矩阵特征问题的求解课件.ppt

一、QR算法的基本思想 记A＝A１且有A１＝Q 1R1.将等号右边两个矩阵因子的次序交换，得A２＝R１Q１，且 ，(3) 即A２～A１. 不难证明: 即Ak+1～Ak～…～A１，矩阵序列｛Ak｝有相同的特征值. 记 容易得到 是Ak的一个QR分解 如果A是一个满秩的上Hessenberg矩阵，可以证明，经过一个QR迭代步得到的A2＝Q－１１A1Q１仍然是上Hessenberg矩阵. 因为上Hessenberg矩阵次对角线以下的元素全为0，因此，只要证明，当k→∞时，由迭 代格式(4)产生的矩阵Ak的次对角元趋向于零就可以了. 二、 QR算法的收敛性 定理 3设n阶矩阵A的n个特征值满足|λ１||λ２|…|λn|0，其相应的n个线性无关特征向量为x1，x2，…，xn. 记X＝(x1,x2,…,xn), Y= X－１.如果Y存在LU分解，那么，由(4) 式产生的矩阵Ak基本收敛于上三角矩阵R.这里，基本收敛的含义指｛Ak｝的元素中除对角线以下的元素趋于零外，可以不收敛于R的元素. 三、 QR算法的迭代过程 1. 一个QR迭代步的计算 ①对l=1，2，…，n-1，构造n-1个平面旋转矩阵Pl,l+1,使A1的次对角元全部零化，实现A1的QR分解的计算， 这