第三章矩陣特徵值與特徵向量的計算
學習小結
一、 本章學習體會
通過本章的學習,我們學到了四種矩陣特徵值和特徵向量的計算方法,分別是冪法、反冪法、jacobi方法和qr方法。
四種方法各有其特點和適用範圍。冪法主要用於計算矩陣按模最大的特徵值及其相應的特徵向量;反冪法主要用於計算矩陣按模最小的特徵值及其相應的特徵向量;jacobi方法用於求實對稱矩陣的全部特徵值和特徵向量的方法;qr方法則適用於計算一般實矩陣的全部特徵值,尤其適用於計算中小型實矩陣的全部特徵值。歸結起來,這四種方法亦有其共同點,那就是都是用了迭代的方法來求矩陣的特徵值和特徵向量。
此外,用matlab自帶的解法求解特徵值和特徵向量也非常快速,而且不用編輯函式建立m檔案。其自帶函式eig功能強大,即便得到結果是虛數也可以算出,並且結果自動正交化。
二、 本章知識梳理
本章對於矩陣的特徵值和特徵向量的演算法提出了新的思路,如冪法和反冪法、jacobi、qr方法等。本章的小結主要從方法的思想,以及一些定理展開。
2.1各種方法的運用範圍
1、冪法:主要用於計算矩陣按模最大的特徵值和其相應的特徵向量;
2、反冪法:主要計算矩陣按模最小的特徵值以及其相應的特徵向量;
3、jacobi方法:用於求實對稱矩陣的全部特徵值和特徵向量的方法;
4、qr方法:適用於計算一般實矩陣的全部特徵值,尤其適用於計算中小型實矩陣的全部特徵值。
2.2各種方法的基本思想以及迭代公式
1.冪法
冪法的基本思想:
設n×n實矩陣a具有n個線性無關的特徵向量,其相應的特徵值滿足不等式
,其中。
任取一n維非零向量u0,從u0出發,按照如下的遞推公式
因n維向量組線性無關,故對向量u0必存在唯一的不全為0的陣列a1,a2,…,an,使得
設a1≠0,由上式可以看出,當k充分大時有
得迭代公式: (1)
從實際中來看,為了避免迭代向量uk的模過大,(當)或過小(當),通常對ukj進行歸一化,使其範數等於1。
冪法的迭代公式:
(1)用範數來歸一,並且令
任取非零向量
(k=1,2,..)
(2) 用範數來歸一,並且令:
任取非零向量
(k=1,2,…)
上述兩種迭代終止控制用,以當前的和分別作為和相應的特徵向量。
兩種方法的比較:
(1)迭代格式編制程式容易,但迭代一次時間較長,(2)迭代格式每迭代一次都要判斷上乙個哪乙個分量的模最大,因而時間長,但在運算的攝入誤差中影響比(1)迭代格式影響小。
2.反冪法
反冪法的基本思想:
反冪法的基本思想與冪法基本相同,乙個是利用模最大的特徵值,乙個是利用模最小的特徵值。
設n×n實矩陣a具有n個線性無關的特徵向量,其相應的特徵值滿足不等式
,其中。
得: 此時,是矩陣的按模最大的特徵值,我們就將問題轉化為了冪法的思想。
反冪法的迭代公式
任取非零向量
(k=1,2,..)
2.3jacobi方法
1.jacobi方法的基本思想:
任一實對稱矩陣正交相似於對角陣。jacobi用適當選取的平面旋轉變換將給定的實對稱矩陣逐步化為對角陣。
2.求實對稱矩陣a的特徵值與相應的特徵向量是乙個迭代過程,其迭代步驟為:
(1) 在a的非對角線元素中,找出按模最大的元素;
(2)由計算,比由此計算出以及相應的平面旋轉矩陣;
(3)計算出矩陣a1的元素;
(4)若,則停止運算,所求特徵值為,則令a=a1,重複執行上述過程。
3.jacobi方法的一些說明
設是實對稱矩陣,由jacobi方法的第k次迭代得到的矩陣記為,又記為則有成立。
優點:前面論述的jacobi方法,每次迭代都是按模最大的對角線元素作為消元物件,不論實對稱矩陣a的特徵值如何分布,這種方法總是收斂的,當a得階數不是很高時。收斂速度還比較快,而且這種方法有數值穩定性,計算精度一般比較高,特別是求的的特徵向量正交性比較好。
缺點:不能有效的利用矩陣的各種特殊形狀,浪費時間。
2.4qr方法:
1.qr 方法的基本思想:
任何n×n的實矩陣總可以分解成乙個正交矩陣q和乙個上三角矩陣r的乘積。qr方法最重要的一步是對a進行正交分解使得a=qr,其中q為一特殊正交矩陣。理論上,qr方法可以應用於任何矩陣,但對以下幾類矩陣效率很高:
1)對稱三對角矩陣;2)hessenberg矩陣;3)對稱帶狀矩陣。
(實schur分解定理):
設a是乙個n階實方陣,那麼存在乙個正交矩陣q使得a相似於
其中對角塊為一階或二階方陣,每乙個一階對角塊對應於a的乙個實特徵值,每乙個二階對角塊的兩個特徵值是a的一對共軛復特徵值。
2.qr方法的一般形式:
對任意實方陣a,由qr方法產生的矩陣序列本質上收斂於分塊上三角矩陣(對角塊以上的元素可能不收斂),其中對角塊為一階或二階方陣,每乙個一階對角塊對應於a的乙個實特徵值,每乙個二階對角塊的兩個特徵值是a的一對共軛復特徵值。
3.householder變換(矩陣)
設υ為n維單位向量,即υt υ=1 ; h=1-2υυt
(1) householder矩陣是正交矩陣;
(2) 對任意的,記,有;
(3) 記s為與w垂直的平面,則幾何上x與y=hx關於平面s對稱。事實上,由得知:
設有非零向量s和單位向量e,則必存在householder矩陣h使得hs=±αe,其中α是實數且
設a是乙個n階實方陣,那麼a可分解為乙個正交矩陣q和乙個上三角矩陣r的乘積,a=qr。
三、 本章思考題
冪法計算矩陣特徵值和特徵向量的基本思想是設n×n實矩陣a具有n個線性無關的特徵向量,其相應的特徵值為,任取一n維非零向量u0,從u0出發,按照遞推公式。因n維向量組線性無關,故對向量u0必存在唯一的不全為0的陣列a1,a2,…,an,使得
設a1≠0,由上式可以看出,當k充分大時有,得迭代公式: 。 從實際中來看,為了避免迭代向量uk的模過大,(當)或過小(當),通常對ukj進行歸一化,使其範數等於1。
一般來說,我們都使用或者範數來歸一,如果我們用範數來歸一會出現什麼效果呢?
思路: 以一定的方式,構造乙個初值和乙個迭代公式,將初值帶入迭代公式,持續一定次數後,兩次迭代的結果的誤差達到一定值時,迭代終止。得出相應的特徵值和特徵向量。
四、 本章測驗題
jacobi方法是用於求()的全部特徵值和特徵向量的一種方法。
a.正交矩陣b.實對稱矩陣
c.上三角矩陣d.下三角矩陣
答案:b.實對稱矩陣
數值分析顏慶津第5章學習小結
第五章插值與逼近 學習小結 姓名班級學號 一 本章學習體會 本章主要介紹插值與逼近,是指用某個簡單的函式在滿足一定的條件下,在某個範圍內近似代替某個複雜或者解析表示式未知的函式,以便簡化對後者的各種計算或者揭示後者某些性質。函式插值是對函式的離散資料建立簡單的數學模型。對本章的學習我對插值法有了進一...
數值分析 顏慶津 第4章學習小結
第4章非線性方程與非線性方程組的迭代解法 學習小結 本章我們主要學習了非線性方程的幾種解法,主要有對分法 簡單迭代法 steffensen迭代法 newton法 割線法等。這幾種方法都有其思想,並且它們的思想彼此之間有一定的聯絡。本章的思路大致可以理解為 1.如何選取迭代公式 2.如何判斷迭代公式的...
數值分析 顏慶津 第7章學習小結
第7章常微分方程初值問題的數值解法 學習小結 一 本章學習體會 本章的主要內容是要掌握如何用數值解代替其精確解,這對於一些特殊的微分方程,特別是一些不好解其通解方程是非常有用的。對於本章我總結如下幾點 1 本章計算量相對較小,重要是其思想。在做題過程中,要理解各種方法的原理及推導過程。2 本章對泰勒...