- •Глава1. Проблема аппроксимации
- •§1. Полиномиальная апппроксимация
- •§2. Интерполяционный полином в форме Лагранжа
- •§3. Интерполяционный полином в форме Ньютона
- •§4. Аппроксимация сплайнами
- •§5. Метод наименьших квадратов
- •§6. Полиномиальная интерполяция с кратными узлами
- •§7. Свойства разделенных разностей
- •§8. Задача Чебышева. Разрешимость системы
- •§9. Теорема Чебышева
- •§10. Многочлены Чебышева
- •Глава2. Численное дифференцирование
- •Глава3. Численное интегрирование
- •§1. Интерполяционные квадратурные формулы
- •1.Интерполяционные квадратурные формулы
- •2.Интерполяционные квадратурные формулы наилучшей алгебраической точности
- •3.Ортогональные многочлены и их свойства
- •§2. Применение квадратурных формул
- •§3. Метод Монте-Карло (метод статистических испытаний)
- •§4. Правило Рунге практической оценки погрешности
- •Глава4. Алгебраическая проблема собсвенных значений
- •§1. Ортогональные матрицы
- •1.Ортогональные матрицы
- •2.Матрица элементарного поворота
- •§2. Вариационное свойство собственных значений
- •§3. Приведение симметричной матрицы к диагональному виду
- •§4. Сингулярное разложение матрицы
- •§5. Сопряженная матрица
- •§6. Частная спектральная задача
- •1.Вариационный метод
- •2.Степенной метод
- •§7. Метод максимизации столбцов
- •1.Максимизация первого столбца
- •2.Алгоритм сингулярного разложения
- •3.Главное собственное число
- •§8. Метод вращения
§3. Приведение симметричной матрицы к диагональному виду
Из теорем алгебры:
Любое собственное число λ произвольной матрицы А равно скалярному произведению (Ax,x), гдеx – некоторый вектор:|| x ||=1.
Первый шаг
Пусть λ1– максимальное собственное число матрицы А, т.е..
Обозначим как y1– собственный вектор матрицы А, отвечающий λ1: ||y1||=1.
Второй шаг
Обозначим как Ln-1– подпространство, ортогональное подпространству, образованному векторомy1(т.к.dim{y1}=1, тоdimLn-1=n-1).
Очевидно, что Ln-1инвариантное подпространство для А (т.е. если, то).
Действительно, пусть
Обозначим . Тогда из Леммы 2:
.
Т.о. y2– собственный вектор матрицы А, ортогональныйy1.
Третий шаг
Будем рассматривать далее подпространство , повторим указанные в шаге два рассуждения.
В итоге получим набор собственных векторов матрицы А {yk}: ||yk||=1, ортогональных друг другу, соответствующих собственным числам {λk}.
Обозначим матрицу собственных векторов как:
.
Получим систему: Y.
Очевидно, что У – ортогональная матрица, т.к. ее столбцы нормированны и ортогональны друг другу.
Тогда запишем систему в виде: YTAY=diag(λ1… λn) илиA=Ydiag(λ1… λn)YT.
Геометрически это означает, что:
Всякая симметричная матрица может быть приведена к диагональному виду, т.е. в некотором базисе соответствующий оператор представляется диагональной матрицей, а значит его действие состоит в растягивании на величину λксоответствующего базисного вектора. Базис состоит из собственных векторов, т.е. диагональная матрица нетривиальна.
§4. Сингулярное разложение матрицы
Пусть А – вещественная матрица. Тогда AAT,ATA– симметричные матрицы, а значит они могут быть приведены к диагональному виду.
Обозначим AAT=UЛUT,ATA=VЛVT,
где U,V– ортогональные матрицы, Л – диагональная.
Лемма Собственные числа матрицAAT,ATAравны и неотрицательны.
Доказательство
1.Пусть λi– некоторое собственное число матрицыATA.
Тогда . Умножим скалярно равенство наxi:
2.Обозначимсобственные числа матрицATA,AATсоответственно.
Таким образом матрицы Л для AAT,ATAсовпадают.
Что и требовалось доказать.
Заметим, что если матрица А невырожденная, то её собственные числа больше нуля.
Обозначим как Тогда:
.
Обратная к матрица имеет вид:.
Обозначим . Тогда:
.
Таким образом, получено: .
Умножим наB-1справа:.
Для всякой вещественной матрицы А существует её сингулярноеразложение, т.е. представление в виде:A=USW,
где U,W– ортогональные матрицы,S=diag(s1..sn),si≥0,i=1..n.
Задача: Доказать, что - сингулярное разложение матрицы А.
§5. Сопряженная матрица
Рассмотрим вещественную матрицу A=(aij). Тогда сопряженная к ней в пространствеRnматрица:A*=(a*ij)=AT.
В пространстве RnA– линейный оператор; А* - сопряженный к нему.
Образ ImA– область значений оператора А:ImA=A(Rn).
Ядро kerA– множество элементов, обращаемых оператором А в ноль:
ker A={x | Ax=0}.
ImA,kerA– подпространства пространстваRn.
Задача: доказать указанное выше утверждение.
Лемма .
Доказательство
ImA– подпространство пространстваRn. Обозначим какLего ортогональное дополнение (множество всех элементов изRn, ортогональных каждому элементу изImA). Тогда. Докажем, чтоL=ker A.
Т.е..
Т.е. .
Что и требовалось доказать.