第五章 矩阵特征值问.ppt

* 第五章????? 矩阵特征问题的求解 §1 引言 定义1 设矩阵A, B?R n?n，若有可逆阵P，使 则称A与B相似。 定理1 若矩阵A, B?R n?n且相似，则 （1）A与B的特征值完全相同； （2）若x是B的特征向量，则Px便为A的特征向量。 定理2： 设A?R n?n具有完全的特征向量系，即存在n个线性无关 其中?i为A的特征值，P的各列为相应于?i的特征向量。 的特征向量构成Rn的一组基底，则经相似变换可化A为 对角阵，即有可逆阵P，使 定理3 ：A?R n?n，?1, …, ?n为A的特征值，则 （2）A的行列式值等于全体特征值之积，即 （1）A的迹数等于特征值之和，即 定理4 设A?R n?n为对称矩阵，其特征值?1≥?2≥…≥?n，则 （1）对任意A?R n，x≠0， （2） （3） 定理5 （Gerschgorin圆盘定理） 设A?R n?n，则 表示以aii为中心，以 半径为的复平面上的n个圆盘。 （2）如果矩阵A的m个圆盘组成的并集S（连通的）与其余 （1）A的每一个特征值必属于下述某个圆盘之中， n – m个圆盘不连接，则S内恰包含m个A的特征值。 §2 乘幂法与反幂法 5.2.1 乘幂法 定理6 设A ?Rn?n有完全特征向量系，若?1, ?2,…, ?n为A的n个特征值且满足 对任取初始向量x(0) ?Rn，对乘幂公式 确定的迭代序列{xk}，有下述结论： （1）当 时，对i = 1, 2, …, n 收敛速度取决于 的程度，r 1收敛快，r ? 1收敛慢， 且x(k)（当k充分大时）为相应于?1的特征向量的近似值。 （2）当 时 a）若?1 = ?2，则主特征值?1及相应特征向量的求法同（1）； 收敛速度取决于 的程度。向量 、 c）若 ，则连续迭代两次，计算出x(k+1)，x(k+2)， 分别为主特征值?1、?2相应的特征向量的近似值。 然后对j = 1, 2, …, n 解方程 b）若?1 = -?2，对i = 1, 2, …, n 求出 、 后，由公式 解出主特征值?1、?2。此时收敛速度取决于 的程度。 向量 、 分别为相应于?1，?2 的特征向量的近似值。 规范化乘幂法 令max(x)表示向量x分量中绝对值最大者。即如果有某i0，使 则 max (x) = xi 对任取初始向量x(0)，记 则 一般地，若已知x(k)，称公式 定理7 设A?Rn?n具有完全特征向量系，?1, ?2, …, ?n为A 则对任初始向量x(0)，由规范化的乘幂法公式确定的向量序列 (1) （2）y(k)为相应于主特征值?1的特征向量近似值 的n个特征值，且满足 y(k)，x(k)满足 5.2.2 原点位移法 希望 | ?2 / ?1 | 越小越好。 不妨设 ?1 ?2 ? … ? ?n ，且 | ?2 | | ?n |。 取?0（常数），用矩阵B = A - ?0I 来代替A进行乘幂迭代。 (i = 1, 2, …, n) 设?i (i = 1, 2, …, n)为矩阵B 的特征值，则B与A特征值之间 应有关系式： 关于矩阵B的乘幂公式为 为加快收敛速度，适当选择参数?0，使 达到最小值。 当?i (i = 1, 2, …, n)为实数，且?1?2 ≥…≥?n时，取 则为? (?0) 的极小值点。这时 5.2.3 反幂法 若 A 有| ?1 | ? | ?2 | ? … | ?n |，则 A?1 有 1 1 1 1 1 l l l ? …? - n n A?1 的主特征根 A的绝对值最小的特征根 如何计算 解线性方程组 对应同样一组特征向量。 设A?Rn?n可逆，则无零特征值，由 有 规范化反幂法公式为 如果考虑到利用原点移位加速的反幂法，则记B = A - ?0I， 对任取初始向量x(0)?Rn， 5.3 子空间迭代法 斯密特（Schmidt）正交化过程： 设?1，?2，?3 为R3上的三个线性无关的向量， 令 ，则?1为单位长度的向量，再令 可以验证（?1, ?2）= 0，即?1与?2正交。若令 则 即与?1, ?2正交，将其单位化为 于是向量组?1, ?2, ?3构