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
注意事项
1.设计(论文)的内容包括:
1)封面(按教务处制定的标准封面格式制作)
2)原创性声明
3)中文摘要(300字左右)、关键词
4)外文摘要、关键词
5)目次页(附件不统一编入)
6)论文主体部分:引言(或绪论)、正文、结论
7)参考文献
8)致谢
9)附录(对论文支持必要时)
2.论文字数要求:理工类设计(论文)正文字数不少于1万字(不包括图纸、程序清单等),文科类论文正文字数不少于1.2万字。
3.附件包括:任务书、开题报告、外文译文、译文原文(复印件)。
4.文字、图表要求:
1)文字通顺,语言流畅,书写字迹工整,打印字体及大小符合要求,无错别字,不准请他人代写
2)工程设计类题目的图纸,要求部分用尺规绘制,部分用计算机绘制,所有图纸应符合国家技术标准规范。图表整洁,布局合理,文字注释必须使用工程字书写,不准用徒手画
3)毕业论文须用A4单面打印,论文50页以上的双面打印
4)图表应绘制于无格子的页面上
5)软件工程类课题应有程序清单,并提供电子文档
5.装订顺序
1)设计(论文)
2)附件:按照任务书、开题报告、外文译文、译文原文(复印件)次序装订
3)其它
摘要:特征值与特征向量是代数中一个重要的部分,在理论学习和实际生活中有很重要的作用.本文主要讨论并归纳总结了特征值与特征向量的相关性质以及相关求法,通过实例展示了特征值与特征向量的相关应用。
关键词:矩阵;特征值;特征向量;基础解系
Abstract:As an important part of algebra,Eigenvalue and Eigenvector of a Matrix have very important applications in theoretical study and practical life. In this paper,some properties of eigenvalue and eigenvector are discussed and summarized,it shows the superiority of eigenvalue and eigenvector through examples.
Key words: matrix;eigenvalue;eigenvector;system of fundamental solutions
目录
1 绪论 (3)
1.1研究背景 (3)
1.2研究现状 (3)
2 特征值与特征向量 (4)
2.1特征值与特征向量的定义 (4)
2.2特征值与特征向量的性质 (4)
3 特征值与特征向量的求法 (4)
3.1矩阵特征值和特征向量的一般求法 (4)
3.2乘幂法求特征值与特征向量 (5)
3.3雅克比法求特征值和特征向量 (8)
3.4QR法求特征值和特征向量 (11)
4 矩阵的特征值与特征向量的应用研究 (14)
4.1n阶矩阵的高次幂的求解 (14)
4.2矩阵特征值求解矩阵元素的应用 (15)
4.3常系数线性微分方程组中求解特征值的应用 (16)
4.4阻尼自由振动中特征根求解的应用 (18)
总结 (21)
参考文献 (22)
致谢 (23)
1 绪论
特征值与特征向量是代数中一个重要的部分,并在理论学习和实际生活有很重要的作用.本文主要讨论并归纳了特征值与特征向量的相关性质,相关方法及相关应用.比如乘幂法,雅可比法和QR法求解矩阵的特征值和特征向量,列举了常微分齐次方程组求解特征根和特征向量等问题的一些应用.
1.1研究背景
矩阵是高等数学中的一个重要的基本概念之一,也是代数学的一个主要研究对象.矩阵的特征值与特征向量问题是矩阵理论的重要组成部分,它在高等代数中占有重要的位置.同时它又贯穿了高等代数的许多重要方面,对于该内容的研究加深了我们对高等代数各个部分的认识,从而使我们更深刻的了解高等代数的相关理论. 对矩阵的特征值与特征向量的理论研究和及其应用探究,不仅对提高高等代数以及相关课程的理解有很大帮助,而且在理论上也很重要,可以解决物理中关于阻尼振动方面的问题,矩阵特征值与特征向量在求解数学中常微分线性方程组解方面也有其独特的应用.
1.2 研究现状
已有很多专家学者涉足研究该问题.郭华、刘小明在2000年《特征值与特征向量在矩阵运算中的作用》中从方阵的特征值与特征向量的性质出发,结合具体的例子阐述了特征值与特征向量在简化矩阵运算中所起的作用.汪庆丽在2001年《用矩阵的初等变换求矩阵的特征值与特征向量》中研究了一种只对矩阵作适当的初等行变换就能求到矩阵的特征值与特征向量的方法.岳嵘在2005年《由特征值特征向量去顶矩阵的方法证明及应用》中探究了已知n阶对称矩阵A的k个互不相等的特征值及1
k个特征向量计算出
矩阵A的计算方法.张红玉在2009年《矩阵特征值的理论及应用》中讨论了通过n阶方阵A的特征值得出一系列相关矩阵的特征值,再由特征值与正定矩阵的关系得出正定矩阵的结论.刘学鹏、杨军在2006年《矩阵的特征值、特征向量和应用》一文中讨论了矩阵的特征值和特征向量的一些特殊情况,以及在矩阵对角化方面的应用.
2 特征值与特征向量
2.1 特征值与特征向量的定义
定义:设R 是n 阶方阵,如果存在数0λ和n 维非零向量α,使得αλα0=R 成立,则称0λ为R 的特征值,α是R 的对应特征值0λ的特征向量.
2.2 特征值与特征向量的性质
性质 1 如果21,x x 都是矩阵R 的属于特征值0λ的特征向量,则当02211≠+x k x k 时,
02211≠+x k x k 仍是R 的属于特征值0λ的特征向量.
性质 2 如果n λλλ,,,21 是矩阵R 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n x x x ,,,21 线性无关.
性质 3 实对称矩阵R 的特征值都是实数,属于不同特征值的特征向量正交.
3 特征值与特征向量的求法
3.1矩阵特征值和特征向量的一般求法
设0λ是n 阶方阵的特征值,α是属于0λ的一个特征向量,则αλα0=A ,将αλ0改写
成()αλE 0,由上式可得()θλ=-A E 0,这表明,α是齐次线性方程组()θλ=-X A E 0 (11.2)的一个非零解.方程组(11.2)的系数矩阵00=-A E λ (11.3)
定义11.2 设()ij a A =是阶方阵,含有未知量λ的矩阵A E -0λ的行列式
nn
n n n
n
a a a a a a a a a A E ---------=
-λλλλ
2
1
22221
11211
0 (11.4)称为矩阵的特征多项式. 一般的,n 阶方阵()ij a A =的特征多项式(11.4)等于
()()A a a a A E n n nn n 112211-+++++-=-- λλλ,
它是关于λ的一个n 次多项式. 由(11.3)可见,矩阵的特征值是的特征多项式的一个根.进一步,我们可以证明
定理11.1 设A 是n 阶方阵,则0λ是A 的特征值,α是属于0λ的特征向量的充分必要条件是:0λ是A 的特征多项式A E -λ的根,α是齐次线性方程组()θλ=-X A E 0的
一个非零解.
根据定理11.1,我们得到求n 阶方阵A 的特征值与特征向量的方法如下: (1)计算A 的特征多项式
A E -λ;
(2)求多项式A E -λ的全部根:n λλλ,,,21 ,这就是A 的特征值;
(3)对每个特征值i λ,求出齐次线性方程组()θλ=-X A E i 的一个基础解系
t ηηη,,,21 ,这是属于i λ的线性无关的特征向量.于是,A 的属于的全部特征向量是
t t c c c ηηη+++ 2211,其中t c c c ,,,21 是不全为零的任意一组数.
例 求矩阵
???
???-=2521A 的特征值和特征向量. 解 A 的特征多项式 ()()432
5
2
1
+-=+---=-λλλλλA E
所以A 的特征值是4,321-==λλ.
对于31=λ,解齐次线性方程组()θ=-X A E 3,即
?
??=+-=-.055,0222121x x x x
得一个基础解系 ??
?
???=111α,
所以属于3的全部特征向量是11αc (1c 是任意非零常数).
对于42-=λ,解齐次线性方程组()θ=--X A E 4,即
???=--=--.
025,
0252121x x x x
得一个基础解系 ??
?
???-=522α,所以属于-4的全部特征向量是22αc .
3.2 乘幂法求特征值与特征向量
乘幂法是计算矩阵的按模最大值特征值及相应特征向量的方法,若辅以相应的收缩技巧,则可以逐次计算出该矩阵的按模由大到小得全部特征值及相应的特征向量.
方法描述
设n n R A ?∈为单构阵(仅有两个互异正特征根的矩阵),其特征值),,2,1(n i i =λ按模的下降次序排列为n λλλ≥≥> 21
(2.1)相应的n 个线性无关特征向量是n x x x ,,,21
乘幂法的基本思想是任取一非零向量n R z ∈0,通过逐次左乘以矩阵A 构造出一向量序列: ,3,2,1,1==-k Az z k k (2.2)
由假设 ∑==n
i i i x z 10α ,(2.3),其中R n ∈≠αααα,,,,0211 (有时由于0z 任选,有可
能使01=α,但由于计算有舍入误差,计算若干步后会使得k z 在1x 方向上的分量不为零,故不妨一开始就设01≠α)此时(2.2)又可写为
∑∑==+===n
i i k
n
i i i k i k
i
i k
k x x x z A z 121
111
0))((λλ
ααλλα (2.4)
由于n λλλ≥≥> 21,若记∑==n
i i k
i i k x 2
1
)(
λλαε,则立即知θε→k (零向量)()∞→k ,则按方向收敛于1x .另外,若记k z 的第i 个分量()i k z ,则有
()()()()()()i
k i i
k i i k i k x x z z εαεαλ++=++111111
1 故当∞→k 时,
()()11λ→+i
k i
k z z
(2.5) 于是可以将乘幂法的基本原理总结如下:任取初始向量n R z ∈0,若A 的特征值分布满足n λλλ≥≥> 21,相应的特征向量形成完备特征向量系,则序列0z A k 按方向收敛于1x .相邻两次迭代向量1+k z 与k z 的对应向量的比值收敛于1λ.
现在考察(2.4),当11>λ时,0z A k 的分量的模会随着k 的增大而无限变大,而当
11<λ时,0z A k 的分量的模会随着k 的增大而无限变小,为防止这两种情况对实际计算
的影响,即防止实际计算中出现上溢与下溢现象.计算中应适当规范化,于是有实际计算中使用的乘幂法:
(1)任取规范化初始向量0z ,(即0z 的模最大的分量()0max z 为1,以后不再说明).
(2)1-=k k Az y (3)()k k y m max = (4)k
k
k m y z =
关于乘幂法(2.6),我们有
定理4.8 设n n R A ?∈有完备特征向量系,特征值分布满足(2.1):
n λλλ≥≥> 21,则对任取的规范化初始向量0z ,按迭代格式(2.6)构造的序
列k z 和k m 分别收敛于
()
11
max x x 和1λ.
例 用乘幂法求矩阵
????
?
?????---=20101350144A 的按模最大特征值和相应的特征向量.
解: 取迭代初始向量为T x )1,1,1()0(=,按格式(2.6)计算,结果列表如下:
由上表,得A 的按模最大特征值为-5,相应的特征向量为()T
1,1,0.
3.3雅克比法求特征值与特征向量
雅克比 ()Jacobi 方法是求实对称矩阵全部特征值及对应的特征向量的方法.它也是一种迭代法,其基本思想是把对称矩阵A 经一系列正交相似变换约化为一个近似对角阵,从而该对角阵的对角元就是A 的近似特征值,由各个正交变换阵的乘积可得对应的特征向量.
考虑n 阶矩阵的情况:
设矩阵n n R A ?∈是对称矩阵,记A A =0,对A 作一系列旋转相似变换,即
),2,1(1 ==-k P A P A T
k k k k
其中() ,2,1=k A k 仍是对称矩阵,k P 的形式
)()()
()(k ij k ij k jj
k ii P P P P -==
也就是 θθsin ,cos )
()()()(-=-===k qp k pq k qq k pp p p p p
q p j i p p k ij k ii ,,0
1)
()
(≠==
对任何角θ,可以验证:k P 是一个正交阵,我们称它是()j i ,平面上的旋转矩阵,相应地把变换(2.16)称为旋转变换;
k P 和I仅在()i i ,、()j j ,、()j i ,和()i j ,上不同,1-k k A P 只改变1-k A 的第p 行,第q 行
的元素,k k k P A P 1-只改变A 的第p 行、q 行、p 列、q 列的元素;k A 和1-k A 的元素仅在第p 行(列)和第q 行(列)不同,它们之间有如下的关系:
q
p i a a a a a a a a k qi k iq k ip k iq k pi k iq k ip k ip ,cos sin sin cos )()1()1()()()1()1()(≠??
????????=+-==+=----θθθθ
()
???????-+-=+-=++=---------)
sin (cos cos sin cos cos sin 2sin sin cos sin 2cos 22)1()1()1()(2)1()1(2)1()(2)1()1(2)1()(θθθθθθθθθθθθk pq k qq k pp k pq k qq k pq k pp k qq k qq k pq k pp k pp a a a a a a a a a a a a 我们选取k P ,使得0)
(=k pq a ,因此需使θ满足
)1()1()
1(22tan ----=
k qq
k pp
k pq
a
a
a θ
常将θ 限制在下列范围内
4
4
π
θπ
≤
≤-
如果0)
1()1(=---k qq k pp
a a ,当0)
1(>-k pq a 时,取4
πθ=;当0)
1(<-k pq a 时,取4
πθ-=
实际上不需要计算θ,而直接从三角函数关系式计算θsin 和θcos ,记
()
??????-=-=-----)
1()1()1()
1()1(2sgn k ij
k jj k ii k ji
k ii a a a x a a y 则
y
x =
θ2tan 当4
π
θ≤时,有下面三角恒等式:
2
2
2
22tan 112cos 1cos 2y
x y +=
+=
=-θ
θθ
于是
2
221cos 2y x y ++
=θ
θ
cos 始终取正值,关于θ2sin 的计算有几种方法,最简单的一种是利用公式
θθ22cos 1sin -=,这个方程有一个缺点,当θ2cos 接近于1时,θ2cos 1-的有效位数就
不多了,为避免这个缺点,采用下面公式计算θsin
2
22cos 2tan cos sin 22sin y x x +=
?==θθθθθ由于k A 的对称性,实际上只要计算k A 的上三角元素,而下三角元素由对称性获得,这样即节省了计算量,又能保证k A 是严格对称的。
一般地,不能指望通过有限次旋转变换把原矩阵A 化为对角阵,因为1-k A 中的零元素(在前面变换中得到的)可能在k A 中成为非零元素,尽管如此,仍可以证明:
()i k A λdiag → 当∞→k
时
其中1λ是矩阵A 的特征值,但没有一定的大小排列顺序.
例 用雅可比方法求矩阵
??
??
?
?????---=210121012A 的特征值与特征向量.
解 : 首先取2,1==j i ,由于22211==a a ,故取4
π
θ=
,所以
?????
??
?
????????-==1000212102121121P P ??
?
???
?
??
???????
----==2212121302101111AP P A T 再取3,1==j i 由
22
1)
21
(22tan =--
?=
θ 得
88808.0cos ,45969.0sin ≈≈θθ
所以
??
??
?
?????-=88808.0045969.001045969.0088808.02P ??
??
?
?????-----==36603.262797.0062797.0332505.0032505.063398.0222AP P A T
继续做下去,直到非对角线元素趋于零,进行九次变换后,得
??
??
?
?????=41421.300000.000000.000000.000000.200000.000000.000000.058758.09A
9A 的对角线元素就是A 的特征值,即
41421.3,00000.2,58758.0321≈≈≈λλλ
相应的特征向量为
??
???
?????-=??????????-=??????????-=50000.070710.050000.0,70710.000000.070710.0,50000.070710.050000.0321ννν
相应的特征值的精确值
22,2,22321+==-=λλλ
相应的特征向量为
?
???
???
?????????-=????
??????????-=????????????
???
?=212121,21021,212121321ννν
由此可见,雅可比方法变换九次的结果已经相当精确了.
3.4 QR 法求特征值与特征向量
QR 算法也是一种迭代算法,是目前计算任意实的非奇异矩阵全部特征值问题的最
有效的方法之一.该方法的基础是构造矩阵序列{}K A ,并对它进行QR 分解.
由线性代数知识知道,若A 为非奇异方阵,则A 可以分解为正交矩阵Q 与上三角形矩阵R 的乘积,即QR A =,而且当R 的对角线元素符号取定时,分解式是唯一的. 若A 为奇异方阵,则零为A 的特征值.任取一数p 不是A 的特征值,则pI A -为非奇异方阵.只要求出pI A -的特征值,就很容易求出A 的特征值,所以假设A 为非奇异方阵,并不妨碍讨论的一般性.
设A 为非奇异方阵,令A A =1,对1A 进行QR 分解,即把1A 分解为正交矩阵1Q 与上三角形矩阵1R 的乘积 111R Q A =
做矩阵 111112Q A Q Q R A T ==
继续对2A 进行QR 分解 2
2
2
R Q A =
并定义 222223Q A Q Q R A T ==
一般地,递推公式为
111R Q A A ==
,3,2,1===+K Q A Q Q R A K K T
K K K K
QR 算法就是利用矩阵的QR 分解,按上述递推公式构造矩阵序列}{K A .只要A 为非奇异方阵,则由QR 算法就完全确定}{K A .这个矩阵序列}{K A 具有下列性质. 性质1 所有K A 都相似,它们具有相同的特征值. 证明 因为
K K T
K K K K Q A Q Q R A ==+1
==---K K K T
K T K Q Q A Q Q 111 K T
T K T K Q Q AQ Q Q Q 2111-=
若令K K Q Q Q Q 21=,则K Q 为正交阵,且有
K T
K K Q Q A = 因此K A 与A 相似,它们具有相同的特征值.
性质2 K A 的QR 分解式为
K K K R Q A =
其中 1121,R R R R Q Q Q Q k k k k k -==
证明 用归纳法.显然当k=1时,有
111R Q A A ==
假设1-k A 有分解式 1
11---=k k k R Q A
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
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),误差eps; (2) k 1; (3)计算V(k)A(k 1); (4)m k max(V(k)) ,m k1max( V ( k 1)); (5) (k)V(k)/m k; (6)如果m k m k 1eps,则显示特征值1和对应的特征向量x(1) ),终止; (7)k k 1, 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 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) 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 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 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 = 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 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. 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 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1.4一些特殊矩阵特征值得求法与应用 (2)
第五章 矩阵的特征值与特征向量
幂法求矩阵最大特征值
矩阵的特征值和特征向量
矩阵的特征值与特征向量习题
并行计算-矩阵特征值计算--
矩阵特征值和特征向量解法的研究
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