{
  "id": "rayleigh-ritz-method",
  "title": "瑞利–里兹法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "瑞利–里兹法将变分问题和自伴特征值问题限制在有限维试探空间中，求得近似解。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "瑞利–里兹变分法",
    "里兹法",
    "里兹变分法",
    "瑞利– Ritz法"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/rayleigh-ritz-method/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/rayleigh-ritz-method/",
      "json": "https://aiwiki.page/en/rayleigh-ritz-method.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "瑞利–里兹法是数值分析中求解变分问题的一种近似方法，其做法是将容许解限制在有限维空间内。将未知函数或向量表示为选定试探函数的线性组合，再通过极小化能量泛函或使瑞利商取驻值来确定各项系数。由此得到的问题是一个有限的代数方程组或矩阵特征值问题。该方法在结构力学、量子力学和有限元法中占有重要地位，在数值线性代数中也用作提取特征值的过程。"
    },
    {
      "heading": "基本原理与历史背景",
      "text": "该方法结合了两个密切相关的思想：\n\n- 用一个易于处理的试探空间中的元素来逼近函数。\n- 通过变分条件确定近似解，而不是要求微分方程在每一点都成立。\n\n这一名称将瑞利勋爵关于振动频率和能量商的研究，与瓦尔特·里兹在二十世纪初对有限维变分近似的系统发展联系起来。里兹的工作将这一方法推广到了广泛的边值问题和振动问题。\n\n不同领域的术语用法有所差异。里兹法通常指在试探空间上直接极小化能量泛函。瑞利–里兹法则往往强调通过投影算符或商的驻值来近似特征值。这两种构造彼此相关，但能量极小化问题不一定是特征值问题。\n\n这一方法的基本框架属于变分法：将关于函数的问题化为关于有限个系数的问题。其有效性取决于所选试探空间是否既满足数学约束，又能良好逼近所求解。"
    },
    {
      "heading": "边值问题的变分表述",
      "text": "考虑实希尔伯特空间 \\(V\\)、连续对称双线性型 \\(a:V\\times V\\to\\mathbb R\\)，以及连续线性泛函 \\(\\ell:V\\to\\mathbb R\\)。定义能量泛函\n\n\\[J(v)=\\frac12 a(v,v)-\\ell(v).\\]\n\n假设 \\(a\\) 具有强制性：存在常数 \\(\\alpha>0\\)，使得\n\n\\[a(v,v)\\geq \\alpha\\|v\\|_V^2 \\qquad\\text{for every }v\\in V.\\]\n\n在这些假设下，\\(J\\) 存在唯一的极小元 \\(u\\)。其一阶变分为零，从而得到\n\n\\[a(u,v)=\\ell(v) \\qquad\\text{for every }v\\in V.\\]\n\n这通常是某个边值问题的弱形式。对于微分方程，这种形式对解的导数阶数要求可能低于对应的逐点方程，因此可以容许弱解。\n\n选取有限维试探空间\n\n\\[V_n=\\operatorname{span}\\{\\phi_1,\\ldots,\\phi_n\\}\\subset V,\\]\n\n其中试探函数线性无关。里兹近似为\n\n\\[u_n=\\sum_{j=1}^{n}c_j\\phi_j,\\]\n\n其系数通过在 \\(V_n\\) 上极小化 \\(J\\) 来确定。对各个系数求导，得到\n\n\\[a(u_n,\\phi_i)=\\ell(\\phi_i), \\qquad i=1,\\ldots,n.\\]\n\n于是，无限维问题化为线性方程组\n\n\\[Kc=f,\\]\n\n其中\n\n\\[K_{ij}=a(\\phi_j,\\phi_i), \\qquad f_i=\\ell(\\phi_i).\\]\n\n矩阵 \\(K\\) 通常称为刚度矩阵，在上述假设下是对称正定的。因此，可采用Cholesky分解等方法求解该方程组。\n\n边界条件\n\n本质边界条件，例如给定位移或给定函数值，必须纳入容许试探函数的构造中，或通过适当的约束形式施加。\n\n对于非齐次本质边界条件，首先选取满足给定边界数据的容许函数 \\(u_g\\)，并将近似解写成\n\n\\[u_n=u_g+\\sum_{j=1}^{n}c_j\\phi_j,\\]\n\n其中 \\(\\phi_j\\) 满足相应的齐次条件。此时，容许集合是仿射空间，而不再是向量空间。\n\n自然边界条件，例如给定通量或面力，通常在分部积分法处理后通过变分形式引入。一般不要求试探函数逐点满足这些条件。"
    },
    {
      "heading": "特征值的瑞利–里兹近似",
      "text": "设 \\(a\\) 是对称能量型，\\(b\\) 是对称正定的质量型或重叠型。变分特征值问题为\n\n\\[a(u,v)=\\lambda b(u,v) \\qquad\\text{for every }v\\in V, \\quad u\\neq 0.\\]\n\n对应的瑞利商为\n\n\\[R(v)=\\frac{a(v,v)}{b(v,v)}, \\qquad v\\neq 0.\\]\n\n在适当的定义域与谱假设下，其驻值对应于特征值。当最低特征值存在且变分原理适用时，极小化该商即可得到最低特征值；更高的特征值则通过附加的子空间条件或正交条件来刻画。\n\n将问题限制在 \\(V_n\\) 上，得到\n\n\\[Kc=\\theta Mc,\\]\n\n其中\n\n\\[K_{ij}=a(\\phi_j,\\phi_i), \\qquad M_{ij}=b(\\phi_j,\\phi_i).\\]\n\n近似特征值 \\(\\theta\\) 称为里兹值，对应的函数\n\n\\[u_n=\\sum_{j=1}^{n}c_j\\phi_j\\]\n\n称为里兹向量或里兹函数。如果基关于 \\(b\\) 标准正交，则 \\(M=I\\)；否则，广义特征值问题中必须保留质量矩阵。\n\n矩阵形式\n\n对于厄米矩阵 \\(A\\)，设 \\(Q\\) 的各列构成某个试探子空间的一组标准正交基。降维后的问题为\n\n\\[Q^*AQy=\\theta y, \\qquad x=Qy,\\]\n\n其中 \\(Q^*\\) 表示共轭转置。这里，\\(x\\) 是近似于 \\(A\\) 的某个特征向量的里兹向量。\n\n其残差\n\n\\[r=Ax-\\theta x\\]\n\n满足\n\n\\[Q^*r=0.\\]\n\n因此，残差与整个试探空间正交。这使该方法成为一种与正交投影密切相关的投影过程。\n\n对于非标准正交基 \\(Z\\)，相应的降维问题为\n\n\\[Z^*AZy=\\theta Z^*Zy.\\]\n\n瑞利–里兹提取也可用于非对称矩阵，但自伴情形下的实值极小化原理与上界保证通常不能推广到这种情形。"
    },
    {
      "heading": "变分界与收敛性",
      "text": "特征值上界\n\n对于满足适当条件、具有离散特征值的半有界自伴算符，极小极大原理将按顺序排列的特征值刻画为\n\n\\[\\lambda_k= \\min_{\\substack{S\\subset V\\\\ \\dim S=k}} \\ \\max_{0\\neq v\\in S}R(v).\\]\n\n将候选子空间限制为包含在 \\(V_n\\) 中的子空间，得到\n\n\\[\\theta_k^{(n)}= \\min_{\\substack{S\\subset V_n\\\\ \\dim S=k}} \\ \\max_{0\\neq v\\in S}R(v).\\]\n\n因此，相容的瑞利–里兹近似满足\n\n\\[\\lambda_k\\leq\\theta_k^{(n)}, \\qquad k\\leq n.\\]\n\n如果试探空间彼此嵌套，\n\n\\[V_n\\subset V_{n+1},\\]\n\n则有\n\n\\[\\lambda_k \\leq\\theta_k^{(n+1)} \\leq\\theta_k^{(n)}.\\]\n\n因此，当这些空间足够丰富且相关谱近似假设成立时，近似特征值会递减并趋向精确特征值。如果空间不嵌套，上界性质仍可能成立，但无法保证逐次近似之间的单调性。\n\n这些结论要求试探空间相容，且所用的型正确。非相容离散化、近似积分、算符的改动或数值误差都可能破坏上界性质。\n\n能量范数下的最佳逼近\n\n对于具有强制性的源问题，将精确方程与离散方程相减，可得伽辽金正交性：\n\n\\[a(u-u_n,v_n)=0 \\qquad\\text{for every }v_n\\in V_n.\\]\n\n由于 \\(a\\) 对称且正定，它定义了能量范数\n\n\\[\\|v\\|_a=\\sqrt{a(v,v)}.\\]\n\n里兹解是该范数下的最佳逼近：\n\n\\[\\|u-u_n\\|_a = \\min_{v_n\\in V_n}\\|u-v_n\\|_a.\\]\n\n它还满足能量恒等式\n\n\\[J(u_n)-J(u)=\\frac12\\|u-u_n\\|_a^2.\\]\n\n如果 \\(a\\) 的连续性常数为 \\(C_a\\)，强制性常数为 \\(\\alpha\\)，则在原空间范数下有相应的界\n\n\\[\\|u-u_n\\|_V \\leq \\frac{C_a}{\\alpha} \\inf_{v_n\\in V_n}\\|u-v_n\\|_V.\\]\n\n这是塞亚引理的一种形式。当试探空间能在相关范数下任意精确地逼近精确解时，即可得到收敛性。"
    },
    {
      "heading": "示例：两端固定弦的最低特征值",
      "text": "考虑\n\n\\[-u''(x)=\\lambda u(x), \\qquad 0<x<1,\\]\n\n并满足\n\n\\[u(0)=u(1)=0.\\]\n\n精确特征值为\n\n\\[\\lambda_k=k^2\\pi^2, \\qquad k=1,2,\\ldots.\\]\n\n变分框架采用索伯列夫空间 \\(H_0^1(0,1)\\)，其中\n\n\\[a(u,v)=\\int_0^1u'(x)v'(x)\\,dx, \\qquad b(u,v)=\\int_0^1u(x)v(x)\\,dx.\\]\n\n选取由下列函数张成的一维试探空间：\n\n\\[\\phi(x)=x(1-x).\\]\n\n该函数满足两个端点条件。其瑞利商为\n\n\\[R(\\phi)= \\frac{\\int_0^1(1-2x)^2\\,dx} {\\int_0^1x^2(1-x)^2\\,dx} = \\frac{1/3}{1/30} =10.\\]\n\n因此，最低里兹值为 \\(10\\)，它是下列精确特征值的上界：\n\n\\[\\lambda_1=\\pi^2\\approx 9.8696.\\]\n\n这个单一试探函数抓住了第一振型的大致形状。加入适当的线性无关试探函数可以改进这一上界。由于缩放 \\(\\phi\\) 不会改变该商，一维试探函数的系数决定归一化，而不影响近似特征值。"
    },
    {
      "heading": "与其他数值方法的关系",
      "text": "伽辽金法\n\n伽辽金法要求弱形式方程的残差与所选检验空间中每个检验函数的配对均为零。对于对称强制问题，采用相同的试探空间和检验空间，得到的正是里兹方程。\n\n两者的区别在于其数学结构：伽辽金投影适用于不一定源自能量极小化的问题，包括许多非对称方程。而极小化意义下的里兹法依赖于一个基础变分泛函。如果问题是不定的，具有驻值的泛函也未必存在极小值。\n\n有限元与谱近似\n\n有限元法通常采用具有局部支集的分片多项式试探函数。对于对称强制问题，相容有限元近似就是里兹近似。局部支集使所得矩阵成为稀疏矩阵，从而可以高效地组装和求解大规模离散系统。\n\n也可以采用全局多项式、三角函数或其他适合具体问题的函数作为试探基。这些选择将瑞利–里兹近似与谱方法及逼近论联系起来。光滑解可能具有非常快的收敛速度，而奇异性或有限的正则性则会显著降低收敛速度。\n\n迭代特征值算法\n\n在数值线性代数中，瑞利–里兹提取是许多大规模特征值算法的组成部分。算法首先生成一个克雷洛夫子空间或其他自适应构造的试探空间，然后在其中求解规模较小的投影特征值问题。\n\n提取过程与子空间构造是两个独立的步骤。瑞利–里兹过程确定当前空间中可获得的近似特征对；迭代算法则决定如何扩展、滤波或重启该空间。"
    },
    {
      "heading": "应用与局限",
      "text": "在结构力学中，该方法用于近似位移场、平衡构形和振型，在适当的表述下也可用于近似屈曲载荷。在振动分析中，矩阵 \\(K\\) 和 \\(M\\) 分别代表刚度和质量。\n\n在量子力学中，试探波函数给出哈密顿算符的矩阵近似。对于下有界的自伴哈密顿算符，容许的归一化试探态的能量期望值不低于基态能量。激发态计算需要附加的变分结构，例如子空间极小化和正交约束；单纯进行无约束极小化，只会选出试探空间中可达到的最低态。\n\n主要局限涉及逼近质量以及变分结构的保持：\n\n- 试探空间的质量： 即使空间很大，如果不能良好表示边界层、奇异性、振荡或局域化特征，仍可能效果不佳。\n- 条件性： 近乎线性相关的基函数可能使刚度矩阵或质量矩阵病态。基函数的缩放与正交化可改善数值稳定性，但不能弥补逼近空间本身的不足。\n- 正则性要求： 试探函数必须属于能量空间。涉及二阶导数的形式，可能比标准二阶椭圆问题的形式要求更高的连续性。\n- 谱间隙与特征值聚簇： 当特征值彼此接近时，单个特征向量可能十分敏感。对相应不变子空间的逼近，往往比比较单个向量更有意义。\n- 谱污染： 在某些无限维问题中，尤其是在本质谱间隙内进行近似时，投影特征值可能收敛到真实谱之外的值。关于低端离散特征值的简单图景并不适用于这些情形。\n- 计算成本： 全局试探函数往往产生稠密矩阵，而局部基通常具有更有利的稀疏性。\n\n仅凭里兹值无法全面量化解的精度。残差范数、逼近估计、谱分离程度，以及对离散化是否保留预期变分问题的检验，分别从不同角度提供了判断计算结果可靠性的信息。"
    }
  ],
  "links": [
    "numerical-analysis",
    "quantum-mechanics",
    "finite-element-method",
    "calculus-of-variations",
    "hilbert-space",
    "linear-functional",
    "boundary-value-problem",
    "weak-solution",
    "system-of-linear-equations",
    "cholesky-decomposition",
    "integration-by-parts",
    "conjugate-transpose",
    "orthogonal-projection",
    "self-adjoint-operator",
    "sobolev-space",
    "galerkin-method",
    "sparse-matrix",
    "numerical-linear-algebra",
    "numerical-stability"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}