第九章矩阵的特征值与特征向量-数值分析.ppt

§2 雅可比法的基本思想（教材中例子） 设法用一系列简单的正交阵Rk , 逐步地将 A 化为近似对角阵(非对角元近似化为0)。即选择Rk , 令 A的全部特征值 问题的关键：如何构造正交阵Rk ？ ? 平面旋转变换 §3 初等反射阵 Def 方阵B若满足：当ij+1时，bij=0,则称B为上Hessenberg阵(或准上三角阵)，即 i=j+1 i j+1 理论基础：A是n阶实矩阵，存在正交阵P，s.t. 是1阶或2阶方阵。若Aii 是1阶的， 则它是A的一个实特征值；若Aii 是2阶的，则它的两个特征值是A的一对共轭复特征值。 定理说明：用正交阵相似变换可将一般实矩阵约化为上Hessenberg阵，将实对称阵约化为对称三对角阵。 正交相似变换不改变特征值和特征向量，因此求原矩阵的特征值问题就转化为求上Hessenberg阵或对称三对角阵的特征值问题。 问题的关键：如何将一般实矩阵正交约化为上Hessenberg阵，将实对称阵约化为对称三对角阵？ 初等反射阵 §4 QR方法 是一种变换方法，计算一般中小型矩阵全部特征值的 最有效方法之一。 主要用于计算：1.上Hessenberg阵的全部特征值; 2.对称三对角矩阵的全部特征值。 对于一般矩阵或对称阵，先用Householder方法将其 约化为上Hessenberg阵或对称三对角阵，再用QR法 计算全部特征值。 优点：算法稳定，收敛快。 矩阵的QR分解 * 第九章 矩阵的特征值与特征向量 /* Eigen-values and Eigen-vectors of matrix */ ? 待求解的问题：矩阵的特征值?和特征向量x ?0，满足 : Ax=?x or (?I-A)x =0 Eigen-value Eigen-vector 工程技术中的许多问题例如电磁振荡、桥梁振动、机械振动等，都归结为求矩阵的特征值 和特征向量问题----代数计算中的重要课题。 ②特征向量: 已知A的特征值?，求齐次线性方程组 的非零解x, （ ,所以有非零解。）为 A对应于?的特征向量。 如何求解? 特征值：已知A=(aij)n?n，求A的特征多项式的根 有n个零点（实或复，计重数）： 即求解代数方程 从理论上讲，可利用代数方程求根求出特征值，再利用线性方程组的解法，求出特征向量。 ?缺点：工作量大且特征向量对矩阵的依赖很高；当矩阵阶数较高时，高次代数方程求根的计算稳定性较差。 另外，实际问题中的具体要求不同，有时只要求A的绝对值最大的特征值（主特征值）及相应的特征向量；有时又要求全部的特征值及特征向量。根据这两种不同要求，求矩阵的特征值与特征向量的方法也大致分为两类：迭代法（幂法反幂法）、变换法。 关于矩阵特征值及特征向量的一些结论： Th1. （i=1,…,n）为A的特征值，则有 1. 2. det(A)= Th2、A?B(相似)，即存在可逆阵T，使B=T-1AT,则 1. A与B有相同的特征值。 2. 设x是B的关于?的特征向量, 则Tx是A的关于 ?的特征向量。 Th3、（Gershgorin’s定理,圆盘定理）：A=(aij),则A的每个特征值必在下述某个园盘中： A的每行元素确定一个圆盘，共n个。 Th3 表明A的任一特征值必在这n个圆盘中的某一个内。 证明：设?为A的任一特征值，x?0为对应特征向 量，则有(?I-A)x=0, 设|xi|=max|xj|,显然xi?0, 第i个方程： Th3 的证明过程表明A的任一特征值必在其对应 特征向量模最大的分量的指标所对应的圆盘中。 称为A对应于向量x的Rayleigh商。 Def1. An?n —实对称阵，?0 ? x?Rn, Th4. An?n —实对称阵，其特征值依次排序为 , 对应特征向量 组成规范正交系，即 ，则 1. ?0 ? x?Rn, 2. 3. Proof. ?0 ? x?Rn, forms an orthogonal basis of Rn , so it is possible to write x