[理学]特征值问题.ppt

第5章 矩阵特征值问题计算 通过求特征多项式的根的缺点 多项式系数的很小改变可以任意大的改多项式的根。如通过计算机计算在录入系数时有舍入误差的出现，这就改变了系数的值，必然导致根的偏差。 幂迭代 在讨论幂迭代之前先举一个例子来简单说明一下 例 矩阵 该矩阵A的特征值为4和1，它们对应的特征向量分别为 和 现将矩阵A乘以任意的一个向量。以 为例 观察发现以上的初始向量随着迭 代次数的增加而接近于向量 这个是否是个巧合呢？下面通过把 表示为特征向量的线性组合来说明： 则计算过程如下： 该方法的优点与缺点 优点：与在绝对值上最大的特征值对应的特征向量在若干步之后将主导这个计算。本例中，特征值4最大，所以计算朝着方向为 的特征向量移动。 缺点：若迭代次数无限大，则得到的向量的分量将趋紧于无穷。那么怎么克服这个缺点呢？ 采用“归一化”的方式进行处理 所谓“归一化”就是将例子中的向量 除以其长度无穷范数 ，得到新的向量 ，从而使得 。按照这种方式对上例重新进行计算得到： 通过excle实验不难发现 幂法 根据前例中的方法知，先给定一个随机的非零向量 根据例子可知当 时；计算得到的向量的值容易溢出；同时当 时；计算得到的向量将趋向于零向量。从而得不到主特征向量。 针对这个问题按照例子的思路需要对其采用“归一化”处理 那么据此可以求出主特征值的近似值，那么主特征向量的近似值怎么得来呢？下面令 例子：用幂法计算下列矩阵的主特征值及对应的主特征向量 要求特征值具有4为有效数值时迭代终止 原点平移 通过幂法计算可以知道计算矩阵的最大特征值时，收敛速度取决于 。 逆幂法 由 可以得到 ，从而有A的逆矩阵 于是按照幂法的计算公式得到 下面举例说明逆幂法 实对称矩阵特征值数值算法—对分法 由于对分法只能计算实三对角对称矩阵的各个特征值。因此有必要介绍一个方法使得实对称矩阵转化为实三对角对称矩阵。下面介绍镜面反射矩阵（初等反射阵）及其性质 镜面反射矩阵的定义 设向量 且 ，称 镜面反射矩阵的基本性质 （1）对称性： （2）正交性： （3）对合性： （4）设A为对称矩阵，那么 也是对称矩阵 定理1 对于任意 ，有 定理2 设 ，则存在H ，使得 定理3 设 为n-r阶镜面反射矩阵，则 定理4 （约化定理） 设 ，则存在镜面反射矩阵H 使得 ，其中 例1、利用householder变换使得向量 与向量 共线 例2利用镜面反射矩阵使如下的对称矩阵约化为三对角对称矩阵 求实对称矩阵特征值的对分法 其中 ，用 表示 的i阶主子行列式，并规定 ，则 的特征多项式可由下式算出： 2、Sturm序列的性质 性质1、 仅有实根 1、实对称三对角矩阵的Sturm序列 物理、力学和工程技术的很多问题在数学上都归结为 求矩阵的特征值问题.例如，振动问题（大型桥梁或建筑 物的振动、机械的振动、电磁振荡等），物理学中某些临 界值的确定，这些问题都归结为下述数学问题 定义1. （1）已知 ，则称 为 的特征多项式. 解 矩阵 的特征方程为 求得 特征值为： 对应于各特征值的特征向量分别为： 例1 求 的特征值及特征向量，其中 那么这个事实是否是个巧合呢?基于此点和迭代向量朝主特征值方向运动这个两个特点，我们就一般的n阶矩阵来按照这个方法来进行讨论 设实矩阵