9.5.1求按模最大特征值和特征向量的乘幂法 设A是n阶矩阵,其n个特征值按模从大到 小排序为 2|>2242…≥21 又假设关于A1,A2,…,An的特征向量 1,V2,…,vn线性无关
9.5.1 求按模最大特征值和特征向量的乘幂法 • 设A是n阶矩阵,其n个特征值按模从大到 小排序为 1 2 3 n 又假设关于λ1,λ2,…,λn的特征向量 v1,v2,…,vn线性无关
任意取定初始向量x x=a11+a212+…+anvn(1≠0) 建立迭代公式: Ax Av,+ +…+a.A 11+a2V2+…+annn x 2=Ax=Axo=a,v+a2n2v2 +e+a, nv
任意取定初始向量x0 0 1 1 2 2 1 ( 0) n n x a v a v a v a = + + + 1 0 1 1 2 2 1 1 1 2 2 2 n n n n n x Ax a Av a Av a Av a v a v a v = = + + + = + + + 2 2 2 2 2 1 0 1 1 1 2 2 2 n n n x Ax A x a v a v a v = = = + + + ………….. 建立迭代公式: k k 1 x Ax = −
Ax 2v1+a2v2+…+an2b x{av+a2()v2+…+()vn 因为 <1(=2,3. 故当k→时,X→Aa1y1 因此,ⅹ可看成是关于特征值λ1的近似特征向量 有一严重缺点,当入11(或Ax1k1时){Vk中不 为零的分量将随K的增大而无限增大,计算机就可 能出现上溢(或随K的增大而很快出现下溢)
因为 1( 2,3, , ) 1 i n i = 故当k→∞时, xk→λ1 ka1v1 . 因此,xk可看成是关于特征值λ1的近似特征向量 有一严重缺点,当|1 |>1 (或| 1 |<1时){Vk}中不 为零的分量将随K的增大而无限增大,计算机就可 能出现上溢(或随K的增大而很快出现下溢) 1 0 1 1 1 2 2 2 2 1 1 1 2 2 1 1 [ ( ) ( ) ] k k k k k k n n n k k k n n x Ax A x a v a v a v a v a v v = = = + + + − = + + +
因此,在实际计算时,须按规范法计算 每步先对向量x进行“规范化”。迭代 格式改为 k k Az1,k=0,1
因此,在实际计算时,须按规范法计算, 每步先对向量xk进行“规范化”。迭代 格式改为 1 , 0,1, k k k k k x z x x Az k + = = =
对任意给定的初始向量x0 =b+b2V2+…+b x=A 021 A 类似地 z,= 0 k 0
对任意给定的初始向量x0 类似地 1 0 1 0 1 1 0 , || || || || x Az x Az z x Az = = = 0 0 1 1 2 2 0 n n x z b v b v b v x = = + + + 0 0 || || k k k A z z A z =
2b+b()v2+…+b()vn ‖bv2+b2()n2+…+b1()n‖ 当入1>0时4 k 6,vil 当入± bv1‖
当1>0时 2 1 1 2 2 1 1 1 1 2 1 1 2 2 1 1 ( ) ( ) | | || ( ) ( ) || k k n k n n k k k k n n n b v b v b v z b v b v b v + + + = + + + 1 1 1 | | k k = 1 1 1 1 || || k b v z b v → 1 1 1 1 || || k b v z b v → 当1<0时 1 1 1 | | k k =