第八章 特征值问题计算方法1.pptVIP

* 第八章 特征值问题的计算方法 /*Computational Method of Eigenvalue Problem*/ 本章主要介绍矩阵的特征值和特征向量的计算方法。 一、特征值和特征向量的基本概念与性质 §1 基本概念与性质 设 ，若存在向量 和复数 满足 ，则称 是矩阵 的特征值， 是特征值 相应的特征向量。 特征多项式 的根的集合：谱集 其中 称 为 的代数重数（简称重数）； 为 的几何重数。 设 ， 对于矩阵 的特征值 ，如果 ，则称该特征值 为 的一个半单特征值。 若 的所有特征值都是半单的，则称 是非亏损的。 是非亏损的等价条件是 有n个线性无关的特征向量 设 ， 若存在矩阵 ，使得 则称 和 是相似的。 相似矩阵有相同的特征值 设 寻求已知矩阵 的相似矩阵 ，要求： 矩阵 的特征值和特征向量容易计算 本章算法的计算思想： 设 ，有 r个互不相同的特征值 ， 其重数分别为 ，则一定存在非奇异矩阵 使得 （Jordan分解） 其中 且除了 的排列 次序外， 是唯一的。 称作 的Jordan标准型 设 ，则存在酉矩阵 ，使得： （Schur分解） 其中 是上三角矩阵，且适当选择 ，可使 的元素 按任意指定的顺序排列。 设 ，令 （圆盘定理）/*Disc Theorem*/ 则 设 为对称矩阵，则存在正交矩阵 （谱分解定理）/*Spectral Decomposition*/ 其中 是 的n个特征值。 使得 设 为对称矩阵，且 的特征值为 （极大极小定理） 其中 表示 中所有k维子空间的全体。 则有 设 为对称矩阵，其特征值分别为 （Weyl定理） 则有 说明：对称矩阵的特征值总是良态的。 注意：实际问题中矩阵一般都是由计算或实验得到， 本身必然存在误差，不妨假设 §2 幂 法/*Power Method*/ 幂法是计算一个矩阵的模最大的特征值和对应的特征 向量的一种迭代方法（又称为乘幂法）。 ?基本思想 假设 是可对角化的，即 存在如下分解： 其中 不妨假设 对于 说明：当k充分大时, 的一个近似特征向量为 特征向量可以相差一个倍数 因为向量 中含有未知量 ，实际不能计算 但我们关心的仅是 的方向，故作如下处理： 令 其中 为 的模最大分量 ?幂法迭代算法： For k=1,2,3,… if 输出 和 设 和 均收敛，由算法知 幂法可以计算矩阵的模最大 的特征值和对应的特征向量 ?幂法的收敛性： 设 有 p个互不相同的特征值满足： 且模最大特征值 是半单的，如果初始向量 在 的特征子空间上的投影不为零，则由幂法算法产生的 向量序列 收敛到 的一个特征向量 ，且数值 序列 收敛到 。 特征子空间： 证明： 设 有如下Jordan分解： 是属于 的Jordan块构成的块上三角矩阵 是半单的特征值 令 将 和 如下分块：