Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
§ 8.4. QR-алгоритмВ настоящее время лучшим методом вычисления всех собственных значений квадратных заполненных матриц общего вида (умеренного порядка) является QR-алгоритм. 1. Основной QR-алгоритм.Опишем итерационную процедуру, являющуюся основой алгоритма. Она существенно использует возможность разложения произвольной матрицы в произведение ортогональной и верхней треугольной матриц, т.е. так называемое QR-разложение (см. § 5.10). На 1-й итерации с помощью метода отражений или метода вращений вычисляют QR-разложение матрицы
Затем строят матрицу На 2-й итерации находят QR-разложение матрицы На К сожалению, в общем случае, когда собственные значения матрицы могут быть кратными или комплексными, строгое изложение предельных свойств последовательности
Здесь крестиками помечены элементы, в общем случае не равные нулю. Известно, что в рассматриваемом случае элементы матриц
т.е. скорость сходимости к нулю определяется величиной отношения Следует подчеркнуть, что 2. Ускорение QR-алгоритма.Приведенный выше вариант Для того чтобы уменьшить число арифметических операций, матрицу А предварительно с помощью подобных преобразований отражения или вращения приводят к так называемой форме Хессенберга:
Матрица +1 (т.е. все элементы, расположенные ниже диагонали, непосредственно примыкающей к главной диагонали), называется матрицей Хессенберга. Существуют эффективные стандартные процедуры преобразования матрицы А к виду (8.35), поэтому мы не будем останавливаться подробно на этом преобразовании. Для дальнейшего важно то, что матрицы
ортогональна. После преобразования матрицы А к виду (8.35) к матрице 1°. Матрицы 2°. Для выполнения одной итерации QR-алгоритма для матрицы Хессенберга требуется число арифметических операций, пропорциональное Однако, как уже было отмечено, даже достигнутая благодаря предварительному преобразованию матрицы А к виду (8.35) существенная экономия числа арифметических операций недостаточна для практического использования Поясним суть этого подхода. Допустим, что для А, известно хорошее приближение полагая Последовательное осуществление сдвигов для Итак, прежде чем применять QR-алгоритм, следует преобразовать исходную матрицу А к форме Хессенберга. Без такого преобразования QR-алгоритм практически не применяется. Затем целесообразно использовать один из вариантов QR-алгоритма со сдвигами. Пусть теперь собственные значения найдены и требуется найти один собственный вектор Замечание 1. Вычисление собственного вектора Замечание 2. Проведенное в этом параграфе обсуждение алгоритма носило в значительной степени ознакомительный характер. Практически не был затронут случай, когда матрица имеет кратные или комплексные собственные значения. Не рассматривались и особенности применения QR-алгоритма для комплексных матриц. Замечание являющиеся точными собственными значениями некоторой матрицы
(это утверждение сформулировано в терминах обратного анализа ошибок).
|
1 |
Оглавление
|