【孟】求矩阵特征值与特征向量 乘幂和逆乘幂 注释版【孟】
第6章求矩阵特征值与特征向量
第16讲乘幂法和逆幂法
一、乘幂法的基本思想
乘幂法是求实方阵A按模最大特征值及相应的特征向量的一种迭代方法。它的基本思想是，先任取非零初始向量，然后作迭代序列再根据增大时，各分量的变化规律，求出方阵A 的按模最大的特征值及相应的特征向量。
先看一个实例
例1. 设矩阵
用特征方程容易求得的两个特征值为
下面我们用乘幂法来计算，任取初始向量，计算向量序列
具体计算列表如下：
考虑两个相邻向量相应分量之比：
由上面计算看出，两个相邻向量相应分量之比值，随着的增大而趋向于一个固定值，并且此值恰好就是方阵A 的按模最大的特征值。
二、乘幂法的计算公式
设矩阵A的n个特征值按模的大小排列为：
│λ1│≥│λ2│≥…≥│λn│
其相应的特征向量为
e1, e2,…, e n
且它们是线性无关的。
先任取非零初始向量，作迭代序列
首先将表示为
所以
为了得出计算和的公式，下面分三种情况讨论
1. λ
1为实根，且│λ
1
│>│λ
2
│。
当a
1
不为0，k充分大时，则有
所以（6.2）
2．为实根，且λ1=-λ2，│λ2│>│λ3│。
当a1，a2不为0，k充分大时，则有
于是得
从而有
（6.3）
（3）λ1=u+iv, λ2=u-iv,且│λ2│>│λ3│。当k充分大时，则有
（推导过程参见教材164-165）
在实际应用幂法时，可根据迭代向量各分量的变化情况判断属于那种情况。
若迭代向量各分量单调变化，且有关系式X k+1=cX k，则属于第1种情况；
若迭代向量各分量不是单调变化，但有关系式X k+2=cX k，则属于第2种情况；
若迭代向量各分量变化不规则，但有关系式X k+2+pX k+1+qX k≈0，则属于第3种情况；
为了防止溢出，可采用迭代公式：
（6.6）
这里面的代表Yk绝对值最大的分量.
例 2 乘幂法求矩阵按模最大特征值和相应特征向量。
解取X0=（1，1，1）T，用乘幂法迭代公式
X k+1=AX k，k=0,1,….
计算列表如下：
所以
事实上，
矩阵的最大特征值为
其相应的特征向量为
三、逆幂法
1. 求A按模最小的特征值
设非奇异矩阵A的n个特征值为λ1≥λ2≥…≥λn，其相应的特征向量为e1, e2,…, e n，则的特征值为
其相应的特征向量仍为e1, e2,…, e n。
A-1按模最大的特征值的倒数则为矩阵A按模最小的特征值。
利用乘幂法求A-1按模最大的特征值。
任取初始非零初始向量X0，作迭代序列
X k+1= A-1X k，k=0,1,…．
它等价于
AX k+1=X k，k=0,1,…．（6.8）
我们可以通过反迭代过程，即解方程组
AX k+1=X k，k=0,1,…．
求得X k+1。
当│λn-1│>│λn│，a n≠0, k充分大时，则有
在实际计算中，为了减少运算量，先将矩阵A作三角分解
A=LR
然后再求解方程组
2．求在附近的特征值
设与最接近的特征值为即有
作矩阵，它的特征值和相应的特征向量为
若用逆幂法于矩阵，则有
则可求出矩阵的按模最小的特征值和相应的特征向量为
于是得A在附近的特征值和相应的特征向量为
（6.10）
例3用逆幂法求矩阵在3.4附近的特征值和相应的特征向量
解对A-3.4I进行三角分解得：
用半次迭代法，取，则
得
再解
得
再解
得
于是
作业
练习6.1
1．用乘幂法求矩阵按模最大特征值与特征向量。
习题6
1. 用乘幂法求下列矩阵按模最大特征值与特征向量。（2）
用QR算法求矩阵的特征值
一、实验名称：用QR 算法求矩阵的特征值 二、实验目的：1、通过实验进一步熟悉掌握求矩阵特征值的QR 方法及原理。 2、理解QR 方法的计算流程。 3、能够编程实现QR 方法。 三、实验内容：给定矩阵 ??? ? ? ??=111132126A , ?? ??? ?? ? ? ?=0100098 20 087630 7654465432H ，采用QR 方法计算A 和H 矩阵的全部特征值。 四、实验要求： （1） 根据QR 算法原理编写程序求矩阵A 及矩阵H 的全部特征值（要求误差＜10 5 -）。 （2） 直接用MATLAB 的内部函数eig 求矩阵A 及矩阵H 的全部特征值，并与（1）的结果比较。 五、QR 方法计算矩阵特征值的程序： function [namda,time,data_na]=qr_tz(A,tol) if nargin==1; tol=1e-5; end wucha=1; time=0; while (wucha>tol)&(time<500) [q,r]=qr(A); A1=r*q; tz0=diag(A1); tz1=diag(A); wucha=norm(tz0-tz1); A=A1; time=time+1; data_na(time,:)=tz1; end namda=tz1; disp(‘特征值为’) namda disp(‘第一个特征在值’) time n1=length(data_na); n2=(1:n1)’; temp1=[n2,data_na]; subplot(2,2,1:2)
plot(date_na(:,1)) title(‘迭代次数为’) grid subplot(2,2,3) plot(data-na(:,2)) title(‘第二个特征值’)grid subplot(2,2,4) plot(data-na(:,3)) title(‘第三个特征值’) grid 六、实验结果： >> A=[6,2,1;2,3,1;1,1,1];[namda,time,data_na]=qr_tz(A,1e-5);特征值为 namda = 迭代次数为 time = 6 图 1
第五章 矩阵的特征值与特征向量
第五章 矩阵的特征值与特征向量 5.1矩阵的特征值与特征向量 5.1.1矩阵的特征值与特征向量的概念 设A 是n 阶矩阵，若存在数λ及非零的n 维列向量α，使得：λαα=A (0≠α)成立，则称λ是矩阵A 的特征值，称非零向量α是矩阵A 属于特征值λ的特征向量. 5.1.2矩阵的特征值与特征向量的求法 把定义公式λαα=A 改写为()0=-αλA E ,即α是齐次方程组()0=-x A E λ的非零解.根据齐次方程组有非零解的充分条件可得：0=-A E λ. 所以可以通过0=-A E λ求出所有特征值，然后对每一个特征值i λ，分别求出齐 次方程组()0=-x A E i λ的一个基础解系，进而再求得通解. 【例5.1】求??? ? ? ?????------=324262423A 的特征值和特征向量. 解：根据()()0273 2 4 26 24 23 2 =+-=---= -λλλλλλA E ，可得71=λ，22-=λ. 当7=λ时，??? ? ? ?????? ??? ???????=-0000002124242124247A E ， 所以()07=-x A E 的一个基础解系为：()T 0,2,11-=α,()T 1,0,12-=α，则相应的特征向量为2211ααk k +，其中21,k k 是任意常数且()()0,0,21≠k k . 当2-=λ时，???? ? ?????--? ??? ? ??????---=--00012014152428242 52A E ，所以()02=--x A E 的一个基础解系为()T 2,1,23=α，则相应的特征向量为33αk ，其中3k 是任意常数且
一些特殊矩阵特征值得求法与应用 (2)
本科毕业设计题目：一些特殊矩阵特征值的求法与应用 作者：高英 学号： 2010012491 所属学院：金融与数学书院 专业班级：应数1002班 指导教师：赵建中职称：院长 完成时间： 2014 年 4月 10日 皖西学院教务处制
独创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 学生签名：日期：年月日 论文版权使用授权书 本人完全了解皖西学院有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同意皖西学院可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。 (保密的学位论文在解密后应遵守此协议) 学生签名：日期：年月日 导师签名：日期：年月
目录 摘要 .......................................................... 错误！未定义书签。Abstract ...................................................... 错误！未定义书签。第1章绪论 .................................................. 错误！未定义书签。 1.1 课题研究背景及目的................................... 错误！未定义书签。 1.2 研究现状 (1) 1.3研究方法 (2) 1.4研究内容 (2) 第2章几类特殊矩阵的概念及主要性质............................ 错误！未定义书签。 2.1 正交矩阵............................................. 错误！未定义书签。 2.2 幂零矩阵 (2) 2.3 对称矩阵 (3) 2.4 三对角矩阵 (4) 第3章矩阵特征值的求法与应用 (4) 3.1 一般矩阵的求法与应用 (4) 3.2 特殊矩阵的求法与应用 (7) 结语 (20) 致谢 (20) 参考文献 (21)
矩阵的特征值和特征向量
第五章矩阵的特征值和特征向量 来源：线性代数精品课程组作者：线性代数精品课程组 1．教学目的和要求： (1) 理解矩阵的特征值和特征向量的概念及性质，会求矩阵的特征值和特征向量. (2) 了解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件，会将矩阵化为相似对 角矩阵. (3) 了解实对称矩阵的特征值和特征向量的性质. 2．教学重点： (1) 会求矩阵的特征值与特征向量. (2) 会将矩阵化为相似对角矩阵. 3．教学难点：将矩阵化为相似对角矩阵. 4．教学内容： 本章将介绍矩阵的特征值、特征向量及相似矩阵等概念，在此基础上讨论矩阵的对角化问题. §1矩阵的特征值和特征向量 定义1设是一个阶方阵，是一个数，如果方程 (1) 存在非零解向量，则称为的一个特征值，相应的非零解向量称为属于特征值的特 征向量． （1）式也可写成， (2) 这是个未知数个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式 , (3) 即 上式是以为未知数的一元次方程，称为方阵的特征方程．其左端是的 次多项式，记作，称为方阵的特征多项式．
== = 显然，的特征值就是特征方程的解．特征方程在复数范围内恒有解，其个数为方程的次数（重根按重数计算），因此，阶矩阵有个特征值． 设阶矩阵的特征值为由多项式的根与系数之间的关系，不难证明 （ⅰ） （ⅱ） 若为的一个特征值，则一定是方程的根, 因此又称特征根，若为 方程的重根，则称为的重特征根．方程的每一个非 零解向量都是相应于的特征向量，于是我们可以得到求矩阵的全部特征值和特征向量的方法如下： 第一步：计算的特征多项式； 第二步：求出特征方程的全部根，即为的全部特征值； 第三步：对于的每一个特征值，求出齐次线性方程组： 的一个基础解系，则的属于特征值的全部特征向量是 （其中是不全为零的任意实数）． 例1 求的特征值和特征向量. 解的特征多项式为 =
幂法求矩阵最大特征值
幂法求矩阵最大特征值 摘要 在物理、力学和工程技术中的很多问题在数学上都归结为求矩阵特征值的问题，而在某些工程、物理问题中，通常只需要求出矩阵的最大的特征值（即主特征值）和相应的特征向量，对于解这种特征值问题，运用幂法则可以有效的解决这个问题。 幂法是一种计算实矩阵A的最大特征值的一种迭代法，它最大的优点是方法简单。对于稀疏矩阵较合适，但有时收敛速度很慢。 用java来编写算法。这个程序主要分成了三个大部分：第一部分为将矩阵转化为线性方程组；第二部分为求特征向量的极大值；第三部分为求幂法函数块。其基本流程为幂法函数块通过调用将矩阵转化为线性方程组的方法，再经过一系列的验证和迭代得到结果。 关键词：幂法；矩阵最大特征值；j ava；迭代
POWER METHOD TO CALCULATE THE MAXIMUM EIGENV ALUE MATRIX ABSTRACT In physics, mechanics and engineering technology of a lot of problems in math boil down to matrix eigenvalue problem, and in some engineering, physical problems, usually only the largest eigenvalue of the matrix (i.e., the main characteristics of the value) and the corresponding eigenvectors, the eigenvalue problem for solution, using the power law can effectively solve the problem. Power method is A kind of computing the largest eigenvalue of real matrix A of an iterative method, its biggest advantage is simple.For sparse matrix is right, but sometimes very slow convergence speed. Using Java to write algorithms.This program is mainly divided into three most: the first part for matrix can be converted to linear equations;The second part is the eigenvector of the maximum;The third part is the exponentiation method of function block.Its basic process as a power law function block by calling the method of matrix can be converted to linear equations, then after a series of validation and iteration to get the results. Key words: Power method; Matrix eigenvalue; Java; The iteration
矩阵的特征值与特征向量习题
第五章 矩阵的特征值与特征向量 习题 1 试用施密特法把下列向量组正交化 (1)?? ? ? ? ??=931421111) , ,(321a a a (2)???? ?? ? ??---=011101110111) , ,(321a a a 2 设x 为n 维列向量 x T x 1 令H E 2xx T 证明H 是对称的正交 阵 3 求下列矩阵的特征值和特征向量: (1)??? ?? ??----20133 521 2; (2)??? ? ? ??633312321. 4 设A 为n 阶矩阵 证明A T 与A 的特征值相同 5 设 0是m 阶矩阵A m n B n m 的特征值 证明 也是n 阶矩阵BA 的特 征值. 6 已知3阶矩阵A 的特征值为1 2 3 求|A 35A 2 7A | 7 已知3阶矩阵A 的特征值为1 2 3 求|A * 3A 2E | 8 设矩阵??? ? ? ??=50413102x A 可相似对角化 求x
9 已知p (1 1 1)T 是矩阵???? ? ??---=2135212b a A 的一个特征向量 (1)求参数a b 及特征向量p 所对应的特征值 (2)问A 能不能相似对角化？并说明理由 10 试求一个正交的相似变换矩阵, 将对称阵??? ? ? ??----020212022化为对角 阵. 11 设矩阵????? ??------=12422421x A 与??? ? ? ? ?-=Λy 45 相似 求x y 并 求一个正交阵P 使P 1AP 12 设3阶方阵A 的特征值为1 2 2 2 3 1 对应的特征 向量依次为p 1 (0 1 1)T p 2(1 1 1)T p 3(1 1 0)T 求A . 13 设3阶对称矩阵A 的特征值 1 6 2 3 3 3 与特征值 1 6对应的特征向量为p 1 (1 1 1)T 求A . 14 设?? ? ? ? ??-=340430241A 求A 100
并行计算-矩阵特征值计算--
9 矩阵特征值计算 在实际的工程计算中，经常会遇到求n 阶方阵 A 的特征值(Eigenvalue)与特征向量(Eigenvector)的问题。对于一个方阵A，如果数值λ使方程组 Ax=λx 即(A-λI n )x=0 有非零解向量(Solution Vector)x，则称λ为方阵A的特征值，而非零向量x为特征值λ所对应的特征向量，其中I n 为n阶单位矩阵。 由于根据定义直接求矩阵特征值的过程比较复杂，因此在实际计算中，往往采取一些数值方法。本章主要介绍求一般方阵绝对值最大的特征值的乘幂(Power)法、求对称方阵特征值的雅可比法和单侧旋转(One-side Rotation)法以及求一般矩阵全部特征值的QR 方法及一些相关的并行算法。 1.1 求解矩阵最大特征值的乘幂法 1.1.1 乘幂法及其串行算法 在许多实际问题中，只需要计算绝对值最大的特征值，而并不需要求矩阵的全部特征值。乘幂法是一种求矩阵绝对值最大的特征值的方法。记实方阵A的n个特征值为λi i=(1,2, …,n)，且满足： │λ1 │≥│λ2 │≥│λ3 │≥…≥│λn │ 特征值λi 对应的特征向量为x i 。乘幂法的做法是：①取n维非零向量v0 作为初始向量；②对于 k=1,2, …,做如下迭代： 直至u k+1 ∞ - u k u k =Av k-1 v k = u k /║u k ║∞ <ε为止，这时v k+1 就是A的绝对值最大的特征值λ1 所对应的特征向∞ 量x1 。若v k-1 与v k 的各个分量同号且成比例，则λ1 =║u k ║∞；若v k-1 与v k 的各个分量异号且成比例，则λ1 = -║u k ║∞。若各取一次乘法和加法运算时间、一次除法运算时间、一次比较运算时间为一个单位时间，则因为一轮计算要做一次矩阵向量相乘、一次求最大元操作和一次规格化操作，所以下述乘幂法串行算法21.1 的一轮计算时间为n2+2n=O(n2 )。 算法21.1 单处理器上乘幂法求解矩阵最大特征值的算法 输入：系数矩阵A n×n ，初始向量v n×1 ，ε 输出：最大的特征值m ax Begin while (│diff│>ε) do (1)for i=1 to n do (1.1)sum=0 (1.2)for j= 1 to n do sum=sum+a[i,j]*x[j] end for
矩阵的特征值与特征向量的求法
摘要：首先给出了求解矩阵特征值和特征向量的另外两种求法,然后运用特征值的性质讨论了矩阵合同、相似的充要条件,以及逆矩阵的求解等相关问题. 关键词：矩阵的特征多项式,特征值,特征向量,对角矩阵,逆矩阵
Abstract：Firstly，it is given matrix eigenvalues and eigenvectors of two other methods, then with the properties of eigenvalue the contract of matrix discussed,we deeply discuss the sufficient and necessary conditions for the similar matrix contract, and the inverse matrix of the related problem solving. Keywords:matrix characteristic polynomial, eigenvalue, eigenvector, diagonal matrices, inverse matrix
目录 1 前言 (4) 2 矩阵的特征值和特征向量的求法 (4) 2.1 矩阵的初等变换法 (4) 2.2 矩阵的行列互逆变换法 (6) 3 矩阵特征值的一些性质及应用 (7) 3.1 矩阵之间的关系 (7) 3.1.1 矩阵的相似 (7) 3.1.2 矩阵的合同 (7) 3.2 逆矩阵的求解 (8) 3.3 矩阵相似于对角矩阵的充要条件 (8) 3.4 矩阵的求解 (9) 3.5 矩阵特征值的简单应用 (10) 结论 (11) 参考文献 (12) 致谢 (13)
矩阵特征值和特征向量解法的研究
矩阵特征值和特征向量解法的研究 周雪娇 （德州学院数学系，山东德州 253023） 摘 要：对矩阵特征值和特征向量的一些方法进行了系统的归纳和总结.在比较中能够 更容易发现最好的方法，并提高问题的解题效率. 关键词： 矩阵； 特征值； 特征向量； 解法 引言 矩阵是数学中的一个重要的基本概念，是代数学的一个主要研究对象，也是数学研究和应用的一个重要工具.矩阵计算问题是很多科学问题的核心.在很多工程计算中，常常会遇到特征值和特征向量的计算问题，如：机械、结构或电磁振动中的固有值问题；物理学中的各种临界值等，这些特征值的计算往往意义重大.很多科学问题都要归结为矩阵计算的问题，在这里主要研究矩阵计算中三大问题之——特征值问题. 1 矩阵特征值与特征向量的概念及性质 1.1 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λ和n 维非零向量x ，使得x Ax λ=成立，则称 λ为A 的特征值，x 为A 的对应于特征值λ的特征向量. 1.2 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i i r A 的是λ重特征值，则i i s A 有对应特征值λ个线性无关的特征向量，其中i i r s ≤. （2）若线性无关的向量21,x x 都是矩阵A 的对应于特征值0λ的特征向量，则当21,k k 不全为零时，2211x k x k +仍是A 的对应于特征值0λ的特征向量. （3）若A n 是矩阵λλλ,,,21 的互不相同的特征值，其对应的特征向量分别是 n x x x ,,,21 ，则这组特征向量线性无关.
（4）若矩阵()n n ij a A ?=的特征值分别为n λλλ,,,21 ，则 nn n a a a +++=+++ 221121λλλ，A n =λλλ 21. （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 λ是实对称矩阵A 的i r 重特征值，则对应特征值i λ恰有i r 个线性无关的特征向量. （7）设λ为矩阵A 的特征值，()x P 为多项式函数，则()λP 为矩阵多项式()A P 的特征值.[]1 2 普通矩阵特征值与特征向量的求法 2.1 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()A E f -=λλ的全部特征根； （2）把所求得的特征根()n i i ,,2,1 =λ逐个代入线性方程组()0=-X A E i λ， 对于每一个特征值，解方程组()0=-X A E i λ，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 例1 已知矩阵 ???? ? ?????-=11 111 110 A 求矩阵A 的特征值和特征向量. 解 A E -λ = 1 1 1 1 1 11 ------λλλ = ()21-λλ 所以，由()012=-λλ知A 的特征根1,0321===λλλ.
求矩阵特征值算法及程序
求矩阵特征值算法及程序简介 1.幂法 1、幂法规范化算法 （1）输入矩阵A 、初始向量)0(μ ，误差eps ； （2）1?k ； （3）计算)1()(-?k k A V μ； （4）)max (,) max ()1(1)(--??k k k k V m V m ； （5）k k k m V /)()(?μ； （6）如果eps m m k k <--1,则显示特征值1λ和对应的特征向量)1(x ),终止； （7）1+?k k ,转（3） 注：如上算法中的符号)max(V 表示取向量V 中绝对值最大的分量。本算法使用了数据规范化处理技术以防止计算过程中出现益出错误。 2、规范化幂法程序 Clear[a,u,x]; a=Input["系数矩阵A="]; u=Input["初始迭代向量u(0)="]; n=Length[u]; eps=Input["误差精度eps ="]; nmax=Input["迭代允许最大次数nmax="]; fmax[x_]:=Module[{m=0,m1,m2}, Do[m1=Abs[x[[k]]]; If[m1>m,m2=x[[k]];m=m1], {k,1,Length[x]}]; m2] v=a.u; m0=fmax[u]; m1=fmax[v]; t=Abs[m1-m0]//N; k=0; While[t>eps&&k m0=m1; m1=fmax[v]; t=Abs[m1-m0]//N; Print["k=",k," 特征值=",N[m1,10]," 误差=",N[t,10]]; Print[" 特征向量=",N[u,10]]]; If[k ≥nmax,Print["迭代超限"]] 说明：本程序用于求矩阵A 按模最大的特征值及其相应特征向量。程序执行后，先通过键盘输入矩阵A 、迭代初值向量)0(μ、精度控制eps 和迭代允许最大次数max n ，程序即可给出每次迭代的次数和对应的迭代特征值、特征向量及误差序列，它们都按10位有效数输出。其中最后输出的结果即为所求的特征值和特征向量序列。如果迭代超出max n 次还没有求出满足精度的根则输出迭代超限提示，此时可以根据输出序列判别收敛情况。 程序中变量说明 a:存放矩阵A ； u:初始向量)0(μ和迭代过程中的向量)(k μ及所求特征向量； v:存放迭代过程中的向量)(k V ； m1:存放所求特征值和迭代过程中的近似特征值； nmax:存放迭代允许的最大次数； eps:存放误差精度； fmax[x]: 给出向量x 中绝对值最大的分量； k:记录迭代次数； t1:临时变量； 注：迭代最大次数可以修改为其他数字。 3、例题与实验 例1. 用幂法求矩阵???? ? ??---=9068846544 1356133A 的按模最大的特征值及其相应特征向量，要求误差410- 习题 1. (1) 若A 2 = E ，证明A 的特征值为1或-1; (2) 若A 2 = A ，证明A 的特征值为0或1. 证明（1）2 2A E A =±所以的特征值为1，故A 的特征值为1 （2） 2222 2 ,,()0,001 A A A X A X AX X X X λλλλλλλ===-=-==所以两边同乘的特征向量得即由于特征向量非零，故即或 2. 若正交矩阵有实特征值，证明它的实特征值为1或 -1. 证明 1,1 T T T A A A E A A A A A λλλλ -=∴==±设是正交阵，故有与有相同的特征值， 1 故设的特征值是，有=，即 3．求数量矩阵A=aE 的特征值与特征向量. 解 A 设是数量阵，则 000000000000a a A aE a a a E A a λλλλ?? ? ?== ? ??? ---= -L L L L L L L L L L L L 所以：特征值为a (n 重), A 属于a 的特征向量为 k 1(1,0,…,0)T + k 2(0,1,…,0)T + k n (0,0,…,1)T ，(k 1, k 2, …, k n 不全为0) 4．求下列矩阵的特征值与特征向量. （1）113012002-?? ? ? ??? （2）324202423?? ? ? ??? （3）??? ?? ??---122212 221 （4）212533102-?? ?- ? ?--?? ()1112221211(5) , , (0,0)0.T T n n n n a a b a a b A b b b a b a a b αβαβαβ?? ???? ? ? ? ? ? ?====≠≠= ? ? ? ? ? ? ? ? ??? ???? L M M M 其中，且 解（1） 11 3 0120,1,2,00 2A E AX λλλ λλλλ ---=-====-0,123求得特征值为:分别代入=求得 A 属于特征值1的全部特征向量为k(1,0,0)T ，(k ≠0) A 属于特征值2的全部特征向量为k(1，2，1)T ，(k ≠0) 解（2） 第3章 矩阵特征值与特征向量的计算 一些工程技术问题需要用数值方法求得矩阵的全部或部分特征值及相关的特征向量。 3.1 特征值的估计 较粗估计ρ(A )≤ ||A || 欲将复平面上的特征值一个个用圆盘围起来。 3.1.1盖氏图 定义3.1-1 设A = [a ij ]n ?n ，称由不等式∑≠=≤-n i j j ij ii a a z 1 所确定的复区域为A 的第i 个盖氏图， 记为G i ，i = 1，2，…，n 。 >≤-=<∑≠=}:{1n i j j ij ii i a a z z G 定理3.1-1 若λ为A 的特征值，则 n i i G 1 =∈ λ 证明：设Ax = λx (x ≠ 0)，若k 使得∞ ≤≤==x x x i n i k 1max 因为 k n j j kj x x a λ=∑=1 ?∑≠= -n k j j kj k kk x a x a )(λ ?∑∑∑ ≠=≠=≠≤≤= -n k j j kj n k j j k j kj n k j k j kj kk a x x a x x a a 11λ ? n i i k G G 1 =? ∈λ 例1 估计方阵????? ?? ?????----=41.03.02.05.013.012.01.035.03.02.01.01A 特征值的X 围 解： G 1 = {z ：|z – 1|≤ 0.6}；G 2 = {z ：|z – 3|≤ 0.8}； G 3 = {z ：|z + 1|≤ 1.8}；G 4 = {z ：|z + 4|≤ 0.6}。 注：定理称A 的n 个特征值全落在n 个盖氏圆上，但未说明每个圆盘内都有一个特征值。 3.1.2盖氏圆的连通部分 称相交盖氏圆之并构成的连通部分为连通部分。 孤立的盖氏圆本身也为一个连通部分。 定理3.1-2若由A 的k 个盖氏圆组成的连通部分，含且仅含A 的k 个特征值。 证明: 令D = diag(a 11，a 12，…，a nn )，M = A –D ，记 )10(00 0)(212211122211≤≤?? ?? ? ? ? ??+??????? ??=+=εεεε n n n n nn a a a a a a a a a M D A 则显然有A (1) = A ，A (0) = D ，易知A (ε)的特征多项式的系数是ε的多项式，从而A (ε)的特征 值λ1(ε)，λ2(ε)，…，λn (ε)为ε的连续函数。 A (ε)的盖氏圆为：)10(,}||||:{)(11≤≤?=≤ -=∑∑≠=≠=εεεεi n i j j ij n i j j ij ii i G a a a z z G 因为A (0) = D 的n 个特征值a 11，a 12，…，a nn ，恰为A 的盖氏圆圆心，当ε由0增大到1时，λi (ε)画出一条以λi (0) = a ii 为始点，λi (1) = λi 为终点的连续曲线，且始终不会越过G i ； 不失一般性，设A 开头的k 个圆盘是连通的，其并集为S ，它与后n –k 个圆盘严格分离，显然，A (ε)的前k 个盖氏圆盘与后n –k 个圆盘严格分离。 当ε = 0时，A (0) = D 的前k 个特征值刚好落在前k 个圆盘G 1，…，G k 中，而另n –k 个特征值则在区域S 之外，ε从0变到1时， k i i G 1 )(=ε与 n k i i G 1 )(+=ε始终分离（严格） 。连续曲线始终在S 中，所以S 中有且仅有A 的k 个特征值。 注：1) 每个孤立圆中恰有一个特征值。 2) 例1中G 2，G 4为仅由一个盖氏圆构成的连通部分，故它们各有一个特征值，而G 1，G 3构 第八章 矩阵的特征值与特征向量的数值解法 某些工程计算涉及到矩阵的特征值与特征向量的求解。如果从原始矩阵出发,先求出特征多项式,再求特征多项式的根，在理论上是无可非议的。但一般不用这种方法，因为了这种算法往往不稳定．常用的方法是迭代法或变换法。本章介绍求解特征值与特征向量的一些方法。 §1 乘幂法 乘幂法是通过求矩阵的特征向量来求特征值的一种迭代法,它适用于求矩阵的按模最大的特征值及对应的特征向量。 定理８·1 设矩阵Ａn ×n 有n 个线性无关的特征向量X ｉ（ｉ=1,２,…,n)，其对应的特征值λi (ｉ ＝1,2，…，n)满足 ｜λ１|＞|λ2｜≧…≧|λn ｜ 则对任何ｎ维非零初始向量Z ０，构造Ｚk ＝ AZ k-1 11()lim ()k j k k j Z Z λ→∞ -= (8·1) 其中(Ｚk )ｊ表示向量Z k 的第ｊ个分量。 证明 : 只就λｉ是实数的情况证明如下。 因为A 有n 个线性无关的特征向量X i ,(i = １,2,…,n)用X ｉ(ｉ = 1,2,…，n)线性表示,即Z 0=α1X 1 + α2Ｘ2 +用A 构造向量序列{Z k }其中 ? 21021010, ,k k k Z AZ Z AZ A Z Z AZ A Z -=====， (8.2） 由矩阵特征值定义知ＡＸi =λi X i (i=1,２, …,n),故 ? 0112211122211121k k k k k n n k k k n n n k n k i i i i Z A Z A X A X A X X X X X X ααααλαλαλλλααλ===++ +=+++???? ??=+ ?????? ? ∑ (８.3） 同理有 1 1 11 1121k n k i k i i i Z X X λλααλ---=? ? ????=+ ????? ? ? ∑ (8．４) 将(8.３）与(8．4)所得Ｚk 及Z k-１的第j 个分量相除，设α1≠0，并且注意到 |λi |<|λ1|(i=1,２,…，n ）得 矩阵的特征值与特征向量专题讲解 一、内容提要 一、矩阵的特征值和特征向量 1、基本概念 设A 为n 阶方阵，若存在数λ和n 为非零向量0,a ≠使Aa a λ=，则称λ是A 的特征值，a 是属于λ的特征向量；矩阵E A λ-称为A 的特征矩阵；E A λ-是 λ的n 次多项式，称为A 的特征多项式；E A λ-=0称为A 的特征方程； 2、特征值、特征向量的求法 （1）计算A 的特征值，即解特征方程E A λ-=0； （2）对每一个特征值0λ，求出相应的齐次线性方程组()00E A X λ-= 一个基础解系123,ξξξ，，...,则属于0λ的全部特征向量为11...s s k k ξξ++，其中1,...,s k k 为不全为零的任意常数； 3、特征值、特征向量的性质 （1）A 与T A 的特征值相同（但特征向量一般不同）； （2）属于同一特征值的特征向量的线性组合仍是属于该特征值的特征向量； （3）属于不同特征值的特征向量线性无关； （4）设()0A a a a λ=≠，则(),,m kA A P A 的特征值分别为(),,m k P λλλ，其中 ()P x 为任一多项式，而a 仍为相应的特征向量； （5）若A 可逆，()0Aa a a λ=≠，则 1 λ 是1 A -的特征值； A λ 是*A 的特征值， a 仍为相应的特征向量； （6）设12n λλλ，，...是n 阶方阵的特征值，则有()1 1 n n i ii i i a tr A λ====∑∑（迹）； 1 n i i A λ ==∏;推论：A 可逆当且仅当A 的特征值全不为零； （7）若A 为实对称阵，则A 的所有特征值均为实数，且属于不同特征值的特征向量彼此正交。 二、相似矩阵 1、定义 设,A B 为n 阶方阵，若存在n 阶可逆阵P ，使1P AP B -=,称A 与B 相似，记为A ～B ； ２、A ～B 的性质 T T A B ,,,M M kA kB A B ～～～ ()(),P A P B ～其中P 为任一多项式；()(),,,r A r B A B E A E B λλ==-=- ?特征值相同，()()tr A tr B =；若A 可逆，则B 也可逆，且11A B --～。 三、矩阵对角化的条件及方法 １、若矩阵A 与对角阵相似，则称A 可对角化， （１）n 阶方阵A 可对角化的充分必要条件是A 有n 个线性无关的特征向量； （２）若A 的特征值两两不同，则必可对角化。 ２、实对称阵A 必可对角化，且存在正交阵P ，使1P AP -=Λ 实对称矩阵正交对角化具体计算步骤如下： （１）求出实对称矩阵A 的全部特征值； （２）若特征值是单根，则求出一个线性无关的特征向量，并加以单位化； 若特征值是重根，则求出重数个线性无关的特征向量，然后用施密特正交化方法化为正交组，再单位化； 毕业论文（设计）题目：矩阵特征值和特征向量的求法与应用 毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日 C语言课程设计报告 课程名称：计算机综合课程设计 学院：土木工程学院 设计题目：矩阵特征值分解 级别： B 学生姓名： 学号： 同组学生：无 学号：无 指导教师： 2012年 9 月 5 日 C语言课程设计任务书 （以下要求需写入设计报告书） 学生选题说明: ?以所发课程设计要求为准，请同学们仔细阅读； ?本任务书提供的设计案例仅供选题参考；也可自选，但难易程度需难度相当； ?鼓励结合本专业（土木工程、力学）知识进行选题，编制程序解决专业实际问题。 ?限2人选的题目可由1-2人完成（A级）；限1人选的题目只能由1人单独完成（B级）；设计总体要求: ?采用模块化程序设计； ?鼓励可视化编程； ?源程序中应有足够的注释； ?学生可自行增加新功能模块（视情况可另外加分）； ?必须上机调试通过； ?注重算法运用，优化存储效率与运算效率； ?需提交源程序(含有注释)及相关文件(数据或数据库文件)； (cpp文件、txt或dat文件等) ?提交设计报告书，具体要求见以下说明。 设计报告格式： 目录 1．课程设计任务书（功能简介、课程设计要求）； 2．系统设计（包括总体结构、模块、功能等，辅以程序设计组成框图、流程图解释）； 3．模块设计（主要模块功能、源代码、注释（如函数功能、入口及出口参数说明，函数调用关系描述等）； 4．调试及测试：（调试方法，测试结果的分析与讨论，截屏、正确性分析）； 5．设计总结：（编程中遇到的问题及解决方法）； 6．心得体会及致谢； 参考文献 1.课程设计任务书 功能简介： a）输入一个对称正方矩阵A，从文本文件读入； b）对矩阵A进行特征值分解，将分解结果：即U矩阵、S矩阵输出至文本文件； c）将最小特征值及对应的特征向量输出至文本文件； d）验证其分解结果是否正确。 提示：A=USU T,具体算法可参考相关文献。 功能说明： 矩阵特征值分解被广泛运用于土木工程问题的数值计算中，如可用于计算结构自振频率与自振周期、结构特征屈曲问题等。 注：以三阶对称矩阵为例 2.系统设计 3.模块设计 #include 矩阵特征值和特征向量的几何意义（---by 小马哥整理） 从定义来理解特征向量的话，就是经过一个矩阵变换后，空间沿着特征向量的方向上相当于只发生了缩放，比如我们考虑下面的矩阵： A=1.50.50.5 1.0?????? 求这个变换的特征向量和特征值，分别是：0.850.530.530.85U -??=???? (列向量) 特征值为：1λ=1.81，2λ=0.69 注意，这里U 是正交矩阵，根据正交矩阵的性质，我们有1T U U -=。 用一个形象的例子来说明一下几何意义，我们考虑下面笑脸图案： 图1.1 为方便演示笑脸图案在[0,0]和[1,1]围起来的单位正方形里，同时也用两个箭头标出来了特征向量的方向。经过矩阵A=1.50.50.5 1.0?????? 的变换，也就是用这个图案中的每个点的坐标和这个矩阵做乘法，得到下面图案： 图1.1 可以看到就是沿着两个正交的，特征向量的方向进行了缩放。 根据特征向量的定义，我们知道1U AU -=Λ，也即，T U AU =Λ，那么：T A U U =Λ 假设我们把笑脸图案也看作某一个矩阵C ，那么，矩阵A*C ，即把矩阵A 作用于C ，可以理解为：T U U C Λ我们从这个式子就可以看出来，A 矩阵是从旋转和沿轴缩放的角度来作用于C ，分成三步： 第一步，把特征向量所指的方向分别转到横轴和纵轴，这一步相当于用U 的转置，也就是T U 进行了变换 图1.2 第二步，然后把特征值作为缩放倍数，构造一个缩放矩阵1.81 0.69?????? ，矩阵分别沿着横轴和纵轴进行缩放： 图1.3 第三步，很自然地，接下来只要把这个图案转回去，也就是直接乘U 就可以了 图1.4 第五章 矩阵的特征值 §1.矩阵的特征值和特征向量 一、矩阵的特征值的定义 定义1：设A 为n 阶矩阵，λ是一个数，如果存在非零n 维向量α，使得： λα α=A ，则称λ是矩阵A 的一个特征值，非零向量α为矩阵A 的属于（或对应 于）特征值λ的特征向量。 下面讨论一般方阵特征值和它所对应特征向量的计算方法。 设A 是n 阶矩阵，如果0λ是A 的特征值，α是A 的属于0λ的特征向量， 则0000()0 (0) A A E A αλαλααλαα=?-=?-=≠ 因为α是非零向量，这说明α是齐次线性方程组 0)(0=-X A I λ 的非零解，而齐次线性方程组有非零解的充分必要条件是其系数矩阵0E A λ-的行列式等于零，即 0E A λ-＝0 而属于0λ的特征向量就是齐次线性方程组0()0E A x λ-=的非零解。 定理1：设A 是n 阶矩阵，则0λ是A 的特征值，α是A 的属于0λ的特征向量的充分必要条件是0λ是 0E A λ-＝0的根，α是齐次线性方程组 0()0E A X λ-=的非零解。 定义2：称矩阵E A λ-称为A 的特征矩阵，它的行列式E A λ-称为A 的特征多项式，E A λ-＝0称为A 的特征方程，其根为矩阵A 的特征值。 由定理1可归纳出求矩阵A 的特征值及特征向量的步骤： （1）计算E A λ-； （2）求E A λ-＝0的全部根，它们就是A 的全部特征值； （3）对于矩阵A 的每一个特征值0λ，求出齐次线性方程组0()0E A X λ-=的一个 基础解系：r n -ηηη,,,21 ，其中r 为矩阵0E A λ-的秩；则矩阵A 的属于0λ的全部特征向量为： r n r n K K K --+++ηηη 2211 其中r n K K K -,,,21 为不全为零的常数。 例1 求??? ?? ? ?------=01 1101 110A 的特征值及对应的特征向量。 解：E A λ-＝λ λλλλλλλλλλ1 111111)2(1 2 121121 111 1 1 +=+++= ＝2 )1)(2(1 10 11 1 )2(-+=--+λλλλλ 令E A λ-＝0得：2,1321-===λλλ 当121==λλ时，解齐次线性方程组()0E A X -= 即：1111 111110 0011100 0E A ???? ? ?-=→ ? ? ? ???? ? 可知()1r E A -=，取32,x x 为自由未知量，对应的方程为0321=++x x x 求得一个基础解系为()T 0,1,11-=α，()T 1,0,12-=α，所以A 的属于特征值1的全 部特征向量为2211ααK K +，其中21,K K 为不全为零的常数。 当23-=λ时，解齐次线性方程组(2)0E A X --= 2 111121 121 1221 2112103301111 221 103 300 0E A ----???????? ? ? ? ?--=-→-→-→- ? ? ? ? ? ? ? ?---? ?? ?? ?? ? (2)2r E A --=，取3x 为自由未知量，对应的方程组为? ? ?=+-=-+00232321x x x x x第五章 习题与复习题详解(矩阵特征值和特征向量)----高等代数
3矩阵特征值及特征向量的计算
第八章矩阵的特征值与特征向量的数值解法
矩阵的特征值与特征向量专题讲解
矩阵特征值和特征向量的求法与应用(参考模板)
雅克比法求矩阵特征值特征向量
矩阵特征值和特征向量的几何意义
特征值和特征向量