这说明迭代矩阵
不存在模大于等于
1的特征值。
因此
,从而
G-S
迭代收敛。
8.若存在对称正定阵
P,使
为对称正定阵,试证迭代法
收敛。
[证明]设是的任一特征值,是关于的特征向量,于是
因都是正定阵,故,即.由的任意性得知,故迭代法收
敛。
9.对Jacobi方法引进迭代参数,即
或者
称为Jacobi松驰法(简称JOR方法).证明:
当的Jacobi方法收敛时,JOR方
法对收敛.
[证明]对于,,则Jacobi迭代矩阵和JOR迭代矩阵分别是
由于Jacobi迭代收敛当且仅当,即B的任一特征值.现设是Jacobi迭
代矩阵的一个特征值,非零向量是其对应的特征向量,则有
即有
进而
即若是Jacobi迭代矩阵的一个特征值,则便是的一个特征值.
当取定:
,并假定,注意到
即的所有特征值模小于1,从而,即JOR迭代收敛.
10.证明:
若是具有正对角元的实对称矩阵,则JOR方法收敛的充分必要条件是及
均为正定对称矩阵.
[证明]由于的对角元都是正数,故的对角元为正数,故
显然,矩阵与相似,两者有相同的特征值。
同时,它与A有着相同的实对称性。
因此,两个矩阵的特征值都是实数。
必要性。
设
JOR迭代收敛,即
.那么,矩阵
的特征值在区间
内,于是得出
的特征值位于区间
内,这就是说
是正定的,而它与
具有相同的正定性,因此
也是正定的.
另外,实对称矩阵
的特征值完全由
的特征值所生成,
所以
的特征值将全部位于区间
内,因此是正定的。
注意到
因此矩阵也是正定的。
充分性。
一方面,因为
所以与一样是正定矩阵。
即的特征值均大于0.即
的特征值均小于1.另一方面,由于正定,而且
所以,矩阵是正定的,即特征值全部为正数,即的特征值均大于-1.
结合两方面的结果,得知:
,即
JOR迭代收敛.
11.证明:
若系数矩阵
是严格对角占优的或不可约对角占优的,且松驰因子
,
则SOR收敛。
[证明]若矩阵是严格对角占优的或不可约对角占优的,则必有,因此D非奇
异。
现假定某个复数,则矩阵也是严格对角占优的或不可约对
角占优的。
不妨假设,且,于是就有
从而
因此得到
于是由的严格对角占优或不可约严格对角占优可知也是严格
对角占优或不可约对角占优的。
因此,是非奇异的。
而
因此,不是SOR迭代矩阵的特征值。
由的任意可知,的特征值都将满足,
于是,从而SOR迭代收敛。
习题5
1.证明等式(5.1.4).
[证明]考虑在方程组的解向量处的Taylor展式,则有
,
注意到:
,于是上式可写为
.
3.试证明当最速下降法在有限步求得极小值时,最后一步迭代的下降方向必是的一个特
征向量.
[证明]假定在步迭代后,得到了精确解,即
,
从而有
,
记:
,整理可得
,
即是说是A的一个特征值,是其对应的特征向量.
5.设
对称正定的,
是互相共轭正交的,即
.证明
是线性无关的.
[证明]若有一组数满足
则对一切一定有
注意到,由此得出:
即所有的=0.因此,是线性无关的.
习题6
5.设.求的特征值的条件数.
[解]显然都是单特征值.
对于来说,显然是关于的一个模1特征向量.同时,容易求得是
关于的满足的左特征向量,故由特征值条件数的定义得知
对于来说,解方程
得到关于的特征向量
当时,.
再由方程可解得关于的左特征向量,令,则得出
从而由特征值条件数的定义知
.
7.分别应用幂法于矩阵
,
并考察所得序列的特性.
[解]我们不妨设.对于矩阵
即初始向量:
,迭代如下:
;
;
一般地,
,.
显然
.
对于矩阵
取初始向量:
,则迭代得到
;
;
由此我们可以看出,迭代数列:
,和向量序列:
均不收敛.但它们都各对应地存在
两个收敛子列.
即当脚标为奇数时,
;
当脚标为偶数时,
14.应用基本的QR迭代于矩阵
,
并考察所得的矩阵序列的特点,并判断该矩阵序列是否收敛?
[解]用Givens正交变换实现QR迭代:
第1步:
,
第2步:
,
.
由上面的两步迭代,即已说明对该矩阵进行QR迭代,其矩阵序列由两个矩阵构成其奇数项和偶数项,因此该矩阵序列不收敛.
习题7