VMLA-Matzokin-2012 / 2012-лекции BMLA
.pdfМацокин А.М. “Вычислительные методы линейной алгебры.” Конспект лекций.
1. |
{gi}ij |
1 |
– A -ортогональный базис в Lj |
L{(B 1A)z0 , ..., (B 1A)j z0}, j |
k , |
||||||||||||||||||||||||||||||||||
2. |
z |
j |
z |
0 |
|
|
1 |
g ... |
|
j |
g |
j |
, |
i |
|
(r0 ,gi ) |
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
(Agi ,gi ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
3. |
r j |
Az j: B 1r j |
Lj 1 |
и r j |
Lj , т.е. (r j,gi ) 0 |
|
|
i 1, j. |
|
|
|
|
|
||||||||||||||||||||||||||
Определим gk |
1 |
B 1rk |
|
1g1 |
|
|
... |
|
kgk |
|
Lk |
1 |
|
из условий |
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
(Agk |
1,gi ) |
(AB 1rk ,gi ) |
1 |
(Ag1,gi ) ... |
|
|
k |
|
(Agk ,gi ) |
0, |
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
i 1, ..., k. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Так как (Ag j,gi ) |
0, i |
|
j, то |
i |
(AB 1rk ,gi )/(Agi ,gi ) , |
|
|
|
|
|
||||||||||||||||||||||||||||
|
так как rk |
Lk |
и B 1Agi |
|
Li |
1 |
|
Lk |
при i |
|
1 |
k , то |
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
(AB 1rk ,gi ) |
(rk ,B 1Agi ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
0 и |
i 0, i |
|
1, k |
1, |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
(здесь потребовалась симметричность матрицы B 1 ). |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. |
gk |
1 |
|
|
B 1rk |
|
kgk , |
k |
|
|
(B 1rk ,Agk ) /(Agk ,gk ) , и |
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
{gi}ik |
11 – A -ортогональный базис в Lk |
1 |
|
|
L{(B 1A)z0 , ..., (B 1A)k |
1z0} , |
||||||||||||||||||||||||||||||||
2. |
z |
k |
1 |
|
|
z |
0 |
|
1 g1 ... |
|
k |
|
1 |
gk |
1 |
z |
k |
|
k 1 gk |
1, |
k |
1 |
|
|
(r0 ,gk 1) |
, |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
(Agk 1,gk 1) |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
3. |
rk |
1 |
|
|
Azk |
1 |
r0 |
|
1 |
Ag ... |
|
k |
1 |
Ag |
k 1 |
L |
1 |
, т.к. легко |
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|||||||||
|
проверяются равенства (rk 1, gi ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
0, i |
1, k |
1; |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
B 1rk |
1 |
Lk 1, и, очевидно, что |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
B 1rk |
1 |
|
|
B 1Azk |
1 |
L{ B 1r0 , L{(B 1A)2 z0 , ..., (B 1A)k |
|
2 z0} } |
Lk |
2 . |
|||||||||||||||||||||||||||||
Таким |
|
образом |
построен |
|
|
очередной |
базисный |
вектор |
gk |
1 |
и |
все |
предположения метода матиндукции для него выполняются, из которых следует, что
k 1 |
(r0 |
,gk 1) |
|
(r1 |
1Ag1,gk 1) |
|
(r1,gk 1) |
... |
(rk ,gk 1) |
. |
(Agk |
1,gk 1) |
|
(Agk 1,gk 1) |
|
(Agk 1,gk 1) |
(Agk 1,gk 1) |
||||
|
|
|
|
|||||||
|
|
|
|
|
Формулы метода сопряженных градиентов с переобусловливателем
1 шаг:
g1 B 1r0 |
Ax0 |
b, |
|
|
|
|
|
|
1 |
(r0 , g ) /(Ag , g ), |
|
||
|
|
1 |
1 |
1 |
|
|
|
x1 |
x0 |
1 g1, r1 |
|
r0 |
1 Ag1 Ax1 b; |
... |
|
|
|
|
|
|
(k 1) -й шаг: если rk |
0, то |
|
|
|
|
|
71
Мацокин А.М. “Вычислительные методы линейной алгебры.” Конспект лекций.
gk 1 B 1rk |
k gk , |
k |
(B 1rk , Agk ) /(Agk , gk ) |
|
|
k |
1 |
(rk , gk 1) /(Agk 1, gk 1), |
|
|
xk 1 |
xk |
k 1 gk 1, rk 1 rk |
k 1 Agk 1 Axk 1 b. |
|
|
Положительно определенные матрицы |
|
|
|||||||
A 0 в Cn (или Rn ) |
|
(Ax, x) 0 |
x |
|
Cn (Rn ), x |
0 |
|||||
Теорема 1. |
(Ax, x) Re(Ax, x) |
x |
Cn |
A |
|
A* . |
|
|
|||
Теорема 2. |
A |
A* |
|
|
|
|
|
|
|
|
|
|
|
|
A |
|
0 в Cn (R n ) |
|
|
(A) |
0, |
|
|
|
|
|
min |
(x, x) |
(Ax, x) |
max |
(x, x) |
x |
Cn (R n ). |
||
|
|
|
|
|
|
|
|
|
|||
Теорема 3. |
A |
A* |
A 0 в Cn (Rn ) |
|
det (Ak ) |
0 |
|
(т.к. A – разложение Холесского) – это критерий Сильвестра положительной определенности или положительности всех собственных значений симметричной (самосопряженной) матрицы.
Теорема 4. |
A |
0 в Rn |
A |
A* |
0 в Rn . |
Теорема 5. |
A |
A* – веществ. кососимметричная матрица A 0 в Rn . |
|||
Теорема 6. |
A |
0 в Rn |
Re |
(A) |
0. |
Доказать эти утверждения в качестве упражнений.
Построить пример вещественной несимметричной, но положительно определенной в R n матрицы.
72
Мацокин А.М. “Вычислительные методы линейной алгебры.” Конспект лекций.
Лекция 11. Проблема собственных значений
Для матрицы A {a }n нужно найти числа и ненулевые векторы x такие,
i j i, j 1
что Ax x : – собственное значение, x – собственный вектор.
Корректность задачи на собственные значения
Известно, что все собственные значения матрицы A являются корнями характеристического полинома
|
P ( ) |
det (A |
E) ( 1)n |
n |
p |
n |
n |
1 |
... p |
p |
0 |
, |
|
n |
|
|
|
|
1 |
|
1 |
|
|
||
а коэффициенты p0 , ..., pn |
1 – непрерывные функции элементов матрицы A . |
|||||||||||
Пусть |
A – матрица с |
“малыми” |
по |
величине |
элементами, P ,n ( ) – |
|||||||
характеристический |
полином матрицы |
A |
|
|
A . |
Следствием |
непрерывности |
|||||
det (A |
A) как функции элементов матрицы A |
A является |
|
|
|
Лемма 1. lim P ,n ( ) Pn ( ) |
C . |
A 0 |
|
Лемма 2. В любом круге на комплексной плоскости с центром в точке
радиуса n |
|
|
|
|
|
||||||||||||||
| Pn ( |
c ) | лежит хотя бы один корень полинома Pn ( ) . |
||||||||||||||||||
Док–во. Разложим Pn ( |
) в ряд Тейлора в точке c : |
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
P ( |
c |
) |
|
|
|
P(n) ( |
c |
) |
|
|
)n |
|
|
P ( ) |
P ( |
c |
) |
|
n |
|
( |
c |
) ... |
n |
|
( |
c |
Q(z) , |
|||||
|
|
|
|
|
|
|
|
||||||||||||
n |
n |
|
1! |
|
|
|
|
n! |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
z |
c . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c и
где
Пусть z1, ..., zn – корни полинома Q(z) , среди которых корень с минимальной абсолютной величиной имеет номер min .
|
Так |
как | P |
( |
c |
) | |
| Q(0) | |
| z |
... |
z |
n |
| |
| z |
min |
|n |
| |
min |
c |
|n , то |
||
|
|
|
n |
|
|
|
1 |
|
|
|
|
|
|
|
|
|||||
|
min (корень полинома Pn ( |
) ) лежит в круге радиуса n | Pn ( c ) | |
. |
|||||||||||||||||
Лемма 3. |
Если |
1, ..., |
n |
|
– корни полинома |
Pn ( |
) , |
то |
|
нумерация корней |
||||||||||
|
,1, ..., |
,n полинома P ,n ( ) : |
,k |
|
|
k |
k |
|
при |
A |
0 . |
|
||||||||
Док–во |
методом матиндукции по степени полинома. |
|
|
|
|
|
|
|||||||||||||
|
n |
1 |
,1 |
|
p ,0 |
p0 |
1 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пусть лемма верна при n |
k . |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
n |
k : из леммы 2 |
,1 : | |
,1 |
1 | |
|
n | P ,n ( |
1) | |
0 . |
|
|
|
||||||||
|
Т.к. Pn ( ) ( |
|
|
1)Rn 1( ), P ,n ( ) ( |
|
|
,1)R ,n 1( ) |
|
|
|
||||||||||
|
и R ,n |
1( ) |
Rn 1( |
) , то |
,2 |
|
2 , ..., |
,n |
|
n . |
|
|
|
|
73
Мацокин А.М. “Вычислительные методы линейной алгебры.” Лекция 11.
Степенной метод вычисления максимального собственного значения матрицы A A 0
Идея метода: для заданного вектора x0 рассмотрим его k –ю итерацию Ak x0 ,
если 0 |
1 |
2 |
... |
n 1 |
n |
(A) – собственные значения, |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||
q(1) , q(2) , ..., q(n) – соответствующие им собственные векторы, то |
|||||||||||||||
Ak x0 |
k [ |
|
q(n) |
( |
1 |
)k |
q(1) ... |
( |
n 1 |
)k |
q(n 1) ] |
k |
q(n) , |
||
n |
|
|
n |
||||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
n |
1 |
|
||
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|| Ak 1x |
0 || |
|
|
, |
1 |
|
|
Ak 1x0 |
|
q(n) , |
|
|
|
||
|| Ak x0 |
|| |
|
|
|| Ak x0 || |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
где 1, 2 , ..., n – коэффициенты (неизвестные!) разложения вектора x0 по базису q(1) , q(2) , ..., q(n) .
Итерационный процесс |
|
|
|
x0 0, xk 1 A |
xk |
|
, k 0, 1, ..., |
|| xk |
|
||
|
|| |
называется степенным методом вычисления максимального собственного
значения матрицы A A |
0 : |
|
|| xk || |
(A) , xk x : Ax |
x , |
если проекция начального вектора x0 на линейную оболочку собственных
векторов, соответствующих |
|
|
(A) , не равна 0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
Док–во. Пусть |
0 |
1 |
... |
|
|
|
|
r |
|
|
r |
1 |
... |
|
|
n |
|
|
– собственные значения, |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
q(1) , ...,q(r) , q(r 1) , ..., q(n) |
– собственные векторы матрицы A , и |
||||||||||||||||||||||||||||||||||||||||
x0 |
|
q(1) ... |
|
|
r |
q(r) |
|
r |
q(r |
|
1) ... |
|
|
n |
q(n) |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
q(1) ... |
|
|
r |
q(r) |
|
y, |
y |
|
0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Тогда Ak x0 |
|
k [x |
|
|
|
( |
1 |
/ |
)k |
q(1) ... |
( |
r |
/ |
)k |
|
|
r |
q(r) |
] и, |
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
т.к. |
xk |
|
Axk 1 |
|
|
|
|
A2xk 2 |
|
... |
|
|
|
Ak x0 |
|
|
, |
0 |
|
|
|
1 |
|
... |
|
r |
1, |
||||||||||||||
|
|| xk |
1 || |
|
|| Axk |
2 || |
|
|| Ak |
1x0 |
|| |
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
то || xk || |
|
|
|| y |
|
( |
1 |
/ |
)k |
|
|
q(1) |
|
... |
|
( |
r |
/ |
|
)k |
r |
q(r) || |
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, |
|
|
|
||||||||||
|
|| y |
|
|
( |
|
1 |
/ |
|
)k |
1 |
|
q(1) |
|
... |
|
( |
r |
/ |
|
)k |
1 |
r |
q(r) || |
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
xk |
|
|
y |
( |
1 |
/ |
|
)k |
|
q(1) ... |
( |
|
r |
/ |
)k |
|
r |
q(r) |
|
|
|
|
|
|
|
|
|
y |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
. |
|||||
|
|| y ( |
1 / |
|
)k |
|
|
1 |
|
1q(1) ... |
( |
|
r / |
)k |
|
1 |
|
rq(r) |
|| |
|
|
|
|
|
|| y || |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Замечание. Сходимость степенного метода не зависит от выбора в нем векторной нормы, т.к. все нормы в Rn эквивалентны.
74
Мацокин А.М. “Вычислительные методы линейной алгебры.” Конспект лекций.
Степенной метод вычисления минимального собственного значения матрицы A A 0
Задача вычисления минимального собственного значения матрицы A A 0 легко сводится к задаче вычисления максимального собственного значения
матрицы |
E A 0 , где |
(A) , так как |
( |
E |
A) |
min (A) . |
||
Оценку для |
(A) легко найти: |
|| A || |
(A) . Тогда |
|
||||
итерационный процесс |
|
|
|
|
|
|
|
|
|
x0 0, xk 1 |
(|| A || E |
A) |
xk |
|
, |
k |
0, 1, ..., |
|
|| xk |
|
||||||
|
|
|
|
|| |
|
|
называется степенным методом вычисления минимального собственного значения матрицы A A 0 : (|| A || || xk ||) min (A) ,
если проекция начального вектора x0 на линейную оболочку собственных векторов, соответствующих min (A), не равна 0.
Справедливость этого утверждения является следствием сходимости
степенного |
метода |
вычисления |
спектрального |
радиуса |
матрицы |
B || A || E |
A . |
|
|
|
|
Применение ортогонализации и степенного метода для вычисления очередного собственного значения
Предположим, что собственное значение |
n |
(A) |
и соответствующий ему |
|
|
|
|
|
|
собственный вектор (какой–то!) q(n) матрицы |
A |
A |
0 мы приближенно |
|
(например степенным методом) вычислили: n |
n , |
q(n) |
q(n) . |
Построим симметричную положительно определенную матрицу An 1 Pn APn ,
где матрица Pn |
E |
q(n)[q(n) ]T – ортогональный проектор на подпространство |
||||||||
(L{q(n)}) , ортогональное вектору q(n) . |
|
|
|
|
||||||
Докажите, что спектр матрицы |
An |
1 |
(т.е. n |
n , |
q(n) |
q(n) ) состоит из |
||||
собственных значений |
1 |
... |
n 1 |
|
матрицы |
A |
и нуля (вектор q(n) |
|||
|
|
|
|
|
|
|
|
|
||
принадлежит ее ядру). |
|
|
|
|
|
|
|
|
||
Отсюда следует, что, если q(n) |
q(n) |
|
(а степенной метод такую сходимость |
|||||||
гарантирует), то |
(An 1) |
|
(An |
1) |
n |
1(A) . |
|
|
|
|
Следовательно, применяя степенной метод для матрицы |
An 1 , мы получим |
|||||||||
приближение к |
n |
1(A) и q(n 1) – очередным собственным значению и вектору |
||||||||
матрицы A . |
|
|
|
|
|
|
|
|
|
|
Эту процедуру можно продолжать до тех пор, пока мы не получим все собственные значения.
75
Мацокин А.М. “Вычислительные методы линейной алгебры.” Конспект лекций.
Степенной метод вычисления границ спектра матрицы B 1A в
|
|
случае A |
A 0 и B |
B |
0 |
|
|
|
|
|
|
|
Знание оценок |
спектра матрицы |
B 1A |
в случае |
A |
A |
0 |
и |
B |
B |
0 |
||
необходимо |
для |
построения параметров |
циклического |
метода |
Ричардсона |
|||||||
(простой итерации) для решения системы уравнений |
|
Ax |
b |
с |
||||||||
переобусловливателем B . |
|
|
|
|
|
|
|
|
|
|
||
Лемма 4. Все собственные значения матрицы |
B 1A в случае |
A |
A |
|
0 и |
|||||||
B |
B |
0 положительны, а соответствующие |
им |
собственные |
||||||||
векторы A -ортогональны. |
|
|
|
|
|
|
|
|
|
|||
Док-во. Задача на собственные значения B 1A x |
x эквивалентна задаче |
|||||||||||
|
|
(A1/ 2B 1A1/ 2 )[A1/ 2x] |
[A1/ 2x] |
|
|
|
|
|
|
на собственные значения самосопряженной положительно определенной
матрицы |
C A1/ 2B 1A1/ 2 C |
0, имеющей положительные собственные |
|||||||||||||||||
значения |
{ i}in |
1 |
и |
систему |
собственных |
векторов |
{y(i) A1/ 2x(i)}in |
1, |
|||||||||||
образующую ортонормированный базис: |
|
|
|
|
|
|
|
|
|
||||||||||
|
|
(y(i) , y( j) ) |
(A1/ 2x(i) , A1/ 2x( j) ) |
i, j, i, j |
1, 2, ..., n . |
|
|||||||||||||
Очевидно, что { i}in |
1 |
и {x(i) |
|
A 1/ 2y(i)}in |
1 |
являются системой собственных |
|||||||||||||
значений и векторов матрицы B 1A и собственные векторы A -ортогональны: |
|
||||||||||||||||||
|
|
(Ax(i) , x( j) ) |
(A1/ 2x(i) , A1/ 2x( j) ) |
i, j, i, j |
|
1, 2, ..., n . |
|
||||||||||||
Теорема 1. Если A |
|
A |
|
0 и B |
B |
0 , то степенной метод |
|
|
|||||||||||
|
|
|
x0 |
|
0 |
|
задан, |
xk 1 |
B 1A |
|
xk |
|
, k |
0, 1, ... |
|
||||
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|| xk || A |
|
|
|
|
|||
|
|
сходится к решению задачи B 1A x |
x , |
|
|
|
|
||||||||||||
|
|
где |
|
max |
(B 1A) |
lim || xk || A |
– максимальное собственное |
||||||||||||
|
|
|
|
Sp(B 1A) |
|
k |
|
|
|
|
|
|
|
|
|
||||
|
|
значение, а |
x |
lim xk – соответствующий ему собственный вектор, |
|||||||||||||||
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
если (Ax0, x) |
0 . |
|
|
|
|
|
|
|
|
|
|
|
|
||||
Док-во. |
Пусть |
0 |
|
1 |
|
... |
r |
r 1 |
... |
|
|
n |
|
– |
собственные значения, |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
{x(i)}in |
1 |
– A -ортонормальной |
система собственных векторов из леммы 4 |
||||||||||||||||
матрицы B 1A . Представим начальное приближение степенного метода в виде |
|||||||||||||||||||
разложения: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
x0 |
|
1 |
x(1) ... |
|
r x(r) |
r |
1 |
x(r |
1) |
... |
n |
x(n) |
|
||||
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
y |
0 |
|
|
|
и предположим, что y |
0 . Очевидно, что B 1A y |
|
|
y , |
|
|
76
Мацокин А.М. “Вычислительные методы линейной алгебры.” Конспект лекций.
xk |
(B 1A)xk 1 |
|
|
(B 1A)2 xk |
2 |
|
|
|
... |
|
|
|
|
|
|
(B 1A)k x0 |
|
|
|
|
, |
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|| xk |
1 || A |
|
|| (B 1A)xk 2 || A |
|
|
|
|
|
|| (B |
|
1A)k |
1 x0 || A |
|
|
|
||||||||||||||||||||||||||||||||||||
(B 1A)k x0 |
|
k |
[ 1( |
|
1 |
)k |
|
x(1) ... |
|
|
|
r ( |
|
r |
)k |
|
x(r) |
|
|
y], |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|| (B 1A)k |
1 x0 || A |
|
|
k |
1 |
|
|
[ 1( |
|
1 |
)k |
1]2 ... |
|
|
[ |
|
r ( |
|
|
r |
)k |
1]2 |
|
|| y || A2 . |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|| |
k 1 ||2A |
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Тогда xk |
|
|
y |
|
, а || xk || A |
|
|
. Кроме того, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|| y || A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
0 |
|
|
|| xk || |
A |
|
|
|
|
|
|| y || A2 |
|| k || A2 / |
|| y || A2 |
|| |
|
k |
1 || A2 |
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|| |
|
k 1 || A2 |
|
|| |
k || 2A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( |
|| y || A2 |
|| |
k 1 || A2 |
|
|| y || A2 |
|
|| |
|
k || A2 ) |
|
|
|| y || A2 |
|
|
|| |
|
k |
1 || A2 |
|
|
|
||||||||||||||||||||||||||||||||
|| |
k 1 || A2 |
[ |
1]2 ... |
|
[ r ]2 |
|
( |
|
r |
) |
2(k |
1) |
|
|
|
|
|
|| x0 || A2 |
|
( |
r |
|
) |
2(k 1) |
|
|
|
||||||||||||||||||||||||||
|
2 || y || A2 |
|
|
|
|
|
|
2 || y || A2 |
|
|
|
|
|
|
|
|
|
|
|
2 || y || A2 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
что и требовалось доказать. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Теорема 2. Если A |
|
A |
0 , |
B |
|
B |
0 и известна постоянная |
|
1 |
(B 1A) , то |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
степенной метод |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
x0 |
|
|
задан, xk 1 |
|
|
|
|
|
|
|
|
|
B 1A) |
|
|
|
xk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
0 |
|
( 1 |
|
E |
|
|
|
|
|
|
|
, k |
|
|
0, 1, ... |
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|| xk || A |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
сходится к решению задачи B 1A x |
( 1 |
|
|
min ) x , |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
где |
min |
|
|
min |
|
|
(B 1A) |
|
|
1 |
|
lim || xk || A |
|
– |
|
|
минимальное |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Sp(B 1A) |
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
собственное |
|
значение, а |
|
|
|
x |
|
|
lim xk |
|
|
– |
соответствующий ему |
||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
собственный вектор, если (Ax0, x) |
|
|
0 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Док-во. Повторяя доказательство теоремы 1, получим, что сформулированный метод определяет спектральный радиус и соответствующий собственный
вектор |
матрицы |
1 E |
B 1A . |
Так |
как |
( 1 E B 1A) 1 |
(B 1A) и |
(B 1A) |
0 , то |
( 1 E |
B 1A) |
1 |
min (B 1A) , т.е. min (B 1A) |
1 . |
77
Мацокин А.М. “Вычислительные методы линейной алгебры.” Конспект лекций.
Лекция 12. Метод деления пополам (бисекций)
Для самосопряженной матрицы A {a }n имеет место закон инерции:
i j i, j 1
если матрицу A конгруэнтным преобразованием привести к диагональному
виду: D |
T*AT , где det T |
0, то от матрицы T (способа преобразования) не |
зависит |
|
|
|
(A) – количество отрицательных элементов, |
|
0 (A) – количество нулевых элементов, |
||
|
(A) – количество положительных элементов на диагонали D . |
|
Нам известно (из теоремы |
и алгоритма LDU –разложения), что если все |
|
det Ak |
0, то A LDL*, D |
diag{d1, ..., dn }, det Ak d1 ... dk . |
Следовательно, в этом случае за конечное число действий мы можем
определить (A) { (A), 0 (A), |
(A)}, |
0 (A) 0 . |
|
Матрица A A* |
преобразованием |
подобия |
ортогональной матрицей Q |
(конгруэнтным преобразованием) из собственных векторов приводится к
диагональному виду |
diag{ 1, ..., n } Q*AQ. Следовательно, |
(A) = количеству отрицательных, |
0 (A) = количеству нулевых,
(A) = количеству положительных собственных значений матрицы A ,
и, используя LDL* –разложение, мы можем эти числа определить. Подытожим эти рассуждения в виде следующей леммы.
Лемма 1. Если матрица A A* и det A |
k |
0 k , |
|
|
то количество ее отрицательных собственных значений
(A)ЧПЗ{1, det A1, det A2 , ..., det An}
–число перемен знака.
Док–во леммы оставляется в виде упражнения.
Идея метода бисекций вычисления |
j |
Sp (A) |
|
|
j [a0 , b0 ] |
[ || A || , || A || |
], |
|
т.к. |
|
(A) |
|| A || |
, |
т.е. все собственные |
||||||||
значения 1 |
2 ... |
n матрицы A |
|
A* лежат в этом интервале. |
|
||||||||||||
Определим в какой половине интервала [a0 , b0 ] лежит |
j . Для этого вычислим |
||||||||||||||||
(A |
c0E) – количество собственных значений меньших c0 |
(a0 |
b0 ) / 2 . |
||||||||||||||
Если |
(A |
c0E) j, то |
j |
[a0 , c0 ] |
|
[a1, b1], иначе |
j [c0 , b0 ] |
[a1, b1] . |
|||||||||
Через k таких шагов получим: |
j |
[a |
k |
, b |
k |
], |
b |
k |
a |
k |
|| A || |
/ 2k 1 |
0 , т.е. |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
мы можем получить оценку искомого собственного числа с любой точностью.
78
Мацокин А.М. “Вычислительные методы линейной алгебры.” Лекция 12.
Приведение самосопряженной матрицы к трехдиагональному виду ортогональным преобразованием подобия с помощью матриц вращения
Как и раньше, через Qi,i k будем обозначать элементарную матрицу вращения, отличающуюся от единичной матрицы
|
диагональными элементами: (Qi,i k )i,i |
|
i,i |
k , (Qi,i k )i k,i k |
ci,i k , |
|
||
двумя |
c |
и |
||||||
|
внедиагональными элементами: (Qi,i k )i,i k |
|
|
|
si,i |
|
||
двумя |
|
si,i k , (Qi,i k )i k,i |
k , |
| c |
k |
|2 |
| s |
i,i k |
|2 |
1. |
i,i |
|
|
|
|
Выполним и
1–й шаг. Исключение элементов 1–го столбца матрицы A , начиная с 3–его, с помощью последовательного умножения на унитарные матрицы
2–й шаг.
…
k–й шаг.
Q2,3 , ..., Q2,n : A1 (Q2,n ... Q2,3 )A(Q2,n ... Q2,3 ) Q1AQ1 .
Исключение элементов 2–го столбца матрицы A1 , начиная с 4–ого, с помощью последовательного умножения на унитарные матрицы
Q3,4 , ..., Q3,n |
: A2 (Q3,n ... Q3,4 )A1(Q3,n ... Q3,4 ) Q2A1Q2 . |
|
………………….. |
Исключение |
элементов k–го столбца матрицы Ak 1 , начиная с |
(k+2)–ого, с |
помощью последовательного умножения на матрицы |
|
|
Qk 1,k 2 , ..., Qk 1,n : |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
Ak (Qk 1,n |
... Qk 1,k |
2 )Ak 1(Qk 1,n ... Qk 1,k 2 ) |
Qk Ak 1Qk . |
||||||||||
… |
|
|
|
|
………………….. |
|
|
|
|
|
|
|
|||
(n–2)–й |
Исключение последнего элемента (n-2)–го столбца матрицы An 3 с |
||||||||||||||
шаг. |
|
помощью умножения на матрицу Qn 1,n : |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
An 2 |
(Qn 1,n )An 3 (Qn 1,n ) Qn 2An |
3Qn |
2 . |
|
|
|
|
|
|
||||
|
|
|
|
|
1 |
1 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
2 |
|
|
|
|
||||
T |
An 2 (Qn 2 |
... Q1 )A(Qn 2 |
... Q1 ) |
|
|
|
|
|
|
|
, |
||||
|
|
|
|
|
|
|
|
|
|
|
n 2 |
|
|
n 1 |
n 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n 1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Sp(A) |
Sp(T) . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Если |
|
0, то T |
Tk |
0 |
Sp(T) Sp(Tk ) |
|
|
ˆ |
|
|
|
|
|||
k |
|
ˆ |
Sp(Tn k ) , |
|
|||||||||||
|
|
|
0 |
Tn k |
|
|
|
|
|
|
|
|
|
|
|
т.е. поиск собственных значений самосопряженной матрицы сводится к задаче на собственные значения якобиевых трехдиагональных матриц.
79
Мацокин А.М. “Вычислительные методы линейной алгебры.” Лекция 12.
Лемма 2. |
Самосопряженная |
матрица |
подобна |
трехдиагональной |
|
вещественной матрице. |
|
|
|
Док–во. |
Только что мы привели самосопряженную матрицу A к |
|||
|
трехдиагональному виду ортогональным преобразованием подобия: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
T |
(Qn 2 |
... Q1 )A(Qn 2 ... Q1) |
tridiag{ i 1, |
i , i}. |
|
|||||||||
Определим матрицу D diag{d1 |
, ..., dn }: (предполагая |
i 0 ) |
||||||||||||
d1 |
1, d2 |
1 / | |
1 |, ... , dn |
1 |
/ | |
1 | ... |
n 1 / | |
n 1 | . |
|
|||||
Тогда D 1 |
D , |
B DTD 1 |
tridiag{| |
i 1 |
|, |
i |
,| |
i |
|}. |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
Якобиевы матрицы
Вещественная матрица
a1 |
b1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c2 |
a2 |
b2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
B |
|
|
|
|
|
|
|
, |
b1 |
c2 |
0, b2 |
c3 0, ..., bn 1 cn 0 , |
|||
|
cn 1 |
an 1 |
bn 1 |
|
|
|
|
|
|
|
|
|
|||
|
|
|
cn |
an |
|
|
|
|
|
|
|
|
|
||
называется якобиевой (у нас ci |
|
bi 1 ). |
|
|
|
|
|||||||||
Лемма 3. |
Пусть B |
tridiag{b |
i |
1 |
, a |
i |
, b |
} – якобиева матрица, тогда |
|||||||
|
|
|
|
|
|
|
|
i |
|
|
|
|
|||
|
1. |
det B0 |
1, det B1 |
|
a1, |
|
|
|
|||||||
|
|
det B |
a |
i |
1 |
det B |
b2 |
det B |
|
, |
|||||
|
|
|
i 1 |
|
|
|
|
|
i |
i |
i 1 |
|
|||
|
|
|
i |
1, ..., n |
|
1. |
|
|
|
|
|
Док–во Лемма 4.
Док–во.
2. если |
det Bi 0 (i |
n) , |
то |
det Bi 1 det Bi 1 |
0 , |
|
если det Bn 0, то det Bn 1 |
0 . |
|
|
|
||
оставляется читателю в качестве упражнения. |
|
|
|
|||
Собственные значения якобиевой матрицы B попарно различные |
||||||
(простые). |
|
|
|
|
|
|
Т.к. размерность ядра симметричной матрицы B |
B |
E |
||||
совпадает с кратностью |
Sp (B) , а из леммы 3 следует, что у |
|||||
вырожденной |
якобиевой матрицы |
B минор [det B ]n 1 |
0 , |
то |
||
rang B n |
1, dim Ker B |
1 и |
простое собственное значение |
|||
матрицы B . |
|
|
|
|
|
|
80