西安科技大学研究生数值分析课件7章矩阵特征值与特征向量计算.docVIP

7 矩阵特征值与特征向量的计算 设为n阶方阵，所谓的特征值问题是求数和非零向量，使成立。数称作的一个特征值，非零向量称作与特征值对应的特征向量。求给定方阵的特征值与特征向量是先求解特征方程 然后对应于每一个特征值，再求解退化的齐次线性方程组 从而得到的特征值及对应的特征向量。 但是这种方法计算机很大，计算过程复杂，因此有必要研究相对简单的数值解法。本章主要介绍三类计算特征值的方法：计算大型（稀疏）矩阵主特征的幂法与反幂法，计算中小型（实对称）矩阵全部特征值的Jacobi法，计算中小型矩阵全部特征值的QR法。 7.1 特征值估计 在矩阵特征值计算中，有时需要对特征值所在范围给出一个估计。这里介绍一种从矩阵的元素出发，运用较简便的运算估计特征值的方法。 定义1 设，称由不等式 在复平面上确定的区域为矩阵的第个盖尔圆（Gerschgorin圆），并用表示。其中称为盖尔圆的半径。 定理1 矩阵的一切特征值均落在它的个盖尔圆的并集中，即。 证明 设是的任一特征值，是对应的特征向量。令则。由，可得。即 于是有 这表明任一特征值，从而也在的第个盖尔圆的并集中。 估计矩阵的特征值范围。 解 的4个盖尔圆为： 画在复平面上其区域如图7-1所示。 图7-1 例7-1盖尔圆分布图 于是的全部特征值就在这4个盖尔圆的并集中。为了更确切地知道某个特征值落在哪个或哪几个盖尔圆的并集中，给出如下第二盖尔圆盘定理。 定理7-2 若的个盖尔圆中，有个盖尔圆构成的一个连通域（所谓连通域，是指其中的任意两点都可以用位于该区域内的一条折线连接起来），且该连通域与其余个盖尔圆严格分离，则在该连通域中恰好有的个特征值（重特征值按重数重复计算）。特别地，每个孤立的盖尔圆恰有的一个特征值（证明从略）。 由定理2可知，在例1中与中各有的一个特征值，而与构成的连通部分中有两个特征值，但不能确定这两个特征值具体落在哪个盖尔圆中。 例7-2 估计矩阵的特征值范围。 解 的两个盖尔圆为： ， 在复平面上的区域如图7-2所示。 图7-2 例7-2盖尔圆分布图 此时只能判断的两个特征值落在与的并集中，至于是每个盖尔圆中各有一个特征值还是两个特征值都落在其中一个盖尔圆上则无法确定。实际上，由于，，所以两个特征值都不会在盖尔圆中，而是落在盖尔圆中。 对于某些矩阵，可利用相似变换矩阵具有相同特征值的性质得到更确切的特征值范围。 设，取正数构成对角阵，对作相似变换，令，由于相似于，所以与的特征值完全相同，又由于与的主对角线元素对应相等，所以与的盖尔圆圆心相同。这表明，若适当选取正数，可以改变盖尔圆的半径，从而有可能将相交的盖尔圆分离得到仅含一个特征值的孤立盖尔圆。选取的一般方法是：欲使的第个盖尔圆的半径大而其余盖尔圆变小，就取，其余。 例7-3 求矩阵的特征值范围。 解 的3个盖尔圆为： ，， 其中与相交，而孤立。记中所含的一个特征值为，如图7-3所示。 为分离与，可以让的第3行元素绝对值变大，第3列元素绝对值变小。 现取，则 图7-3 例3盖尔圆分布图 图7-4 例7-3分离后盖尔圆分布图 其3个盖尔圆分别是：，， 显然，的盖尔圆是3个孤立的盖尔圆，如图7-4注意，此情况下，的半径变大了。例4 设矩阵按行严格对角占优，则可逆。 证明 由线性代数知，可逆的充分条件是，而（其中是的特征值），所以只要证明即可。 设是的任一特征值，则必存在某个盖尔圆使。 若，则有，而这与按行严格对角占优矛盾，故应有，由的任意性得。 7.2 幂法设是阶阵若存在个线性无关的特征向量，则称这个特征向量构成的一个完全的特征向量组例如，对矩阵 通过求解特征方程，不难求出的三个特征值为，的三个特征值为。方阵可以找到三个线性无关的特征向量，而方阵找不到三个线性无关的特征向量。我们称方阵可对角化，而不可对角化。 7.2.1 幂法 幂法的基本思是构造一个向量序列使之逼近主特征值（矩阵的按模最大的特征值）对应的特征向量，然后求出主特征值。该方法简单易行，但收敛速度较慢。 现设有一个完全的特征向量组，其对应的特征值是。已知的主特征值是单根，即特征值满足条件 任取一个非零初始向量，由矩阵构造向量序列 由于的完全特征向量组向量空间的一基，因此可由线性表示，即有 ） 于是 其中。注意到，故当时，，因此有 由于是主特征值对应的特征向量，其乘上常数因子仍为的特征向量，故当充分大时，迭代向量是的特征向量的近似向量。为了利用迭代向量求出主特征值的近似值，设表示的第个分量，则 于是 这表明两相邻迭代向量对应分量的比值收敛于主特征值，亦即当充分大时，可用两相邻迭代向量的分量比作为主特征值的近似值，即 若主特征值是的重实特征值，即，对应的个线性无关特征向量为。则有