化实矩阵为准三角形的方法.docVIP

Ⅴ.2 化实矩阵为准三角形的方法 矩阵特征值的QR算法，通常在准三角阵的基础上进行。任何矩阵都可经有限次相似变换化成准三角形，但这里只介绍对实矩阵应用豪斯雷尔德(Householder)变换的方法。 Ⅴ.2.1 准三角阵 下述形式的矩阵称为上准三角形矩阵，简称准三角阵： 例如，下列矩阵A和B都是准三角阵： 或把元素所在的对角线称为对角线，所在的对角线称为次对角线，则准三角阵就是次对角线以下的元素(ji—1)全等于零的矩阵。 定义 如果准三角阵的次对角线元素都不等于零，则称之为是不可约的；反之，如果次对角线有零元素，则称之为是可约的。 例如，上述矩阵A是不可约的，而B是可约的。 对于矩阵的列可给出相应的定义，例如矩阵H的第i列 称为准三角列。≠0时，称不可约，当=0时，称可约。因此，不可约准三角阵的前n－1列都是不可约的，可约准三角阵在前n－1列中至少有一列是可约的。 Ⅴ.2.2 化准三角形的豪斯霍尔德方法 对于任意给定的实矩阵 可通过n－2次豪斯霍尔德相似变换，自左至右逐列化成准三角形。 先看矩阵的第一列。如果该列已是准三角列，则无需变换，否则可应用定理４的推论，构造一个初等对称正交矩阵，进行豪斯霍尔德变换=化的第一列为准三角列。 事实上，如果取第一个分量等于零的列向量 则按式(Ⅴ-5)构成的初等对称正交矩阵有对角分块形式： 其中，，而。将矩阵作相应的分块，并令 其中，，于是用对进行豪斯霍尔德变换得 == 由此可见，在矩阵的第一列中，对角线以下的部分为 按定理4的推论，若取 则必有，即的第一列为准三角列。 依此类推，设经i－1次豪斯霍尔德变换后得出前i－1列为准三角列的矩阵 （Ⅴ-10) 如果的第i列不是准三角列，则可构成矩阵，进行豪斯霍尔德变换=，化第i列为准三角列。这时，取构成的列向量 因为的前i个元素等于零，故有对角分块形式 其中，，而。将矩阵按式(V-10)作相应的分块，并令 于是豪斯霍尔德变换 == 从而矩阵的相应块。注意到仅最后一列非零，即知的前i－1列仍是准三角列，并且第i列对角线以下的部分 按定理4的推论，若取 （Ⅴ-11） 则有，即的第i列也是准三角列。 式(Ⅴ-11)中的正负号可任取，但为了减小计算误差，应使向量的第一个分量有较大的模，故通常取与异号。 综上所述，用豪斯霍尔德方法化实矩阵A=为准三角形的全过程是 =，=，…， （Ⅴ-12) 即……。其中，若令，并用sign（a）表示a的符号，则初等对称正交矩阵的计算公式是 （Ⅴ-13) 例Ⅴ-4 用豪斯霍尔德方法化下列矩阵为准三角形： 解 四阶矩阵应作两次豪斯霍尔德变换。第一次令i=1，由式(Ⅴ-13)和=，依次算出 ，， 。 第二次令i=2，由式(Ⅴ-13)和=，即可依次算出最终结果 ，， 。 Ⅴ.3 QR算法的基本原理 本节简要地介绍QR算法的一般原理及改进收敛性和提高计算速度的两项措施——先化原始矩阵为准三角形，然后再进行原点位移。具体计算方法在下节讨论。 Ⅴ.3.1 一般原理 定理1指出，分块三角形矩阵的特征值就是各对角块的特征值。如果对角块都是1×1或2×2阶矩阵，则可直接求出它的全部特征值。由此设想：对于任意给定的矩阵A=，如果对它连续作这样的相似变换 (V-14) 使所得矩阵序列{A}收敛为分块三角形矩阵，并且对角块都是1×1或2×2阶矩阵，那么就可以求出原始矩阵A的全部特征值。 实现这一设想的早期做法是LR算法。对于过程(V-14)中的每一次迭代=，首先对进行三角分解：=。然后取变换矩阵=，从而得==。其中，是单位下三角矩阵，是上三角矩阵。LR算法的缺点是数值计算不稳定，并且除某些特殊类型的矩阵外收敛性很差。 为了克服这些缺点，人们提出了QR算法：每次迭代首先把分解成U矩阵和上三角矩阵的乘积，即QR分解 = (Ⅴ-15) 然后取变换矩阵=，从而由和上式得 == (Ⅴ-16) 矩阵到的这种U相似变换，称为QR变换。 由于U矩阵的行和列都是单位向量，所以QR算法的显著优点是数据计算稳定，但是就收敛性和每次迭代的计算量来说，并不比LR算法好。解决这一矛盾的方法是迭代前先把原始矩阵化成准三角形，迭代的每一步进行原点位移。对于这两者，后面将分别加以讨论。 从上可知，QR算法的基础是矩阵的QR分解。与三角分解不同，QR分解是五条件的，对此有： 定理5 对于任何矩阵A (一般地可是复数矩阵)，存在U矩阵Q和对角线元素为非负实数的上三