第6章 求解线代数方程组和计算矩阵特征值的迭代法.pptVIP

第6章 求解线性代数方程组和计算矩阵特征值的迭代法 《数值计算与MATLAB》 * 数值计算与MATLAB * 第6章 求解线性代数方程组和计算矩阵特征值的迭代法 §1 求解线性代数方程组的迭代法 §2 方阵特征值和特征向量的计算 §3 矩阵一些特征参数的MATLAB计算 * 6.1 求解线性代数方程组的迭代法 1、迭代法的基本原理 如果线性方程组Ax=b的系数矩阵A非奇异，则方程组有唯一解。把这种方程中的方阵A分解成两个矩阵之差： A=C-D 若方阵C是非奇异的，把A它代入方程Ax=b中，得出 (C-D)x=b，两边左乘C-1，并令 M=C-1D，g= C-1b，移项可将方程Ax=b变换成： x=Mx+g 据此便可构造出迭代公式： xk+1=Mxk+g， M=C-1D称为迭代矩阵。 * 2. 雅可比（Jacobi）迭代法 如果方程组Ax=b的系数矩阵A非奇异，aii≠0，若可以把A分解成： A=D-L-U=D+(-L)+(-U)， D=diag(a11,a22,…,ann)； -L是严格下三角阵； -U是严格上三角矩阵； x= D-1((L+U)x +b)=D-1(L+U)x+ D-1b xk+1=D-1((L+U)xk+b)= D-1(L+U)xk + D-1b M M=D-1(L+U)称为雅可比迭代矩阵 * M=D-1(L+U)= * 雅可比迭代公式的向量形式 x k=[( x k) 1,( x k) 2, …,(x k) n]T, k=0,1,2,……， D-1=diag( , ,… ,)， * 3. 赛德尔（Seidel）迭代法 M= (D-L)-1U称为赛德尔迭代矩阵 * 4. 迭代法的敛散性 方阵的谱半径 * 向量范数 非负性：||x||≥0 齐次性：||ax||=|a|||x||； 三角不等式：||x||+||y||≥||x+y||。 * 矩阵范数 如果满足范数三条件，同时满足矩阵乘法相容性（次乘性）：||A||·||B||≥||A·B|| * 迭代公式收敛性的判断和误差估计： 1）方阵谱半径和范数间的关系： λx=Mx ρ(M)≤||M|| 2）迭代公式的误差估计： * 6.2 方阵特征值和特征向量的计算 解多项式方程法 迭代法 1. 方阵特征方程的求解： 如果n阶方阵A、n维向量x和数λ满足关系：Ax=λx，就把数λ叫做方阵A的特征值，非零向量x是与λ对应的方阵A的特征向量。 * 2.计算特征值和特征向量的迭代法： 雅可比法： 对于n阶实对称方阵A，必然存在正交阵P，使得 P-1AP=PTAP=Λ Λ是对角阵。 雅可比法原理：用矩阵的正交相似变换，将实对称矩阵化为对角阵，因为它相当于坐标的旋转变换，所以也叫旋转法。 * QR算法： 由施密特（Schmidt）正交化方法可以推得，任意n阶方阵A总可以分解成一个正交矩阵Q（QTQ=E）和一个上三角阵R的乘积： A=QR 这种把矩阵分解成正交阵与上三角阵之积的过程，叫正交三角分解或QR分解。如果A是非奇异方阵，则这种分解是唯一的。 * 6.3 矩阵一些特征参数的MATLAB求算 求方阵行列式的指令det：det (A) 求方阵特征多项式的指令poly：P=poly (A) roots(P) poly2str(P,’y’) 求方阵特征值和特征向量指令eig： [x r]=eig (A)；eig (A) [x r]=eig (A, “nobalance”) 矩阵的正交三角分解指令qr：[q r]=qr(a)； [q r p]=qr(a) 计算范数指令norm： norm(A, ex) 矩阵谱半径的计算： max(abs(eig(M))) * 第6章 求解线性代数方程组和计算矩阵特征值的迭代法 《数值计算与MATLAB》 *