特征值新求法.pptVIP

引理[1 ] 　设A ∈Cn×n ( Cn×n 表示n 阶复方阵集合) . 则A 可对角化的充要条件是对A 的每一个特征值λj ( j = 1 ,2 , ?, k) , R(λj E - A) = n - rj . 其中rj 为λj 的重数.引理[2 ] 　设A ∈Cn×n ,若A 可对角化,则A 的最小多项式为mA (λ) = (λ- λ1 ) (λ- λ2 ) ?(λ- λk ) ,其中λ1 ,λ2 , ?,λk 为A 的所有互不相同的特征值. * * 内容概述 特征向量算法的总结与推广 （1）矩阵乘法求矩阵特征向量的一个新方法 （2）根据定义求解特征值与特征向量，并举例 （3）圆盘定理，估计特征值特点及范围，并举例、图示 （4）幂法求解特征值特征向量，并举例、算法、程序 （5）反幂法求解特征值特征向量 （6）列行互逆变换法 （7）列初等变换法 证明：因A 可对角化,由引理2 知, A 的最小多项式为 即 。这表明 的列向量为方程组 的解向量。由引理1 知 。因此齐次线性方程组 的解空间维数为 。 则 另一方面,由Sylvester 不等式 ,可得下面一些详细证明 步骤如下： 假设 且 则 。 这表明矩阵 的列向量组的极大无关组所含向量个数为 。 因而极大线性无关组就是对应于特征值 的特征向量空间的一个基。 例1 （2）根据定义求解特征值特征向量： 例1：求 的特征值与特征向量。 解：根据定义： 所以特征值为-1和5，再将-1和5分别代入方程组中得到方程： 和 ， 并求得其基础解系分别为： 和 ，则得出所对应的特征向量。 （3）特征值估计（格林戈什圆盘定理）： 1、设 ，则 的每一个特征值必属于下述圆盘之中 或者说 的特征值都在复平面上的 个圆盘的并集中。 2、如果 的 个圆盘组成一个连通的并集 与余下的 个圆盘是分离的， 内恰包含 的 个特征值。 则 实轴 虚轴 大致内容可由右图表示：可以在两圆相交部分 有一对对称的共轭复根，也可以在实轴的有 一个实根。 例2、估计矩阵 的特征值范围。 解： 的3个圆盘为 根据圆盘定理，可知 有3个特征值位于3个圆盘的并集中，由于 是孤立圆盘， 所以 内恰好有 的一个特征值 ，即 。 现在选取对角矩阵 做相似变换 （相似变换不改变特征值的大小）， 的3个圆盘为 显然，3个圆盘都是孤立圆盘，所以每一个圆盘都只包含一个特征值， 估计范围为： 从而我们就可以估计出特征值的范围或性质，给运算或证明带来便利。 （4）幂法： 是一种计算矩阵主特征值及其对应特征向量的迭代方法，特别适用于大型稀疏矩阵。 设实矩阵 ，有一个完全的特征向量组 ，其特征值为，相 应的特征向量为 。 已知 的主特征值是实根，且满足条件 ， 我们用幂法求 ：我们由已知非零向量 即矩阵 的乘幂 构造向量序列 以计算 的主特征值及相应的特征向量 。 向量的构造： 对任意非零初始向量 ， 按下述方法构造的向量序列 （1） （2） 例3：用幂法计算 2.5365323 （0.7482,06497,1） 19 2.5365840 （0.7483,06497,1） 15 2.5365374 （0.7482,0.6497,1） 19 2.5366256 （0.7494,0.6508,1） 10 2.5365456 （0.7482,0.6497,1） 18 2.5380029 （0.7651,0.6674,1） 5 2.5365598 （0.7482,0.6497,1） 17 2.5887918 （0.9091,0.8182,1） 1 2.5365840 （0.7483,0.6497,1） 16 2.7500000 （1,1,1） 0 （规范化向量） （规范化向量） 于是我们利用幂法得出相应的特征值与特征向量： 而真实值如下： 可见，幂法迭代出来的结果还是很理想的。 （5）反幂法： 给定近似特征值的特征向量。 反幂法用