第8章矩阵特征值问题的数值解法分析.ppt

* * * * * * * * * * 8.4 QR算法 8.4.1. 化矩阵为Hessenberg形 8.4.2 QR 算法及其收敛性 （1）镜面反射矩阵 （2）化一般实矩阵为上Hessenberg矩阵 （3）化对称矩阵为三对角矩阵 当A为实矩阵，如果限制用正交相似变换，由于A有复的特征值， A不能用正交相似变换约化为上三角阵. 用正交相似变换能约化到什么程度呢？ (Schur定理) 设A∈Rn×n，则存在酉矩阵U使 其中rii(i=1,2,?,n)为 A的特征值. 下面给出理论上有关通过酉相似变换及正交变换可以约化一般矩阵A到什么程度的问题. 其中Rii(i=1,2,?,m)为一阶或二阶方阵，且每个一阶Rii是A的实特征值，每个二阶对角块Rii的两个特征值是 A的两个共轭复特征值. (实Schur分解) 设A∈Rn×n，则存在正交矩阵Q使 * （1）镜面反射矩阵 8.4.1. 化矩阵为Hessenberg形 镜面反射矩阵的意义是“成批”消去向量的非零元素。 例： 解: # (1)用初等反射矩阵作正交相似变换约化一般实矩阵A为上Hessenberg矩阵. 化矩阵为上Hessenberg矩阵 讨论两个问题 (2)用初等反射矩阵作正交相似变换约化对称矩阵A为对称三对角矩阵. 于是