第四章矩阵的特征值与特征向量问题.pptVIP

第四章 矩阵的特征值与 特征向量问题 第三章 矩阵的特征值与特征向量 4.1 幂法与反幂法 4.2 Jacobi方法（重点） 4.3 多项式方法求特征值问题（自学） 4.4 QR算法 （重点） Givens矩阵； Householder矩阵； Gram-Schmidt正交化方法 概述 注记 重数： 特征值和特征向量的性质 注记 注记 相似矩阵 Jordan分解定理 Schur分解定理 特征值估计 Gerschgorin圆盘定理 例 估计方阵A特征值的范围 盖氏圆的连通部分 称相交盖氏圆之并构成的连通部分为连通部分。 孤立的盖氏圆本身也为一个连通部分。 定理 若由A的k个盖氏圆组成的连通部分，含且 仅含A的k个特征值。 定理 若由A的k个盖氏圆组成的连通部分，含且仅含A 的k个特征值。 证明: 令D = diag(a11，a22，…，ann)，M = A – D，记 则显然有A(1) = A，A(0) = D， 易知A(?)的特征多项式的系数是?的多项式， 从而A(?)的特征值?1(?)，?2(?)，…，?n(?)为?的连续函 数。 A(?)的盖氏圆为： 因为A(0) = D的n个特征值a11，a22，…，ann，恰为A的盖氏圆圆心，当?由0增大到1时，?i(?)画出一条以?i(0) = aii为始点，?i(1) = ?i为终点的连续曲线，且始终不会越过Gi； 不失一般性，设A开头的k个圆盘是连通的，其并集为S，它与后n – k个圆盘严格分离，显然，A(?)的前k个盖氏圆盘与后n – k个圆盘严格分离。 当? = 0时，A(0) = D的前k个特征值刚好落在前k个圆盘G1，…，Gk中，而另n – k个特征值则在区域S之外，?从0变到1时， 与 始终分离（严格）。连续曲线始终在S中，所以S中有且仅有A的k个特征值。 注：1) 每个孤立圆中恰有一个特征值。 2) 前例中G2，G4为仅由一个盖氏圆构成的连通部分，故它们各有一个特征值，而G1，G3构成的连通部分应含有两个特征值。 3) 因为前例中A为实方阵，所以若?为A的特征值，则 也是A的特征值，所以G2，G4中各有一个实特征值。 4.1 幂法与反幂法 幂法是求方阵的最大特征值及对应特征向量 的一种迭代法。 4.1.1 幂法 设An有n个线性无关的特征向量v1，v2，…，vn； 对应的特征值?1，?2，…，?n，满足 |?1| |?2| ? …? |?n| (4.1.1) 1.基本思想 因为{v1，v2，…，vn}为Cn的一组基，故： 任给x(0) ? 0， 所以有: (4.1.4) 1.基本思想 若a1 ? 0，则因 知， 当k充分大时 A(k)x(0) ? ?1ka1v1 = cv1 (属?1的特征向量) 另一方面，记max(x) = xi，其中|xi| = ||x||?，则当k充分大时， 注：若a1 = 0，则因舍入误差的影响，会有某次迭代向量在v1方向上的分量不为0，迭代下去可求得?1及对应特征向量的近似值。 2. 规范化 在实际计算中， 若|?1| 1则|?1ka1| ??，若|?1| 1则| ?1ka1| ? 0 都可能造成溢出停机。须采用“规范化”的方法 ， k = 0，1，2，… (4.1.9) 规范化： ， k = 0，1，2，… (4.1.9) 定理 任给初始向量x(0) ? 0 ，有 (4.1.10) 注：若A的特征值不满足条件(4.1.1)，幂法收敛性的分析较复杂，若?1 = ?2 = … = ? r，且|?1| |? r +1| ? …? |?n|，则定理结论仍成立。 此时不同初始向量的迭代向量序列一般趋向于?1的不同特征向量。 例：求矩阵A的按模最大的特征值 4.1.2 原点平移法