Keyboard shortcuts

Press ← or → to navigate between chapters

Press S or / to search in the book

Press ? to show this help

Press Esc to hide this help

3.2 Jacobi 方法

对应教材 3.2、定理 3.1、习题 7–8。老师课堂未讲,本节按教材补齐,标“教材有、课堂未讲”。 用途:求实对称矩阵的全部特征值与特征向量;用平面旋转把非对角元逐个消成零。

3.2.1 平面旋转

设 AA 实对称,apq=aqp≠0a_{pq}=a_{qp}\ne0。取平面旋转矩阵 UpqU_{pq}:在 (p,q)(p,q) 平面内旋转 φ\varphi, Upp=Uqq=cos⁡φ,Upq=−sin⁡φ,Uqp=sin⁡φ, U_{pp}=U_{qq}=\cos\varphi,\qquad U_{pq}=-\sin\varphi,\qquad U_{qp}=\sin\varphi, 其余对角元为 1、非对角元为 0。令 A1=UpqTAUpqA_1=U_{pq}^{\mathrm T}AU_{pq},则 A1A_1 仍实对称,且只有第 p,qp,q 行/列变化。直接计算得 apq(1)=aqq−app2sin⁡2φ+apqcos⁡2φ. a_{pq}^{(1)}=\frac{a_{qq}-a_{pp}}{2}\sin2\varphi+a_{pq}\cos2\varphi. 要消去 apq(1)a_{pq}^{(1)},取 φ\varphi 满足 cot⁡2φ=aqq−app2apq. \cot2\varphi=\frac{a_{qq}-a_{pp}}{2a_{pq}}. 于是 apq(1)=aqp(1)=0a_{pq}^{(1)}=a_{qp}^{(1)}=0。

3.2.2 迭代算法

  1. 在非对角元中找 ∣apq∣|a_{pq}| 最大者;
  2. 由 cot⁡2φ\cot2\varphi 求 sin⁡φ,cos⁡φ\sin\varphi,\cos\varphi,构造 UpqU_{pq};
  3. 按旋转公式更新 AA(只改第 p,qp,q 行/列);
  4. 若 max⁡i<j∣aij∣<ε\max_{i\lt j}|a_{ij}|\lt\varepsilon,停止;否则重复。

停止时对角元就是特征值;累积的旋转矩阵 V=Up1q1⋯UpNqNV=U_{p_1q_1}\cdots U_{p_Nq_N} 的列就是特征向量。

定理 3.1(收敛性):设 AA 实对称,AkA_k 是第 kk 次迭代后的矩阵,τk=∑i≠j(aij(k))2\tau_k=\sum_{i\ne j}(a_{ij}^{(k)})^2。则 lim⁡k→∞τk=0. \lim_{k\to\infty}\tau_k=0.

证明要点:一次旋转把选中的 apqa_{pq} 消为零,非对角平方和满足 τk+1=τk−2(apq(k))2. \tau_{k+1}=\tau_k-2(a_{pq}^{(k)})^2. 又 ∣apq(k)∣=max⁡i≠j∣aij(k)∣|a_{pq}^{(k)}|=\max_{i\ne j}|a_{ij}^{(k)}|,故 τk≤n(n−1)(apq(k))2\tau_k\le n(n-1)(a_{pq}^{(k)})^2,于是 τk+1≤(1−2n(n−1))τk. \tau_{k+1}\le\left(1-\frac{2}{n(n-1)}\right)\tau_k. 几何衰减,τk→0\tau_k\to0。■\blacksquare

计算量:一次旋转约 8n8n 次乘法;一轮 n(n−1)/2n(n-1)/2 次旋转,约 O(n3)O(n^3)。优点是特征向量正交性好、数值稳定;缺点是不能利用稀疏/带状结构,且每次找最大元较费时。

3.2.3 习题(教材习题 7–8)

3.7 · Jacobi 方法求全部特征值(教材习题 7)

用 Jacobi 方法求教材习题 7 中 3×33\times3 实对称矩阵的全部特征值与特征向量,取 ε=10−5\varepsilon=10^{-5}。

参考答案

按 3.2.2 迭代:每次选模最大非对角元,算 cot⁡2φ\cot2\varphi、旋转、更新;直到非对角元最大值小于 10−510^{-5}。对角元即特征值,累积旋转矩阵的列为特征向量。具体数值按教材矩阵复算。

3.8 · 分块三角矩阵(教材习题 8)

设 T=(P3×300Q2×2)T=\begin{pmatrix}P_{3\times3}&amp;0\\0&amp;Q_{2\times2}\end{pmatrix},证明 PP 的特征值/特征向量与 QQ 的特征值/特征向量都可延拓为 TT 的特征值/特征向量。

参考答案

若 Px=λxPx=\lambda x,则 T(x0)=(Px0)=λ(x0)T\begin{pmatrix}x\\0\end{pmatrix}=\begin{pmatrix}Px\\0\end{pmatrix}=\lambda\begin{pmatrix}x\\0\end{pmatrix};同理 Qy=μyQy=\mu y 给出 T(0y)=μ(0y)T\begin{pmatrix}0\\y\end{pmatrix}=\mu\begin{pmatrix}0\\y\end{pmatrix}。分块对角矩阵的谱是两块谱的并集。

覆盖核对

本节覆盖教材 3.2、定理 3.1、习题 7–8;老师课堂未讲。下一节:3.3 QR 方法。