高等工程数学 —— 第二章(2)特征值的隔离
本小节主要讲述盖尔圆与(逆)幂迭代法。
前者是用来在在几何上估计特征值所处的区间,后者用来求高阶矩阵的最大、最小特征值。
盖尔圆
- 简单说盖尔圆就是将矩阵对角线元素作为圆心,行模和作为半径(列盖尔圆用列模和)画出的区间。
孤立的盖尔圆内有且只有一个特征值。
联通的盖尔圆内,几个盖尔圆联通就有几个特征值。这些特征值随机分布在这些盖尔圆的并集上。
例:
行盖尔圆:
列盖尔圆:
特征值在连通部分的分布是随机的,不一定平均分布在每个盖尔圆中。如下:
应用盖尔圆定理隔离
如上所述,但出现连通时我们并不能很好的估计特征值的位置。因此,我们更喜欢构造全隔离的盖尔圆。
最简单的方法就是行、列盖尔圆都算算(圆心一样,取半径最小的)。说不定就直接隔离了,嘻嘻。
如果行、列盖尔圆都不隔离(这里其实是可以的,半径分别取5,3.5,4.5)。那么我们就利用相似变换来缩放盖尔圆,以达到隔离的效果:
- 这样变换对角线元素不变,每一行的其他元素分母上都有个 d i d_i di。所以我们想放大盖尔圆就让 d i < 1 d_i<1 di<1,想缩小盖尔圆就让 d i > 1 d_i>1 di>1。这里一个盖尔圆放大会让其他的盖尔圆缩小,反之也是。
例:
为了让
G
2
G_2
G2和
G
3
G_3
G3缩小一点至不相交,我们可以放大
G
1
G_1
G1即取
d
1
<
1
d_1<1
d1<1。
这里我们用0.5试试:
当然这里我们是猜了一个数,稳一点的话我们可以设 d 1 d_1 d1为一个未知量代进去。最后求出 d 1 d_1 d1一个取值范围。
幂迭代法与逆幂迭代法
五次或五次以上的多项式方程一般是没有公式求解的。所以对于阶数较大的矩阵,其特征值的计算是非常困难的,因而就要研究特征值的各种近似求法。仅要求得到矩阵的按模最大的特征值(或称为矩阵的主特征值)和相应的特征向量,如线幂迭代法(或简称幂法)就是解决此类问题的一种有效方法。
这里看各种推导特别麻烦,其实你就记住下面公式然后往里面代数就行了。
幂迭代法
首先取任意一个初始非零向量。
然后代入公式:
这里
m
k
m_k
mk就是
v
k
v_k
vk的绝对值最大分量。为的是将其单位化。
举个栗子看看就知道喽:
考试的话就让往后迭代几步就可以了。
例:
- 这里的 v k v_k vk其实就是 u k u_k uk哈,不用纠结。
逆幂迭代
跟上面一样也是代入公式,只不过 A A A变成 A − 1 A^{-1} A−1了。考虑到逆矩阵不好求,我们可以等式两边同乘一个 A A A,然后通过解方程组来求 v k v_k vk就好了。
还是刚才的栗子: