Ch9.2 幂法与反幂法.ppt

* §2 幂法及反幂法 2.1 幂法 适合于计算大型稀疏矩阵的主特征值（按模最大的特征值） 优点: 方法简单 理论依据：迭代法的收敛性 问题的提法： 称 为迭代向量。 (2.2) 幂法的基本思想: 任取一个非零初始向量 ， 和对应的特征向量。 即 ，且 线性无关。求矩阵A的主特 征值及对应的特征向量。 由矩阵A的乘幂构造一向量序列 设 ,其特征值为 ,对应特征向量为 首先讨论 则 幂法: 问题： 即 ，且 ，线性无关。特征值满足： （且设 ） 设 ,其特征值为 ,对应特征向量为 的特征向量。 1.A特征值中 为强占优,即 线性无关 ,即 为Rn中一个基，于是对任意 的初始向量 有展开式。 ( 用 的线性组合表示) ,即 为强占优。求矩阵的主特征值 及对应 即 且收敛速度由比值 确定。 说明，当k充分大时，有 ，或 越来越接近特征向量 所以有 其中 当k =2,3,… 时， 从而 由假设（2.1）式 ,得 其次讨论主特征值 的计算。 表示 的第i个分量，则相邻迭代向量的分量的比值为 即相邻迭代向量分量的比值收敛到主特征值 ,且收敛速度由 则有 敛可能很慢。 比值 来度量,r 越小收敛越快, 当 而接近于1时,收 结论： 定理7 （1）设 有n个线性无关的特征向量； （2）设A的特征值满足 （3）幂法： 则 2. A的主特征值为实的r重根，即 问题： 即 ，且 ，线性无关。特征值满足： 设 ,其特征值为 ,对应特征向量为 ,求矩阵的主特征值 及对应 的特征向量。 幂法: 对任意的初始向量 有 不全为零），则有 从而 其中 ，且 因此，当k充分大时, 接近于与 对应的特征向量的某个 线性组合 ( 不全为零) 。 （且设 （或趋于零），这样造成计算机中的“溢出”。为了克服这个问题， 利用向量的方向与长度无关这一性质, 将迭代向量的长度规范化 以改进幂法。 用幂法计算A的主特征值及对应的特征向量时,如果 , ,迭代向量的各个不等于零的分量将随 而趋于无穷 所谓向量长度规范化,就是将向量的分量同除以一个常数,使 向量长度为1,向量长度有多种度量法,可以采用 或 , ，其中i0为所有绝对值最大的分量 中最小的指标。 性质： 设t 为实数， 3. 幂法的改进 §2 幂法及反幂法 2.1 幂法 称 为迭代向量。 (2.2) 幂法的基本思想: 任取一个非零初始向量 ， 由矩阵A的乘幂构造一向量序列 1.A特征值中 为强占优,即 结论: 2.A的主特征值为实的r重根,即 结论: 任取初始向量： 迭代 规范化 则有迭代向量序列 及规范化向量序列 。 3. 幂法的改进 由(2.7)及(2.8)式有 (1)?? 对规范化向量序列: 改进幂法计算公式： 先考虑 与计算 的关系。 由于 及 其中 于是， (2)?? 对迭代向量序列: 结论： 即 绝对值最大的分量当 时，趋向于特征根 。 （2）设A特征值满足 定理 8 （1）设 有n个线性无关的特征向量； 且 （3） 及 由改进幂法得到的规范化向量序列及迭代向量 序列((2.7)式),则有 且收敛速度由比值 确定。 2.2 加速方法 (原点平移法) 应用幂法计算A主特征值的收敛速度主要由比值 来确定, 当r 1但接近于1时,收敛可能很慢，一个补救的办法是采用加速收 敛的方法。 引进矩阵B =A-pI，其中P是可选择的参数。 设A的特征值为 则B的特征值为 且A,B特征向量相同。 原点平移法的思想 如果需要计算A的主特征值 ，适当选择p使满足： （1）