数值分析ppt第8章_矩阵特征值问题计算

( vk +1 )i vk = α1 x1 , lim = λ1 . k k →∞ λ k →∞ ( v ) k i 1
lim
可见，当 k 充分大时， vk 近似于主特征向量（相差一个常数倍） ， vk +1 与 vk 的对应非零分 量的比值近似于主特征值。 在实际计算中，需要对计算结果进行规范化。因为当 λ1 <1 时， vk 趋于零；当 λ1 >1 时 ， vk 的 非 零 分 量 趋 于 无 穷 ， 从 而 计 算 时 会 出 现 下 溢 或 上 溢 。 为 此 ， 对 向 量
λ1 ≥ λ2 ≥ L ≥ λn ,
∑x y
i =1 i
n
i
为向量 x 和 y 的内积。
定理 8.3 设 A 为 n 阶实对称矩阵，其特征值都为实数，排列为 对应的特征向量 x1 , x2 ,L , xn 组成正交向量组，则有 1) 对任何非零向量 x ∈ R n ，有 λn ≤ R( x) ≤ λ1 ， 2) λ1 = max R ( x) = R( x1 ) ，
Ζ = ( z1 , z2 ,L, zn )T ∈ R n ， 记 max( Ζ) = zi ，其中 zi = Ζ ∞ ，这样， 我们有 如 下 乘幂 法 的实 用
的计算公式： 任取 v0 = u0 ≠ 0 ，对于 k = 1, 2,L 分别计算 vk = Auk −1 , uk = vk / max(vk ). 求出对应矩阵的主特征向量和特征值的近似值，有下面的定理。 定理 8.4
m1 0 M = 0 0 0
称为质量矩阵，而
0 m2 0 0 0
0 0 m3 0 0
0 0 0 m4 0
0 0 0 0 m5 0 0 −k4 k 4 + k5 − k5 0 0 0 − k5 k5

由上可见经过7次迭代, m7的值已稳定到小数后5位，故所 求的按模最大特征值和对应的特征向量可取作：
1 44 . 9995 , x 1 (1, 0 . 333 , 0 . 6667 )
T
（2）反幂法
基本思路： 设A没有零特征值，则A非奇异，即A的逆阵存 在，设的特征值为 1 2 n 0 其对应的特征向量为 2 , 3 , , n 因为 A xk = k xk
8.2 按模最大与最小特征值的计算
(1)幂法
定理：设矩阵A的特征值为
1 2 n
并设A有完全的特征向量系 1 , 2 , , n (它们线性无关)， 则对任意一个非零向量V0Rn 所构造的向量序列 V AV
k k 1
有
lim
(V k ) j (V k 1 ) j
k j 1 k 1 j
若按上述计算过程，有一严重缺点，当|1|>1 （或| 1 |<1时） {Vk}中不为零的分量将随K的增大而无限增大，计算机就可 能出现上溢（或随K的增大而很快出现下溢），因此，在实 际计算时，须按规范法计算，每步先对向量Vk进行“规范 化”， 即取Vk中绝对值最大的一个分量记作 mk =max(Vk )，用mk遍除的所有向量Vk ，得到规范化向量。 为说明上述算法的正确性，我们试证明下述定理 定理二：在定理一的条件下,规范化向量序列{uk}收敛于 矩阵A按模最大的特征值1对应的特征向量,而向量序列 {Vk}的绝对值最大的分量mk收敛于1,即
k k k k
1 [ 1 1
k
i k i( ) i] 1 i2
n
同理可得 V k 1 1 [ 1 1 i (

矩阵特征值问题的数值方法矩阵特征值设A 是n 阶矩阵，x 是非零列向量. 如果有数λ 存在，满足那么，称x 是矩阵A 关于特征值λ的特征向量. 很显然一般地有主特征值的乘幂迭代法设n 阶矩阵A 的n 个特征值按模从大到小排序为：n 其对应的n 个线性无关的特征向量分别为：设是任意一个非零的n 维向量，则：假设，构造一个向量序列：则：或者：当时：如果是矩阵A 的关于特征值的一个特征向量，特征值个特征那么对于任意一个给定的，也是特征值的特征向量。

所以，是对主特征值对应的特征向量的近似。

如果则会变得很大或者如果，则会变得很大，或者如果，则会变得非常小，在实际计算中，为避免这种情况的出现需对做归一化处理况的出现，需对做归一化处理：由：左乘得：所以主特征值的近似值所以主特征值的近似值：残余误差向量定义为：当迭代次数充分大时，残余误差将充分小。

逆乘幂法：类似地，也可以求模最小特征值和对应的特征向量特征向量。

上述问题的主特征值问题就是矩阵A 的模最小特征值问题。

结果，逆乘幂法的迭代公式为：在实际应用中，无需计算逆矩阵，但需求解线性系统实对称矩阵的基本定理：对实对称矩阵A ，一定存在一个正交相似变换使得为对角矩阵且其对角矩阵P ，使得：为对角矩阵，且其对角的特征值元素为矩阵A 的特征值。

相似变换：相似变换保持矩阵特征值（但不是特征向量）不变不变。

(证明略)正交相似变换：中。

正交相似变换的例子—坐标旋转：叫旋转矩阵。

容易验证：。

适当选择旋转角，可消去xy 项—得到对角阵D 。

矩阵特征值问题的数值方法实对称矩阵的基本定理再看下面的例子：令：O 平面的坐标旋转变换适当同样地有：。

则是在x-O-z 平面的坐标旋转变换。

适当x z —D 。

选择旋转角可消去z 项得到对角阵实对称矩阵的Jacobi 方法：全部特征值和特征向量根据实对称矩阵的基本定理，求得矩阵A 的全部特征值的关键是找到正交相似变换矩阵P 使部特征值的关键，是找到正交相似变换矩阵P ，使得为对角阵。

的特征向量的近似值。
规范化乘幂法
令max(x)表示向量x分量中绝对值最大者。即如果有某i0，使
xi0
max
1 i n
xi
则
max (x) = xi
对任取初始向量x(0)，记
y(0) x(0) max( x(0) )
则
x(1) Ay(0)
一般地，若已知x(k)，称公式
y(k ) x(k ) max( x(k ) )
2
S sin sin 2
2C
（4）
aip aiq
aipC aiq S a pi aip s aiqC aqi
a pp a ppC 2 2a pqC S aqq S 2 aqq a pp S 2 2a pqC S aqqC 2 a pq (a pp aqq )C S a pq (C 2 S 2 ) aqp
它们之间有如下的关系：
ai(pk )
a(k ip
1)
cos
a(k iq
1)
sin
a(k) pi
ai(qk )
ai(pk1) sin
a(k iq
1)
cos
a(k qi
)
i p,q
aaq((pqkkp))源自a(k 1) ppa(k 1) pp
cos2 sin2
2a
(k 1) pq
sin
cos
2a
然后对j = 1, 2, …, n 解方程
x (k2) j
px j (k 1)
qx j(k )
0
求出p 、q 后，由公式
1
p 2
i
q
p
2
2
2
p 2
i