- 1、本文档共10页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
矩阵特征值问题及解法
按模最大特征值和特征向量的乘幂法 设A是n阶矩阵,其n个特征值按模从大到小排序为 任意取定初始向量x0 因为 在实际计算时,须按规范法计算,每步先对向量xk进行“规范化”。迭代格式改为 对任意给定的初始向量x0 类似地 当?10时 按模最大特征值λ1及其相应的特征向量v1的乘幂法的计算公式: 3 QR方法 QR方法在特征值计算问题的发展上具有里程碑意义。 在1955年的时候人们还觉得特征值的计算是十分困扰的问题,到1965年它的计算——基于QR方法的程序已经完全成熟。 直到今天QR方法仍然是特征值计算的有效方法之一。 记A=A1且有A1=Q 1R1.将等号右边两个矩阵因子的次序交换,得A2=R1Q1,且 ,(3) 即A2~A1. 不难证明: 即Ak+1~Ak~…~A1,矩阵序列{Ak}有相同的特征值. 记 相似约化为上Hessenberg矩阵 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,由迭代式产生的矩阵Ak基本收敛于上三角矩阵R.这里,基本收敛的含义指{Ak}的元素中除对角线以下的元素趋于零外,可以不收敛于R的元素. QR算法的迭代过程 一个QR迭代步的计算 ①对l=1,2,…,n-1,构造n-1个平面旋转矩阵Pl,l+1,使A1的次对角元全部零化,实现A1的QR分解的计算, 这里, ②用Pl,l+1右乘(24),所得结果也放回矩阵A相应的元素中. QR算法的迭代控制 当迭代步数k充分大时,由迭代格式产生的Ak的次对角元趋于0.在 实 际计算中,控制迭代次数常用的一种办法是,预先给定一个小的正数ε,在一个迭代步的计 算结束后,对l=n-1, n-2,…,1,依次判别次对角元的绝对值是否满足 或更严格的准则是 或不太严格的准则是 如果上面三个不等式中有一个成立, 把 看做实际上为零. 带原点位移的QR算法 由QR算法收敛性可以看出,QR算法的收敛速度 依赖于矩阵相邻特征值的比 值.为了加快算法的收敛速度,在迭代过程中,对矩阵Ak确定一个原点位移量sk,称Ak-skI为带原点位移量的矩阵,再对Ak-skI应用QR算法.这时,迭代格式改为 称为带原点位移的QR算法 计算特征值问题的QR方法,实际上总是分成2个阶段: 从而A的特征值可取为 ?1?2.125825, ?2?8.388761, ?3?4.485401 为了减少有哪些信誉好的足球投注网站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(p,q)的非零元素apq作Jacobi变换,使其零化,逐次重复扫描下去,直至?(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? . Jacobi方法具有方法简单紧凑,精度高,收敛较快等优点, 是计算对称矩阵全部特征值和相应特征向量的有效方法,但计算量较大,一般适用于阶数不高的矩阵. 附录: 约化矩阵的Householder方法 矩阵的约化 目的:利用相似变换,将矩阵约化为“尽可能简单” 的形式的过程,称为矩阵的约化. 特征值 特征向量 Householder 矩阵 称 为Householder矩阵. 性质:1) (Hermite矩阵) 2)正交性: 正交矩阵 作用于 上,仍有: 即不改变向量的长度. 定理 设 ,则总存在Householder 矩阵H 使: 证明:若 ,则只需取 即可. 若 ,并确定w使 据此应有: 即:w应与向量 平行. 因为 ,所以 又因为 ,所以可取 这时 即为所求的Householder矩阵. 可以设计 ,使得 变为所需要的形状.
您可能关注的文档
- 真空中及麦克斯韦方程组.ppt
- 真空中恒定电流及磁场.ppt
- 第九节 3dmax摄像机镜头及运用.doc
- 第二代身份证号码提取出生年月日及公式.doc
- 第二十四讲 框架技术与页面属性及设置.doc
- 第二十章能源和能量守恒定律生.doc
- 第二单元 关爱自然 关爱人类---第二节我国及环境压力1.doc
- 眼镜中及美学基础.ppt
- 第二单元 古代希腊罗马及政治制度.doc
- 矢量及点积及叉积.ppt
- 2025年可再生能源并网技术可行性研究及政策建议报告.docx
- 天然气水合物开采技术地质勘探技术创新与突破进展报告.docx
- 2025至2030中国抽气筒行业项目调研及市场前景预测评估报告.docx
- 2025年城市公共自行车智能租赁站建设标准制定报告.docx
- 食品冷链物流温控技术与智能物联网集成报告2025.docx
- 智能POS系统采购与使用协议.doc
- 2025年中国玩具类PVC数据监测报告.docx
- 2025年工业互联网平台计算机视觉缺陷检测技术在智慧城市建设中的应用研究.docx
- 2025年城市公共自行车智能升级改造项目实施过程中的技术创新与市场应用.docx
- 2025年城市公共自行车智能改造项目对城市居民出行便利性的提升.docx
文档评论(0)