logo资料库

三对角阵特征解法.doc

第1页 / 共3页
第2页 / 共3页
第3页 / 共3页
资料共3页,全文预览结束
2.1 矩阵特征值与特征向量的定义
2.2 矩阵特征值与特征向量的性质
矩阵特征值与特征向量的性质包括:
(1)若重特征值
(2)若线性无关的向量
(3)若的互不相
(4)若矩阵
3.1 传统方法
3.2 列行互逆变换法
  2.2.1 列行互逆变换法的定义
  把矩阵的下列三种变换称为列行互逆变换:
  (1)互换两
  (2)第列乘以非零数
   (3)第列
3.3 列初等变换法
三对角矩阵的特征值的解法 摘要:由三对角线矩阵的一些特点可以推出解三角阵的方法。三对角矩阵的特征值在科学计 算中有不可替代的作用,工程实践中的很多问题在数学上都归结为求矩阵特征值的问题。例 如桥梁、建筑物、机械器件的振动和电磁振荡等问题。 关键词:三对角线矩阵 特征值 在数值计算中,会遇到一种特殊的方程组。它的系数矩阵是三对角线矩阵,即它的非零元 素集中在主对角线及其相邻的两条对角线上。根据其系数矩阵的特点,可以利用高斯消元法 将三对角线矩阵分解后,可求解相应的三对角线方程组。 2. 矩阵特征值与特征向量的概念及性质 2.1 矩阵特征值与特征向量的定义 设 A 是 n 阶方阵,如果存在数和 n 维非零向量 x ,使得 Ax  成立,则称 x 为 A 的特征值, x 为 A 的对应于特征值的特征向量。 2.2 矩阵特征值与特征向量的性质 矩阵特征值与特征向量的性质包括: (1)若 rA的是 i i 重特征值,则 A 其中 s  。 i r i 对应特征值 个线性无关的特征向量, 有 s i i (2)若线性无关的向量 2 1, xx 都是矩阵 A 的对应于特征值 0 的特征向量,则 当 2 1,kk 不全为零时, xk 11  仍是 A 的对应于特征值 0 的特征向量。 xk 22 (3)若 ,  1  , , 2 n是矩阵 A 的互不相同的特征值,其对应的特征向量分别是 , xx 1  ,则这组特征向量线性无关。 , 2 nx , (4)若矩阵  ija  A   nn   1 2  的特征值分别为 , n 1  ,则 , , 2    n  a 11  a 22    a nn , n  21 A 。 (5)实对称矩阵 A 的特征值都是实数,且对应不同特征值的特征向量正交。 (6)若 i是实对称矩阵 A 的 ir 重特征值,则对应特征值 i恰有 ir 个线性无 关的特征向量。
(7)设为矩阵 A 的特征值,  xP 为多项式函数,则  P 为矩阵多项式  AP 的特征值。  1 3. 普通矩阵特征值与特征向量的求法 3.1 传统方法 确定矩阵 A 的特征值和特征向量的传统方法可以分为以下几步: (1)求出矩阵 A 特征多项式   的全部特征根;   AE  f (2)把所求得的特征根  ,2,1  ii , n 逐个代入线性方程组  XAEi  0 , 对于每一个特征值,解方程组  XAEi  0 ,求出一组基础解系,这样,我们 也就求出了对应于每个特征值的全部线性无关的特征向量。  2 3.2 列行互逆变换法 2.2.1 列行互逆变换法的定义 把矩阵的下列三种变换称为列行互逆变换: (1)互换 j i、 两列 c  ,同时互换 i i c j、 两行 r  ; j i r j (2)第i 列乘以非零数  ikck ,同时第i 行乘 11   kk  ir    ; (3)第i 列 k 倍数加到第 j 列 c  ,同时第 j 行 k 倍加到第i 行 kc i i r  。 i i kr 3.3 列初等变换法 2.3.1 列初等变换的步骤 列初等变换法计算特征值与特征向量的步骤是:   C       ,其中  C 为含的下三      Q    AE        E  经过一系列初等变化变成 (1)将      角矩阵,  Q 为 E 经过初等变换得到的矩阵; (2)令  C 主对角线元素之积为零,求出根即为特征值  ,2,1  ii , n ;
(3)将求出的  ,2,1  ii , n 代入   C       中为      Q      C    i    ,在进行列初等变换,      Q    i 当化为列阶梯形,且当非零列向量个数为时,  Q 中后的 rn  个列向量即为 i对应的特征向量。 4. QR 算法 由代数可知,如果 A 为非奇异矩阵,则 A 可分解为一正交矩阵 Q 与上三角矩阵 R 的乘积,也就是对 A 进行 QR 分解: A  QR 于是得到一个新的矩阵: B  RQ T AQQ 5 流程图 6 程序 7 实践中的应用
分享到:
收藏