household变换..docxVIP

3.2?正交变换为了给出求解最小二乘问题的更实用的算法，这一节我们来介绍两个最基本的初等正交变换，它们是数值线性代数中许多算法的基础。3.2.1 Householder变换使用Gauss变换将一个矩阵约化为上三角形式是基于一个简单的事实：对于任一个给定的向量，可构造一个初等下三角阵，使，这里是的第一列，.?这一节我们来讨论如何求一个初等正交矩阵，使其具有矩阵的功能。这样，对一个矩阵的上三角化任务，便可以由一系列的初等正交变换来完成。定义3.2.1?设满足，定义为，??(3.2.1)则称为Householder变换。Householder变换也叫做初等反射矩阵或镜像变换，它是著名的数值分析专家Householder在1958年为讨论矩阵特征值问题而提出来的。下面的定理给出了Householder变换的一些简单而又十分重要的性质。定理3.2.1?设是由(3.2.1)定义的Householder变换，那么满足：对称性：；正交性：；对合性：；反射性：对任意的，如下图所示，是关于的垂直超平面的镜像反射。证明?（1）显然。（2）和（3）可由（1）导出。事实上，我们有(4)设，则可表示为其中?利用和可得这就说明了为关于的镜像反射。Householder变换除了具有定理3.2.1所述的良好性质外，它的主要用途在于，它能如Gauss变换一样，可能通过适当选取单位向量，把一个给定向量的若干个指定的分量变为零。引理1?设为两个不相等的向量，且，则存在一个Householder变换满足证明?令，构造Householder变换阵由于，因此，从而引理证毕定理3.2.2?设，则可构造单位向量，使由(3.2.1)定义的Householder变换满足，其中证明?由于故欲使，则应为对，直接验证可知这样定义的满足定理的要求。定理3.2.2告诉我们，对任意的都可以构造出Householder矩阵，使的后个分量为零；而且其证明亦告诉我们，可按如下的步骤来构造确定的单位向量：计算；计算构造算法程序时，以注意以下几个问题：计算时，为避免溢出，可以考虑先将规范化为的向量。事实上，若，假定Householder变换阵使，那么也就是说，对于向量集合中的任一个非零向量，由Th3.2.2构造出的Householder变换阵都是一样的，或许最多只相差一个符号。在实际计算时，前的符号如何选取最好。即在计算向量的第一个分量时，为了避免两相近数相减，而导致计算结果损失有效数字，可适当做变形处理，即1） 如果时，2） 直接计算：；3） 如果时，4） 事实上，5）考虑到实际计算的需要，在最后构造Householder变换阵时，常规定H具有如下形式，其中：的第一个分量为1；算法3.2.1?（计算Householder变换）对应的C程序函数如下：void Householder(double*x,int n,doublebet,double *v){int i;double alph,norm;norm=fabs(x[0]);for(i=1;in;i++)if(normfabs(x[i]))norm=fabs(x[i]);if(norm==0){printf(Fail, because x is zero.\n);exit(0);}for(i=0;in;i++)x[i]/=norm;norm=0.0;for(i=1;in;i++)norm+=x[i]*x[i];v[0]=1.0;for(i=1;in;i++)v[i]=x[i];if(norm==0)bet=0.0;else{alph=sqrt(x[0]*x[0]+norm);if(x[0]=0)v[0]=x[0]-alph;elsev[0]=-norm/(x[0]+alph);bet=2.0*v[0]*v[0]/(norm+v[0]*v[0]);alph=v[0];for(i=0;in;i++)v[i]=v[i]/alph;}}利用Householder变换在一个向量中引入零元素，并不局限于的形式，其实它可以将向量中任何若干相邻的元素化为零。例如，欲在中从至位置引入零元素，只需定义为即可，其中.在应用Householder变换约化一个给定矩阵为某一需要的形式时，其主要工作量是计算一个Householder变换与一个已知矩阵的乘积。在实际计算时，并不需要以显式给出，而是根据如下的公式来计算其中，即计算计算（即为所求的乘积）。完成这一计算任务所需的运算量为算法3.2.1的数值性态是十分令人满意的。假定算法3.2.1的计算结果为和，定义则可证详细的误差分析参见[21]。3.2.2 Givens变换欲把一个向量中许多分量化为零，可以用Householder变换，例如前面所讲到的把一个向量中若干相邻分量化为零。如果只将其中一个分量化为零，则就采用Given