- •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
2.Матрица элементарного поворота
Рассмотрим матрицу элементарного поворота в двух пространствах:
1)в пространстве R2:
Рассмотрим матрицу , где с=cosα, s=sinα .
Тогда .
Докажем, что U – ортогональная матрица:
;
А следовательно, U – ортогональная матрица.
Задача: доказать, что линейный оператор φ, соответствующий матрице U, есть оператор поворота на угол α.
2) в пространстве Rn:
Рассмотрим матрицу , где с=cosα, s=sinα .
Т.е. upp = uqq = c, upq = - uqp = s, uii = | i≠p,q | =1, uij = | i,j≠p,q | = 0.
Задача: доказать, что линейный оператор Φ, соответствующий матрице U, есть оператор поворота на угол α в n-мерном пространстве.
§2. Вариационное свойство собственных значений
Матрица А неотрицательно определена, если .
Лемма Собственные числа неотрицательно определенной матрицы неотрицательны.
Доказательство
Пусть А – неотрицательно определенная матрица, λ1 – её собственное число.
Тогда .
Т.к. .
Что и требовалось доказать.
Матрица А симметричная , если .
Лемма 1 Если А симметрична, неотрицательно определена и (Ay,y)=0, то Ay=0. Геометрически: А не может сделать вектор у ортогональным самому себе, а может лишь обратить его в ноль.
Доказательство
Рассмотрим выражение (A(y+tz),y+tz),
где z – произвольный вектор;
t – вещественное, малое число (t<<1).
Если бы (Ay,z)≠0, то знак всего выражения можно было бы сделать отрицательным, выбирая знак t, что противоречило бы условию неотрицательной определенности А.
Значит, (Ay,z)=0.
Т.к. элеент z выбирался произвольно, то Ay=0.
Что и требовалось доказать.
Рассмотрим выражение: .
Функция n переменных F(y)=(Ay,y) непрерывна на единичной сфере . Следовательно, по первой теореме Вейерштрасса F(y) достигает на S1 своих точных граней. Это означает, что .
Лемма 2 (вариационное свойство) Если А – симметричная матрица, то - собственное число матрицы А.
Доказательство
Из приведенных выше рассуждений и достигается в некоторой точке .
Т.к. , то || y ||=1, а значит .
Получим: . (*)
Из выбора точку y’ верно: (Ay,y)≤λ1 для любого вектора y из S1.
Т.е. Последнее утверждение верно и для любого вектора x из пространства Rn. Т.е. - неотрицательно определенная матрица.
Следовательно, из (*), используя Лемму 1, получим:
, т.е. λ1 – собственное число матрицы А.
Что и требовалось доказать.
§3. Приведение симметричной матрицы к диагональному виду
Из теорем алгебры:
Любое собственное число λ произвольной матрицы А равно скалярному произведению (Ax,x), где x – 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 вектором y1 (т.к. dim {y1}=1, то dim Ln-1=n-1).
Очевидно, что Ln-1 инвариантное подпространство для А (т.е. если , то ).
Действительно, пусть
Обозначим . Тогда из Леммы 2:
.
Т.о. y2 – собственный вектор матрицы А, ортогональный y1.
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) или A=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 λк соответствующего базисного вектора. Базис состоит из собственных векторов, т.е. диагональная матрица нетривиальна.