第6章_特征值和特征向量修改2分解.ppt

例：用幂法计算矩阵 的主特征值及对应的特征向量。并对计算主特征值的迭代 进行Aitken加速。 k 0 1 0,0,1.0000 1 4 0.5000,1.000,0.2500 2 9 0.5000,1.000,0.8611 3 11.4444 0.5000,1.000,0.7306 13.7824 4 10.9224 0.5000,1.000,0.7535 11.0641 5 11.0140 0.5000,1.000,0.7493 11.0001 6 10.9927 0.5000,1.000,0.7501 7 11.0004 0.5000,1.000,0.7500 8 11.0000 0.5000,1.000,0.7500 定义4 设A∈Rn×n为对称矩阵，对于任一非零向量x，称 为对应于向量x的瑞利 Rayleigh 商.其中 x, x xTx为内积. 定理 设A∈Rn×n为对称矩阵 其特征值次序记为λ1≥λ2≥?≥λn ，则 1. 对任何非零x∈Rn ； 2. ； 3. . 3、Rayleigh商加速法 证明 只证1，关于2, 3自己作练习. 由于A为实对称矩阵，可将 λ1,λ2,?,λn 对应的特征向量 x1,x2,?,xn 正交规范化，则有 xi, xj δij，设x?0为Rn中任一向量，则有 于是 从而1成立. 结论1说明瑞利商必位于λn和λ1之间. 下面我们将瑞利商应用到用幂法计算实对称矩阵A的主特征值的加速上来 定理 设A∈Rn×n为对称矩阵，特征值满足 对应的特征向量xi满足 xi, xj δij 单位正交向量 ，应用幂法公式 2.9 计算A的主特征值?1，则规范化向量uk的瑞利商给出?1的较好的近似值为 由此可见，R uk 比μk更快的收敛于?1. 证明 由 2.8 式及 得 幂法的瑞利商加速迭代公式可以写为 其中A为n阶实对称矩阵. 对给定的误差限?，当|μ k–μk-1| ?时，取近似值 三、反幂法 反幂法是计算矩阵按模最小的特征值及特征向量的方法，也是修正特征值、求相应特征向量的最有效的方法。 反幂法的迭代公式为 对给定的误差?，当|μk–μk-1| ? 时，得 显然，反幂法的收敛速度取决于比值 ，比值越小，收敛越快. 定理设A∈Rn×n为非奇异矩阵，且有n个线性无关的特征向量，其对应的特征值满足 |?1|≥|?2|≥?≥|?n-2| |?n| 0， 则对任意非零初始向量u0 an?0 ，由反幂法计算公式构造的向量序列 vk ， uk 满足 ⑴ ⑵ 在反幂法中也可以用原点平移法加速迭代过程，或求其它特征值与其对应的特征向量. 如果矩阵 A-pI -1存在，显然其特征值为 对应的特征向量仍然是x1,x2,?,xn，现对矩阵 A-pI -1应用幂法，得到反幂法的迭代公式 如果p是A的特征值?j的一个近似值，且设?j与其它特征值是分离的，即 就是说1/ ?j-p 是矩阵 A-pI -1的主特征值，可用反幂法 2.12 计算特征值及特征向量. 设A∈Rn×n有 n个线性无关的特征向量 x1,x2,?, xn，则 其中 同理可得： 定理 设A∈Rn×n有n个线性无关的特征向量， 矩阵A的特征值及对应的特征向量分别记为?i 及xi i 1,2,?,n ，而p为?j的近似值， A-pI -1存在，且 ⑴ ⑵ 则对任意非零初始向量u0 aj?0 ，由反幂法计算公式 2.12 构造的向量序列 vk ， uk 满足 且收敛速度为 由该定理知，对A-pI 其中p≈?j 应用反幂法，可用来计算特征向量xj，只要选择p是?j的一个较好的近似且特征值分离情况较好，一般r很小，常常只要迭代一二次就可完成特征向量的计算. 　　反幂法迭代公式中的vk是通过解方程组 求得的, 为了节省工作量, 可以先将A-pI进行三角分解 于是求vk相对于解两个三角形方程组 　　实验表明, 按下述方法选择u0是较好的: 选u0使 用回代求解 2.13 即得v1,然后再按公式 2.12 进行迭代. * 幂法综述 幂法和反幂法适用于求解可对角化矩阵的实数特征值和特征向量，不能求解复特征值； 幂法和反幂法均为线性收敛，收敛速度由收敛因子决定，效率不高； 原点位移法可以加快收敛速度； 可用于求指定特征值，不适于求解全部特征值。 求矩阵全部特征值和特征向量的算法： ■ QR方法 ■ Jacobi方法 ■ ■ ■ ■ * 由 得 收敛速度由比值r |λ2/λ1|确定. 总结上述结论，有 　　同理，可得到 定理设A∈Rn×n有n个线性无关的特征向量，主特征值λ1满足|λ1| |λ2|≥?≥|λn|，则对任意非零初始向量v0 u0 a1?0 ，有幂法计算公式为 则有 ⑴ ⑵ 例：用幂法计算