一、基本QR方法 60年代出现的QR算法是目前计算中小型矩阵的全部特征值与 特征向量的最有效方法。实矩阵、非奇异。 理论依据:任一非奇异实矩阵都可分解成一个正交矩阵Q和 一个上三角矩阵R的乘积,而且当R的对角元符号取定时,分解是 唯一的

一、矩阵 二、直接解法 三、迭代法 四、符号解法 五、稀疏矩阵技术 六、特征值与特征向量

定理7.3.1设矩阵A∈Rn,且非奇异,则一定存在正交矩 nxn 阵,上三角矩阵R,使 A=OR (7.3.2) 且当要求R的主对角元素均为正数时,则分解式(7.3.2)是唯一的。 证明存在性有矩阵A的非奇 Householder异性及变换矩 阵的性质(3)知,一定可构造n-1个H矩阵:H1,H2,…,Hn-1使 A+1=HA(k=1,2,…n-1)

定义:对于n阶方阵A,若有数λ和向量x≠0满足Ax=x,称λ为A的 特征值,称x为A的属于特征值λ的特征向量

§1.乘幂法和反幂法 §2. QR方法 §2.Jacobi方法

定义8:设W1,W2是Vn(F)的两个子空间, ∩W2={ala∈1,a∈W2}称为W1与W2的交 W1+W2={a=a1+a2a1∈W1,a2∈W2} 称为W1与W2的和

《矩阵理论—知识点详解》第一章 线性代数基础（1.4）特征值与特征向量

一、特征值与特征向量的概念 定义1设A是n阶矩阵如果数λ和n维非零列向量x

§6.2 特征值与特征向量 §6.1 向量的内积 §6.4 对称矩阵的相似矩阵 §6.3 相似矩阵