第3章---矩阵特征值和特征向量.pptVIP

第3章 矩阵特征值和特征向量 简介 迭代法（乘幂法） 乘幂法的加速 反幂法 §1 简介 基本概念 n阶方阵A的特征值是特征方程 det(A-?E)=0 的根. A的特征向量是齐次线性方程组 (A-?E)x=0 的非零解. §1 乘幂法 很多应用，例如谱半径、范数等计算只需求出矩阵的按模最大的特征值与相应的特征向量。 计算流程 输入A，初始向量，误差限ε,最大迭代次数N 置k=1，μ=0； 求整数r，使得 计算y = x/α，x = Ay，xr ? ? 若 输出λ，x，停止。否则下一步。 若kN, 置 k+1?k, ? ??，转3.否则输出错误信息，停止。 §3 乘幂法加速 1.原点移位法 2. Aitken加速 §3 反幂法 在乘幂法中，以A-1代替A，即为反幂法，用于求A的最小特征值及对应的特征向量 。 * * 线性代数中矩阵的特征值与特征向量能反映矩阵的性态，在理论上重要。 而工程技术中的许多问题，如桥梁的振动，机械的振动，建筑物的振动及飞机机翼的颤动，这些问题的求解常归结为求矩阵的特征值问题，另外一些稳定性分析问题(例如地震信号反演)也会转化为求特征值与特征向量的问题。 即要求 将行列式展开，得关于?的n次多项式： n不大时，如n?4? 解特征方程，可求出全部特征值（n ? 3较难）当 n较大（n5），计算量极具增大，且一般不可能求得准确结果，还可能出现不稳定，所以当n稍大一般根据实际问题的需要，采用相应的的数值解法。 乘幂法是用来求矩阵A按模最大的特征值和相应的特征向量的方法. 问题： 设A是单构矩阵, 即A有n个线性无关的特征向量，其n个特征值为 |?1? ? ??2? ??? ??n? 对应的特征向量为 x1,x2,…xn 线性无关. 求?1 和 x1 . 乘幂法的基本思想是取初始向量v(0)?Rn,作迭代 v(k+1) =Av(k) =Ak+1v(0) , k=0,1,2,… 产生迭代序列?v(k)?. 由于x1,x2,…xn 线性无关, 从而有 v(0) =a1x1+a2x2+…+anxn 故有 v(k) = Akv(0) =a1?1kx1+a2?2kx2+…+an?nkxn (3.1) 1. 设|?1???2??????n? ，(3.1)式可写成 若a1?0, 则对充分大的k有 因而有 或取 而特征向量 x1 ? v(k). 乘幂法的收敛速度取决于|?2/?1|的大小. 求矩阵A的按模最大的特征值 解 取v(0)=(1,0)T ,计算v(k)=Av(k-1), 结果如下 例1 0.41263 0.41263 0.014190 0.017451 4 0.41267 0.41260 0.034389 0.042292 3 0.41665 0.41 0.083333 0.10250 2 0.2 0.25 1 0 1 0 v2(k)/v2(k-1) v1(k)/v1(k-1) v2(k) v1(k) k 可取 ??0.41263 , x1?(0.017451,0.014190)T . 说明2： 而k充分大时， 会随k的增大而无限增大或无限趋于0，这样上机计算时会产生溢出（上溢或下溢）的情况，为避免这种情形出现，实际计算时，每次迭代求得的向量x(k)要进行归一化（规范化）处理：取x(k)中绝对值最大的一个分量除x(k)，这样将x(k)的分量全部控制在[-1,1]中，而?1是由相邻二次分量的比值所决定，因此不会受到影响。 说明1：一般有?1?0，若恰好x(0)使?1为0，也不影响上述法，因为实际计算中，由于有舍入误差的影响，迭代n次后所得到的向量x(k)在u1方向上的分量不会为0，因此，可得x(2)为初始向量。可继续迭代下去。 对非零向量v,用max(v)表示v的按绝对值最大的分量,称向量u=v/max(v)为向量v的