对于矩阵特征值界如何估计备课讲稿.ppt

《对于矩阵特征值界如何估计备课讲稿.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、对于矩阵特征值界如何估计以下是一些准备知识工程实践中有多种振动问题，如桥梁或建筑物的振动，机械机件、飞机机翼的振动，及一些稳定性分析和相关分析可转化为求矩阵特征值与特征向量的问题。8.1引言第八章.矩阵特征值和特征向量计算但高次多项式求根精度低,一般不作为求解方法.目前的方法是针对矩阵不同的特点给出不同的有效方法.机器求解定理1注重要结论亏损矩阵一个亏损矩阵是一个没有足够特征向量的矩阵，亏损矩阵在理论与计算上存在巨大的困难。则对于矩阵特征值界如何估计？称为或者A的特征值都在复平面上n个圆盘的并集之中.(2)如果A的m个圆盘组成一个连通的并集S

2、，且S与余下的则S内包含A的m个特征值个圆盘是分离的，n-m特别：若A的一个圆盘与其它圆盘是分离的即孤立的中精确地包含A的一个特征值.,则即结论得证.由上述定理结论可知A的三个特征值位于三个圆盘的并集中，所以D1内恰包含A的一个实特征值由于D1是孤立的所以，问题：如何进一步估计上面两个特征值分别在什么范围？解决途径：若能够改变圆盘的半径，则有可能将圆盘进行分离，从而可进一步分析特征值的范围.事实上，利用相似矩阵的性质，可使A的某些圆盘半径及连通性发生变化.具体实施?对上边同一例题幂法是一种计算矩阵的按模最大的特征值与相应的特征向量的迭代方法。

3、适合于大型稀疏矩阵反幂法是计算Henssenberg阵或对角阵的对应一个给定近似特征值的特征向量的有效方法.§2.幂法和反幂法.一、幂法且有完全的特征向量组即构造一个向量序列幂法的基本思想：任意取一个非零的初始向量由矩阵A称为迭代向量。由此计算特征值和特征向量。必有主特征值即相邻两个迭代向量分量的比值收敛到主特征值.注意同上讨论有两种特殊情况幂法小结二、幂法的加速因为幂法的收敛速度是线性的，而且依赖于比值，当比值接近于1时，幂法收敛很慢幂法加速有多种，以下介绍两种。反幂法是计算矩阵按模最小的特征值及特征向量的方法，也是修正特征值、求相应特征

4、向量的最有效的方法。三、反幂法反幂法的一个应用§2Jacobi方法一、矩阵的旋转变换二、Jacobi方法一、基本QR方法§3.QR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。定理（QR方法的收敛性）可证，在一定条件下，基本QR方法产生的矩阵序列｛A(k)｝“基本”收敛于一个上三角阵（或分块上三角阵）。即主对角线（或主对角线子块）及其以下元素均收敛，主对角线（或主对角线子块）

5、以上元素可以不收敛。特别的，如果A是实对称阵，则｛A(k)｝“基本”收敛于对角矩阵。因为上三角阵的主对角元（或分块上三角阵中，主对角线子块的特征值）即为该矩阵的特征值，故当k充分大时，A(k)的主对角元（或主对角线子块的特征值）就可以作为A的特征值的近似。基本的QR方法的主要运算是对矩阵QR分解，分解的方法有多种。介绍一种Schmit正交化方法。基本QR方法每次迭代都需作一次QR分解与矩阵乘法，计算量大，而且收敛速度慢。因此实际使用的QR方法是先用一系列矩阵相似变换将A约化成拟上三角矩阵(称为上Hessenberg矩阵)，然后对此矩阵用基本Q

6、R方法。因为拟上三角矩阵具有较多零元素，故可减少运算量。化A为相似的拟上三角阵的方法有多种。为了求矩阵特征值先进行初等变换把矩阵变成较简单形式8.3、豪斯豪尔德(Householder)方法1、豪斯豪尔德(Householder)变换2、化一般矩阵为拟上三角阵3、拟上三角矩阵的QR分解五、带原点移位的QR方法此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢