数值分析--第8章_矩阵特征值问题计算-(精品课件).pptVIP

则 其中 　　(2) 第k步约化：重复上述过程，设对A已完成第1步,?,第k-1步正交相似变换，即有 或 且 其中 为k阶上海森伯格阵， 　　设ck≠0, 于是可选择初等反射阵Rk使 　其中，Rk计算公式为 令 则 其中 为k+1阶上海森伯格阵，第k步约化只需计算 及 (当A为对称矩阵时，只需要计算 ). 　　(3) 重复上述过程，则有 定理17 (豪斯霍尔德约化矩阵为上海森伯格阵) 设A∈Rn×n则存在初等反射矩阵U1,U2,?,Un-2 使 为上海森伯格矩阵. 　　总结上述结论，有 算法1 (豪斯霍尔德约化矩阵为上海森伯格阵) 设A∈Rn×n，本算法计算U0TAU0=H(上海森伯格型)，其中U0=U1U2?Un-2为初等反射阵的乘积. 　　1. U0←I 　　2. 对于k=1,2,?,n-2 　　(1) 计算初等反射阵Rk使 　　本算法约需要5n3/3次乘法运算，要明显形成U0还需要附加2n3/3次乘法. 　　(2) 约化计算 　　(3) U0←U0Uk 　　例7 用豪斯霍尔德方法将矩阵 约化为上海森伯格阵. 　 解 选取初等反射阵R1使 , 其中c1=(2,4)T. 　　(1) 计算R1: 则有 　　(2) 约化计算: 则得到上海森伯格阵为 8.3.3 用正交相似变换 约化对称矩阵为对称三对角矩阵 定理18 (豪斯霍尔德约化对称矩阵为对称三对角矩阵) 设A∈Rn×n为对称矩阵，则存在初等反射矩阵U1,U2,?,Un-2使 为对称三对角矩阵. 证明 由定理17, 存在初等反射矩阵U1,U2,?,Un-2 使 为上海森伯格阵，且An-1亦是对称阵，因此，An-1为对称三对角阵. 由上面讨论可知，当A为对称阵时，由Ak←Ak+1 =Ak Uk Ak一步约化计算中只需计算Rk及Rk A22(k)Rk . 又由于A的对称性，故只需计算Rk A22(k)Rk的对角线以下元素. 注意到 引进记号 则有 　　对对称阵A用初等反射阵正交相似约化为对角三对角阵大约需要2n3/3次乘法. 　　用正交矩阵进行相似约化有一些特点，如构造的， Uk容易求逆，且Uk的元素数量级不大，这个算法是十分稳定的. 　　算法2见书p318. 8.4 QR 方 法 8.4.1 QR算法 　　Rutishauser(1958)利用矩阵的三角分解提出了计算矩阵特征值的LR算法，Francis(1961,1962)利用矩阵的QR分解建立了计算矩阵特征值的QR算法. 　　QR方法是一种变换方法，是计算一般矩阵(中小型矩阵)全部特征值问题的最有效方法之一. (1) 上海森伯格矩阵的全部特征值问题； (2) 计算对称三对角矩阵的全部特征值问题， 目前QR方法主要用来计算： 且QR方法具有收敛快，算法稳定等特点. 对于一般矩阵A∈Rn×n (或对称矩阵)，则首先用豪斯霍尔德方法将A化为上海森伯格阵B(或对称三对角阵)，然后再用QR方法计算B的全部特征值. 设A∈Rn×n，且A对进行QR分解，即 A=QR， 其中R为上三角阵, Q为正交阵, 于是可得到一新矩阵 B=RQ=QTAQ. 显然，B是由A经过正交相似变换得到，因此B与A的特征值相同. 再对B进行QR分解，又可得一新矩阵,重复这一过程可得到矩阵序列： 设A=A1 将A1进行QR分解A1=Q1R1 作矩阵A2=R1Q1=Q1TR1Q1 ? ? QR算法，就是利用矩阵的QR分解，按上述递推法则构造矩阵序列{Ak}的过程. 只要A为非奇异矩阵，则由QR算法就完全确定{Ak}. 定理19 (基本QR方法) 设A=A1∈Rn×n, 构造QR算法: 证明 (1),(2)显然，现证(3). 用归纳法，显然，当k=1时有 , 设Ak-1有分解式 于是 由第5章定理30或定理31知，将Ak进行QR分解,即将Ak用正交变换(左变换)化为上三角矩阵 这就