Главная | Обратная связь | Поможем написать вашу работу!
МегаЛекции

Метод итераций в подпространстве

Лекция 14

Итерации в подпространстве

Метод итераций в подпространстве

 

Метод основан на уже известном нам степенном методе. Отличие заключается в том, что итерации выполняются не с одним, а несколькими векторами.

Простейшая реализация метода заключается в следующем.

1. Выбираются нормированных и взаимно ортогональных векторов . Эти вектора удобно представить себе как столбцы матрицы размера :

. (17.1)

2. Выполняется итерация, которая в данном случае представляет собой умножение исследуемой матрицы на матрицу

. (17.2)

В этот момент проверяется сходимость. Если отношения элементов первого столбца и соответствующих элементов первого столбца одинаковы (в реальных вычислениях очень близки), то первый столбец есть собственный вектор, соответствующий наибольшему собственному значению матрицы . Само же это отношение и будет искомым собственным значением :

. (17.3)

3. Столбцы полученной матрицы ортонормируют (процесс Грама-Шмидта). Полученную матрицу размера обозначаем и ее столбцы рассматриваем как очередное приближение собственных векторов. Этот шаг является важным дополнением по сравнению со степенным методом. Если бы его не было, все столбцы стремились бы к одному и тому же собственному вектору .

4. Переход ко второму шагу алгоритма и продолжение итераций до достижения сходимости.

Алгоритм итераций в подпространстве используется, когда надо определить несколько собственных значений и соответствующих векторов. Если требуется определить собственных пар, то, с целью ускорения сходимости, для итераций используется несколько большее число векторов. Например, неплохим выбором количества итерационных векторов будет . Следует иметь в виду, что увеличение количества итерационных векторов (иными словами, увеличение размерности подпространства) повышает скорость сходимости, но при этом каждая итерация будет требовать большего количества вычислений.

Пример. Для матрицы

по методу итераций в подпространстве определить два наибольших собственных значения и соответствующие собственные векторы. Для справки, точное решение задачи:

В качестве начальных векторов берем два единичных орта:

.

Первая итерация:

.

Вторая итерация:

.

Третья итерация:

.

Четвертая итерация:

.

Как видим, процесс движется в должном направлении. Правда, сходимость довольно медленная. Если продолжить вычисления, то точность в три значащие цифры после запятой будет достигнута после одиннадцатой итерации.

 

Использование процедуры Рэлея ‑ Ритца позволяет значительно усовершенствовать алгоритм. При этом описание алгоритма несколько усложняется, Но скорость сходимости итерационного процесса значительно повышается

 

1. Как и в предыдущем варианте, сначала формируется система начальных векторов, которые удобно представить в виде столбцов прямоугольной матрицы:

(17.4)

Эти векторы размерности ( ‑ размер исследуемой матрицы ) должны быть нормированы и ортогональны между собой. В остальном их выбор произволен. Количество итерируемых векторов (количество столбцов в матрице ) определяется исполнителем расчетов.

2. Выполняется умножение матрицы итерируемых векторов на исследуемую матрицу:

(17.5)

Полученная матрица имеет тот же размер (количество строк и столбцов), что и матрица , но столбцы ее уже не будут ортонормированны между собой.

3. Столбцы полученной матрицы ортонормируют с использованием процедуры Грама-Шмидта. Полученную матрицу размера обозначим .

4. В соответствии с процедурой Релея-Ритца формируется матрица

(17.6)

5. Для полученной матрицы размера решается полная проблема собственных значений:

(17.7)

Результатом решения (17.7) будут собственные значения и соответствующие собственные векторы . Из этих векторов формируем матрицу:

(17.8)

6. Матрица дает возможность построить матрицу ортонормированных итерационных векторов очередного приближения

(17.9)

В этот момент можно проверить, достигнута ли необходимая точность, или итерации следует продолжить. Для продолжения итераций следует вновь перейти к пункту 2 данного плана. Проверку сходимости можно выполнить путем сравнения матриц и

 

Пример. Рассматриваем ту же задачу, что и в предыдущем примере с тем же выбором начальных векторов:

,

Первая итерация:

; .

Вторая итерация:

; .

Третья итерация:

; .

Четвертая итерация:

; .

Как видим, использование процедуры Рэлея ‑ Ритца значительно повышает скорость сходимости метода.

 

 

Литература

17.1. Парлетт Б. Симметричная проблема собственных значений. Численные методы. – М.: Мир, 1983. – 384с.

Поделиться:





Воспользуйтесь поиском по сайту:



©2015 - 2024 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...