数值第四章矩阵特征值与特征向量的计算解析.ppt

第四章　特征值与特征向量的计算 上机作业 第121页第2题. * ? 幂法和反幂法 幂法 用于计算矩阵按模最大的特征值及其相应的特征向量, 特别适用于大型稀疏矩阵. §1　幂法和反幂法 反幂法 用于计算矩阵按模最小的特征值及其特征向量, 也可用来计算对应于一个给定近似特征值的特征向量. 设A为n阶实矩阵, 其特征值为?1, ?2, …, ?n, 相应的特征向量为u1, u2, …, un. 且满足条件 　 u1, u2, …, un线性无关. ? 幂法 ? 幂法: 求?1及其相应的特征向量. 此时?1一定是实数! ? ?1通常称为主特征值. ? 幂法基本思想 ? 给定初始非零向量x(0), 由矩阵A构造一向量序列 ? 在一定条件下, 当k充分大时: ? 相应的特征向量为: 设t1不为零. ? x(k+1)为?1的特征向量的近似向量(除一个因子外). 对任意向量x(0), 有 ? 幂法的理论依据 ?故 ? 如果x(0)的选取恰恰使得t1=0, 幂法仍能进行. 因为计算过程中会有舍入误差, 迭代若干次后, 必然会产生一个向量x(k), 它在u1方向上的分量不为零, 这样以后的计算就满足所设条件. ? 因为 计算过程中可能会出现上溢(|?1|1)或下溢成为0 (|?1|1). 为避免出现这一情形, 实际计算时每次迭代所求的向量都要归一化. ? 归一化过程 设有一向量x?0, 将其归一化得到向量 其中max(x)表示向量x的绝对值最大的分量, 即如果有 例 x=(1, －8, 7)T, 则 max(x)=－8 , 归一化向量为 ? 幂法的计算公式 ? 任取初始向量x(0)=y(0)?0, 对k=1, 2, …, 构造向量序列 {x(k)}, {y(k)} ? 当k充分大时 定理 设n阶实矩阵A有n个线性无关的特征向量u1, u2, …, un, 主特征值?1满足| ?1 | |?2 | ? |?3 | ? … ? | ?n |, 则对任取非零初始向量x(0)=y(0)?0 (t1?0), 按下述方法构造向量序列 {x(k)}, {y(k)} 　 则有 ? 幂法特别适用于求大型稀疏矩阵的主特征值和相应的特征向量. ? 若A的主特征值?1为实的m重根, 即?1= ?2=…= ?m, 且 | ?1 | |?m+1 | ? |?m+2 | ? … ? | ?n |, 又设A有n个线性无关的特征向量, 此时幂法仍然适用. ? 幂法的收敛速度取决于比值 即 比值越接近1, 收敛速度越慢, 比值越接近0, 收敛越快. 例 用幂法求矩阵 的按模最大的特征值和相应的特征向量. 取 x(0)=(0, 0, 1)T, 要求误差不超过10?3. 解 ? 应用幂法计算矩阵A的主特征值的收敛速度主要由比值 r=|?2/?1|来决定, 但当r接近于1时, 收敛可能很慢. 这时可以采用加速收敛的方法. ? 幂法的加速—原点移位法 ?引进矩阵 B=A－?0I 其中?0为代选择参数. 设A的特征值为?1, ?2, …, ?n, 则B的特征值为?1－?0, ?2－?0, …, ?n－?0, 而且A, B的特征向量相同. ? 仍设A有主特征值?1, 且 取?0使得 且 ? 用幂法求矩阵B=A??0I的按模最大的特征值?1*, 则?1= ?1*+?0. ?1－?0是B=A??0I的主特征值 对B应用幂法比对A应用幂法收敛速度快 原点移位法 例 矩阵A的特征值为 直接应用幂法求矩阵A的主特征值其收敛速度为 用原点移位法求主特征值, 取?0=2.9, 此时收敛速度为 ? 原点移位法使用简便, 不足之处在于?0的选取十分困难, 通常需要对特征值的分布有一大概的了解, 才能粗略地估计?0, 并通过计算不断进行修改. 若 {ak} 线性收敛于a, 即 当 k 充分大时，有 ? 幂法的加速—Aitken加速法 可以证明 ? 用 逼近a, 这就是Aitken加速法. 把上式右端记为 即 比 快. ? 将Aitken方法用于幂法产生的序列{?k}, 可加快幂法的收敛速度. 例 用Aitken加速法求矩阵 的按模最大的特征值和相应的特征向量, 取 x(0)=(0, 0, 1)T. 解 反幂法 用于计算矩阵按模最小的特征值及其特征向量, 也可用来计算对应于一个给定近似特征值的特征向量, 是目前求特征向量最有效的方法. ? 反幂法 设A为n阶实可逆矩阵，其特征值满足 对应的特征向量分别 u1, u2, …, un,