数值分析第8章_矩阵特征值问题计算.pptVIP

其中c1=(a21,?,an1)T∈Rn-1 ,不妨设c1≠0，否则这一步不需要约化. 于是, 可选择初等反射阵 使 ，其中 令 则 其中 　　(2) 第k步约化：重复上述过程，设对A已完成第1步,?,第k-1步正交相似变换，即有 或 且 其中 为k阶上海森伯格阵， 　　设ck≠0, 于是可选择初等反射阵Rk使 　其中，Rk计算公式为 令 则 其中 为k+1阶上海森伯格阵，第k步约化只需计算 及 (当A为对称矩阵时，只需要计算 ). 　　(3) 重复上述过程，则有 定理17 (豪斯霍尔德约化矩阵为上海森伯格阵) 设A∈Rn×n则存在初等反射矩阵U1,U2,?,Un-2 使 为上海森伯格矩阵. 　　总结上述结论，有 算法1 (豪斯霍尔德约化矩阵为上海森伯格阵) 设A∈Rn×n，本算法计算U0TAU0=H(上海森伯格型)，其中U0=U1U2?Un-2为初等反射阵的乘积. 　　1. U0←I 　　2. 对于k=1,2,?,n-2 　　(1) 计算初等反射阵Rk使 　　本算法约需要5n3/3次乘法运算，要明显形成U0还需要附加2n3/3次乘法. 　　(2) 约化计算 　　(3) U0←U0Uk 上页 下页 ⑵ 设λ为A的特征值，相应的齐次方程组 注：当A为实矩阵时，? (λ)=0为实系数n次代数方程，其复根是共轭成对出现. 的非零解x称为矩阵A的对应于λ的特征向量. 例1 求A的特征值及特征向量，其中 解 矩阵A的特征方程为 求得矩阵A的特征值为： 对应于各特征值矩阵A的特征向量分别为： 定理7(对称矩阵的正交约化) 设A∈Rn×n为对称矩阵，则 ⑶ 存在一个正交矩阵P使的 且λ1,λ2,?,λn为A的特征值，而P＝(u1,u2,?,un) 列向量uj为A的对应于λj 的单位特征向量. ⑴ A的特征值均为实数； ⑵ A有n个线性无关的特征向量； 迭代公式实质上是由矩阵A的乘幂 Ak与非零向量v0相乘来构造向量序列{vk}={Akv0}，从而计算主特征值λ1及其对应的特征向量，这就是幂法的思想. 的收敛速度由比值 来确定，r越小收敛越快，但当r≈1时收敛可能很慢. 定理12 设A∈Rn×n有n个线性无关的特征向量，主特征值λ1满足条件 |λ1||λ2|≥?≥|λn|， 则对任何非零向量v0(a1?0)，幂法的算式成立. 又设A有n个线性无关的特征向量，λ1对应的r个线性无关的特征向量为x1,x2,?,xr，则由(2.2)式有 如果A的主特征值为实的重根, 即λ1=λ2=?=λr, 且 |λr||λr+1|≥?≥|λn|， 设有一向量v?0，将其规范化得向量为 其中max(v)表示v的绝对值最大的分量. 即如果有 则max(v)=vq，且q为所有绝对值最大的分量中的最小下标. 　　在定理12的条件下幂法可这样进行：任取一初始向量v0?0(a1?0)，构造规范化向量序列为 由(2.3)式 收敛速度由比值r=|λ2/λ1|确定. 总结上述结论，有 　　同理，可得到 　　例1 用幂法计算矩阵 的主特征值与其对应的特征向量. 　　解　取 v0=u0=(0,0,1)T , 则 直到k=8 时的计算结果见下表 0.5, 1, 0.7500 11.0000 5.5000, 11.0000, 8.2500 8 0.5, 1, 0.7500 11.0005 5.5002, 11.0005, 8.2501 7 0.5, 1, 0.7501 10.9974 5.4987, 10.9974, 8.2494 6 0.5, 1, 0.7494 11.0142 5.5075, 11.0142, 8.2576 5 0.5, 1, 0.7536 10.9223 5.4621, 10.9223, 8.2306 4 0.5, 1, 0.7360 11.4444 5.7222, 11.4444, 8.361 3 0.5, 1, 0.8611 9 4.5, 9, 7.75 2 0.5, 1,