数值分析第9章矩阵特征值与特征向量计算.pdfVIP

第九章第九章 第九章第九章 矩阵特征值和特征向量的计算 • §9.0 问题描述 • §9.1 乘幂法与反幂法 • §9.2 雅可比方法 • §9.3 Givens-Householder变换 • §9.4 QR算法 2009-09-26 1 §9.0 问题描述 设A为n ×n矩阵，所谓A 的特征问题是求数λ和非零向 量x ，使 Ax ＝λx 成立。数λ 叫做A 的一个特征值，非零向量x 叫做与特 征值λ对应的特征向量。这个问题等价于求使方程组 (A- λI)x=0有非零解的数λ和相应的非零向量x 。 线性代数理论中是通过求解特征多项式det (A- λI)x=0 的 零点而得到λ ，然后通过求解退化的方程组(A- λI)x=0而 得到非零向量x 。当矩阵阶数很高时，这种方法极为困 难。目前用数值方法计算矩阵的特征值以及特征向量比 较有效的方法是迭代法和变换法。 2009-09-26 2 §9.1 乘幂法与反幂法 一、一、乘幂法乘幂法 一一、、乘幂法乘幂法 通过求矩阵特征向量求出特征值的一种迭法方法， 它用以求按模最大的特征值和相应的特征向量。 设实矩阵A 的特征值为λ ，λ ，…, λ ，相应的特征向 1 2 n 量x , x , L, x 线性无关。设A 的特征值按模排序为： 1 2 n λ ≥ λ ≥ L≥ λ 1 2 n ( 0 ) n 则对任一非零向量V ∈ R，可以得到： n (0) V = c x + c x + L+ c x = ∑c x 1 1 2 2 n n j j j =1 令V (k ) = AV (k −1) , k =1,2 ,...，可以构造一个向量序列， n (1) (0) V = AV = λ c x + λ c x + L+ λ c x = ∑λ c x 1 1 1 2 2 2 n n n j j j j =1 2009-09-26 3 乘幂法 （续） n (2) (1) 2 2 2 2 V = AV = λ c x + λ c x + L+ λ c x =