[理学]第8章_矩阵特征值问题计算.pptVIP

8.3.2 吉文斯变换 下面考虑当A的特征值是实数时，怎样选择p使采用幂法计算λ1得到加速. 且使收敛速度的比值 设A的特征值都是实数，且满足 则对实数p，使矩阵A-pI的主特征值为?1-p或?n-p时，当我们计算?1及x1时，首先应选取p使 显然，当?2-p=-(?n-p )时，即 P=(?2+?n)/2＝P* 时ω为最小值，这时收敛速度的比值为 当希望计算?n时，应选取 p=(?1+?n-1)/2＝P* 使得应用幂法计算?n得到加速. 当A的特征值都是实数，满足 且?2, ?n能初步估计出来，我们就能确定P*的近似值. 原点位移的加速方法，是一个矩阵变换方法. 这种变换容易计算，又不破坏矩阵A的稀疏性，但p的选择依赖对A的特征值分布的大致了解. 设A∈Rn×n为对称矩阵，称 为向量x的瑞利商，其中(x, x)=xTx为内积. 由定理11知道，实对称矩阵A的特征值?1及?n可用瑞利商的极限值表示. 下面我们将瑞利商应用到用幂法计算实对称矩阵A的主特征值的加速上来. 2、瑞利商(Rayleigh)加速 定理9 设A∈Rn×n为对称矩阵，特征值满足 对应的特征向量xi满足(xi, xj)=δij (单位正交向量) ，应用幂法公式(2.9)计算A的主特征值?1，则规范化向量uk的瑞利商给出?1的较好的近似值为 由此可见，R(uk)比μk更快的收敛于?1. 8.2.3 反幂法 反幂法是用于求矩阵A的按模最小的特征值和对应特征向量的方法. 　　设矩阵A非奇异,其特征值?i (i=1,2,?,n) ,满足 其相应的特征向量x1,x2,?,xn线性无关，则 A-1 的特征值为1/ ?i ，对应的特征向量仍为xi (i=1,2,?,n). 此时, A-1的特征值满足 因此, 对A-1应用幂法, 可求出其主特征值 1/?n ? μ k 和特征向量 xn ? uk . 从而求得A的按模最小特征值 ?n ? 1/μk 和对应的特征向量 xn ? uk ， 这种求A-1的方法就称为反幂法. 为了避免求A-1, 可通过解线性方程组Avk=uk-1得到vk，采用LU分解法，即先对A进行LU分解A=LU, 此时反幂法的迭代公式为 反幂法的迭代公式为 定理10 设A∈Rn×n为非奇异矩阵，且有n个线性无关的特征向量，其对应的特征值满足 |?1|≥|?2|≥?≥|?n-2||?n|0， 则对任意非零初始向量u0(an?0) ，由反幂法计算公式构造的向量序列{vk}，{uk}满足 ⑴ ⑵ 反幂法的收敛速度取决于比值 为 . 在反幂法中也可以用原点平移法加速迭代过程，或求其它特征值与其对应的特征向量. 如果矩阵(A-pI)-1存在，显然其特征值为 对应的特征向量仍然是x1,x2,?,xn，现对矩阵(A-pI)-1应用幂法，得到反幂法的迭代公式 如果p是A的特征值?j的一个近似值，且设?j与其它特征值是分离的，即 就是说1/(?j-p)是矩阵 (A-pI)-1的主特征值，可用反幂法(2.12)计算特征值及特征向量. 设A∈Rn×n有 n个线性无关的特征向量 x1,x2,?, xn，则 其中 同理可得： 定理11 设A∈Rn×n有n个线性无关的特征向量， 矩阵A的特征值及对应的特征向量分别记为?i 及xi (i=1,2,?,n)，而p为?j的近似值，(A-pI)-1存在，且 ⑴ ⑵ 则对任意非零初始向量u0(aj?0) ，由反幂法计算公式(2.12)构造的向量序列{vk}，{uk}满足 且收敛速度为 由该定理知，对A-pI(其中p≈?j)应用反幂法，可用来计算特征向量xj，只要选择p是?j的一个较好的近似且特征值分离情况较好，一般r很小，常常只要迭代一二次就可完成特征向量的计算. 　　反幂法迭代公式中的vk是通过解方程组 求得的, 为了节省工作量, 可以先将A-pI进行三角分解 于是求vk相对于解两个三角形方程组 　　实验表明, 按下述方法选择u0是较好的: 选u0使 用回代求解(2.13)即得v1,然后再按公式(2.12)进行迭代. 　　反幂法计算公式见书p253.　 8.3 正交变换与矩阵分解 定义2 设向量