矩阵特征问题的数值计算.pptVIP

解 A的第1列对角线以下的向量为 构造 使得 则 结论 （1）任何实方阵通过正交相似变换化为 上Hessenberg矩阵. （2）对称矩阵可通过正交相似变换化为对称三对角阵. 9.4.2 QR方法 一、矩阵的正交三角分解 数值分析——特殊矩阵 【定理2】 实A矩阵非奇异，则存在正交三角分解 其中，Ｑ是n阶正交矩阵，Ｒ是非奇异n阶上三角矩阵， 且当限定Ｒ的对角元素为正数时，这种分解是唯一的. 证明 （1）分解的存在性利用Householder变换，存在平面反 射平面反射阵 使 设 则有 （2）分解的唯一性. 由 所以 数值分析——特殊矩阵 矩阵序列 性质。 对一切k， 与A相似。 二、QR算法 A非奇异，QR分解算法： 【性质1】 【性质2】 【注】（1） 为正交矩阵， 为上三角矩阵。 （2）一般地，矩阵序列 线性收敛于块三角矩阵 （3） QR方法是一种矩阵变换方法 ，主要用于：1）上Hessenberg矩阵的全部特征值；2）对称三对角矩阵的全部特征值.QR方法具有收敛快、算法稳定等特点. 数值分析——特殊矩阵 一般矩阵 （对称矩阵A）先用Householder变换化A为 QR方法求特征值 上Hessenberg矩阵（或对称三对角矩阵），再用QR方法 。 例8 解 A的全部特征值为4， 1+2i,1-2i,-1. QR算法迭代第17次。 A= 4.0000 -0.3740 6.2221 0.8453 -0.0000 -0.2812 -3.1005 3.7581 0 1.8195 2.2811 -1.4493 0 0 -0.0000 -1.0000 中间二阶子块的特征值 a=[-0.2812 -3.1005;1.8195 2.2811] 数值分析——特殊矩阵 1.0000 + 2.0000i，1.0000 - 2.0000i 从而得到矩阵的全部特征值： 4，1.0000 + 2.0000i，1.0000 - 2.0000i，-1. 例9 首先化矩阵A为上Hessenberg矩阵 解 然后作QR分解 数值分析——特殊矩阵 该矩阵非对称，三个特征值都是实数， QR算法迭代收敛为上三角阵，三个对角元收敛于特征值 该矩阵对称，QR算法迭代收敛为对角阵， 三个对角元收敛于特征值. 三、QR方法的改善 基本QR算法缺陷：迭代计算量很大；若收敛则是线性. 1、划分和收缩 数值分析——特殊矩阵 划分QR算法迭代过程中，若一个或几个次对角线元素 为零，那么分块或上三角阵。收缩阶数小于等于2的对 角块的特征值是A的所求特征值，对阶数大于2的对角 块继续使用QR算法，例如，例8的第17次迭代的矩阵 。 2、带原点位移的QR方法 （2） 为上Hessenberg矩阵时， 也是上Hessenberg矩阵； （1） 相似于 QR序列 性质： （3）当位移量 时， 元素 以二阶速度收敛于零， 收缩矩阵 至多经过 n-1步收缩就可得到A的 全部近似特征值。 数值分析——特殊矩阵 选取 pk方法 取Ak 的二阶子块 例10 解 由于A1右下角2×2子阵无实特征值，取P1 ,得 数值分析——特殊矩阵 依据A2右下角子阵特征值，p2=0.0824 依据A3右下角子阵特征值,P3=0.9532 依据A4右下角子阵特征值,P4=0.9952 数值分析——特殊矩阵 由于 收缩得二阶子矩阵， 得到A的特征值λ4=1收缩A5，得 用不带位移的QR算法，得 一对共轭复特征值 数值分析——特殊矩阵 【注】矩阵A的全部特征值为 数值分析——特殊矩阵 第 9 章 矩阵特征问题的数值计算 理学院应用数学系 立体化教学资源系列——数值分析 9.1 引言 特征问题 λ称为A的特征值 , 非零向量 u为A的对应于λ的特征向量。 计算λ：解特征方程 求特征向量：解方程组 给定矩阵，估计其特征值 。 【定理1】（Gerschgorin圆盘定理） n个圆盘为 则（1）矩阵A的任一特征值至少位于其中一个圆盘内； （2）在m个相互连通的圆盘内，恰有A的m个特征值。 特别地，如果A有一个孤立圆盘 ，则精确地包含A的 一个特征值。 数值分析——特殊矩阵 例1 解 三个圆盘 所以 A的特征值 9.2 幂法 幂法