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-λIn)x=0有非零解向量(SolutionVector)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In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-sideRotation)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求解矩阵最大特征值的乘幂法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λii=(1,2,…,n),且满足:│λ1│≥│λ2│≥│λ3│≥…≥│λn│特征值λi对应的特征向量为xi
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:uk=Avk-1vk=uk/║uk║∞直至ε为止,这时vk+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vk-1与vk的各个分量同号且成比例,则λ1=║uk║∞;若vk-1与vk的各个分量异号且成比例,则λ1=-║uk║∞
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)
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An×n,初始向量vn×1,ε输出:最大的特征值maxBegi