数值分析第7章矩阵特征值问题的数值解法n.pptVIP

第7章 矩阵特征值问题的数值解法;定义7.1.1 设矩阵A, B?Rn?n，若有可逆阵P，使;定理7.1.3 A?Rn?n，?1, …, ?n为A的特征值，则;定理7.1.4 设A?Rn?n为对称矩阵,其特征值?1≥?2≥…≥?n,对应特征 向量x1,x2,...,xn组成规范正交向量组，则有 ;定理7.1.5 （Gerschgorin圆盘定理） 设A?Rn?n，则; 利用定理,我们可以由A的元素估计特征值的范围.A的n个特征值均落在n个原盘上,但不一定每个圆盘都有一个特征值.;7.2 幂法和反幂法;若a1?0, 则对充分大的k有 ;定理7.2.1 设A?Rn×n的特征值li (i = 0,1,2,…)满足式(7.2.1)，且对应n个线性无关的特征向量v1, v2, …,vn，任给初始向量;算法7.1 幂法;用规范化幂法求A的主特征值和相应特征向量.;;7.2.2 幂法的加速技术; 2.原点位移法;例7.2.3 对例7.2.1用原点平移法计算矩阵A的主特征值.; 3. 对称矩阵的Rayleigh商加速 ;7.2.2 反幂法;每一步求x(k+1)需要求解线性方程组, 可采用LU分解法求解.;例7.2.4 用反幂法求矩阵;若已知矩阵A的特征值lj的近似值 ,则; (P为某个排列阵),求解反冥法迭代公式（7.2.17）中的方程组，则每次迭代只需解二个三角形方程组，故实用的公式为;例7.2.5 用反幂法求矩阵;7.3 旋转变换和Jacobi方法;7.3.1 旋转变换 ;所以,J是正交矩阵.上面的变换过程即; 一般地, 在n维向量空间Rn中, 平面旋转变换矩阵为; ;由上面两式可得;这说明用J(i,j)对A作正交相似变换化为A(1)后, A(1)的对角线元素平方和比A的对角线元素平方和增加了2aij2,A(1)的非对角线元素平方和比A的非对角线元素平方和减少了2aij2,且将事先选定的非对角线元素消去了(即aij(1)=0).因此，只要我们逐次地用这种变换，就可以使得矩阵A的非对角线元素平方和趋于零,也即使得矩阵A逐步化为对角阵.; ; 由式(7.3.11),令t=tan?,c=cos?,s=sin?,d=(aii-ajj)/2aij;例 7.3.1 用Jcobi方法求矩阵;继续做下去,直到非对角线元素趋于零,进行九次变换后,得;A 的特征值的精确值为; 为了减少搜索非对角线绝对值最大元素时间, 对经典的Jacobi方法可作进一步改进.;7.4 QR方法;定理7.4.2;定理7.4.3 设非奇异n阶矩阵A,有n个特征值满足,通过迭代格式(7.4.1)构造A(k)和A(k+1),???k→∞时有矩阵序列A(k)本质上收敛于分块上三角矩阵.这里本质上收敛指A(k)的主对角线上的元素或子块有确定的极限，其它元素或子块不管是否有极限。; QR方法运算量很大，为了减少运算量，常在使用QR方法之前把矩阵A简化为拟上三角矩阵。或称之为Hessenberg矩阵。;定义7.4.1;x;定理中H(u)的分母为2σ(σ+x1)，为避免出现两个相近数相减引起有效数字损失，实用中常选σ=sgn(x1)||x||2.这样可得Householder矩阵的计算公式为;对A(1)做正交相似变换;例7.4.1 用Householder相似变换将矩阵;7.4.3 上Hessenberg矩阵的QR算法;46;;又对矩阵B(2)的(i,j)=(4,3),t=-b43/b33=-1/2.3294,sinq=-0.3974, cosq=0.9177,得;重复上面的过程，计算11次得;前面我们介绍了在反幂法中应用原点位移的策略，这种思想方法也可用于QR算法。 一般我们针对上Hessenberg矩阵讨论QR算法，并且假设每次QR迭代中产生的 都是不可约的，否则，可以将问题分解为较小型的问题。这样，带原点位移的QR算法可以描述为：;习题7