数值分析幂法和反幂法.docxVIP

幂法和反幂法求矩阵特征值 目 具 随机 生一 称矩 ， 不同的原点位移和初 (至少取 3 个)分 使用 体 法求 算矩 的主特征 及主特征向量，用反 法求 算矩 的按模最小特征内 及特征向量，并比 不同的原点位移和初 明收 。 容 1. 真 ，了解 的数学原形； 要2. 合适 求解的数 算方法； 求3. 程序并 行 算； 4. 果 行解 明； 于 法和反 法求解矩 特征 和特征向量的 将从 分析，算法 和流程 ，理 依据，程序及 果 行 述 。 一．问题的分析： 求 n 方 A 的特征 和特征向量，是 算中常常碰到的 ，如： 机械、 构或 磁振 中的固有 等。 于 n 矩 A，若存在数 和 采 n 向量 x 足 Ax= x （1） 用 称 矩 A 的特征 ， x 相 的特征向量。 方 由高等代数知 可知，特征 是代数方程 法 | I-A|= n +a1 n 1 +?+a n 1 +a n =0 （2） 及 的根。从表面上看，矩 特征 与特征向量的求解 似乎很 ，只需 求解方程（ 2）的根，就能得到特征 ，再解 次方程 果 （ I-A ） x=0 （3） 的解，就可得到相 的特征向量。 明 上述方法 于 n 很小 是可以的。但当 n 稍大 ， 算工作量将以惊 人的速度增大， 并且由于 算 有 差， 方程（2）未必是精确的特征方程， 自然就不必 求解方程（ 2）与（ 3）的困 了。 法是一种 算矩 主特 征 （矩 按模最大的特征 ）及 特征向量的迭代方法，特 是用于 大型稀疏矩 。反 法是 算海森伯格 或三角 的 一个 定近似特 征 的特征向量的有效方法之一。 二．算法设计及流程图 1、 法算法 （1）取初始向量 u ( 0 ) （例如取 u( 0) =(1,1, ?1) T ）, 置精度要求 ，置 k=1. （2） 算 v ( k ) =Au( k 1) ,m k =max(v( k ) ), u (k ) = v ( k) / m k （3）若 | m k = mk 1 | ， 停止 算（ mk 作 最大特征 1 ，u ( k) 作 相 的特征向量）否 置 k=k+1， （ 2） 2、反 法算法 （1）取初始向量 u ( 0 ) （例如取 u( 0) =(1,1, ?1) T ）, 置精度要求 ，置 k=1. （2） A 作 LU分解，即 A=LU （3）解 性方程 Ly (k ) =u( k 1) ,Uv ( k ) =y (k ) （4） 算 m k =max(v(k ) ), u ( k ) = v ( k ) / m k （5）若 |m k =mk 1 | ， 停止 算（ 1/m k 作 最小特征 n ，u ( k) 作 相 的特征向量） ; 否 置 k=k+1， （ 3）. 法流程 ： 开始 输入 A；[m,u,index] =pow(A,1e-6) k=0;m1= v=A*u [vmax,i]=max(abs(v)) m=v(i);u=v/m abs(m-m1) 1e-6 index=1;break; 输出： m，u，index 结束  m1=m;k=k+1 反幂法流程图 开始 输入 A；[m ,u,index] =pow_inv(A,1e-6) k=0;m1=0 v=invA*u m1=m;k=k+1 [vmax,i]=max(abs(v)) m=v(i);u=v/m abs(m-m1) 1e-6 index=1;break; 输出： m，u，index 输入 A； 结束 三、算法的理论依据及其推导 （一）幂法算法的理论依据及推导 幂法是用来确定矩阵的主特征值的一种迭代方法，也即，绝对值最大的特 征 。稍微修改 方法，也可以用来确定其他特征 。 法的一个很有用的特 性是它不 可以生成特征 ，而且可以生成相 的特征向量。 上， 法 常用来求通 其他方法确定的特征 的特征向量。 1、 法的迭代格式与收 性 n 矩 A 的特征 1， 2,?, n 是按 大小 号的， x i (i=1,2, ?,n)i 的特征向量，且 1 根，即 | 1|| 2 | ≥?≥ | n | 算最大特征 与特征向量的迭代格式 v (k ) =Au( k 1) ,m k =max(v( k) ), u (k ) = v ( k ) / m k （ 1） 其中 max(v( k) ) 表示向量 v ( k) 的最大分量。 2、 于 法的定理 按式（ 1） 算出 mk 和 u (k ) 足 lim mk = 1 , lim u ( k) = x1 k k max(