第九章矩阵特征值和特征向量的计算.pptVIP

结果如下表 可以看出，两相邻向量相应分量之比值随k值得增大趋于一个固定值。下面分析原因： （一）如果按模最大的特征值λ1，是单实根，则上式可写为： 因此实际计算公式为： （5）、若| λ－ μ| ε，输出λ，X,停机，否则转步骤6 计算结果如下： 从计算结果可以看出： 所以序列随k的增大而发生规律性摆动，当k充分大后有 当k充分大时，等式右边第三项以后的和数是可以被忽略的小量，所以： 容易验证： 9.2 幂法的加速与降阶 假定最大特征值λ1和最大特征向量V1已求出，并令A(1)=A，现构造： 代替求X(k+1)，为防止溢出，计算使用下面公式： 若已知A的一个特征值λ的近似值λ*，则可先求矩阵A－ λ*I的按模最小的特征值λ－ λ*，算法如下： 9.4 平行迭代法 处理对称矩阵，下列正交化方法更为有效： 平行迭代法也可用来求按模最小的p个特征值和特征向量： QR算法产生了一个矩阵序列{Ak}，它有两个基本性质： 2、定理9.1：假设 现用QR算法求解其特征值，首先令A1=A,用Schmidt正交化方法分解： 把A代替A重复上面过程，计算11次得： 其中，D是对角矩阵，它的对角元素是矩阵A的特征值，Jacobi方法实质上是找一个正交矩阵V，使A正交化。设： 把9.29用向量形式写出，将9.31代入： 现将Vij作用到A上，得到矩阵A1 例4： A1的对角线元素即是A的特征值，相应的特征