特征值与特征向量计算中deflation方法代码仅返回首个特征值问题咨询

代码问题定位 #

• 幂法迭代初始向量未重置：你在全局初始化了X变量，第一轮迭代结束后X存储的是首个特征向量，后续迭代没有重置X为随机初始值，进入下一轮幂法循环时，Y/norm(Y)和X/norm(X)的差直接满足精度要求，幂法循环完全不执行，因此每轮都返回第一轮的特征向量，无法计算后续特征值。
• 左特征向量迭代初始值未重置：XG同样在全局初始化，求当前特征值对应左特征向量的幂法循环，除了第一轮外后续都不会执行，得到的左特征向量完全错误，导致Wielandt收缩步骤失效，收缩后的矩阵并没有移除当前已计算的特征值，后续迭代自然无法得到下一个最大特征值。
• 非零索引变量j未重置：j在全局初始化为1，第一轮找到第一个非零元素的索引后，后续迭代不会重置j，如果新的特征向量对应j位置的元素为0，特征值计算步骤会直接跳过，Vp对应位置会保留初始值0，出现错误结果。
• 特征值计算逻辑可优化：用对应位置元素相除求特征值的稳定性差，替换为瑞利商计算可以避免查找非零索引的步骤，同时计算精度更高。

修正后代码 #

function [Vect,Vp]=PID(A,precision)
    nbVal= 50;
    [n,m]=size(A);
    max_iter = min(nbVal,n);
    Vect=zeros(n,max_iter);
    Vp=zeros(1,max_iter);
    
    for i=1:max_iter
        % 每轮幂法前重置右特征向量初始值
        X = rand(n,1);
        Y = A*X;
        % 幂法求当前最大特征值对应的右特征向量
        while (max(abs(Y/norm(Y)-X/norm(X)))>=precision)
            X=Y/norm(Y);
            Y=A*X;
        end
        Vect(:,i)=X;
        % 用瑞利商计算特征值，稳定性更强
        Vp(1,i) = (X'*A*X)/(X'*X);
        
        % 重置左特征向量初始值
        XG = rand(1,n);
        YG = XG*A;
        % 求当前特征值对应的左特征向量
        while (max(abs(YG/norm(YG)-XG/norm(XG)))>=precision )
            XG=YG/norm(YG);
            YG=XG*A;
        end    
        % Wielandt收缩，移除当前已计算的最大特征值
        A = A - Vp(1,i)*(X*XG)/(XG*X);
    end
end

内容的提问来源于stack exchange，提问作者Yassine_klk