QR分解求矩阵全部特征值
QR算法求矩阵全部特征值的基本思想是利用矩阵的QR分解通过迭代格式
将A=A1化成相似的上三角阵,从而求出矩阵A的全部特征值。
QR方法的计算步骤如下:
下面就依次进行介绍。
一. 将一般矩阵化为上Hessenberg阵
1.定义
一个矩阵如果满足i>j+1时aij=0,则将这个矩阵成为上Hessenberg阵。上Hessenberg阵
的形式如下:
2. Householder变换将一般矩阵转化为上Hessnberg阵
首先,选取Householder矩阵H1,使得经过H1相似变换后的矩阵H1AH1的元素a21下面的
元素全部为0,即a31, a41, ....., am1均为0,H1取如下形式
其中 为n-1阶HouseHolder矩阵。然后选取Householder矩阵H2,使得经过H2相似变换
之后的矩阵H2(H1AH1)H2第二列中a32下面的a42, ....am2均为0。如此进行n-2次,可以构造
n-2个householder矩阵H1,H2, Hn-2,使得 Hn-2....H2H2AH1H2....Hm-2 = H(H为上Hessenberg矩阵)。
对于一个n*m的矩阵A,第col次的H可以这样构造求得(col从0开始):
其中,I为n*n的单位矩阵, v'表示矩阵v的转置, sign(x0)表示x0的符号的相反数( 当x0>0时sign=-1,当x<=0时为1),
||x||表示向量x的长度, col等于所求的上hessenberg矩阵的序号,从0开始。
二. 用Givens变换对上hessnberg矩阵作QR分解
此时有 H = R21' * R32' * ... * Rn(n-1)'R = QR。
多次计算H,直到H的变化小于一个较小的阈值时,停止迭代,此时H主对角线上的元素
即为矩阵A的全部特征值。
下面举个例子来说明求解矩阵的全部特征值的过程。
求矩阵的全部特征值
首先将A化成上hessenberg阵,取
x = [0, 6, 4], 则 ||x|| = =
则 w = [0, , 0] , v = w + 1 * x = [0, 6+, 4]
则 p = v*v'/v'*v =
于是 H1 = I - 2*p =
所以 H = H1AH1 =
H即为与A相似的上hessenberg矩阵。将H进行QR分解
这个程序的完整代码可以到这里下载,http://download.csdn.net/detail/xxc1605629895/6473181
QR分解求矩阵全部特征值相关推荐
- 【matlab】 QR分解 求矩阵的特征值
"QR_H.m"function [Q,R] = QR_tao(A) %输入矩阵A %输出正交矩阵Q和上三角矩阵R [n,n]=size(A); E = eye(n); X = z ...
- QR分解求矩阵特征值、特征向量 C语言
最近在看一个高光谱图像压缩算法,其中涉及到正交变换,计算正交变换时,需要对普通矩阵求其特征向量.想要在网上找一个现成的程序,可能是我百度的能力不强吧,居然真的没找见.好了废话不多说,下面进入正题. 计 ...
- (转)QR分解求矩阵的全部特征值
QR算法求矩阵全部特征值的基本思想是利用矩阵的QR分解通过迭代格式 将A=A1化成相似的上三角阵,从而求出矩阵A的全部特征值. QR方法的计算步骤如下: 下面就依次进行介绍. 一. 将一般矩阵化为上H ...
- C语言通过QR分解计算矩阵的特征值和特征向量
#include <stdio.h> #include <stdlib.h> #include <math.h> #include <time.h>// ...
- QR分解求矩阵绝对值-基于HouseHolder变换
思路: 输入矩阵A(mxn)-->HouseHolder变换-->获得矩阵B(Hessenberg矩阵nxn)-->Gievens变换 -->获得Q(标准正交nxn)和R(上三 ...
- 双步位移求解特征值matlab,数值分析——带双步位移的QR分解求特征值算法
C语言实现数值分析中带双步位移的QR分解求特征值算法. 数 值 分 析(B) 大 作 业(二) 1.算法设计: ①矩阵的拟上三角化: 对实矩阵A进行相似变换化为拟上三角矩阵A(n 1),其变换矩阵采用 ...
- 如何用计算机求特征值特征向量,利用QR算法求解矩阵的特征值和特征向量
利用QR算法求解矩阵的特征值和特征向量 为了求解一般矩阵(不是那种幼稚到shi的2 x 2矩阵)的特征值. 根据定义的话,很可能需要求解高阶方程... 这明显是个坑...高阶方程你肿么破... 折腾了 ...
- qr分解求线性方程组_矩阵分解
矩阵分解 1. 矩阵的三角分解 1.1 高斯消去法解线性方程组 在聊起矩阵分解之前,先看一下我们小学二年级就学过的高斯消去法解线性方程组,其主要思想就是:将方程组写作写作增广矩阵(A|b)的形式,然后 ...
- 基于QR分解迭代求解方阵特征值和特征向量
基于QR分解迭代求解方阵特征值和特征向量 一.特征值与特征向量求解的难点 线性代数的知识告诉我们如果要求一个方阵的特征值,只需要求解如下的特征方程的根即可: f ( λ ) = ( λ − λ 1 ) ...
最新文章
- SAP 对HU做转库操作,系统报错 - 系统状态HUAS是活动的 - 分析
- outlook express 邮件超过2G时的解决方法
- 【初级】String str= ac,42,123,sd Fa,c df,4,acdf,5ewRRre ;1.把字符串按,进行分割
- Spring 通过@Import实现Bean的注册
- MATALB(三)绘图命令
- PyTorch并行与分布式(三)DataParallel原理、源码解析、举例实战
- Sitecore8.2 GeoIP - 在8.2的引擎盖下发生了什么?
- 定位技术的发展过程,从GPS开始
- Android自带指南针坐标系,Android自定义View,带你实现小米指南针和时钟
- js中的this指向问题
- 世嘉土星系统memory mapping システムの使用するメモリのマッピングについて
- (超详细)XSS和SQL注入-网络渗透测试实验三
- 阿里云网盘内测申请_33期——阿里云网盘之内测申请(一)
- 高德地图marker添加属性、更换icon图标
- 支付宝app支付功能-服务端的实现-python3版
- missingno错误不显示图片,pycharm
- css3渐变—渐变_玩渐变
- 【基于obs插件-4】-音频频谱
- 魔兽随身助手选服务器,魔兽世界军团再临随身助手App常见问题官方解答汇总
- 51单片机最全入门总结