矩阵特征值与特征向量的计算yjs-精品教育文档.ppt

31 所以 再取 i =2 ,j =3 ,a ij (1) = a 23 (1) =2.020190, 类似地可得 以下依次有 ? ? ? ? ? ? ? ? ? ? ? ? 6 020190 . 2 961 . 0 020190 . 2 561552 . 6 0 961 . 0 0 438448 . 2 1 0 1 1 R A R A T ? ? ? ? ? ? ? ? ? ? ? 241166 . 4 0 724794 . 0 0 320386 . 8 631026 . 0 724794 . 0 631026 . 0 438448 . 2 2 A ? ? ? ? ? ? ? ? ? ? ? 496424 . 4 209614 . 0 0 209614 . 0 320386 . 8 595192 . 0 0 595192 . 0 183185 . 2 3 A ? ? ? ? ? ? ? ? ? ? ? ? ? 496424 . 4 208653 . 0 020048 . 0 208653 . 0 377576 . 8 0 020048 . 0 0 125995 . 2 4 A 例题 32 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 485239 . 4 0 020019 . 0 0 388761 . 8 001073 . 0 020019 . 0 001073 . 0 125995 . 2 5 A ? ? ? ? ? ? ? ? ? ? ? ? ? 485401 . 4 000009 . 0 001072 . 0 000009 . 0 388761 . 8 0 0 001072 . 0 125825 . 2 6 A ? ? ? ? ? ? ? ? ? ? ? 485401 . 4 000009 . 0 0 000009 . 0 388761 . 8 0 0 0 125825 . 2 7 A 从而 A 的特征值可取为 ? 1 ? 2.125825, ? 2 ? 8.388761, ? 3 ? 4.485401 特征向量为 R 1 T R 2 T …R k T 例题 33 为了减少搜索非对角线绝对值最大元素时间 , 对经典的 Jacobi 方法可作进一步改进 . 1. 循环 Jacobi 方法 : 按 (1,2),(1,3),…,(1, n ),(2,3), (2,4),…,(2, n ),…, ( n -1, n ) 的顺序 , 对每个 ( i , j ) 的非零元素 a ij 作 Jacobi 变换 , 使其零化 , 逐次重复扫描下去 , 直至 S( A ) ? 为止 . 2. 过关 Jacobi 方法 : 取单调下降收敛于零的正数序列 ?? k ? , 先以 ? 1 为关卡值 , 依照 1 中顺序 , 将绝对值超过 ? 1 的非对角元素零化 , 待所有 非对角元素绝对值均不超过 ? 1 时 , 再换下一个关卡值 ? 2 , 直到关卡 值小于给定的精度 ? . 8.2.2 Jacobi 方法 具体算法和程序见 p183 ， p184 。 34 用 Jacobi 方法求得的结果精度一般都比较高，特别是求 得的特征向量正交性很好。所以 Jacobi 方法是求实对称矩阵 全部特征值和特征向量的一个较好的方法。 它的弱点是计算量大，对原矩阵是稀疏矩阵，旋转变换后 不能保持其稀疏的性质。 一般适用于阶数不高的矩阵 . 8.2.2 Jacobi 方法 35 8.3 QR 方法 1 1 1 1 1 1 1 2 1 1 1 2 , , A A Q R Q A R A R Q Q A Q A A ? ? ? ? ? ? ? 由 即 。 于 是 即 与 相 似 。 k 1 1 ( 1 , 2 , ) . k k k k k A Q R k A R Q A A A ? ? ? ? ? ? ? ? 将 化 成 相 似 的 上 三 角 阵 （ 或 分 块 上 三 角 阵 ） ， 从 而 求 出 矩 阵 的 全 部 特 征 值 与 特 征 向 量 。 60 年代出现的 QR 算法是目前计算中小型矩阵的全部特征 值与特征向量的 最有效方法 。（实矩阵、非奇异。） 理论依据 ：任一非奇异实矩阵都可分解成一个正交矩阵 Q 和一个上三角矩阵 R