CH8 矩阵特征值问题计算.pptVIP

Rpq(?)具有下列性质: 一般地, 在n维向量空间Rn中, 沿着xpyq平面旋转?角的变换矩阵为 称Rpq(?)为平面旋转矩阵. 设实对称矩阵A=(aij)n?n ,记B=RpqT(?)ARpq(?)=(bij)n?n则它们元素之间有如下关系: （1）Rpq(?)为正交矩阵,即Rpq-1(?)=RpqT(?); （2）如果A为对称矩阵, 则RpqT(?)ARpq(?)也为对称矩阵, 且与A有相同的特征值. （3）RpqT(?)A仅改变A的第p行与第q行元素,ARpq(?)仅改变A的第p列与第q列元素. 所以有 从而 有(8.5)、(8.6)式可得 如果apq?0, 适当选取角?, 使 只需角?满足 从而 如果取|apq|= 若记 于是 则上式可记为 由式(8.7),令t=tan?,则t满足方程 t2+2?t-1=0 经典Jacobi算法是对A(0)=A施行一系列平面旋转变换: 为保证|?|??/4,取绝对值较小的根,有 于是 §2.2 Jacobi 方法 A(1)=R1TA(0)R1 ,A(2)=R2TA(1)R2 ,…, A(k)=RkTA(k-1)Rk ,… 每一步变换选择A(k-1)=(aij(k-1))n?n 的非对角线元素中绝对值最大者apq(k-1)(称为主元素)作为歼灭对象, 构造平面旋 ?是给定的精度要求,则A的特征值可取为?i?aii(k),i=1,2,…,n. 转矩阵Rk=Rpq(?), 经变换得到A(k)=(aij(k))n?n ,且apq(k)=0,这时由(8.8)式有 从而 由此递推得到 当k充分大时,或者?(A(k))?,或者 另外,由于 A(k)=RkTA(k-1)Rk=RkTRk-1T…R1TAR1R2…Rk=RTAR 的全部特征值. 解 记 A(0)=A,取p=1,q=2,apq(0)=a12(0)=2,于是有 因此,R=R1R2…Rk 的列向量xj (j=1,2,…,n)为A的近似特征向量. 例7 用Jacobi 方法计算对称矩阵 从而有 所以 再取p=2,q=3,apq(1)=a23(1)=2.020190,类似地可得 以下依次有 从而A的特征值可取为 ?1?2.125825, ?2?8.388761, ?3?4.485401 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. 1.循环Jacobi方法:按(1,2),(1,3),…,(1,n),(2,3), (2,4),…,(2,n),…,(n-1,n)的顺序, 对每个(p,q)的非零元素apq作Jacobi变换,使其零化,逐次重复扫描下去,直至?(A)?为止. 2.过关Jacobi方法: 取单调下降收敛于零的正数序列??k?,先以?1为关卡值,依照1中顺序,将绝对值超过?1的非对角元素零化,待所有非对角元素绝对值均不超过?1时,再换下一个关卡值?2 ,直到关卡值小于给定的精度? . Jacobi方法具有方法简单紧凑,精度高,收敛较快等优点, 是计算对称矩阵全部特征值和相应特征向量的有效方法,但计算量较大,一般适用于阶数不高的矩阵. Ch8 矩阵特征值问题计算 引言 计算矩阵的主特征根及对应的特征向量 Wait a second, what does that dominant eigenvalue mean? That is the eigenvalue with the largest magnitude. Why in the earth do I want to know that? Don’t you have to compute the spectral radius from time to time? ? 原始幂法 条件：A 有特征根 |?1| |?2| ? … ? |?n| ? 0，对应n个线性无关的特征向量 思路：从任意 出发 … … … | ?i / ?1 | 1 当k 充分大时，有 这是A关于?1的近似 特征向量 §1 乘幂法和反幂法 §1.1 乘幂法 乘幂法是用来求矩阵A按模最大的特征值和相应的特征向量的方法. 设A是单构矩阵, 即A有n个线性无关的特征向量. A的n个特征值为 |?1? ? ??2? ?