工程计算10矩阵特征值与特征向量.pptVIP

6 求矩阵特征值与特征向量 6.1 幂 法与反幂法 6.2 Jacobi方法 6.3 QR方法 6.1 幂法与反幂法 在实际问题中，矩阵的按模最大特征根起着重要的作用。例如矩阵的谱半径即矩阵的按模最大特征根的值，它决定了迭代矩阵是否收敛。 矩阵的最小特征值在工程中有重要意义。 6.1 幂法与反幂法 例1 设矩阵 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.1 幂法与反幂法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.2 Jacobi方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 6.3 QR方法 , , ， , , 反复进行这种运算，就得到一个矩阵序列{Ak}， 由于 Rk= QTkAk 因而Ak+1与Ak(k=1，2，…)相似。所有Ak都与A 相似，它们都有共同的特征值。 在一定的条件下，序列{Ak}收敛于上三角（或分块上三角）矩阵，其主对角线元素(或子块)有确定的极限。如果收敛于上三角矩阵，则这个上三角矩阵的主对角线元素就是矩阵A的特征值；如果收敛于分块上三角矩阵，则主对角线上各个子块的特征值就是矩阵A的特征值 故有 Ak+1= QTkAk Qk， k = 1，2，… , , ， , , 定理 8.2 设A 为n?n实矩阵，它的特征值λj(j=1，2，…，n)满足|λ1||λ2| … |λn| 0，则由基本QR方法产生的矩阵序列{Ak}收敛于一个上三角矩阵(其主对角线以上的元素可以不收敛)。若A是对称矩阵，则序列{Ak}收敛于一个对角矩阵. 定理 8.3 对于任何n?n 实矩阵A，由基本QR方法产生的矩阵序列{Ak}收敛于分块上三角矩阵（其主对角线子块以上的元素可以不收敛），并且每个主对角线子块有等模的特征值. , , ， , , 要实现一步QR 方法的迭代，就需要做一次QR 分解，再做一次矩阵相乘，当A是一般矩阵时，计算量是很大的。 为了减少计算量，在实际计算时，总是先将原矩阵A经过相似变换，化为上Hessenberg矩阵 A1 =(a(1)ij)n?n， 其中，当i j+1 时，a(1)ij =0。然后对A1使用 QR 方法。容易看出，从上Hessenberg矩阵A1出发，经过迭代所得的Ak(k=2，3，…)全都是上Hessenberg矩阵。事实上，设Ak是上Hessenberg矩阵，则由于Rk?1是上Hessenberg矩阵，故 , , ， , , 要实现一步QR 方法的迭代，就需要做一次QR 分解，再做一次矩阵相乘，当A是一般矩阵时，计算量是很大的。 为了减少计算量，在实际计算时，总是先将原矩阵A经过相似变换，化为上Hessenberg矩阵 A1 =(a(1)ij)n?n， 其中，当i j+1 时，a(1)ij =0。然后对A1使用 QR 方法。容易看出，从上Hessenberg矩阵A1出发，经过迭代所得的Ak(k=2，3，…)全都是上Hessenberg矩阵。事实上，设Ak是上Hessenberg矩阵，则由于Rk?1是上Hessenberg矩阵，故 Qk= Ak Rk?1 是上Hessenberg矩阵，因而 Ak+1= RkQk 也是上Hessenberg矩阵。 , , ， , , 6.3.3 带原点平移的QR 已经证明，基本QR方法的收敛速度一般是线性收敛的.为了加速收敛，引进带原点平移的QR 方法. 设A是n?n非奇异实矩阵，令A1= A，并取一适当的数u1，对矩阵(A1? u1I)作QR分解 A1? u1I = Q1R1 然后令