第06讲 矩阵特征值与特征向量的计算.ppt

矩阵特征值与特征向量 矩阵的特征值问题 最大特征值的幂法原理 幂法 幂法的算法设计 幂法的程序设计1 幂法的程序设计2 重特征值问题 前若干个特征值相同； 前两个特征值绝对值相同、符号相反。 幂法的局限 幂法只能求得绝对值最大的特征值和对应的特征向量。 用不同的初始向量迭代得到的结果是相同的。 即使在迭代向量中不包含“最大”特征向量的分量，由于舍入误差，最终得到的也是绝对值最大的特征值和对应的特征向量。 幂法的加速与反幂法 原点移位法 Aitken加速 反幂法 原点移位法 Aitken加速——原理 Aitken加速——公式 Aitken加速——算法 Aitken加速——程序1 Aitken加速——程序2 关于Matlab的打印输出函数 fprintf(%d %f %f %f %f %f\n, k,x(1),x(2),x(3),alpha2,lambda); 实对称矩阵特征值的性质 实对称矩阵的Jacobi方法 2x2正交矩阵 2x2矩阵的对角化 2x2矩阵的对角化 3x3矩阵的对角化 相似变换算例 相似变换算例 通过相似变换发现了什么？ Jacobi方法 Jacobi方法程序实现 矩阵乘法VAV’的计算说明 QR方法 矩阵的QR分解 Household变换 利用Household变换化一般矩阵为拟上三角矩阵 Household变换算例 Givens旋转变换 Householder变换实施(对称矩阵 ) Householder变换实施(一般矩阵 ) 实对称三对角矩阵的特征多项式 Sturm序列 同号数 同号数与特征值个数的关系 直接对满阵A进行QR分解计算特征值，计算量较大。 用Schmit方法进行矩阵的QR分解稳定性较差。 clc clear all A=[5 -2 2*sqrt(2) -3*sqrt(2) 1 0 5/sqrt(2) -1/sqrt(2) 0 -sqrt(2) 1 0 0 sqrt(2) -4 -1] n = size(A,1); for k=1:n-1 x = A(k+1:end,k); y = zeros(n-k,1); y(1) = -sign(x(1))*norm(x); w = x - y; w = w/norm(w); H = eye(n-k)-2*w*w; H = [ eye(k) zeros(k,n-k) zeros(n-k,k) H]; A = H*A*H end * * clear all clc A=[2 -1 0; 0 2 -1; 0 -1 2]; n=3; epsilon = 1.0e-3; N = 20; x=[0; 0; 1]; k=1; mu=0; while kN [alpha,r] = max(abs(x)); y = x/alpha; x = A*y; lambda = x(r); if abs(lambda-mu)epsilon return; end k = k + 1; mu = lambda; end n = 3; A=[2 -1 0; 0 2 -1; 0 -1 2]; x=[0 0 1]; eps = 1.0e-6; N = 100; k=1; alpha0=0; alpha1=0; lambda0=1; while kN [xm,r] = max(abs(x)); alpha = x(r); y = x/alpha; x = A*y; alpha2 = x(r); lambda = alpha0 - (alpha1-alpha0)^2/(alpha2-2*alpha1+alpha0); if abs(lambda-lambda0) eps; return; end fprintf(%d %f %f %f %f %f\n, k,x(1),x(2),x(3),alpha2,lambda); alpha0=alpha1; alpha1=alpha2; lambda0=lambda; k=k+1; end clear all clc A=[2 -1 0;-1 2 -1; 0 -1 2]; % 将A(1,2)和A(2,1)化为零 phi = atan2(2*A(1,2),A(1,1)-A(2,2))/2; c = cos(phi); s = sin(phi); V1 = [c s 0; -s c 0; 0 0 1]; A1 = V