第9章矩阵特征值的数值解法.doc

PAGE PAGE 30 第9章 矩阵特征值的数值解法 9.1 引言 矩阵特征值问题有广泛的应用背景. 例如动力系统和结构系统中的振动问题、电力系统的静态稳定分析上、工程设计中的某些临界值的确定等，都归结为矩阵特征值问题. 数学中诸如方阵的对角化及解微分方程组等问题，都要用到特征值的理论. 本章介绍n阶实矩阵的特征值与特征向量的数值解法. 定义9.1.1 已知n阶实矩阵，如果存在常数和非零向量x，使 或 (9.1.1) 那么称为A的特征值(eigenvalue)，为的相应于的特征向量(eigenvector). 多项式 (9.1.2) 称为特征多项式(characteristic polynomial)， (9.1.3 称为特征方程(characteristic equation). 注 式(9.1.3)是以为未知量的一元n次代数方程，是的n次多项式. 显然，的特征值就是特征方程(9.1.3)的根. 特征方程(9.1.3)在复数范围内恒有解，其个数为方程的次数(重根按重数计算)，因此n阶矩阵在复数范围内有n个特征值. 除特殊情况 (如或为上(下)三角矩阵)外，一般不通过直接求解特征方程(9.1.3)来求的特征值, 原因是这样的算法往往不稳定. 在计算上常用的方法是幂法与反幂法和相似变换方法. 本章只介绍求矩阵特征值与特征向量的这两种基本方法. 为此将一些特征值和特征向量的性质列在此处. 定理9.1.2 设阶方阵的特征值为，那么 (1) ; (2) . 定理9.1.3 如果是方阵的特征值，那么 (1) 是的特征值，其中是正整数; (2) 当是非奇异阵时，是的特征值. (3) 是的特征值，其中是多项式 . 定义9.1.4 设都是阶方阵. 若有阶非奇异阵，使得，则称矩阵与相似(similar)，称为对进行相似变换(similarity transformation)，称为相似变换矩阵(similarity transformation matrix). 定理9.1.5 若矩阵与相似，则与的特征值相同. 定理9.1.6 如果是阶正交矩阵，那么 (1) ，且或; (2) 若，则, 即. 定理9.1.7 设是任意阶实对称矩阵，则 (1) 的特征值都是实数； (2) 有个线性无关的特征向量. 定理9.1.8 设是任意阶实对称矩阵，则必存在阶正交矩阵，使得 ， 其中是以的个特征值为对角元素的对角矩阵. 定理9.1.9 (圆盘定理) 矩阵的任意一个特征值至少位于复平面上的几个圆盘 ， 中的一个圆盘上。 9.2 幂法与反幂法 9.2.1 幂法 幂法是计算矩阵按模最大特征值(largest eigenvalue in magnitude)及相应特征向量的迭代法. 该方法稍加修改，也可用来确定其他特征值. 幂法的一个很有用的特性是：它不仅可以求特征值，而且可以求相应的特征向量. 实际上，幂法经常用来求通过其他方法确定的特征值的特征向量. 下面探讨幂法的具体过程. 设矩阵的n个特征值满足 , (9.2.1) 且有相应的n个线性无关的特征向量，则构成n维向量空间的一组基, 因此. 在中选取某个满足的非零向量 . 用矩阵同时左乘上式两边，得 . 再用矩阵左乘上式两边，得 . 这样继续下去，一般地有 (9.2.2) 记，则由式(9.2.2)得 (9.2.3 由假设(9.2.1)，结合式(9.2.3 (9.2.4 于是对充分大的k有 (9.2.5 式(9.2.4)表明随着k的增大，序列越来越接近A的对应于特征值的特征向量的倍, 由此可确定对应于的特征向量. 当k充分大时，可得的近似值. 上述收敛速度取决于比值. 事实上，由式(9.2.3) . (9.2.6 再由式(9.2.1) . (9.2.7 结合式(9.2.6)和式(9.2.7)知，序列收敛速度取决于比值. 下面计算. 由式(9.2.3) 当k充分大时, . 结合式(9.2.5) . 这表明两个相邻向量大体上只差一个常数倍，这个倍数就是A的按模最大特征值. 记, 则有 ， (9.2.8 即两个相邻的迭代向量所有对应分量的比值收敛到. 定义9.2.1 上述由已知非零向量及矩阵的乘幂构造向量序列来计算的按模最大特征值及相应特征向量的方法