特征值与特征向量计算(第六章).ppt

科学与工程计算 北京科技大学数理学院 卫宏儒 weihr168@ 矩阵特征值与特征向量的计算主要内容 一、幂法 二、反幂法 三、幂法、反幂法小结 四、QR算法 五、Jacobi方法 1、Householder矩阵 ２、矩阵的ＱＲ分解 ３、求矩阵全部特征值的ＱＲ算法 五、Jacobi方法 １、预备知识 2、Jacobi法的基本思想与收敛性 ３、用Jacobi法的计算实对称矩阵的特征值及其对应的特征向量的步骤 ４、Jacobi改进的方法 5、Jacobi的优点和不足 定理6.7 称为旋转矩阵 作业五： * 问题的提出： 工程技术的许多实际问题，例如振动问题，稳定问题的求解，有时会归结成求矩阵的特征值λ和对应的特征向量χ。学过线性代数后，我们已知求矩阵A的特征值λ和特征向量χ的解法，即先求出A的特征多项式： 令ｆ﹙ｘ﹚﹦0。 通过求解上述高次多项式方程，所得根λ即为矩阵A的特征值，然后求解方程组﹙Ａ﹣λＩ﹚Ｘ﹦0，就可得出特征值λ对应的特征向量X。 但众所周知，高次多项式求根是相当困难的，而且重根的计算精度较低。同时，矩阵A求特征多项式系数的过程对舍入误差十分敏感，这对最后计算结果影响很大。因此，从数值计算角度来看，上述方法缺乏实用价值。 目前，求矩阵特征值问题实际采用的是迭代法和变换法。这里将介绍通过求矩阵特征向量求出特征值的一种迭代法----幂法，而后再介绍一些反幂法的内容。 一、幂法 定理：设矩阵A的特征值为 并设A有完全的特征向量系 (它们线性无关)，则对任意一个非零向量V0?Rn 所构造的向量序列 有 其中表示向量的第j个分量. P129：定理6-2；归一化幂法是定理6-3。 证明： 仅就为实数的情况来证明.假定 于是,由矩阵特征值定义知 ,得 ………….. 同理可得： 假定 ,因为 ,故得 从上述证明过程可得出计算矩阵A的按模最大特征值的方法,具体步骤如下： (1)任取一非零向量V0?Rn,一般可取V0=(1,1,.…,1)T (2)计算Vk=AVk-1 (3)当k足够大时,即可得到： 若按上述计算过程，有一严重缺点，当|?1|1 （或| ?1 |1时）{Vk}中不为零的分量将随K的增大而无限增大，计算机就可能出现上溢（或随K的增大而很快出现下溢），因此，在实际计算时，须按规范法计算，每步先对向量Vk进行“规范化”,即取Vk中绝对值最大的一个分量记作mk =max(Vk )，用mk遍除的所有向量Vk ，得到规范化向量。 为说明上述算法的正确性，我们证明下述定理 定理二：在定理一的条件下,规范化向量序列{uk}收敛于矩阵A按模最大的特征值?1对应的特征向量,而向量序列{Vk}的绝对值最大的分量mk收敛于?1,即 证: 例： 用幂法求矩阵 按模最大特征值?1和对应的特征向量x1 解: 取初始向量V0= u0=(1,1,1)T ，计算出Vk,uk和mk,迭代7次的结果列于下表 由上可见经过7次迭代, m7的值已稳定到小数后5位，故所求的按模最大特征值和对应的特征向量可取作： 1、归一化例题6-2 2、幂法的加速：原点平移法；Aitken加速法；Rayleigh商加速法 注： 二、反幂法： 基本思路：设A没有零特征值，则A非奇异，即A的逆矩阵存在，设的特征值为 其对应的特征向量为 因为 A xk = ?k xk 所以 A-1 xk = ?k-1 xk 故?k-1就是矩阵A-1的特征值，它们满足 对应的特征向量仍为xk 。因此，求矩阵A的按模最小特征值，就相当于求其逆阵A-1的按模最大特征值?n-1 ，这只需应用幂法即可求得。 注意点： 由于求逆非常费时。故在用迭代向量 由uk-1求Vk时，可采用解方程组 的办法。由于每次解方程组的系数矩阵都相同，故计算并不复杂。如果预先将作三角分解，这样使每次迭代仅仅求解两个三角方程组就更省时了。特别当n较大时，将大大地节省计算量。 三、幂法小结： 幂法适用范围为求矩阵的按模最大特征值及相应的特征向量，其优点是算法简单，容易编写程序在计算机上实现，缺点是收敛速度慢，其有效性依赖于矩阵特征值的分布情况。反幂法的适用范围是求矩阵的按模最小特征值