矩阵特征值的求法毕业论文

已经说了是矩阵最大特征值近似求法那么当然W指的是A的特征向量而AW=λW，就是特征值的定义式子其中λ是方阵A的特征值而对于比较复杂的方阵，不容易用|A-λE|=0慢慢来求的就会使用这样的最大特征值近似求法

尝试x=-1，发现满足方程，接下来就简单了x^3-x^2-13x-10=x^3+x^2-3x^2-3x-10x-10=(x+1)(x^2-3x-10)=(x+1)(x+2)(x-5)于是特征值为 5 -1 -2

从定义出发，Ax=cx：A为矩阵，c为特征值，x为特征向量。

矩阵A乘以x表示，对向量x进行一次转换（旋转或拉伸）（是一种线性转换），而该转换的效果为常数c乘以向量x（即只进行拉伸）。

通常求特征值和特征向量即为求出该矩阵能使哪些向量（当然是特征向量）只发生拉伸，使其发生拉伸的程度如何（特征值大小）。

扩展资料：

数值计算的原则：

在实践中，大型矩阵的特征值无法通过特征多项式计算，计算该多项式本身相当费资源，而精确的“符号式”的根对于高次的多项式来说很难计算和表达：阿贝尔－鲁费尼定理显示高次（5次或更高）多项式的根无法用n次方根来简单表达。

对于估算多项式的根的有效算法是有的，但特征值的小误差可以导致特征向量的巨大误差。求特征多项式的零点，即特征值的一般算法，是迭代法。最简单的方法是幂法：取一个随机向量v，然后计算一系列单位向量。