矩阵特征值与特征向量的计算预览.pptVIP

* 第5章 矩阵特征值与特征向量的计算 方程(5.1)可改写为： Ax-?x=0, 或 　　　　　　　　　(A-?I)x=0 　　　　　 因此，n阶方阵A的特征值是特征方程 det(A-?I)=0 (5.2) 的n个根：?1,?2,…?n .A的属于?i的特征向量是如下 齐次线性方程组的解 　　　　　　　　 (A-?iI)x=0 　　 (5.3) 设A为n阶矩阵，数?和非零向量x满足： 　　Ax=?x (5.1) 则称?为A的特征值，x为A的属于?的特征向量。 圆盘定理 设矩阵A=(aij)n?n ,记复平面上以aii为圆心, 以 ri= 则 (1)A的任一特征值至少位于其中一个圆盘内; (2)在m个圆盘相互连通(而与其余n-m个圆盘互不连通) 的区域内,恰有A的m个特征值(重特征值按重数记). 显然对较大的n，通过解方程(5.2)和(5.3)求A的特征值是 不实际的，因此需要采用数值方法。 注意：若x是A的特征向量，则y=cx,c?0,仍为特征向量。 这是因为： Ay=A(cx)=cAx=c?x=?(cx)= ?y 为半径的n个圆盘为 Ri=??????aii??ri?,i=1,2,…,n 试讨论A的特征值的分布. 解 由A确定的3个圆盘分别为 所以,当特征值为实数时， 3??1?5 -2?2?2 -6??3-2 例1 设矩阵 R1=?????-4??1?, R2=???????2?, R3=?????+4??2? x y 0 -2 -4 -6 2 3 4 5 实际上， ?1=4.20308 , ?2=-0.442931 , ?3=-3.76010 适当选取非奇异对角矩阵D=diag(d1,d2,…,dn),则矩阵D-1AD与矩阵A有相同的特征值,且对角元素相同. 而矩阵D-1AD对应的n个圆盘为 如上例,取D=diag(2,1,1),则有 可见，R1?是孤立的,所以可得3.5??1?4.5 . §1 乘幂法和反幂法 §1.1 乘幂法 乘幂法是用来求矩阵A按模最大的特征值和相应的特征向量的数值方法. 设A是单构矩阵, 即A有n个线性无关的特征向量. 设A的n个特征值为 |?1? ??2? ??? ??n? 相应的特征向量为 x1, x2, … xn, 线性无关, Axi= ?ixi . 我们要求?1 和 x1 . 乘幂法的基本思想是取初始向量v(0)?０,作迭代 　　v(k+1) =Av(k), k=0,1,2,… 产生迭代序列?v(k)?. 显然有： v(k+1) =Av(k)= A2v(k-1)=…=Ak+1v(0) 由于 x1, x2,…, xn 线性无关, 从而 v(0) =a1x1+a2x2+…+anxn 利用 Axi= ?ixi 可知 Akxi= ?ikxi。 故有 v(k) = Akv(0)= Ak (a1x1+a2x2+…+anxn ) =a1?1kx1+a2?2kx2+…+an?nkxn (5.4) =a1Akx1+a2Akx2+…+anAkxn (5.4)式可写成 由于|?i/?1|1,i=2,…,n,则对充分大的k有 从而有 或取 而特征向量 x1 ? v(k)，因为 乘幂法的收敛速度取决于|?2/?1|的大小. 求矩阵A的按模最大的特征值 解 取v(0)=(1,0)T ,计算v(k)=Av(k-1), 结果如下 例2 0.41263 0.41263 0.014190 0.017451 4 0.41267 0.41260 0.034389 0.042292 3 0.41665 0.41 0.083333 0.10250 2 0.2 0.25 1 0 1 0 v2(k)/v2(k-1) v1(k)/v1(k-1)