- •Ширапов д.Ш.
- •Глава 1. Погрешности приближенных вычислений и основные теоремы ………………………………………...
- •Глава 2. Прямые методы решения систем линейных алгебраических уравнений ……………………………….
- •Глава 3. Итерационные методы решения систем линейных алгебраических уравнений ………………………..
- •Глава 4. Методы решения задач на собственные значения и собственные вектора………………………………
- •Введение
- •Глава 1. Погрешности приближенных вычислений и основные теоремы
- •Погрешности приближенных вычислений
- •Обусловленность системы линейных алгебраических уравнений
- •1.3. Основные теоремы
- •Доказательство
- •Доказательство
- •Доказательство
- •Глава 2. Прямые методы решения систем линейных алгебраических уравнений
- •2.1. Метод Гаусса
- •2.2. Метод Гаусса с выбором главного элемента
- •2.3. Алгоритм вычисления определителя матрицы
- •2.4. Алгоритм вычисления обратной матрицы
- •2.5. Метод Халецкого
- •2.6. Метод квадратных корней
- •2.7. Метод прогонки
- •Глава 3. Итерационные методы решения систем линейных алгебраических уравнений
- •3.1. Метод простой итерации
- •3.1.1. О сходимости итерационных процессов для систем линейных алгебраических уравнений
- •3.1.2. Оценки погрешности метода простой итерации
- •3.2. Метод Зейделя
- •3.3. Метод релаксации
- •3.4. Каноническая форма двухслойных итерационных методов
- •3.4.1. Каноническая форма метода простой итерации
- •3.4.2. Каноническая форма метода Зейделя
- •3.4.3. Теоремы двухслойных итерационных методов
- •3.5. Вариационно-итерационные методы
- •3.5.1. Метод минимальных невязок
- •3.5.2. Метод скорейшего спуска
- •Глава 4. Методы решения задач на собственные значения
- •4.1. Устойчивость задачи на собственные значения
- •4.2. Метод вращения Якоби
- •4.2.1. Различные варианты метода Якоби
- •4.3. Степенной метод
- •4.4. Обратный степенной метод
- •4.5. Итерационный метод
- •4.6. Методы для матриц, не принадлежащих к специальному классу
- •4.7. Обобщенная задача на собственные значения
- •4.7.1. Обобщенный метод Якоби
- •4.7.2. Метод приведения обобщенной задачи к стандартной
- •Задание № 2.2
- •Задание № 2.3
- •Задание № 2.4
- •Задание № 2.5
- •Задание № 2.6
- •Задание № 2.7
- •Задания к главе 3 Задание № 3.1
- •Задание № 3.2
- •Задания к главе 4 Тестовые примеры
- •Задание для индивидуального выполнения
- •Литература
4.6. Методы для матриц, не принадлежащих к специальному классу
Здесь будут рассмотрены методы решения полной проблемы собственных значений для несимметричных матриц, при этом не делается каких-либо оговорок относительно кратности или не кратности собственных значений. К таким методам относятся QL и QR алгоритмы [9, 11, 12]. Отметим, что эти алгоритмы являются типичными представителями методов трансформационного типа. Общая идея этих методов состоит в том, чтобы посредством последовательности простых преобразований подобий привести матрицу к той или иной канонической форме, позволяющей без труда определить собственные значения и вектора.
4.6.1. QL – алгоритм
Пусть detA0, тогда согласно теореме 1.3 матрицу А можно разложить
A=QL, (4.34)
где Q – ортогональная матрица, L – нижняя треугольная матрица. Тогда матрица В, равная
B=LQ=QTAQ=Q-1AQ, (4.35)
подобна матрице А.
Дальше, согласно формуле (4.35) формируется последовательность подобных матриц
A1=A; A1=Q1L1 , A2=L1Q1= A1Q1 ,
A2=Q2L2 , A3=L2Q2= A2Q2 , (4.36)
……………………………….
Ak=QkLk , Ak+1=LkQk= AkQk .
Формула (4.36) описывает QL – алгоритм без сдвигов. При к последовательность матриц Аk+1 сходятся к треугольной. Их диагональные элементы стремятся к её собственным значениям, которые в свою очередь являются собственными значениями матрицы А.
Наддиагональный элемент (Ak)ij матрицы Ak на к-ой итерации QL – алгоритма равен sij(i/j)k , где sij – постоянная и 1<2<…<n.
Отметим, что сходимость QL – алгоритма улучшится, если использовать сдвиги.
4.6.2. QR – алгоритм
Пусть detA0, тогда согласно теореме 1.2 матрицу А можно представить в виде
A=QR, (4.37)
где Q – ортогональная матрица, R – верхняя треугольная матрица. Тогда матрица В, равная
B=RQ=QTAQ=Q-1AQ, (4.38)
подобна матрице А.
Согласно, формуле (4.38) составляется последовательность подобных матриц
A1=A; A1=Q1R1 , A2=R1Q1= A1Q1 ,
A2=Q2R2 , A3=R2Q2= A2Q2 , (4.39)
……………………………….
Ak=QkRk , Ak+1=RkQk= AkQk .
В общем случае, когда собственные значения матрицы А различны, последовательность матриц Ak имеет пределом верхнюю треугольную матрицу А , диагональные элементы которой представляют собой собственные значения исходной матрицы. Формула (4.39) описывает QR – алгоритм без сдигов.
Модификация вида A1=A,…, Ak-kE=QkRk , Ak+1=RkQk+kE = AkQk , где k – величина сдвига называется QR – алгоритмом со сдвигом сходимость, которого существенно выше по сравнению с QR – алгоритмом.
4.7. Обобщенная задача на собственные значения
Обобщенная задача на собственные значения [13] очень важна для приложений. Эта задача задается уравнением
Ах=Вх. (4.40)
Если матрица В положительно определена, то для задачи (4.40) справедливы:
Все её собственные значения вещественны;
Собственные значения имеют тот же знак, что и собственные значения задачи Ах=х.