-
Билет № 12.
1). Ортогональные матрицы вращения (преобразования Гивенса), их использование для реализации QR-разложения.
Пусть i и j — некоторые целые индексы, такие что l ≤ i < j ≤ n,a θ — некоторое вещественное число. Рассмотрим следующую матрицу размерности n:
(такая матрица отличается от единичной лишь тем, что на пересечениях ее (i, j) строк и столбцов расставлены величины cosθ и sinθ).
Проверкой условия: если определяющая линейный оператор матрица Q удовлетворяет соотношению QTQ = Е = I, (то есть ее обратная матрица совпадает с транспонированной) легко можно убедиться, что определяемый матрицей оператор является ортогональным.
Пусть имеется некоторый вектор х Rn и его образ х' = х. Очевидно, что они отличаются лишь i-ым и j-ым компонентами, для которых справедливо соотношение
(1)
На практике обычно возникает задача нахождения такого вращения, которое обнуляло бы один из компонентов хi, или . Обозначим для краткости с = cosθ и s = sinθ. Если требуется обнулить xj, то согласно (1) нужно найти такие c и s, чтобы выполнялось cxj — sxi = 0. Добавив к этому уравнению связывающее c и s основное тригонометрическое тождество, получим систему из двух уравнений с двумя неизвестными:
имеющую решение
Для хранения матриц вращения достаточно двух целых (i, j) и двух вещественных (s, с) чисел; процедура матрично-векторного умножения при этом выполняется согласно формулам (1).
Свойства:
-
произведение ортогональных матриц также является ортогональной матрицей;
-
матрица, обратная к ортогональной, также ортогональна.
-
(Q1Q2)Q2-1Q1-1 = E
-
Q1Q2 · Q2TQ1T = E
-
(Q1Q2)(Q1Q2)T = E
Замечание: чем больше , тем точнее результат деления, тем точнее оценка матрицы
Если cosθ=1 и sinθ=0, то ортогональная матрица становится единичной.
Трудоемкость метода = kn3, где k<1 (зависит от конкретной реализации ≈ n3). Метод Гивенса основан на преобразовании подобия. Алгоритм построен таким образом, что вновь образованные нулевые элементы при всех последующих преобразованиях сохраняются. Его единственный недостаток состоит в том, что симметричная матрица приводится не к диагональному, а к трехдиагональному виду.
В случае матрицы размерности п х п метод Гивенса требует п — 2 основных шагов, на каждом из которых выполняется ряд преобразований, число которых зависит от числа нулей, которое хотят получить в данном столбце или строке. На k -м шаге обращают в нули элементы, стоящие вне трех диагоналей k-й строки и k -го столбца, сохраняя в то же время нулевые элементы, полученные на предыдущих шагах. Таким образом, перед началом k -го шага преобразованная матрица является трехдиагональной, если ограничиться рассмотрением ее первых k — 1 строк и столбцов. По мере преобразований симметричная матрица размерности 5х5 приобретает следующие формы:
|
* |
* |
* |
* |
* |
|
|
* |
* |
* |
* |
* |
|
A0= |
* |
* |
* |
* |
* |
исходная матрица, |
|
* |
* |
* |
* |
* |
|
|
* |
* |
* |
* |
* |
|
|
* |
* |
0 |
0 |
0 |
|
|
* |
* |
* |
* |
* |
|
A1= |
0 |
* |
* |
* |
* |
после 1 основн шага, |
|
0 |
* |
* |
* |
* |
состоящего из 3 преобр. |
|
0 |
* |
* |
* |
* |
|
|
* |
* |
0 |
0 |
0 |
|
|
* |
* |
* |
0 |
0 |
|
A2= |
0 |
* |
* |
* |
* |
после 2 основн шага, |
|
0 |
0 |
* |
* |
* |
состоящего из 2 преобр |
|
0 |
0 |
* |
* |
* |
|
|
* |
* |
0 |
0 |
0 |
|
|
* |
* |
* |
0 |
0 |
после 3 основн шага, |
A3= |
0 |
* |
* |
* |
0 |
Сост. из одного преобр. |
|
0 |
0 |
* |
* |
* |
Теперь матр имеет 3диаг вид. |
|
0 |
0 |
0 |
* |
* |
|
На каждом основном шаге изменяются лишь те элементы матрицы аij, которые расположены в ее правой нижней (заштрихованной) части. Ясно, что на каждой следующей стадии выполняется меньшее число преобразований, чем на предыдущей. Всего для приведения матрицы к трехдиагональному виду требуется выполнить (n2 — Зп + 2)/2 преобразований.
При выполнении одного шага преобразований можно обратить в нуль сразу все элементы целой строки и столбца, стоящие вне трех диагоналей матрицы.
2). Решение частичной проблемы собственных значений. Степенной метод и его модификации.
Решение частичной проблемы собственных значений сводится к поиску нескольких собственных значений (наибольших, наименьших)
При степенном методе определяется одно наибольшее собственное значение
Степенной метод
А – λЕ
λ1, … λn – собственные значения
,
,
- для i-того
элемента
Рассмотрим
отношение:
так как │λ1│это
max
значение, то с ростом k
вес значения в скобках будет стремиться
к нулю, поэтому через определенное
число итераций получим
Могут возникнуть сложности, если есть несколько равных собственных значений, поэтому существуют различные модификации степенного метода для решения задачи в любом из случаев
Оценка погрешности:
Если матрица плохо обусловленная, то погрешность задания ее коэффициентов сильно влияет на результат
Существуют специальные алгоритмы, использующие разреженные матрицы для вычисления собственных значений