数值讲义第九章矩阵特征值和特征向量解析.ppt

(5) 选非对角元中的主元素a13= 0.169525 (4) 选非对角元中的主元素a12= -0.276837 A的近似特征值为 ?1?3.414 209, ?2?0.585 986, ?3?1.999 800 A的准确特征值为 §3 Householder法 求一般实矩阵的全部特征值 Def 方阵B若满足：当ij+1时，bij=0,则称B为上Hessenberg阵(或准上三角阵)，即 i=j+1 i j+1 理论基础：A是n阶实矩阵，存在正交阵P，s.t. 是1阶或2阶方阵。若Aii 是1阶的， 则它是A的一个实特征值；若Aii 是2阶的，则它的两个特征值是A的一对共轭复特征值。 定理说明：用正交阵相似变换可将一般实矩阵约化为上Hessenberg阵，将实对称阵约化为对称三对角阵。 正交相似变换不改变特征值和特征向量，因此求原矩阵的特征值问题就转化为求上Hessenberg阵或对称三对角阵的特征值问题。 问题的关键：如何将一般实矩阵正交约化为上Hessenberg阵，将实对称阵约化为对称三对角阵？ 初等反射阵 Def 初等反射阵 性质: 对称、正交、对合 初等反射阵的几何意义 S w v=x+y y x -y v’=x-y v’是v关于平面S的镜面反射。 初等反射阵将 Rn 中任意向量关于以w为法向量且过原点的超平面做镜面反射。 初等反射阵的作用：对向量作变换 Proposition 证明：令 Corollary 结论 推论说明：通过初等反射阵即可将任何非零向量约化成只有一个非0元素的向量。 注意：计算 时可能上溢或下溢，为防止溢出，将x 规范化， 用正交相似变换(初等反射阵)约化矩阵为Hessenberg阵 (n-1)× (n-1)维 令 重复这一过程直到 结论 设x是c 的对应于?的特征向量，则有 说明 P x 是 A 对应于? 的特征向量。 A的特征值和特征向量 若A是实对称阵，则C也是实对称阵 (CT=PTATP=PTAP=C),故C为对称三对角阵，即 关于实对称阵 §4 QR方法 是一种变换方法，计算一般中小型矩阵全部特征值的 最有效方法之一。 主要用于计算：1.上Hessenberg阵的全部特征值; 2.对称三对角矩阵的全部特征值。 对于一般矩阵或对称阵，先用Householder方法将其 约化为上Hessenberg阵或对称三对角阵，再用QR法 计算全部特征值。 优点：算法稳定，收敛快。 矩阵的QR分解 Lemma1 （旋转对向量的作用） i行 j行 i列 j列 证：P左乘x只对的第i,j个元素有影响，其它元素不变。 （旋转对矩阵的作用）A非奇异，则存在旋转阵P1, P2,…, Pn,s.t. 为上三角阵，且对角线元素 Theorem2 证明：A=A1非奇异，A1的第一列一定存在ai1?0, 1. 若ai1?0, 由引理1，存在旋转阵 , s.t. 2. 同理， 若 ,由引理1, 存在旋转阵 , s.t. 3. 重复上述过程，得到 , s.t. 矩阵的QR分解 Theorem3 下三角 正交阵 上三角阵 证(仅证唯一性，反正)：设 QR算法 ?算法收敛性 证明： Th4.在QR算 法中，有 Lemma5 证： Theorem6 (QR法的收敛性)A非奇异,且有n个不同的特征根： 定理说明，Ak收敛于上三角阵，其对角线上的元素就是A的特征值。 * 问题 §2 平面旋转矩阵 ? 雅可比法的基本思想: 设法用一系列简单的正角阵Rk , 逐步地将 A 化为近似对角阵(非对角元近似化为0)。即选择Rk , 令 A的全部特征值 问题的关键：如何构造正交阵Rk ？ ? 平面旋转变换 ?雅可比算法: 设Ak-1 (k?1, A0 =A)未对角化，即非对角元中有较大的元素，设非对角元中按模最大的元素是 引入平面旋转矩阵 利用Rk(p,q)对Ak-1作旋转变换，使 中的非对角元 ? 应满足 常将?限制在 对Jacobi算法有几点说明： ? 1. 构造旋转矩阵时只需计算sin?,cos?,为了防止舍入误差扩大，sin?,cos?按下面公式计算： 否则， ? 2. 由于Ak 是对称阵，因此只要计算上三角（或下三角）元素即可，既节省计算量，有能保证Ak 严格对称。 ? 3. 的计算过程如下： ? 4. Ak 中经旋转变换化为零的元素，可能在Ak+1中又成为非零