在使用QR算法求解特征值时，通常会得到一个拟上三角矩阵，而非严格的上三角矩阵。在某些情况下，矩阵会呈现Schur分块上三角形式，对角块按特征值大小排列。然而，对角块以上及2阶块的元素可能不收敛，需要额外计算。这种情况源于实Schur分解定理，其中矩阵被转化为Hessenberg形式以减少计算。QR迭代正是应用这一理论，生成Schur分块上三角矩阵。
在求特征值的时候，我们通常QR迭代后就是一个拟上三角矩阵，但不一定是上三角矩阵，还要留意这个拟字。
例如：
Q32竟然不是0？
在一定条件下，由QR算法生成的序列{Ak}收敛为Schur分块上三角形，对角块按特征值的模从大到小排列。
但有特殊情况，就是我们今天遇到的，当收敛结果为Schur分块上三角形时，序列{Ak}的对角块以上的元素以及2阶块的元素不一定收敛。
Q22、Q23、Q32、Q33构成了一个二阶矩阵。需要继续求得该二阶矩阵的特征值，补充到原矩阵的特征值中即可。
为什么会这样？
首先，回到实Schur分解定理，对于任意A方阵，存在这样的正交矩阵U
其中U是酉矩阵，这里特指正交矩阵，T是一个Schur分块上三角矩阵（上三角和对角阵是特殊情况），如下图所示：
其中对角块
(i=1,2,...,m)为一阶或二阶方阵，每一个一阶对角块即为A的实特征值，每一个二阶对角块的两个特征值是A的一对共轭复特征值。
从文章开头截图我们可以看出，我们已经将A转化成Hessenberg的形式，主要是为了节省运算量。
QR迭代也是Schur分解定理的应用，所以生成的是Schur分块上三角矩阵。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
