第八章矩阵特征值.ppt

第八章. 矩阵特征值问题计算 §2. 幂法和反幂法.一、幂法 两种特殊情况 幂法小结 二、幂法的加速 三、反幂法 反幂法的一个应用 §3. Jacobi方法 一、矩阵的旋转变换（Givens变换） 二、 Jacobi方法 §4.QR方法一、基本QR方法 二、豪斯豪尔德(Householder)变换 三、化一般矩阵为拟上三角阵 (P313) 四、拟上三角矩阵的QR分解 五、带原点移位的QR方法 (p322) 60年代出现的QR算法是目前计算中小型矩阵的全部特征值与特征向量的最有效方法。 理论依据：任一非奇异实矩阵都可分解成一个正交矩阵Q和 一个上三角矩阵R的乘积，而且当R的对角元符号取定时，分解是唯一的。 与A相似 k=1,2,… 可证，在一定条件下，基本QR方法产生的矩阵序列｛A(k)｝ “基本”收敛于一个上三角阵（或分块上三角阵）。即主对角线（或主对角线子块）及其以下元素均收敛，主对角线（或主对角线子块）以上元素可以不收敛。特别的，如果A是实对称阵，则｛A(k)｝ “基本”收敛于对角矩阵。 因为上三角阵的主对角元（或分块上三角阵中，主对角线子块的特征值）即为该矩阵的特征值，故当k充分大时， A(k)的主对角元（或主对角线子块的特征值）就可以作为A的特征值的近似。 基本的QR方法的主要运算是对矩阵QR分解，分解的方法 有多种。介绍一种Schmit正交化方法为例。 基本QR方法每次迭代都需作一次QR分解与矩阵乘法，计算量大，而且收敛速度慢。因此实际使用的QR方法是先用一系列相似变换将A化成拟上三角矩阵（称为上Hessenberg矩阵），然后对此矩阵用基本QR方法。因为拟上三角矩阵具有较多零元素，故可减少运算量。化A为相似的拟上三角阵的方法有多种。 * 但高次多项式求根精度低 , 一般不作为求解方法. 目前的方法是针对矩阵不同的特点给出不同的有效方法. 有关矩阵理论见(P293) §1 引言 工程实践中有多种振动问题，如桥梁或建筑物的振动，机械机件、飞机机翼的振动，及一些稳定性分析和相关分析可转化为求矩阵特征值与特征向量的问题。 求矩阵的按模最大的特征值与相应的特征向量。它是通过迭代产生向量序列，由此计算特征值和特征向量。 因为幂法的收敛速度是线性的，而且依赖于比值 ，当比值接近于1时，幂法收敛很慢。幂法加速有多种，介绍 两种。 （三）、瑞利商加速 定义：设A为n阶实对称矩阵，对于任一非零向量x，称 为对应向量x的瑞利（Rayleigh)商。（P298） 定理14：设 为对称矩阵，特征值得满足 对应的特征向量满足 ，应用幂法计算A的主 特征值 ， 则规范化向量 的瑞利商给出 的较 好近似 （P307） 反幂法是计算矩阵按模最小的特征值及特征向量的方 法，也是修正特征值、求相应特征向量的最有效的方法。 也称Givens变换。 * * * * *