数值分析——特征值与特征向量的计算

数值分析典型习题

特别声明：考试时需带计 算器作辅助计算 1．2015x *=是经四舍五入得到的近似值，则其相对误差* r e ≤-31 104 ?. 2. 01(),(), ,()n l x l x l x 是以01,, ,n x x x 为节点的拉格朗日插值基函数，则 3．设(0)1(1)3(2)4(3)2f =,f =,f =,f =，[0123]f =，，，1 3 - . 4. 利用Simpson 公式求?2 1 2dx x = 7.3 5. 设求积公式1 0()d (),(1)n k k k f x x A f x n ≈≥∑?=是Gauss 型求积公式，则3 n k k k A x == ∑1 .4 6. 数值微分公式(2)(2) ()i i i f x h f x h f x h +≈ --'的截断误差为 2().O h 7. 设1101A ?? = ??? ，则A 的谱半径()A ρ= 1 ，A 的条件数1cond ()A = 4. 8. 用牛顿下山法求解方程3 03 x x -=根的迭代公式是 2 13 3(1),3n n n n x x x x x λ+-=-- 下山条件是 1()().n n f x f x +< 9.对任意初始向量(0)x 及任意向量f ，线性方程组的迭代公式(1)()(0,1,2,)k k k +=+=x Bx f ，迭代序列()k x 收敛于方程组的精确解x *的充分必要条件是()1.ρ

第五章 矩阵的特征值与特征向量

第五章 矩阵的特征值与特征向量 5.1矩阵的特征值与特征向量 5.1.1矩阵的特征值与特征向量的概念 设A 是n 阶矩阵，若存在数λ及非零的n 维列向量α，使得：λαα=A (0≠α)成立，则称λ是矩阵A 的特征值，称非零向量α是矩阵A 属于特征值λ的特征向量. 5.1.2矩阵的特征值与特征向量的求法 把定义公式λαα=A 改写为()0=-αλA E ,即α是齐次方程组()0=-x A E λ的非零解.根据齐次方程组有非零解的充分条件可得：0=-A E λ. 所以可以通过0=-A E λ求出所有特征值，然后对每一个特征值i λ，分别求出齐 次方程组()0=-x A E i λ的一个基础解系，进而再求得通解. 【例5.1】求??? ? ? ?????------=324262423A 的特征值和特征向量. 解：根据()()0273 2 4 26 24 23 2 =+-=---= -λλλλλλA E ，可得71=λ，22-=λ. 当7=λ时，??? ? ? ?????? ??? ???????=-0000002124242124247A E ， 所以()07=-x A E 的一个基础解系为：()T 0,2,11-=α,()T 1,0,12-=α，则相应的特征向量为2211ααk k +，其中21,k k 是任意常数且()()0,0,21≠k k . 当2-=λ时，???? ? ?????--? ??? ? ??????---=--00012014152428242 52A E ，所以()02=--x A E 的一个基础解系为()T 2,1,23=α，则相应的特征向量为33αk ，其中3k 是任意常数且

关于特征值及特征向量的求解方法及技巧

关于特征值与特征向量的求解方法与技巧 摘 要:矩阵的初等变换是高等代数中运用最广泛的运算工具，对矩阵的特征值与特征向量的求解研究具有一定意义。本文对矩阵特征值与特征向量相关问题进行了系统的归纳，得出了通过对矩阵进行行列互逆变换就可同时求出特征值及特征向量的结论。文章给出求解矩阵特征值与特征向量的两种简易方法: 列行互逆变换方法与列初等变换方法。 关键词: 特征值，特征向量; 互逆变换; 初等变换。 1 引言 物理、力学、工程技术的许多问题在数学上都归结为求矩阵的特征值与特征向量问题，直接由特征方程求特征值是比较困难的，而在现有的教材和参考资料上由特征方程求特征值总要解带参数的行列式，且只有先求出特征值才可由方程组求特征向量。一些文章给出了只需通过行变换即可同步求出特征值及特征向量的新方法，但仍未摆脱带参数行列式的计算问题。本文对此问题进行 了系统的归纳，给出了两种简易方法。 一般教科书介绍的求矩阵的特征值和特征向量的方法是先求矩阵A 的特征方程()0A f I A λλ=-=的全部特征根(互异) ，而求相应的特征向量的方法则是对每个i λ 求齐次线性方程组()0i I A X λ-=的基础解系，两者的计算是分离的，一个是计算行列式，另一个是解齐次线性方程组, 求解过程比较繁琐，计算量都较大。

本文介绍求矩阵的特征值与特征向量的两种简易方法， 只用一种运算 ——矩阵运算， 其中的列行互逆变换法是一种可同步求出特征值与特征向量的方法， 而且不需要考虑带参数的特征矩阵。而矩阵的列初等变换法， 在求出特征值的同时， 已经进行了大部分求相应特征向量的运算， 有时碰巧已完成了求特征向量的全部运算。两种方法计算量少， 且运算规范，不易出错。 2 方法之一： 列行互逆变换法 定义1 把矩阵的下列三种变换称为列行互逆变换: 1. 互换i 、j 两列()i j c c ?，同时互换j 、i 两行()j i r r ? ； 2. 第i 列乘以非零数()i k kc ， 同时第i 行乘11i c k k ?? ?? ? ； 3. 第i 列k 倍加到第j 列()j i c kc +， 同时第j 行- k 倍加到第i 行 ()i j r kr -。 定理1 复数域C 上任一n 阶矩阵A 都与一个Jordan 标准形矩阵 1212,,....r k k kr J diag J J J λλλ? ? ???????? ??? ? ?? ?? ? ? ? ?? ? ?=相似， 其中 111110...0001...00..................000...1000...0ki ki J λλλλ?? ?? ?? ??=?? ??????称为Jordan 块， 12r k k k n +++=L 并且 这个Jordan 标准形矩阵除去其中Jordan 块的排列次序外被矩阵A 唯一确定， J 称为A 的Jordan 标准形。 定理2 A 为任意n 阶方阵, 若T A J I P ?? ????????→ ? ????? 一系列列行互逆变换其中

第九章矩阵特征值问题的数值方法

第9章矩阵特征值问题的数值 方法 9.1 特征值与特征向量 9.2 Hermite矩阵特征值问题 9.3 Jacobi方法 9.4 对分法 9.5 乘幂法 9.6 反幂法 9.7 QR方法

9.1 特征值与特征向量设A是n阶矩阵，x是非零列向量. 如果有数λ存在，满足， (1) 那么，称x是矩阵A关于特征值λ的特征向量.

如果把(1)式右端写为 ，那么(1)式又可写为: x λ ()0 I A x λ-=||0 I A λ-=即1110 ()||...n n n f I A a a a λλλλλ--=-=++++记 它是关于参数λ的n 次多项式，称为矩阵A 的特 征多项式， 其中a 0=(-1)n ｜A ｜. (2)

显然，当λ是A的一个特征值时，它必然 是的根. 反之，如果λ是的根，那么齐次方程组(2)有非零解向量x，使(1)式 成立. 从而，λ是A的一个特征值. A的特征值也称为A的特征根 . ()0 fλ= ()0 fλ=

矩阵特征值和特征向量有如下主要性质： 定理9.1.1 n阶矩阵A是降秩矩阵的充分必要 条件是A有零特征值. 定理9.1.2 设矩阵A与矩阵B相似，那么它们 有相同的特征值. 定理9.1.3 n阶矩阵A与A T有相同的特征值. 定理9.1.4 设λ ≠λj是n阶矩阵A的两个互异特 i 征值，x、y分别是其相应的右特征向 量和左特征向量，那么，x T y=0 .

9.2 Hermite矩阵特征值问题?设A为n阶矩阵，其共轭转置矩阵记为A H. 如果A=A H，那么，A称为Hermite矩阵.

数值分析作业思考题汇总

￥ 数值分析思考题1 1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 2、相对误差在什么情况下可以用下式代替 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 4、取 ，计算 ，下列方法中哪种最好为什么（1）(3 3-，（2）(2 7-，（3） ()3 1 3+ ，（4） ()6 1 1 ，（5）99- , 数值实验 数值实验综述：线性代数方程组的解法是一切科学计算的基础与核心问题。求解方法大致可分为直接法和迭代法两大类。直接法——指在没有舍入误差的情况下经过有限次运算可求得方程组的精确解的方法，因此也称为精确法。当系数矩阵是方的、稠密的、无任何特殊结构的中小规模线性方程组时，Gauss消去法是目前最基本和常用的方法。如若系数矩阵具有某种特殊形式，则为了尽可能地减少计算量与存储量，需采用其他专门的方法来求解。 Gauss消去等同于矩阵的三角分解，但它存在潜在的不稳定性，故需要选主元素。对正定对称矩阵，采用平方根方法无需选主元。方程组的性态与方程组的条件数有关，对于病态的方程组必须采用特殊的方法进行求解。 数值计算方法上机题目1 1、实验1. 病态问题 实验目的： 算法有“优”与“劣”之分，问题也有“好”和“坏”之别。所谓坏问题就是问题本身的解对数据变化的比较敏感，反之属于好问题。希望读者通过本实验对此有一个初步的体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 $ r e x x e x x ** * ** - == 141 . ≈)61

特征值和特征向量的物理意义

特征向量体现样本之间的相关程度，特征值则反映了散射强度。 特征向量的几何意义.矩阵(既然讨论特征向量的问题.当然是方阵.这里不讨论广义特征向量的概念)乘以一 个向量的结果仍是同维数的一个向量.因此.矩阵乘法对应了一个变换.把一个向量变成同维数的另一个向量.那么变换的效果是什么呢?这当然与方阵的构造有密切关系.比如可以取适当的二维方阵.使得这个变换 的效果就是将平面上的二维向量逆时针旋转30度.这时我们可以问一个问题.有没有向量在这个变换下不 改变方向呢?可以想一下.除了零向量.没有其他向量可以在平面上旋转30度而不改变方向的.所以这个变换对应的矩阵(或者说这个变换自身)没有特征向量(注意:特征向量不能是零向量).所以一个变换的特征向量 是这样一种向量.它经过这种特定的变换后保持方向不变.只是进行长度上的伸缩而已(再想想特征向量的原始定义Ax= cx.你就恍然大悟了.看到了吗?cx是方阵A对向量x进行变换后的结果.但显然cx和x的方向相同).而且x是特征向量的话.ax也是特征向量(a是标量且不为零).所以所谓的特征向量不是一个向量而是一个向量族. 另外.特征值只不过反映了特征向量在变换时的伸缩倍数而已.对一个变换而言.特征向量指明的 方向才是很重要的.特征值不是那么重要.虽然我们求这两个量时先求出特征值.但特征向量才是更本质的 东西! 比如平面上的一个变换.把一个向量关于横轴做镜像对称变换.即保持一个向量的横坐标不变.但纵坐标取相反数.把这个变换表示为矩阵就是［1 0,0 -1］.其中分号表示换行.显然［1 0,0 -1］＊［a b］＇=［a -b］＇. 其中上标＇表示取转置.这正是我们想要的效果.那么现在可以猜一下了.这个矩阵的特征向量是什么?想想什么向量在这个变换下保持方向不变.显然.横轴上的向量在这个变换下保持方向不变(记住这个变换是镜像 对称变换.那镜子表面上(横轴上)的向量当然不会变化).所以可以直接猜测其特征向量是［a 0］＇(a不为0).还有其他的吗?有.那就是纵轴上的向量.这时经过变换后.其方向反向.但仍在同一条轴上.所以也被认为是方向没有变化。 综上，特征值只不过反映了特征向量在变换时的伸缩倍数而已，对一个变换而言，特征向量指明的方向才是很重要的，特征值似乎不是那么重要；但是，当我们引用了Spectral theorem（谱定律）的时候，情况就不一样了。 Spectral theorem的核心内容如下：一个线性变换（用矩阵乘法表示）可表示为它的所有的特征向量的一个线性组合，其中的线性系数就是每一个向量对应的特征值，写成公式就是： T(V)=λ1(V1.V)V1+λ2(V2.V)V2+λ3(V3.V)V3+... 从这里我们可以看出，一个变换（矩阵）可由它的所有特征向量完全表示，而每一个向量所对应的特征值，就代表了矩阵在这一向量上的贡献率——说的通俗一点就是能量（power），至此，特征值翻身做主人，彻底掌握了对特征向量的主动：你所能够代表这个矩阵的能量高低掌握在我手中，你还吊什么吊？ 我们知道，一个变换可由一个矩阵乘法表示，那么一个空间坐标系也可视作一个矩阵，而这个坐标系就可由这个矩阵的所有特征向量表示，用图来表示的话，可以想象就是一个空间张开的各个坐标角度，这一组向量可以完全表示一个矩阵表示的空间的“特征”，而他们的特征值就表示了各个角度上的能量（可以想象成从各个角度上伸出的长短，越长的轴就越可以代表这个空间，它的“特征”就越强，或者说显性，而短轴自然就成了隐性特征），因此，通过特征向量/值可以完全描述某一几何空间这一特点，使得特征向量与特征值在几何（特别是空间几何）及其应用中得以发挥。 关于特征向量（特别是特征值）的应用实在是太多太多，近的比如俺曾经提到过的PCA方法，选取特征值最高的k个特征向量来表示一个矩阵，从而达到降维分析+特征显示的方法；近的比如Google公司的成名作PageRank，也是通过计算一个用矩阵表示的图（这个图代表了整个Web各个网页“节点”之间的关联）的特征向量来对每一个节点打“特征值”分；再比如很多人脸识别，数据流模式挖掘分析等方面，都有应用，

数值分析思考题[综合]

1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 2、相对误差在什么情况下可以用下式代替？ 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 4、 取 ，计算 ，不用计算而直接判断下列式子中哪 种计算效果最好？为什么？ （1）(3 3-，（2）(2 7-，（3） (3 1 3+，（4） ) 6 11 ，（5）99-5. 应用梯形公式 ))()((2b f a f a b T +-= 计算积分1 0x I e dx -=?的近似值，在整个计算过程中按四舍五入规则取五位小数。计算中产生的误差的主要原因是截断误差还是舍入误差？为什么？ 6. 下列各数都是经过四舍五入得到的近似值，试指出他们有几位有效数字，并给出其绝对误差限与相对误差限。 (1) 1021.1*1=x ；(2) 031.0*2=x ；(3) 40.560*3=x 。 7. 下列公式如何计算才比较准确？ (1) 212 x e -，1x <<；(2) 12 1 N N dx x ++? ，1>>N ；(3) ，1x >>。 8. 序列{}n y 满足递推关系1101n n y y -=-，12,,n =，若0141.y =≈，计算到10y 时误差有多大？这个计算过程数值稳定吗？ r e x x e x x ***** -== 141.≈) 6 1

1、怎样确定一个隔根区间？如何求解一个方程的全部实根？如：已知方程：1020()x f x e x =+-=在(),-∞+∞有实数根，用二分法求它的全部实根，要求误差满足210*k x x --<？若要求6*10k x x --<，需二分区 间多少次？ 2、求解一个非线性方程的迭代法有哪些充分条件可以保障迭代序列收敛于方程的根？对方程3210()f x x x =--=，试构造两种不同的迭代法，且均收敛于方程在[]12,中的唯一根。 3、设0a >，应用牛顿法于方程30x a -= 确定常数,p q 和r 使得迭代法 2 125k k k k qa ra x px x x +=++， 012,, , k = 4、对于不动点方程()x x ?=，()x ?满足映内性和压缩性是存在不动点的充分条件，他们也是必要条件吗？试证明：（1）函数21()x x ?=-在闭区间[]02,上不是映内的，但在其上有不动点；（2）函数 1()ln()x x e ?=+在任何区间[],a b 上都是压缩的，但没有不动点。 5、设*x 是方程0()f x =的根，且0*'()f x ≠，''()f x 在*x 的某个邻域上连续。试证明：Newton 迭代序列{}k x 满足 12122**()''() lim () '()k k k k k x x f x x x f x -→∞---=-- 6. 设有方程1 12 sin x x =+。对于迭代法1112 ()sin()k k k x x x ?+==+，试证：对 任何15.b ≥，迭代函数()x ?在闭区间[0.5,b]上满足映内性和压缩性。用所给方

特征值和特征向量习题集

《 特征值与特征向量》习题2 1．求矩阵M ＝???? ?? －1 0 5 6的特征值和特征向量． 2. 已知矩阵M ＝?? ?? ?? 1 22 x 的一个特征值为3，求另一个特征值及其对应的一个特征向量． 3. 已知矩阵M ＝?????? 1 －2－1 －3，向量α＝?????? 3－5，β＝???? ?? 24. (1)求向量2α＋3β在矩阵M 表示的变换作用下的象； (2)向量γ＝?????? 12是矩阵M 的特征向量吗为什么 4. 已知矩阵A ＝?? ???? 1 2－1 4，设向量β＝???? ??74，试计算A 5 β的值． 5. 已知矩阵A ＝???? ?? 1 －1a 1，其中a ∈R ，若点P (1,1)在矩阵A 的变换下得到点P ′(0， －3) (1)求实数a 的值； (2)求矩阵A 的特征值及特征向量． 6. 已知矩阵A ＝?? ???? 3 3c d ，若矩阵A 属于特征值6的一个特征向量α1＝???? ?? 11，属于特征值1的一个特征向量α2＝???? ?? 3－2，求矩阵A ，并写出A 的逆矩阵． 7. 已知矩阵A 对应的变换是先将某平面图形上的点的横坐标保持不变，纵坐标变为原来的2倍，再将所得图形绕原点按顺时针方向旋转90°. (1)求矩阵A 及A 的逆矩阵B ； (2)已知矩阵M ＝?? ?? ??3 32 4，求M 的特征值和特征向量； (3)若α＝???? ??81在矩阵B 的作用下变换为β，求M 50 β.(结果用指数式表示) 8. 已知二阶矩阵M 的一个特征值λ＝8及与其对应的一个特征向量α1＝???? ?? 11，并且矩 阵M 对应的变换将点(－1,2)变换成(－2,4)． (1)求矩阵M ； (2)求矩阵M 的另一个特征值及与其对应的另一个特征向量α2的坐标之间的关系； (3)求直线l ：x －y ＋1＝0在矩阵M 的作用下的直线l ′的方程．

矩阵的特征值与特征向量专题讲解

矩阵的特征值与特征向量专题讲解 一、内容提要 一、矩阵的特征值和特征向量 1、基本概念 设A 为n 阶方阵，若存在数λ和n 为非零向量0,a ≠使Aa a λ=，则称λ是A 的特征值，a 是属于λ的特征向量；矩阵E A λ-称为A 的特征矩阵；E A λ-是 λ的n 次多项式，称为A 的特征多项式；E A λ-=0称为A 的特征方程； 2、特征值、特征向量的求法 （1）计算A 的特征值，即解特征方程E A λ-=0； （2）对每一个特征值0λ，求出相应的齐次线性方程组()00E A X λ-= 一个基础解系123,ξξξ，，...,则属于0λ的全部特征向量为11...s s k k ξξ++，其中1,...,s k k 为不全为零的任意常数； 3、特征值、特征向量的性质 （1）A 与T A 的特征值相同（但特征向量一般不同）； （2）属于同一特征值的特征向量的线性组合仍是属于该特征值的特征向量； （3）属于不同特征值的特征向量线性无关； （4）设()0Aa a a λ=≠，则(),,m kA A P A 的特征值分别为(),,m k P λλλ，其中 ()P x 为任一多项式，而a 仍为相应的特征向量； （5）若A 可逆，()0Aa a a λ=≠，则 1 λ 是1A -的特征值； A λ 是*A 的特征值， a 仍为相应的特征向量； （6）设12n λλλ，，...是n 阶方阵的特征值，则有()1 1 n n i ii i i a tr A λ====∑∑（迹）； 1 n i i A λ ==∏;推论：A 可逆当且仅当A 的特征值全不为零； （7）若A 为实对称阵，则A 的所有特征值均为实数，且属于不同特征值的 特征向量彼此正交。 二、相似矩阵

矩阵的特征值和特征向量

第五章矩阵的特征值和特征向量 来源：线性代数精品课程组作者：线性代数精品课程组 1．教学目的和要求： (1) 理解矩阵的特征值和特征向量的概念及性质，会求矩阵的特征值和特征向量. (2) 了解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件，会将矩阵化为相似对 角矩阵. (3) 了解实对称矩阵的特征值和特征向量的性质. 2．教学重点： (1) 会求矩阵的特征值与特征向量. (2) 会将矩阵化为相似对角矩阵. 3．教学难点：将矩阵化为相似对角矩阵. 4．教学内容： 本章将介绍矩阵的特征值、特征向量及相似矩阵等概念，在此基础上讨论矩阵的对角化问题. §1矩阵的特征值和特征向量 定义1设是一个阶方阵，是一个数，如果方程 (1) 存在非零解向量，则称为的一个特征值，相应的非零解向量称为属于特征值的特 征向量． （1）式也可写成， (2) 这是个未知数个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式 , (3) 即 上式是以为未知数的一元次方程，称为方阵的特征方程．其左端是的 次多项式，记作，称为方阵的特征多项式．

== = 显然，的特征值就是特征方程的解．特征方程在复数范围内恒有解，其个数为方程的次数（重根按重数计算），因此，阶矩阵有个特征值． 设阶矩阵的特征值为由多项式的根与系数之间的关系，不难证明 （ⅰ） （ⅱ） 若为的一个特征值，则一定是方程的根, 因此又称特征根，若为 方程的重根，则称为的重特征根．方程的每一个非 零解向量都是相应于的特征向量，于是我们可以得到求矩阵的全部特征值和特征向量的方法如下： 第一步：计算的特征多项式； 第二步：求出特征方程的全部根，即为的全部特征值； 第三步：对于的每一个特征值，求出齐次线性方程组： 的一个基础解系，则的属于特征值的全部特征向量是 （其中是不全为零的任意实数）． 例1 求的特征值和特征向量. 解的特征多项式为 =

特征值与特征向量定义与计算

特征值与特征向量 特征值与特征向量的概念及其计算 定义1. 设A是数域P上的一个n阶矩阵，是一个未知量， 称为A的特征多项式，记()=| E-A|，是一个P上的关于 的n次多项式，E是单位矩阵。 ()=| E-A|=n+1n-1+…+n= 0是一个n次代数方程，称为A的特征方程。特征方程()=| E-A|=0的根 (如：0) 称为A的特征根(或特征值)。 n次代数方程在复数域内有且仅有n 个根，而在实数域内不一定有根，因此特征根的多少和有无，不仅与A 有关，与数域P也有关。 以A的特征值0代入 (E-A)X=，得方程组 (0E-A)X=，是一个齐次方程组，称为A的关于0的特征方程组。因为 |0E-A|=0，(0E-A)X=必存在非零解X(0)，X(0) 称为A的属于 的特征向量全体构成了0的特征向量空间。 0的特征向量。所有0

一.特征值与特征向量的求法 对于矩阵A，由AX=0X，0EX=AX，得： [0E-A]X=即齐次线性方程组 有非零解的充分必要条件是： 即说明特征根是特征多项式 |0E-A| =0的根，由代数基本定理 有n个复根1, 2,…, n，为A的n个特征根。

当特征根i(I=1,2,…,n)求出后，(i E-A)X=是齐次方程， |i E-A|=0，(i E-A)X=必存在非零解，且有无穷个解i均会使 向量，(i E-A)X=的基础解系以及基础解系的线性组合都是A的特征向量。 例1. 求矩阵的特征值与特征向量。 解：由特征方程 解得A有2重特征值1=2=-2，有单特征值3=4 对于特征值1=2=-2，解方程组 (-2E-A)x= 得同解方程组 x1-x2+x3=0 解为x1=x2-x3 (x2,x3为自由未知量)

北航数值分析1-Jacobi法计算矩阵特征值

准备工作 ?算法设计 矩阵特征值的求法有幂法、Jacobi法、QR法等，其中幂法可求得矩阵按模最大的特征值（反幂法可求得按模最小特征值），Jacobi法则可以求得对称阵的所有特征值。 分析一：由题目中所给条件λ1≤λ2≤…≤λn，可得出λ1、λn按模并不一定严格小于或大于其他特征值，且即使按模严格小于或大于其他特征值，也极有可能出现|λs|<λ1|<|λn |或|λs|<λn|<|λ1 |的情况，导致按幂法和反幂法无法求解λ1或λn二者中的一者； 分析二：题目要求求解与数μk =λ1+k(λn-λ1)/40最接近的特征值λik(k=1,2,3…39)，这个问题其实可以转换为求A-μk 按模最小的特征值的问题，但因为在第一个问题中无法确定能肯定的求得λ1和λn，所以第二个问题暂先搁浅； 分析三：cond(A) 2 = ||A|| * ||A-1|| =|λ|max * |λ|min,这可以用幂法和反幂法求得，det(A) =λ1 *λ2 * … *λn，这需要求得矩阵A的所有特征值。 由以上分析可知，用幂法和反幂法无法完成所有问题的求解，而用Jacobi法求得矩阵所有特征值后可以求解题目中所给的各个问题。所以该题可以用Jacobi法求解。 ?模块设计 由 ?数据结构设计 由于矩阵是对称阵，上下带宽均为2，所以可以考虑用二维数组压缩存储矩阵上半带或下半带。但由于Jacobi法在迭代过程中会破坏矩阵的形态，所以原来为零的元素可能会变为非零，这就导致原来的二维数组无法存储迭代后的矩阵。基于此的考虑，决定采用一维数组存储整个下三角阵，以此保证迭代的正确进行。 完整代码如下（编译环境windows10 + visual studio2010）：

特征值和特征向量的物理意义

ABSTRACT: 特征向量：它经过这种特定的变换后保持方向不变。只是进行长度上的伸缩而已。 特征值：一个变换（矩阵）可由它的所有特征向量完全表示，而每一个向量所对应的特征值，就代表了矩阵在这一向量上的贡献率——说的通俗一点就是能量（power）。 内积：内积可以简单的理解为两个函数的相似程度,内积值越大表示两个函数相似程度越大,内积为零表示完全不相似。两个函数内积为零则两个函数正交,在三维空间中它们的夹角为90度,在三维以上不是这样的。 CONTENT 矩阵(既然讨论特征向量的问题。当然是方阵。这里不讨论广义特征向量的概念)乘以一个向量的结果仍是同维数的一个向量。因此。矩阵乘法对应了一个变换。把一个向量变成同维数的另一个向量。那么变换的效果是什么呢?这当然与方阵的构造有密切关系。比如可以取适当的二维方阵。使得这个变换的效果就是将平面上的二维向量逆时针旋转30度。这时我们可以问一个问题。有没有向量在这个变换下不改变方向呢?可以想一下。除了零向量。没有其他向量可以在平面上旋转30度而不改变方向的。所以这个变换对应的矩阵(或者说这个变换自身)没有特征向量(注意:特征向量不能是零向量)。所以一个变换的特征向量是这样一种向量。它经过这种特定的变换后保持方向不变。只是进行长度上的伸缩而已(再想想特征向量的原始定义Ax= cx。你就恍然大悟了。看到了吗?cx是方阵A 对向量x进行变换后的结果。但显然cx和x的方向相同)。而且x是特征向量的话。ax也是特征向量(a是标量且不为零)。所以所谓的特征向量不是一个向量而是一个向量族。另外。特征值只不过反映了特征向量在变换时的伸缩倍数而已。对一个变换而言。特征向量指明的方向才是很重要的。特征值不是那么重要。虽然我们求这两个量时先求出特征值。但特征向量才是更本质的东西! 比如平面上的一个变换。把一个向量关于横轴做镜像对称变换。即保持一个向量的横坐标不变。但纵坐标取相反数。把这个变换表示为矩阵就是[1 0;0 -1]。其中分号表示换行。显然[1 0;0 -1]*[a b]'=[a –b]'。其中上标' 表示取转置。这正是我们想要的效果。那么现在可以猜一下了。这个矩阵的特征向量是什么?想想什么向量在这个变换下保持方向不变。显然,横轴上的向量在这个变换下保持方向不变(记住这个变换是镜像对称变换。那镜子表面上(横轴上)的向量当然不会变化)。所以可以直接猜测其特征向量是[a 0]'(a不为0)。还有其他的吗?有。那就是纵轴上的向量。这时经过变换后。其方向反向。但仍在同一条轴上。所以也被认为是方向没有变化。 当我们引用了Spectral theorem（谱定律）的时候，情况就不一样了。Spectral theorem的核心内容如下：一个线性变换A（用矩阵乘法表示）可表示为它的所

第9章 矩阵特征值问题的数值方法

第9章矩阵特征值问题的数值方法 9.1 特征值与特征向量 9.2 Hermite矩阵特征值问题 9.3 Jacobi方法 9.4 对分法 9.5 乘幂法 9.6 反幂法 9.7 QR方法

引言 工程实践中有多种振动问题，如桥梁或建筑物的振动，机械机件、飞机机翼的振动，工程实践中有多种振动问题，如桥梁或建筑物的振动，机械机件、飞机机翼的振动，及一些稳定性分析和相关分析可转化为求矩阵特征值与特征向量的问题。

London, England: Millennium ('Wobbly') Bridge (1998-2002, Norman Foster and Partners and Arup Associates)

I decide that I have to write something today, otherwise I would not know how to speak English here. ?This is a very quick story about a bridge. ?London launched three major construction projects to celebrate the arrival of the Millennium. After all, Greenwich (pronounced green-ich) is supposed to be (supposed to be?!) where the prime meridian lies, and the place where the Millennium officially starts in the world. The three projects are the Millennium Dome in North Greenwich, so far the largest single roofed structure in the world, London Eye right across Westminster, which becomes so far the largest observation wheel in the world, and the Millennium Bridge that links Southeast London with St. Paul’s Cathedral, which is currently…well...not swinging any more, it is said.

特征值和特征向量的性质与求法

特征值和特征向量的性质与求法 方磊 （陕理工理工学院（数学系）数学与应用数学专业071班级，陕西汉中 723000）” 指导老师：周亚兰 [摘要] ：本文主要给出了矩阵特征值与特征向量的几个性质及特征值、特征向量的几种简单求法。 [关键词]：矩阵线性变换特征值特征向量

1 特征值与特征向量的定义及性质 定义1：（ⅰ）设A 是数域p 上的n 阶矩阵，则多项式|λE-A|称A 的特征多项式，则它在 c 上的根称为A 的特征值。 （ⅱ）若λ是A 的特征值，则齐次线性方程组(λE-A) X =0的非零解，称为A 的属于特征值λ的特征向量。 定义2：设α是数域P 上线性空间v 的一个线性变换，如果对于数域P 中的一数0λ存在一个非零向量ξ，使得a ξ=0λξ，那么0λ 成为α的一个特征值而ξ称为α的属于特征值0λ的一个特征向量。 性质1： 若λ为A 的特征值，且A 可逆，则0≠λ、则1-λ 为1-A 的特征知值。 证明： 设n λλλ 21为A 的特征值，则A =n λλλ 21ο≠ ∴λi≠0(i=1、2…n) 设A 的属于λ的特征向量为ξ 则ξλξi =?A 则λ1 -A ξ=ξ即有 1 -A ξ=1 -λ ξ ∴1 -λ 为1 -A 的特征值，由于A 最多只有n 个特征值 ∴1 -λ 为1 -A ξ的特征值 性质2：若λ为A 的特征值，则()f λ为()f A 的特征值 ()χf =n n a χ +1 0111 1x a x a x a n n +++-- 证明：设ξ为A 的属于λ的特征向量，则A ξ=λξ ∴ ()A f ξ=(n n A a +E a A a A a n n 011 1+++-- )ξ = n n A a ξ+ 1 1--n n A a ξ+… +E a 0 ξ =n n a λξ+1 1--n n a λ+…+E 0a ξ =()λf ξ 又ξ≠0 ∴ ()λf 是()A f 的特征值 性质3：n 阶矩阵A 的每一行元素之和为a ，则a 一定是A 的特征值

数值分析典型习题教学内容

特别声明：考试时需带计算器作辅助计算 1．2015x *=是经四舍五入得到的近似值，则其相对误差* r e ≤ -31 104 ?. 2. 01(),(),,()n l x l x l x L 是以01,,,n x x x L 为节点的拉格朗日插值基函数，则 (1)()n n k k k x l x =-=∑(1).n x - 3．设(0)1(1)3(2)4(3)2f =,f =,f =,f =，[0123]f =，，，1 3 - . 4. 利用Simpson 公式求?2 1 2dx x = 7.3 5. 设求积公式1 0()d (),(1)n k k k f x x A f x n ≈≥∑?=是Gauss 型求积公式，则3 n k k k A x == ∑1 .4 6. 数值微分公式(2)(2) ()i i i f x h f x h f x h +≈ --'的截断误差为 2().O h 7. 设1101A ?? = ??? ，则A 的谱半径()A ρ= 1 ，A 的条件数1cond ()A = 4. 8. 用牛顿下山法求解方程3 03 x x -=根的迭代公式是 2 13 3(1),3n n n n x x x x x λ+-=-- 下山条件是 1()().n n f x f x +< 9.对任意初始向量(0)x 及任意向量f ，线性方程组的迭代公式 (1)()(0,1,2,)k k k +=+=L x Bx f ，迭代序列()k x 收敛于方程组的精确解x *的充 分必要条件是()1.ρ

数值分析作业思考题

数值分析思考题1 1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 2、相对误差在什么情况下可以用下式代替？ 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 4、 取 ，计算 ，下列方法中哪种最好？为什么？ （1）()3 322 -，（2）() 2 752-，（3） () 3 1 322+，（4） () 6 121 +，（5）99702- 数值实验 数值实验综述：线性代数方程组的解法是一切科学计算的基础与核心问题。求解方法大致可分为直接法和迭代法两大类。直接法——指在没有舍入误差的情况下经过有限次运算可求得方程组的精确解的方法，因此也称为精确法。当系数矩阵是方的、稠密的、无任何特殊结构的中小规模线性方程组时，Gauss 消去法是目前最基本和常用的方法。如若系数矩阵具有某种特殊形式，则为了尽可能地减少计算量与存储量，需采用其他专门的方法来求解。 Gauss 消去等同于矩阵的三角分解，但它存在潜在的不稳定性，故需要选主元素。对正定对称矩阵，采用平方根方法无需选主元。方程组的性态与方程组的条件数有关，对于病态的方程组必须采用特殊的方法进行求解。 数值计算方法上机题目1 1、实验1. 病态问题 实验目的： 算法有“优”与“劣”之分，问题也有“好”和“坏”之别。所谓坏问题就是问题本身的解对数据变化的比较敏感，反之属于好问题。希望读者通过本实验对此有一个初步的体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 问题提出： 考虑一个高次的代数多项式 r e x x e x x ***** -== 2141.≈()6 21-

数值分析习题

习题1 1． 填空题 (1) 为便于算法在计算机上实现，必须将一个数学问题分解为 的 运算； (2) 在数值计算中为避免损失有效数字，尽量避免两个 数作减法运算；为避免 误差的扩大，也尽量避免分母的绝对值 分子的绝对值； (3) 误差有四大来源,数值分析主要处理其中的 和 ； (4) 有效数字越多,相对误差越 ； 2. 用例1.4的算法计算10,迭代3次,计算结果保留4位有效数字. 3. 推导开平方运算的误差限公式,并说明什么情况下结果误差不大于自变量误差. 4. 以下各数都是对准确值进行四舍五入得到的近似数,指出它们的有效数位、误差限和相对误差限. 95123450304051104000003346087510., ., , ., .x x x x x -==?===? 5. 证明1.2.3之定理1.1. 6. 若钢珠的的直径d 的相对误差为1.0%,则它的体积V 的相对误差将为多少。（假定钢珠为标准的球形） 7. 若跑道长的测量有0.1%的误差,对400m 成绩为60s 的运动员的成绩将会带来多大的误差和相对误差. 8. 为使20的近似数相对误差小于0.05%,试问该保留几位有效数字. 9. 一个园柱体的工件,直径d 为10.25±0.25mm,高h 为40.00±1.00mm,则它的体积V 的近似值、误差和相对误差为多少． 10 证明对一元函数运算有 r r xf x f x k x k f x εε'≈= () (())(),() 其中 并求出157f x x x ==()tan ,.时的k 值，从而说明f x x =()tan 在2 x π ≈时是病态问题． 11. 定义多元函数运算 1 1 1,,(),n n i i i i i i S c x c x εε====≤∑∑其中 求出S ε()的表达式，并说明i c 全为正数时，计算是稳定的，i c 有正有负时，误差难以控制． 12. 下列各式应如何改进,使计算更准确：

特征值与特征向量优秀教学设计

特征值与特征向量 【教学目标】 1．亲历矩阵特征值与特征向量意义的探索过程，体验分析归纳得出矩阵特征值与特征向量的存在与性质，进一步发展学生的探究、交流能力。 2．掌握矩阵特征值与特征向量的定义及其性质。 3．能从几何直观上，利用线性变换求特征值与特征向量。 【教学重难点】 重点：掌握阵特征值与特征向量的定义及其性质。 难点：从几何直观上，利用线性变换求特征值与特征向量。 【教学过程】 一、新课引入 教师：对于线性变换，是否存在平面内的直线，使得该直线在这个线性变换作用下保持不变？是否存在向量，使得该向量在这个线性变换的作用下具有某种“不变性”？为了解决我们的问题，我们今天将学习矩阵特征值与特征向量。 二、讲授新课 教师：请同学们回忆一下，我们在前面的课程里面，学过哪些基本的变换？ 学生：伸缩变换，反射变换等等。 教师：那下面我们来研究一下伸缩变换，反射变换一些不变的性质，我一起来看例题。 例1：对于相关x 轴的反射变换σ：1001x x y y '???? ??= ? ? ?'-? ?????，从几何直观上可以发现，只有x 轴和平行于y 轴的直线在反射变换σ的作用下保持不动，其他的直线都发生了变化。因此，反射 变换σ只把形如10k α??= ???和20k β?? = ??? 的向量（其中1k ，2k 是任意常数），分别变成与自身共线的 向量。可以发现，反射变换σ分别把向量10k α??= ???，20k β??= ???变成10k α??= ???，20k β?? -= ?-??。特别的，反射变换σ把向量110ξ??= ???变成110ξ??= ???，把向量201ξ??= ???变成01?? ?-?? 。用矩形的形式可表示为

(精品)数值分析判断题及答案

判断题及答案 (认为正确的在题后的括号中打√，认为错误的打×) 1. 按四舍五入的原则，8.000033的具有5位有效数字的近似数是8.0000. （对） 2. 在做数值计算时，为减少误差，应该尽可能的避免大数做分母。 （错） 3. 计算机上将1000个数量级不同的数相加，不管次序如何结果都是一样的。 （错） 4. 高精度的运算可以改善问题的病态性. （错） 5. 在插值条件相同的情况下，使用Lagrange 插值法和Newton 插值法，所得到的插值多项式相同。 （对） 6. 假设()(0,,)i l x i n =是Lagrange 插值基函数，则11()0,()1n n l x l x ==。 （对） 7. 高次插值多项式不能令人满意的主要原因是不会出现龙格现象。 （错） 8. Newton 插值方法的一个优点是在增加新的插值节点后，原来计算结果还可以使用。 （对） 9.曲线拟合和插值是一回事。 （错） 10.二次拟合曲线过给定的所有数据点。 （错） 11.矛盾方程组的法方程组的解就是该矛盾方程组的精确解。 （错） 12.Legendre 多项式()n P x 当n 是偶数时是偶函数，当n 是奇数时是奇函数。（对） 13.切比晓夫多项式所满足的递推关系是11()2()(),(1,2,)n n n T x xT x T x n +-=-=。 （对） 14.假设()n T x 是[-1,1]上首项系数为1的切比晓夫多项式，()n n Q x H ∈是任一个首项系数为1的多项式，则1111 max |()|max |()|n n x x T x Q x -≤≤-≤≤≤。 （对） 15.梯形公式和两点高斯公式的代数精度是一样的。 （错） 16.假设n x R ∈，则1||||||||x x ∞<。 （错） 17. 假设n n x R ?∈，则1||||||||x x ∞<。 （错） 18. 假设n x R ∈，则1||||||||x n x ∞<。 （错） 19.只要矩阵n n A R ?∈非奇异，则求解线性方程组Ax b =的直接顺序消去法或直接LU 分解法可以得到方程组的解。 （错） 20.对称正定的方程组总是良态的。 （错） 21.奇异矩阵的范数一定是零。 （错） 22.如果矩阵A 对称，则1||||||||A A ∞=。 （对） 23. 1||||||||T A A ∞=。 （对）