w wyl123ly 的博客
MD

20-线代-11-数值线性代数

17 KB 2026.10.17 原文件

线性代数 第 11 章 · 数值线性代数(15 题)

本章速览

3 篇 · 15 题:数值稳定性与 LU(11-1,5 题)、范数与条件数(11-2,5 题)、迭代方法与预条件(11-3,5 题)。

11-1 数值稳定性与 LU(5 题)

题号结论
练习 1见解析(浮点吞噬与选主元判据)
练习 2 见解析
练习 3
练习 4:、
练习 5向后 ;

练习 1 (浮点吞噬与乘子)

解

第 1 步:(a) 三个表达式。

  • 1e16 + 1.0 - 1e16 = : 的相邻浮点数间隔(ulp)为 ,加 被吞噬(舍入回原值),再减回去得 。
  • (1e16 + 1.0) - 1e16 = :同上,括号不改变「先加再减」的顺序。
  • 1e-16 + 1e-16 == 2e-16 = True: 可精确表示(只是幂次的调整),故相等。

第 2 步:(b) 。 乘子

主元 正常、乘子极小,不会出问题(这恰是「好」的情形:主元远大于乘子)。

第 3 步:(c) 。 乘子

消元后

(因 ,矩阵本就奇异。)此时出现零主元,分解中断。

第 4 步:正确判据。 是否选主元不能只看「主元是否为零」,而要看主元相对于同列其余元素是否过小(即增长因子 / 条件数是否被放大)。实用判据是部分选主元:每步选该列绝对值最大的元素作主元。

答案 如上。

练习 2 (带部分选主元的 LU)

解

第 1 步:第一列选主元。 ,第一列最大绝对值在 (值 ),交换 :

第 2 步:消元。 、:

第 3 步:第二列。 :

第 4 步:验证 。 第三行: ✓;第二行: ✓

答案 如上。

练习 3 (Cholesky 与正定性)

解

第 1 步:子块结构。 正定 ⇒ 各阶顺序主子矩阵 也正定,且 ( 是 的前 阶主子块)。

第 2 步:行列式。

第 3 步:相除。

第 4 步:作为正定性判据。 若某步根号内 ,说明存在非正的顺序主子式 ⇒ 不正定(实对称矩阵正定 ⟺ 全部顺序主子式为正)。反之正定时每个 ,算法必能走完。故 Cholesky 既是分解算法、也是正定性的数值判定。

练习 4 ( 但极度病态)

解

第 1 步:构造。

第 2 步:两个指标。

第 3 步:为什么行列式不是好指标。 行列式是「体积」的整体度量,会被各方向尺度的乘积左右:把某方向缩小 、另一方向放大 ,体积不变而「扁度」剧变。条件数 才是衡量「矩阵接近奇异」的几何量——它只与最大/最小拉伸比有关,与整体缩放无关。

练习 5 (向后误差与有效数字)

解

第 1 步:向后误差量级。

第 2 步:条件数上限。 前向相对误差 :

第 3 步:与经验法则对照。 「双精度损失约 位」中

双精度约 位 ⇒ 剩约 位,与 一致 ✓(损失位数 = 前向相对误差的倒数。)

答案 ;;与经验法则一致。

11-2 范数与条件数(5 题)

题号结论
练习 1、、、
练习 2错;对;对;对;对
练习 3; 时剩约 位
练习 4;(完全失真)
练习 5见解析

练习 1 (向量与矩阵范数)

解

第 1 步:向量范数()。

第 2 步:矩阵范数()。

:,,

第 3 步:条件数。 :

两数相等是本题巧合( 的列和与行和恰好都取到同一个值);一般 。

答案 如上。

练习 2 (五条判断)

解

第 1 步:(1) 错。 恒有 ,而 满足 但 ,不大于 。

第 2 步:(2) 对。 与 有相同的奇异值( 与 的非零特征值一致)。

第 3 步:(3) 对。 的倒数关系给出 。

第 4 步:(4) 对。 。

第 5 步:(5) 对。 ,其中 正交。

答案 错;对;对;对;对。

练习 3 ( vs )

解

第 1 步:(1) 行列式与逆。

第 2 步:(2) 条件数(-范数)。 ( 很小),

故

第 3 步:同步性与不普遍性。 这里 有界而 ,故 与 同步。但这不普遍:取 ,则

——行列式极小而条件数完美。可见「小行列式」既不必要也不充分地蕴含病态。

第 4 步:(3) 。 损失位数约 ,双精度约 位 ⇒ 只剩约 位有效数字。

答案 如上。

练习 4 (测量误差的放大)

解

第 1 步:误差传播。 由 :

第 2 步:病态矩阵。 时

即误差可达 ——解完全不可信。

第 3 步:物理反演的含义。 病态模型把测量噪声放大 倍:无论算法多稳定,问题本身决定了可辨识精度。实践上必须正则化(Tikhonov、截断 SVD)或改进实验设计(增加观测、改善条件数),而不是换更好的求解器。

练习 5 (正交 × 对角)

解

第 1 步:(1) 三个条件数。 的奇异值为 :

与 相似且正交相似 ⇒ 奇异值仍为 ⇒ 。

第 2 步:(2) 。 按 :

故 不满足「 且单位矩阵取 」这一直觉;它还随 增大。

第 3 步:(3) 几何 vs 非几何。 是「最大拉伸 / 最小拉伸」之比,纯几何、与 及缩放无关; 混入了 Frobenius 范数对维数的依赖(),故不能作为「扁度」的度量。

11-3 迭代方法与预条件(5 题)

题号结论
练习 1真解 ;、
练习 2错;对;错;错;错
练习 3;Jacobi 发散、GS 收敛
练习 4特征值与谱半径见解析
练习 5对角预条件的适用范围

练习 1 (两种迭代的对比)

解

第 1 步:真解。 解得 ( ✓)。

第 2 步:(1) 迭代公式。

Jacobi:

Gauss–Seidel(用最新值):

第 3 步:(2) 手算三步(初值 )。

Jacobi:,与真解的最大偏差依次 。

GS:,偏差依次 。GS 每步都用了更新的分量,通常下降更快。

第 4 步:(3) 迭代矩阵与谱半径。

而 ✓(定理:三对角 / 相容次序时 )。

第 5 步:(4) 两个条件。 对角线元素 ,行和 、 ⇒ 严格对角占优 ✓(保证两种迭代都收敛); 对称且顺序主子式 、 ⇒ 对称正定 ✓。两者都成立,故 (1) 的迭代都收敛。

答案 如上。

练习 2 (五条判断)

解

第 1 步:(1) 错。 对称正定不保证 Jacobi 收敛。反例: 的特征值为 (不定),而取 (正定)时 发散(见练习 3)。

第 2 步:(2) 对。 严格对角占优是 Jacobi 与 GS 都收敛的经典充分条件。

第 3 步:(3) 错。 迭代法有极限精度:舍入误差使残差停在地板附近,继续迭代不会更好,甚至可能变差。

第 4 步:(4) 错。 CG 的「 步收敛」是精确算术下的性质;浮点运算中它表现为迭代法,且因舍入会损失正交性,实际常用重启动/预条件。它属于迭代法(Krylov 子空间法)。

第 5 步:(5) 错。 预条件若选得差(如与 的谱结构不匹配),可能变慢(甚至破坏收敛)。好的预条件要求 的条件数更小且 易解。

答案 错;对;错;错;错。

练习 3 (正定但 Jacobi 发散)

解

第 1 步:(1) 特征值。 型:,故特征值为

全正 ⇒ 对称正定 ✓;。

第 2 步:(2) 谱半径。

其特征值为 (二重)与 ⇒ ⇒ Jacobi 发散。

——注意 只对三对角/相容次序成立,本例(满矩阵)不适用。直接计算得 ⇒ GS 收敛。

结论

「对称正定 ⇒ GS 收敛」是定理;「对称正定 ⇒ Jacobi 收敛」不是。本例正是标准反例。

第 3 步:(3) 残差曲线。 用程序各跑 步,会看到 Jacobi 的相对残差按 增长(发散)、GS 按 衰减到 量级。

第 4 步:(4) 为什么 SDS 只对 GS 够。 GS 的收敛可由「 正定 ⇒ 的能量内积下 是压缩映射」证明(, 在 -内积下非扩张);而 Jacobi 的谱可以在正定矩阵上任意接近甚至超过 ,没有这种能量结构保护。

答案 如上。

练习 4 (1D Poisson)

解

第 1 步:(1) 特征值。 取特征向量 ,代入三对角差分得

故

第 2 步:(2) 迭代谱半径。 ,

第 3 步:(3) 迭代次数。 达到固定精度 需 。由

得 ;GS 因 , ⇒ 仍为 。

而 CG 的收敛因子为 ,,故

——CG 比 Jacobi/GS 快一个量级。

练习 5 (对角预条件)

解

第 1 步:(1) 相似与正特征值。 令 ( 正定 ⇒ 正定),

即 与对称矩阵 相似。而 与 合同( 可逆)、且 正定 ⇒ 正定 ⇒ 特征值全为正实数。

第 2 步:(2) 条件数。 相似矩阵特征值相同 ⇒ 谱相同;对正定矩阵 ,故

消除量纲失衡: 的对角元全为 (),把各变量缩放到同一量级,使「对角元相差 倍」这类人为病态消失。

第 3 步:(3) 何时无效。 若 对角元相同(如 D Poisson,),则 ,

只是整体缩放,特征值比不变 ⇒ 不变、毫无帮助。这说明预条件必须针对病态的真实来源(量纲失衡用对角预条件;局部耦合造成的病态需 ILU、多重网格等)。