第7部分矩阵的特征值和特征向量.pptVIP

  1. 1、本文档共30页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第7章 矩阵的特征值和特征向量 数 学 系 University of Science and Technology of China DEPARTMENT OF MATHEMATICS * 很多工程计算中,会遇到特征值和特征向量的计算,如:机械、结构或电磁振动中的固有值问题;物理学中的各种临界值等。这些特征值的计算往往意义重大。 特征值: 的根 为矩阵A的特征值 特征向量:满足 的向量v为矩阵A的对于特征值 的 称为矩阵A的特征多项式 是高次的多项式,它的求根是很困难的。没有数值方法是通过求它的根来求矩阵的特征值。通常对某个特征值,可以用些针对性的方法来求其近似值。若要求所有的特征值,则可以对A做一系列的相似变换,“收敛”到对角阵或上(下)三角阵,从而求得所有特征值的近似。 特征向量 7.1 幂法 矩阵的按模最大特征值往往表现为阈值。如:矩阵的谱半径。幂法就是一种求矩阵按模最大特征值的方法,它是最经典的方法。 幂法要求A有完备的特征向量系,即A有n个线性无关的特征向量。在实践中,常遇到的实对称矩阵和特征值互不相同的矩阵就具有这种性质。设A的特征值和特征向量如下: 特征值: 特征向量: 幂法可以求 ,基本思想很简单。 设 线性无关,取初值 ,作迭代 设: 则有: (1)若: 则k足够大时,有 可见 几乎仅差一个常数 所以: 任意分量相除 特征向量乘以任意数,仍是特征向量 (2)若: 则k足够大时,有 所以: 所以: 算法: 1、给出初值,计算序列 2、若序列表现为,相邻两个向量各个分量比趋向于常数 若序列表现为,奇偶序列各个分量比趋向于常数,则 若序列表现为其他,退出不管 求矩阵A的按模最大的特征值 解 取x(0)=(1,0)T ,计算x(k)=Ax(k-1), 结果如下 例 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 x2(k)/x2(k-1) x1(k)/x1(k-1) x2(k) x1(k) k 可取 ??0.41263 ,x1?(0.017451,0.014190)T . 决定收敛的速度,特别 是 | ?2 / ?1 | 希望 | ?2 / ?1 | 越小越好。 不妨设 ?1 ?2 ? … ? ?n ,且 | ?2 | | ?n |。 ?1 ?2 ?n O p = ( ?2 + ?n ) / 2 思路 令 B = A ? pI ,则有 | ?I?A | = | ?I?(B+pI) | = | (??p)I?B | ? ?A ? p = ?B 。而 ,所以求B的特征根收敛快。 在幂法中,我们构造的序列 可以看出 因此,若序列收敛慢的话,可能造成计算的溢出或归0 改进-幂法的规范运算 则,易知: 所以,有: 最大分量为1 即 (1)若: 时,有 时,有 收敛 分别收敛到反方向的两个向量 (2)若: 分别收敛到两个向量,且不是互为反号。 借助幂法来求特征值和特征向量。计算: 则: 算法: 1、给出初值,计算序列 2、若序列收敛,则 若序列的奇偶序列分别收敛,且两个数互为反号,则 若序列的奇偶序列分别收敛,且两个数不互为反号,则 反幂法 所以,A和A-1的特征值互为倒数 这样,求A-1的按模最大特征值,就可以求出A的按模最小特征值 为避免求逆的运算,可以解线性方程组 若知道某一特征根 ?i 的大致位置 p ,即对任意 j ? i 有| ?i ? p | | ?j ? p | ,并且如果 (A ? pI)?1存在,则可以用反幂法求(A ? pI)?1的主特征根 1/(?i ? p ) ,收敛将非常快。 思路 7.1 Jacobi方法-对称阵 P为n阶可逆阵,则A与P-1AP相似,相似阵有相同的特征值。 若A对称,则存在正交阵Q(QTQ=I),使得 直接找Q不大可能。我们可以构造一系列特殊形式的正交阵Q1,...,Qn对A作正交变换使得对角元素比重逐次增加,非对角元变小。当非对角元已经小得无足轻重时,可以近似认为对角元就是A的所有特征值。Jacobi方法就是这样一类方法。 1、Givens旋转变换 对称阵 为正交阵 p列 q列 记: 则: 变换的目的是为了减少非对角元的分量,则 记 则 的按模较小根 所以: 2、Jacobi方法 取p,q使 ,则 定理: 若A对称,则 提示:可以证明 其中 是 的非对角元素的平方和 解 记 A(0)=A,取p=1,q=

文档评论(0)

118books + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档