8 Методы решения задач о собственных значениях и собственных векторах матриц (Лекции по теории оптимизации и численным методам)
Описание файла
Файл "8 Методы решения задач о собственных значениях и собственных векторах матриц" внутри архива находится в папке "Лекции по теории оптимизации и численным методам". PDF-файл из архива "Лекции по теории оптимизации и численным методам", который расположен в категории "". Всё это находится в предмете "теория оптимизации и численные методы" из 4 семестр, которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. Архив можно найти в разделе "лекции и семинары", в предмете "теория оптимизации и численные методы" в общих файлах.
Просмотр PDF-файла онлайн
Текст из PDF
Лекция 82. МЕТОДЫ РЕШЕНИЯ ЗАДАЧ О СОБСТВЕННЫХ ЗНАЧЕНИЯХ ИСОБСТВЕННЫХ ВЕКТОРАХ МАТРИЦПОСТАНОВКА ЗАДАЧИПусть A – действительная числовая квадратная матрица размеров (n n) . Ненулевой вектор X ( x1 ,..., x n )T размеров (n 1) , удовлетворяющий условиюAX X ,называется собственным вектором матрицы A . Число называется собственным значением.
Говорят, что собственный вектор X соответствует (принадлежит) собственномузначению .Равенство равносильно однородной относительно X системе:( A E )X 0, ( X 0) .Система имеет ненулевое решение для вектора X (при известном ) при условииA E 0 . Это равенство есть характеристическое уравнение:A E Pn () 0 ,где Pn () – характеристический многочлен n -й степени. Корни 1 , 2 ,..., n характеристического уравнения являются собственными (характеристическими) значениямиматрицы A , а соответствующие каждому собственному значению i , i 1,..., n , ненулевые векторы X i , удовлетворяющие системеAX i i X iA i E X iили 0, i 1,2,..., n ,являются собственными векторами.Требуется найти собственные значения и собственные векторы заданной матрицы.Различают полную и частичную проблему собственных значений, когда необходимо найти весь спектр (все собственные значения) и собственные векторы либо частьспектра, например: ( A ) max i ( A ) и min i ( A ) .
Величина (A ) называется спекiiтральным радиусом.З а м е ч а н и я.1. Если для собственного значения i найден собственный вектор X i , то векторX i , где – произвольное число, также является собственным вектором, соответствующим этому же собственному значению i .2. Симметрическая матрица имеет полный спектр i , i 1, n , действительных собственных значений; k-кратному корню характеристического уравнения симметрическойматрицы соответствует ровно k линейно независимых собственных векторов.82А. МЕТОД ИТЕРАЦИЙДля решения частичной проблемы собственных значений и собственных векторовв практических расчетах часто используется метод итераций (степенной метод).
На егооснове можно определить приближенно собственные значения матрицы A и спектральный радиус ( A ) max i ( A ) .Пусть матрица A имеет n линейно независимых собственных векторовiX , i 1, n ,исобственныезначенияматрицыAтаковы,что( A ) 1 ( A ) 2 ( A ) ... n ( A ) .Методика решения задачиШаг 1. Выбрать произвольное начальное (нулевое) приближение собственноговектора X 1(0 ) (второй индекс в скобках здесь и ниже указывает номер приближения, апервый индекс без скобок соответствует номеру собственного значения). Положитьk 0.x i1(1)(1)1(1)1(0) AX, 1 , где i – любой номер 1 i n , и поШаг 2. Найти Xx i1(0)ложить k 1.Шаг 3. Вычислить X 1(k 1) AX 1(k ) .Шаг 4. Найти (1k 1) x i1(k 1)x i1(k ), где x i1(k 1) , x i1(k ) – соответствующие координатывекторов X 1(k 1) и X 1(k ) .
При этом может быть использована любая координата с номером i, i 1, n.Шаг 5. Если (1k 1) (1k ) , процесс завершить и положить 1 (1k 1) .Если , положить k k 1 и перейти к п.3.З а м е ч а н и я.1. Процесс последовательных приближенийX 1(1) AX 1(0) , X 1(2) AX 1(1) A 2 X 1(0) ,...,X 1(k ) AX 1(k 1) A A k 1 X 1(0) A k X 1(0) ,...сходится, т.е. при k вектор X 1( k ) стремится к собственному вектору X 1 .2. Используя 1 , можно определить следующее значение 2 по формуле2 x i1(k 1) 1 x i1(k )x i1(k ) 1 x i1(k 1)(i 1,2,..., n) .Эта формула дает грубые значения для 2 , так как значение 1 является приближенным.
Если модули всех собственных значений различны, то на основе последнейформулы можно вычислять и остальные j ( j 3,4,..., n) .833. После проведения некоторого числа итераций рекомендуется «гасить» растущиекомпоненты получающегося собственного вектора. Это осуществляется нормировкойX 1(k )вектора, например, по формуле.X 1(k )15 1 2Пример 1. Для матрицы A 1 4 1 найти спектральный радиус методом ите2 1 3раций с точностью 0,1 . 1. Выбирается начальное приближение собственного вектора X (0) 1; 1; 1T .Положим k 0.2. НайдемX1(1) AX1(0) 5 1 2 1 8 1 4 1 1 6 ; 2 1 3 1 6 (11)x11(1)x11(0)8 8,1положим k 1.3. ВычислимX1(2) AX1(1) 5 1 2 8 58 1 4 1 6 38 . 2 1 3 6 40 4.
Найдем(12)5.x11(2)x11(1)58 7,25.8Так как (12) (11) 0,75 , то процесс необходимо продолжить.Результаты вычислений удобно представить в виде табл. 1.Таблица 1kx11(k )x 21(k )x 31(k )(1k )(1k ) (1k 1)0123418584082838163825016821640274188887,257,0346,95590,750,1160,078 Точность по (1k ) достигнута на четвертой итерации. Таким образом, в качествеприближенного значения 1 берется 6,9559 , а в качестве собственного вектора принима-84ется X 1 2838, 1682, 1888T .
Так как собственный векторопределяется с точно-стью до постоянного множителя, то X 1 лучше пронормировать, т.е. поделить все егокомпоненты на величину нормы, например X 1 max X i1 . Для рассматриваемого приi 2838 1,000 1 мера получим X 1682 0,5927 .2838 1888 0,6652 В качестве собственного значения 11x11(4)x11(3)x 21(4)x 21(3)2838 6,9559 , но и408среднее арифметическоеможно взять не только отношениеx 31(4) 18881682 6,7280 ; 6,8905 , а также их250274x 31(3)6,9559 6,728 6,8905 6,8581 . 3Б.
МЕТОД ВРАЩЕНИЙМетод используется для решения полной проблемы собственных значений симметрической матрицы и основан на преобразовании подобия исходной матрицыA R n n с помощью ортогональной матрицы H .Две матрицы A и A (i ) называются подобными ( A A (i ) или A (i ) A ), еслиA (i ) H 1 AH или A HA (i ) H 1 , где H – невырожденная матрица.В методе вращений в качестве H берется ортогональная матрица, такая, чтоTHH H T H E , т.е.
H T H 1 . В силу свойства ортогонального преобразованияевклидова норма исходной матрицы A не меняется. Для преобразованной матрицы A (i )сохраняется ее след и собственные значения i :tr A n aii i 1n i ( A) tr A (i ) .i 1При реализации метода вращений преобразование подобия применяется к исходной матрице A многократно:A (k 1) H (k )1A ( k ) H ( k ) H (k )TA (k ) H (k ) ,k 0,1,... .Формула определяет итерационный процесс, где начальное приближениеA A .
На каждой k -й итерации для некоторого выбираемого при решении задачи недиагонального элемента aij(k ) , i j , определяется ортогональная матрица H (k ) , приво(0 )дящая этот элемент aij(k 1) (а также и a (jik 1) ) к нулю. При этом на каждой итерации в качестве aij(k ) выбирается наибольший по модулю.
Матрица H (k ) , называемая матрицейвращения Якоби, зависит от угла (k ) и имеет вид85H (k )1000 000000100 cos (k )00000 sin (k )000000010000i -й столбец00000 sin (k )00100 cos (k )0000000000100000.0001 i -я строкаj -я строкаj -й столбецВ данной ортогональной матрице элементы на главной диагонали единичные, кроме hii(k ) cos (k ) и h (jjk ) cos (k ) , а hij(k ) sin (k ) , h (jik ) sin (k ) ( hij – элементыматрицы H ).Угол поворота (k ) определяется по формулеtg 2(k )2aij(k )aii(k ) a (jjk ) Pk ; (k ) 1arctg Pk ,2, i j (элемент a ij( k ) выбирается в верхней треугольной наддиагональной2части матрицы A ) .
Заметим, что при aii( k ) a (jjk ) получается ( k ) .4В процессе итераций сумма квадратов всех недиагональных элементов (A (k ) )где 2(k ) при возрастании k уменьшается, так что ( A (k 1) ) ( A (k ) ) . Элементы aij(k ) , приведенные к нулю на k -й итерации, на последующей итерации немного возрастают.
Приk получается монотонно убывающая ограниченная снизу нулем последовательность ( A (1) ) (A (2) ) ( A (k ) ) . Поэтому ( A (k ) ) 0 при k . Это и озна0 1(k )чает сходимость метода. При этом A.0 n Методика решения задачиШаг 1. Положить k 0, A (0) A и задать 0.86Шаг 2. Выделить в верхней треугольной наддиагональной части матрицы A (k )максимальный по модулю элемент aij(k ) , i j .Если aij(k ) для всех i j , процесс завершить.
Собственные значения опреде-ляются по формуле i A (k ) aii(k ) , i 1, n.Собственные векторы X i находятся как i -е столбцы матрицы, получающейся врезультате перемножения: k H (0) H (1) H (2) H (k 1) X 1 , X 2 , X 3 ,..., X n .Если aij(k ) , процесс продолжается.Шаг 3. Найти угол поворота по формуле(k )(k )2aij1 arctg2aii( k ) a (jjk )(при aii( k ) a (jjk ) получается ( k ) ).4Шаг 4. Составить матрицу вращения H (k ) .Шаг 5. Вычислить очередное приближениеA (k 1) H (k )TA (k ) H (k ) .Положить k k 1 и перейти к п.2.З а м е ч а н и я.1. Контроль правильности выполнения действий на каждой итерации осуществляется путем проверки сохранения следа преобразуемой матрицы.2. При n 2 для решения задачи требуется одна итерация. 2 1 методом вращений найти собственные значеПример 2.