第8章矩阵特征值问题计算1.pptVIP

原点位移的加速方法，是一个矩阵变换方法. 这种变换容易计算，又不破坏矩阵A的稀疏性，但p的选择依赖对A的特征值分布的大致了解. 见书p306-例5. 设A∈Rn×n为对称矩阵，称 为向量x的瑞利商，其中(x, x)=xTx为内积. 由定理11知道，实对称矩阵A的特征值?1及?n可用瑞利商的极限值表示. 下面我们将瑞利商应用到用幂法计算实对称矩阵A的主特征值的加速上来. 2、瑞利商(Rayleigh)加速 定理14 设A∈Rn×n为对称矩阵，特征值满足 对应的特征向量xi满足(xi, xj)=δij (单位正交向量) ，应用幂法公式(2.9)计算A的主特征值?1，则规范化向量uk的瑞利商给出?1的较好的近似值为 由此可见，R(uk)比μk更快的收敛于?1. 证明 由(2.8)式及 得 幂法的瑞利商加速迭代公式可以写为 其中A为n阶实对称矩阵. 对给定的误差限?，当|μ k–μk-1|?时，取近似值 8.2.3 反幂法 反幂法是用于求非奇异矩阵A的按模最小的特征值和对应特征向量的方法. 而结合原点平移法的反幂法则可以求矩阵A的任何一个具有先了解的特征值和对应的特征向量。 　　设矩阵A非奇异,其特征值?i (i=1,2,?,n) ,满足 其相应的特征向量x1,x2,?,xn线性无关，则 A-1 的特征值为1/ ?i ，对应的特征向量仍为xi (i=1,2,?,n). 此时, A-1的特征值满足 因此, 对A-1应用幂法, 可求出其主特征值 1/?n ? μ k 和特征向量 xn ? uk . 从而求得A的按模最小特征值 ?n ? 1/μk 和对应的特征向量 xn ? uk ， 这种求A-1的方法就称为反幂法. 为了避免求A-1, 可通过解线性方程组Avk=uk-1得到vk，采用LU分解法，即先对A进行LU分解A=LU, 此时反幂法的迭代公式为 反幂法的迭代公式为 对给定的误差?，当|μk–μk-1|? 时，得 显然，反幂法的收敛速度取决于比值 ，比值越小，收敛越快. 定理15 设A∈Rn×n为非奇异矩阵，且有n个线性无关的特征向量，其对应的特征值满足 |?1|≥|?2|≥?≥|?n-2||?n|0， 则对任意非零初始向量u0(an?0) ，由反幂法计算公式构造的向量序列{vk}，{uk}满足 ⑴ ⑵ 定义3 设n阶矩阵A=(aij)，令 下面讨论矩阵特征值界的估计. ⑴ ； ⑵ 集合 称为复平面上以aii为圆心，以ri为半径的n阶矩阵A的n个Gerschgorin圆盘. 定理8 (Gerschgorin圆盘定理) 特别地，如果A的一个圆盘Di是与其它圆盘分离(即孤立圆盘)，则Di中精确地包含A的一个特征值. ⑴ 设n阶矩阵A＝(aij)，则A的每一个特征值必属于下面某个圆盘之中 ⑵ 如果A有m个圆盘组成一个连通的并集S，且S与余下n-m个圆盘是分离的，则S内恰包含A的m个特征值. 或者说 A的特征值都在n个圆盘的并集中. 证明 只就⑴给出证明. 设λ为A的特征值，即 Ax=λx，其中x=(x1,x2,?, xn)T?0. 或 记 ，考虑Ax=λx的第k个方程，即 于是 即 　　这说明，A的每一个特征值必位于A的一个圆盘中，并且相应的特征值λ一定位于第k个圆盘中(其中k是对应特征向量x绝对值最大的分量的下标). 　　利用相似矩阵性质，有时可以获得A的特征值进一步的估计，即适当选取非奇异对角阵 并做相似变换 .适当选取　 可使某些圆盘半径及连通性发生变化. 例2 估计矩阵A的特征值范围，其中 解 矩阵A的3个圆盘为 由定理8，可知A的3个特征值位于3个圆盘的并集中，由于D1是孤立圆盘，所以D1