9.4Jacobi方法
适用:求实正定对称矩阵得全部特征值和特征向量.
思想:对于实对称矩阵
如何找正交矩阵?
以二阶矩阵为例
考虑二次型
希望通过坐标旋转将
取
那么
一般地,对于
![6e4da5371d7cd4e1d2996a1eec6eeadf.png](https://i-blog.csdnimg.cn/blog_migrate/b43f15eebadd0d11987db84c312ac7f5.png)
我们是否能够每次都将其中两个
困难点:当我们一次将其中两个非对角元素变为0后,下一次将其它两个非对角元素变为0时,前一次的非对角元素可能会变为非0.
但是,我们发现非对角元素平方和
也就是说非对角元素平方和不断减少,最终趋于0!
古典Jacobi方法:每次选取非对角元素最大的,利用正交变换将其变为0.
此时
那么
所以
Jacobi方法小结:
- 求实对称正定矩阵全部特征值和特征向量.
- 不断正交变换取极限得过程.
- 古典Jacobi方法每次选取模最大非对角元素,费时间;也可以按某种次序,比如从上到下从左到右.
- 精度高,特征向量正交性好.
- 不适合大规模稀疏矩阵,因为正交变换后会变得不稀疏.
第十章、非线性方程求根
10.1二分法
定理基础:连续函数函数值异号的两点之间至少有一零点.
步骤:选取区间中点,如果就是根则结束,否则看中点与左右哪个函数值异号,就与哪个一起作为新的区间,重复过程直到区间达到精度或找到根.
注意:考虑舍入误差,判断中点是否为根时不用
下图例子说明,用
![eb87e4a7a6868c8cef1628e9b40ba9bd.png](https://i-blog.csdnimg.cn/blog_migrate/c128be0219b50dfd78cab69ca8a83bcf.png)
误差估计:
给定精度
二分法小结:
- 最简单,易于实现
- 对函数性质要求不高,仅要求连续和函数值异号
- 不能求偶数重根和复根,收敛速度与
的等比数列相同,不算快
因此,二分法在应用时不单独使用,而用来为其他方法提供近似初始根.
10.2迭代法
思路:将
得到一串收敛于方程根的序列.
自然想到迭代法的结束条件:
定理 设函数
则
证明
解的存在性:
构造辅助函数
根据连续函数零点存在定理可知有解.
解的唯一性:
假设
即
收敛性:
利用利普西斯条件
归纳得
因为利普西斯常数小于1,所以
误差估计:
与线性方程组迭代解法证明类似,当时是矩阵的某个范数小于1,这里是利普西斯常数小于1.