数值计算方法 第八章 特征值问题的计算方法.pVIP

经典Jacobi 方法的迭代算法给定矩阵选取最佳旋转平面：For k=1,2,3,…计算计算直到需比较个元素习惯上称次Jacobi 迭代为一次“扫描”循环Jacobi 方法每一次Jacobi 迭代不是去选择最佳旋转平面，而是直接按照某种预先指定的顺序来“扫描”自然顺序：按照自然顺序的循环Jacobi 方法是渐进平方收敛的§4 QR 方法基本思想利用正交相似变换将一个给定的矩阵逐步约化为上三角矩阵或拟上三角矩阵的一种迭代方法QR 方法的迭代格式设令对矩阵进行QR 分解再对矩阵进行QR 分解一、QR 基本迭代方法QR 方法是目前计算矩阵全部特征值的最有效的方法之一；具有收敛快、算法稳定等特点。一般地有：矩阵序列中每一个矩阵都与原矩阵相似QR 方法的迭代算法：For m=1,2,3,…直到近似为上三角阵由迭代格式同时还得到：记代入等式两端同时右乘记即其中是的第一列，是的相应元素可以看作是对矩阵用为初始向量的幂法所得到的向量。QR 方法与幂法的关系：QR 方法的收敛性设的特征值满足，且的则由QR 迭代算法产生的矩阵的对角线以第i行是对应于的左特征向量；若有分解，下的元素趋于0，同时对角元素趋于（QR 方法的收敛性质）证明：令则有其中且当m充分大时，存在唯一QR 分解：且当m充分大时（QR 分解）记的QR 分解为：为保证上述QR 分解中上三角矩阵的对角元为正，令由QR 分解唯一性知：代入趋于上三角阵实际应用中遇到的多数特征值问题都是关于实矩阵的，所以自然希望设计只涉及实数运算的QR 迭代。实QR 迭代格式设二、实Schur 标准形For k=1,2,3,…为正交矩阵为上三角阵（实Schur 分解）设，则存在正交矩阵，满足：其中为实数或具有一对复共轭特征值的2阶方阵特征值为，其中为虚单位见文献[13] 矩阵称为的Schur 标准形定理 说明：只要求得矩阵的Schur 标准形，就很容易求得矩阵的全部特征值。缺陷：很难得到* 第八章特征值问题的计算方法/*Computational Method of Eigenvalue Problem*/ 本章主要介绍矩阵的特征值和特征向量的计算方法。特征值和特征向量的基本概念与性质§1 基本概念与性质设，若存在向量和复数满足，则称是矩阵的特征值，是特征值相应的特征向量。特征多项式的根的集合：谱集其中称为的代数重数（简称重数）；为的几何重数。设，对于矩阵的特征值，如果，则称该特征值为的一个半单特征值。若的所有特征值都是半单的，则称是非亏损的。是非亏损的等价条件是有n个线性无关的特征向量设，若存在矩阵，使得则称和是相似的。相似矩阵有相同的特征值设寻求已知矩阵的相似矩阵，要求：矩阵的特征值和特征向量容易计算本章QR 算法的基本思想：设，有r 个互不相同的特征值，其重数分别为，则一定存在非奇异矩阵使得（Jordan 分解）其中且除了的排列次序外，是唯一的。称作的Jordan 标准型设，则存在酉矩阵，使得：（Schur 分解）其中是上三角矩阵，且适当选择，可使的元素按任意指定的顺序排列。设，令（圆盘定理）/*Disc Theorem*/ 则设为对称矩阵，则存在正交矩阵（谱分解定理）/*Spectral Decomposition*/ 其中是的n个特征值。使得设为对称矩阵，且的特征值为（极大极小定理）其中表示中所有k维子空间的全体。则有设为对称矩阵，其特征值分别为（Weyl 定理）则有说明：对称矩阵的特征值总是良态的。注意：实际问题中矩阵一般都是由计算或实验得到，本身必然存在误差，不妨假设§2 幂法与反幂法/*Power Method and Reversed Power Method*/ 幂法是计算一个矩阵的模最大的特征值和对应的特征向量的一种迭代方法（又称为乘幂法）。一、幂法的基本思想与算法假设是可对角化的，即存在如下分解：其中不妨假设对于说明：当k充分大时, 的一个近似特征向量为特征向量可以相差一个倍数因为向量中含有未知量，实际不能计算但我们关心的仅是的方向，故作如下处理：令其中为的模最大分量幂法迭代算法：For k=1,2,3,…if 输出和设和均收敛，由算法知幂法可以计算矩阵的模最大的特征值和对应的特征向量解：Step1 例1：利用幂法求下列矩阵的模最大的特征值及相应的特征向量. (取初始向量为) Step2 Step3 Step4 特征值及相应的特征向量精确值为: 幂法的收敛性：设有p 个互不相同的特征值满足：且模最大特征值是半单的，如果初始向量在的特征子空间上的投影不为零，则由幂法算法产生的向量序列收敛到的一个特征向量，且数值序列收敛到。特征子空间：证明：设有如下Jordan 分解：是属于的Jordan 块构成的块上三角矩阵是半单的特征值令将和如下分块：记是属于的一个特征向量几点说明：定理