数值分析矩阵的特征值.ppt

矩阵的特征值与特征向量的计算4-*第四章结束第101页,共101页，星期六，2024年，5月*古典Jacobi法一种改进古典Jacobi法在计算每个旋转矩阵V(k)前都需要对个非对角元素进行比较，从中找出绝对值最大的元素。为减少运算量常用的一种改进方法是取定正{?k},?k?0(k??)，以?k为限，逐行检查非对角元，若就跳过，否则以Vij(?)消去元aij和aji，反复进行上述过程，直到所有非对角元的绝对值均小于?k，再以?k+1为限，进行第k+1轮循环消元。当?k充分小时，所得到的矩阵的对角元即为A的全部特征值。第69页,共101页，星期六，2024年，5月§3QR方法3.1基本QR方法六十年代出现的QR算法是目前计算一般中小型矩阵的全部特征值与特征向量的最有效的方法。这里仅讨论实矩阵，并假定矩阵非奇异。因为否则，矩阵A??I（?不是A的特征值）必定是非奇异的，而由A??I的特征值与特征向量容易得到A的特征值与特征向量。因为任一非奇异实矩阵A都可以分解成一个正交矩阵Q和一个上三角矩阵R的乘积，而且当R的对角元符号取定时，分解是唯一的。基本QR方法的基本思想是利用矩阵的QR分解，通过迭代格式：第70页,共101页，星期六，2024年，5月QR方法（续1）可将A=A(1)化成相似的上三角阵（或分块上三角阵），从而求出矩阵A的全部特征值与特征量。 即A(2)与A相似。同理可得，A(k)~A(k=2,3,…)。故它们有相同的特征值。可以证明，在一定条件下，基本QR方法产生的矩阵序列{A(k)}“基本”收敛于一个上三角矩阵（或分块上三角阵），即主对角线（或主对角线子块）及其以下元素均收敛，主对角线（或主对角线子块）以上元素可以不收敛。特别地，如果A是实对称阵，则{A(k)}“基本”收敛于对角矩阵。第71页,共101页，星期六，2024年，5月QR方法（续2）因为上三角阵的主对角元（或分块上三角阵中，主对角子块的特征值）即为该矩阵的特征值，故当K充分大时，A(k)的主对角元（或主对角子块的特征值）就可以作为A的特征值的近似。基本QR方法的主要运算是对矩阵作QR分解，分解的方法有多种，下面以Schmit正交化方法为例说明。 设A为n阶非奇异实矩阵，记为 第72页,共101页，星期六，2024年，5月QR方法（续3）一般地，取： （4-23） 于是：这就是用Schmit正交化方法对矩阵进行QR分解的过程。第73页,共101页，星期六，2024年，5月例7用Schmit正交化方法将矩阵进行QR分解。[解] 第74页,共101页，星期六，2024年，5月例7（续1）所以 第75页,共101页，星期六，2024年，5月例7（续2）基本QR方法每次迭代都需作一次QR分解与矩阵乘法，计算量大，而且收敛速度慢。因此实际使用的QR方法是先用一系列相似变换将A化成拟上三角矩阵（称为上Hessenberg矩阵），然后对此矩阵用基本QR方法。因为拟上三角矩阵中具有较多的零元素，这样做可减少运算量。化A为相似的拟上三角阵的方法有多种，本节介绍其中的一种：Householder变换第76页,共101页，星期六，2024年，5月3.2豪斯豪尔德（Householder）变换为Householder矩阵或反射矩阵。容易证明，Householder矩阵具有以下性质：（1）H是实对称的正交矩阵，即；（2）；（3）H仅有两个不等的特征值±1，其中1是n－1重特征值，－1是单重特征值，为其相应的特征向量。第77页,共101页，星期六，2024年，5月定理9-2从图4-1可以看出，