计算方法6_矩阵特征值和特征向量分析报告.ppt

问题的提出 方程一般形式 6.2 幂法（Power Method） 幂法分析 6.3 反幂法( Inverse Power Method) 6.4 规范化幂法 反幂法的规范算法 6.5 幂法的加速和降阶 6.6 其它方法 实际计算公式 Y(k)＝ X(k) /|| X(k) ||∞ AX(k+1)= Y(k) 幂法的收敛速率依赖于次大和最大特征值之比，当比值很小时，收敛快 先对矩阵进行变换，使得有很大的特征值 原点移位法：用A－λ0I来代替A进行迭代 原点移位法： A－λ0I和A的特征值λ0，相应的特征向量不变 为了加速收敛，适当选取λ0，使得 * * 矩阵特征值和特征向量 Eigenvalues and Eigenvectors 矩阵特征值计算非常重要，在很多方面应用 数值分析中，和矩阵有关的迭代序列的收敛取决于迭代矩阵的特征值大小 动态系统中，特征值标志着系统是否是稳定的 振动系统中，微分方程的特征值或者有限元模型的矩阵系数和系统的固有频率直接相关 数学中方阵的对角化、微分方程组的解等等 6.1 基本概念回顾 DEF6.1 设A是n阶方阵，如果数λ和一维非零向量χ使关系式Aχ=λχ成立，则称数λ为方阵A的特征值，非零向量χ称为A的属于特征值λ的特征向量. 推论：如果χ是矩阵A的属于特征值λ0的特征向量，那么χ的任何一个非零倍数kχ也是A的属于λ的特征向量。这是因为Aχ=λ0