现代科学与工程计算-孟大志-第二篇、第8章.pptVIP

8.3 QR算法 1961年由Francis提出的QR算法是电子计算机问世以来计 算数学最重要的进展之一，QR算法是一种变换方法，是目前 计算中小型矩阵的特征值与特征向量的最有效方法之一。 QR算法主要用来计算： (1) 上Hessenberg矩阵的全部特征值问题； (2) 计算对称三对角矩阵的全部特征值问题。 定理8.3.1 （矩阵QR分解定理）任一非奇异实矩阵 都可分解成一个正交矩阵 和一个上三角矩阵 的乘 积，即 且当矩阵 具有正对角元时，分解是唯一的。 8.3.1 基本QR算法 （1） 构造思想：QR算法是利用正交相似变换将一个给定 矩阵逐步约化为上三角阵或拟上三角阵的一种迭代法。 (2) 构造方法：设一般实矩阵 分解构造迭代格式 ，通过矩阵的QR (8.3.1) 将矩阵 化成相似的上三角阵（或分块上三角阵），从而 求出矩阵 的全部特征值和特征向量。 由矩阵 ，于是有矩阵 ，即矩阵 与矩阵 相似。 同理可得矩阵 ，故矩阵序列 的特征值。 有相同 例3 试用QR算法求矩阵 的特征值。 解：用基本QR算法求其特征值，令 Householder变换进行正交分解 ，由(8.3.1)式，利用 然后由矩阵 ，得 用矩阵A2代替矩阵A1 ，重复上面过程，计算15次得 不难看出，矩阵A的一个特征值是4，另一个 特征值是-1，其它两个特征值是方程 的根，求得为 。 ? 问 题 ? 基本的QR方法的主要运算是对矩阵QR分解，分解的方法有多种，如Schmit正交化方法。但基本QR方法并不实用，主要原因在于每次迭代的计算量很大，而且收敛速度很慢。 8.3.2实用QR算法 如果赋予矩阵 某种特殊结构，则可以提高收敛速度， 且运算量大为减少。因此在对矩阵 进行QR迭代之前，先对 其进行预处理，使其具有某种特殊结构是一个可行的方法。 (1) 构造思想：先用Householder变换将矩阵 化为上Hessenberg矩阵 ，然后用基本QR算法 计算矩阵 的全部特征值，因为拟上三角矩阵 具有较多零元素，这样可以大大减少计算量。 (2) 构造方法 第1步：化矩阵 为拟上Hessenberg矩阵，设 是 实矩阵，取 按Householder变换公式构成Householder阵 ，则 其中矩阵 是 阶的Householder阵，使得经矩阵 相似变换后的矩阵 的第一列有尽可能 * * * 第8章 矩阵特征值与特征向量的计算 8.1 问题驱动：Google搜索引擎 现代生活中人们越来越离不开与国际互联网（Internet）， 而网络拥有的信息量越来越庞大，因此如何高速、有效地搜索 需要的信息变得十分重要。世界上最大的免费搜索引擎是 Google，目前Google数据库存储了80多亿个网页的信息，每 天需要提供查询服务近2亿次，提供几十种语言的搜索界面和 查询结果。如何实现快速的搜索、如何合理定义网页的重要性 无疑是Google制胜的关键。 图8.1.1 Google搜索引擎 1998年斯坦福大学的博士La rry Page和Sergey Brin创立 了Google， Google的核心技术是通过PageRank技术对海量 的网页进行重要性分析。PageRank利用网络链接结构对网页 进行组织管理。基本原理是：如果网页A链接到网页B，Goog le就认为“网页A投网页B一票”。一个网页的PageRank并不是 它的得票数，重要性也不体现为简单多数。 假设Google数据库中网页的集合为W，该集合元素的个数 为n，注意，这里的n达到80多亿！为了描述网页之间的关系， 定义一个 阶方阵 ，如果从页面i到页面j有超链接，则 ，否则为0。显然 是巨大的但非常稀疏的矩阵， 零元素的个数，就是集合W超链接的总数。如一个 网页个数为500的集合W，相应的矩阵 它的非 如图8.1.2 所示 图8.1.2 n=500网络的链接矩阵 ，黑点表示连接 互联网可看成一张有向图，集合W中的网页可看作图的顶 点，网页之间的超链接可看成是图的边，矩阵 即为该图的邻 接矩阵。令 分别表示 的列和及行和，给出了各个页面链入 和链出的数目，再定义矩阵 （8.1.1） 其中， 是Markov链的转移概率矩阵， 从页面 表示 转移到页面i的概率，根据Markov链的性质，对于正 则Markov链存在平稳分布向量 ，满足 向量 表示极限状态（转移次数趋于无限）下各网页被访问的 概率分布，Google将它定义为各网页的PageRank值