计算物理第3讲矩阵运算.pptVIP

一、矩阵求逆运算 二、矩阵特征值运算 二、矩阵特征值运算 Xu Zhongfeng, Xi’an Jiaotong University, 2008 Computational Physics 第3讲 School of Science, Xi’an Jiaotong University Xu Zhongfeng 矩阵运算 许多实际问题的求解，涉及到矩阵运算，常见的矩阵运算有：矩阵的基本运算(如四则运算，幂运算，指数、对数、开方运算，转置、求逆运算等)，矩阵的特殊运算(如特征值运算，范数运算，条件数运算，奇异值运算，秩运算，迹运算，正交运算，伪逆运算等)和矩阵的分解运算(如特征值分解，Choleskey分解，QR分解，QZ分解，LU分解，Schur分解，奇异值分解等)等。 矩阵求逆运算和特征值运算 若矩阵 A非奇异, 则其逆矩阵存在，记为A-1 ，且 用 Gauss-Jordan消去法，计算公式可归纳为 可令 X=A-1 ，则有 因此，求矩阵 A的逆矩阵A-1 ，实际上是解上述矩阵方程。即求解n个n阶线性方程组 其中x(i) , e(i)分别为A-1和I 矩阵的第i 列。 (1) 计算 ，存放于 (2) 计算 ，存放于 (3) 计算 ，存放于 (4) 计算 ，存放于 求下列矩阵的逆矩阵，要求输出每一次完整运算后的矩阵。 Example： a1 = 1 2 1 -2 -2 1 1 -1 1 a2 = -1.0000 1.0000 2.0000 1.0000 -0.5000 -0.5000 2.0000 -0.5000 0.5000 a3 = -9 3 -4 3 -1 1 4 -1 2 数值求矩阵特征值通常有两类方法： (1) 从原始矩阵出发，求出其特征多项式，再求特征多项式的根，即得矩阵的特征值。 缺点：高次多项式求根难，重根计算精度低，对舍入误差非常敏感 (2) 迭代法：将特征值、特征向量作为一个无限序列的极限来求得。 特点：舍入误差影响较小，工作量较大 1. 乘幂法 先任取一个初始向量 ，构造序列 且 当k 增大时，序列的收敛情况与绝对值较大的特征值有密切联系。通过分析序列的极限，可求出按模最大的特征值和相应的特征向量。 设矩阵A的n个特征值按模由大而小排列： 相应的特征向量 由线性代数知，这些特征向量构成了n维空间的一组基，任一向量 均可表示成其线性组合 基本思想 (1) 由于要计算 ，当 或 时，其 随着k 的增加，会产生上溢或下溢。因此实际计算中，每迭代一步，均要将向量归一化。 因此： 若 有 即用 的按模最大的分量 来除 的各个分量。 (2) 算法 若 (3) 幂法只适合于按模最大特征值是单实根的情形。 若 则： 当k 最够大时，幂法仍收敛。 对应于l1 的特征向量依赖于初始向量，这显然是不可取的。因此，如何消除初始向量的选取对特征向量带来的影响，十分重要。 特别地，当 可作为l1和l2的近似特征向量 (4) 收敛速度与 及 有关。 可加快 接近于1时的收敛速度 特别是，当 时，收敛速度比较慢。 (5) 原点移位法——一种加速技术 引入一个常数l0 A-l0I 与A 的特征值mi 和li 满足mi = li- l0，而相应的特征向量相同。 (6) 反幂法 利用幂法的基本思想求矩阵A 按模最小特征值和特征向量。 设非奇异矩阵A的特征值为li ，则其逆矩阵为A-1的特征值为1/li, 且其对应的特征向量相同。 算法 因此求A 按模最小特征值和特征向量就相当于求A-1 按模最大特征值和特征向量。 也可采用原点移位法 例： 保留四位有效数字 解： 或： 0.1859 0.4460 1.0000 43.88 8.156 19.57 43.88 5 0.1859 0.4460 1.0000 43.88 8.157 19.57 43.88 4 0.1860 0.4463 1.0000 43.92 8.168 19.6 43.92 3 0.1875 0.4483 1.0000 44.57 8.357 19.98 44.57 2 0.2143 0.4820 1.0000 56 12 27 56 1 1 1 1 0 k 1 0.75 0.75 2