第8章矩阵特征值与特征向量的计算.pptVIP

研究生学位课程数值分析*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aij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?.第30页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*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.第31页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*8.3QR方法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的乘积，而且当R的对角元符号取定时，分解是唯一的。同理可得：Ak相似于A(k=2,3,…),故他们有相同特征根。第32页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*QR算法的收敛性定理.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，矩阵序列Ak基本收敛于上三角矩阵R.这里，基本收敛的含义指｛Ak｝的对角元均收敛，且严格下三角部分的元素均收敛于零，但严格上三角部分的元素没有收敛的要求。定理设n阶矩阵A非奇异实对称矩阵，则矩阵序列｛Ak｝收敛于对角阵。第33页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*QR方法收敛性第34页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*QR方法收敛性第35页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*QR方法运算量很大，为了减少运算量，常在使用QR方法之前把矩阵A简化为拟上三角矩阵。或称之为海森伯格矩阵(次对角元以下的元素全为零)。8.3.2化一般矩阵为拟上三角矩阵形状为可以用镜面反射矩阵将A化为Hessenberg形,下面介绍。第36页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*定义8.2为镜面反射矩阵，或Householder变换矩阵。Houholder矩阵H=H(v)有如下性质：(1)(2)(3)记S为以v为法向量的平面,则几何上x与y=Hx关于平面S对称。因为上式表明向量x-y与v平行，注意到y与x的长度相等，于是x经变换后的象y=Hx是x关于s对称的向量，如下图所示。第37页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*xvyx-y据前面定义和性质，有下面的定理。定理8.4得Hx=y。证第38页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*由此可得定理得证。第39页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*与平面旋转不同的是，镜面反射变换可成批的消去向量的非零元。程序见P187第40页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*与平面旋转变换不同的是，镜面反变换可成批的消去向量的非零元将任意矩阵A简化为海森伯格矩阵的步骤如下：第41页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*第42页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*第43页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*第44页，共64页，星期日，2025年，2月5日研究生学位课程数值分析*第45页，共64页，星期日，2025年，2月5日