第二十一讲广义特征值与极小极大原理.pdf

第二十一讲 广义特征值与极小极大原理 1 一、广义特征值问题 1、定义：设A 、B 为n 阶方阵，若存在数λ，使得方程Ax =λBx 存在 非零解，则称λ为A 相对于B 的广义特征值，x 为A 相对于B 的属于 广义特征值λ的特征向量。 ●是标准特征值问题的推广，当B ＝I （单位矩阵）时，广义特征值 问题退化为标准特征值问题。 ●特征向量是非零的 ●广义特征值的求解 (A −λB)x 0 或者 (λB −A)x 0 2 → 特征方程 det (A −λB) 0 求得λ后代回原方程Ax =λBx 可求出x 本课程进一步考虑A 、B 厄米且为正定矩阵的情况。 2 、等价表述 （1）B 正定，B−1 存在 →B−1Ax =λx ，广义特征值问题化为了标准 特征值问题，但一般来说，B−1A 一般不再是厄米矩阵。 （2 ）B 厄米，存在Cholesky 分解，B GGH ，G 满秩 Ax =λGGHx 令GH x y −1 则 G−1A GH y =λy 也成为标准特征值问题。 ( ) 3 −1 G−1A GH 为厄米矩阵，广义特征值是实数，可以按大小顺序排 ( ) 列λ ≤λ ≤≤λ ，一定存在一组正交归一的特征向量，即存在 1 2 n y , y , y 满足 1 2 n −1 G−1A GH y =λy ( ) i i H 1 i j yi y j =δij  0 i ≠j −1 还原为x GH y (i=1,2, ,n)，则 i ( ) i 4 H H H H 1 i j y y x G G x x Bx δ ( )( )  （带权正交） i j i j i j ij 0 i ≠j 二、瑞利商 xH Ax R x x =≠0 A 、B 为n 阶厄米矩阵，且B 正定，称 ( ) H ( )为A