Категорія: Знаходження власних значень і власних векторів матриці

Застосування методу Крилова для знаходження власних векторів матриці

Метод Крилова, як і метод Данилевського, дає можливість достатньо просто знайти власні вектора матриці, якщо коефіцієнти характеристичного полінома та його коріння визначені. Продемонструємо це і для простоти обмежимося випадком, коли характеристичний многочлен матриці , має різні корені .

Отже, нехай – вектори, використовувані в методі Крилова для знаходження коефіцієнтів . Розкладаючи вектор за власними векторами матриці отримаємо:

Де – деякі коефіцієнти.

Звідси, враховуючи, що , отримаємо:

Нехай, – довільна система многочленів. Тоді, складаючи лінійну комбінацію векторів з коефіцієнтами з (3) та в силу співвідношень (1) і (2), знаходимо:

Пошук власних векторів матриці методом Данилевського

Розглянутий в параграфі Пошук власних значень матриці метод Данилевського дає можливість визначати не тільки всі власні значення матриці , а і всі її власні вектори, при умові, що відповідні їм власні значення являються відомими. Покажемо, яким чином це реалізується. Отже, нехай – власне значення матриці , а отже, і власне значення подібної їй матриці Фробеніуса .

Знайдемо власний вектор матриці , який відповідає власному значенню . Для цього, запишемо лінійне рівняння наступного вигляду: . Звідси або у матрично-векторній формі:

Перемноживши матриці, отримаємо систему для визначення координат власного вектора :

Система (3) – однорідна. Рішення її може бути знайдене в такий спосіб. Покладемо . Тоді, починаючи з останнього рівняння, послідовно отримаємо:

Знаходження власних значень матриці використовуючи алгоритм LU-розкладання

Частіше, принаймні, в несиметричному випадку, алгоритми наближеного рішення повних проблем власних значень грунтуються на приведенні заданої матриці до подібної їй матриці не діагонального, а трикутного вигляду. Найпоширенішим серед таких є алгоритм, що спирається на LU-розкладанні матриці. Розглянемо його більш детально. Для цього розглянемо квадратну матрицю розмірності , записану у вигляді добутку , де і – відповідно нижня і верхня трикутні матриці, елементи яких обчислюються за наступними формулами :

Зауваження: більш детальну інформацію про обчислення елементів матриць і можна знайти за посиланням Розв’язок СЛАР методом LU-факторизації.

Далі, позначимо , після чого, роз’вяжемо дану рівність відносно . В результаті отримаємо . Підставами останній вираз у формулу LU-розкладання матриці , отримаємо перетворення подібності , яке говорить про подібність матриць та і відповідно про рівність їх власних значень. Далі, представимо матрицю у вигляді , після чого, поклавши , отримаємо нову матрицю, подібну до матриць і відповідно. Продовжуючи даний процес далі, можна зробити висновок, що алгоритм знаходження власних значень згідно алгоритму LU-розкладання визначається фактично двома формулами:

Знаходження власних значень тридіагонольної симетричної матриці методом половинного ділення

Перш ніж приступити до розгляду методу половинного ділення, та застосування його для знаходження власних значень тридіагонольної симетричної матриці, попередньо розглянемо означення послідовності Штурма, та основну її властивість, на якій грунтується даний метод.

Отже, нехай маємо деяку тридіагональну матрицю виду:

Відзначимо, що матриці такого виду виникають при описі або рішення деяких прикладних задач. Крім того, задачі на власні значення для симетричних трехдіагональной матриць іноді є частиною рішения задач на знаходження власних значень довільних симетричних матриць. Природно, що задача знаходження власних значень симетричних трехдіагональной матриць простіше, ніж аналогічна задача для довільної симетричної матриці.

Рішення задач на власні значення методом вичерпування

Для визначення другого власного значення матриці та відповідного йому власного вектора можна скористатись ще одним способом, який називається методом вичерпування. Нехай маємо деяку матрицю , елементами якої є дійсні числа, і нехай власні значення даної матриці впорядковані наступним чином: .

Поряд з матрицею , розглянемо ще одну матрицю , де – перше власне значення матриці ; – відповідний власний вектор матриці , розглядуваний як матриця-стовпець; – власний ветор, явий відповідає власному значенню транспонованої матриці до , розглядуваний як матриця-рядок, причому вектори та нормовані таким чином, що їх скалярний добуток дорівнює одиниці:

Знаходження власних значень матриці використовуючи метод обертань

Метод обертань – поширений ітераційний метод розв’язування повної алгебраїчної проблеми власних значень і дозволяє, для симетричних матриць (нагадаємо, що матриця називається симетричною тоді і тільки тоді, коли ), вирішити задачу знаходження всіх власних значень та відповідних їм власних векторів без використання характеристичних рівнянь.

Основна ідея методу обертань полягає в перетворенні початкової матриці так, щоб зберігаючи спектр власних значень отримати діагональну матрицю або близьку до неї. Перетворення з такими властивостями відоме як перетворення подібності , де – невироджена матриця. Якщо додатково вимагатимемо ортогональності матриці , то, крім бажаного збереження спектра власних значень при перетворенні подібності необхідною умовою є ще й симетрія матриці перетворення. Знайти безпосередньо таку матрицю , як правило, невдається, тому один із шляхів побудови перетворення подібності – ітераційний. Тобто, на кожному -му кроці методу обертань здійснюється перетворенням подібності, де використовується ортогональна матриця обертань . Ця матриця залежить від трьох параметрів і відрізняється від одиничної лише чотирма елементами із координатами відповідно.

Часткова проблема власних значень матриці. Степеневий метод

Нехай маємо деяку матрицю і нехай її власні значення впорядковані по абсолютній величині наступним чином: . Тоді, вибравши деякий вектор , наприклад, вектор, компоненти якого дорівнюють одиниці , для визначення можна побудувати наступний ітераційний процес:

Степеневий метод

де і – відповідні компоненти векторів та . При цьому в якості номера може використовуватися будь-яке число з діапазону .

Знаходження власних значень матриці використовуючи метод Фадєєва

Метод Фадєєва також відноситься до точних чисельних методів призначених для відшукання власних значень матриці і являється певною модифікацією методу Левер’є. Даний метод вважається більш ефективним, тому що крім спрощень при обчисленні коефіцієнтів характеристичного полінома він дозволяє визначити власні вектори та обернену матрицю до заданої.

Основна ідея методу Фадєєва полягає в тому, що замість послідовності , яку ми відшукували використовуючи алгоритм методу Левер’є, обчислюють послідовність , побудовану за наступними формулами:

Метод Фадєєва

де – одинична матриця того ж самого порядку, що і матриця ; сліди матриць відповідно.

Знаходження власних значень матриці використовуючи метод Левер’є

Процес знаходження власних значень за методом Левер’є ділиться на два етапи: розкриття характеристичного многочлена та знаходження його коренів. Розглянемо дані етапи більш детально. Для цього, розглянемо матрицю , для якої запишемо характеристичний многочлен у наступному вигляді:

де корені даного многочлена. Розкладемо многочлен (1) на лінійні множники. В результаті отримаємо:

Перемноживши вирази, які містяться в правій частині (2) та звівши подібні члени, після чого прирівнявши їх з відповідними коефіцієнтами з (1), отримаємо формули, які виражають коефіцієнти характеристичного мнгочлена через його корені:

metod_laverre31

де – елементарні симетричні функції коренів характеристичного многочлена.

Знаходження власних значень матриці за методом Данилевського

Суть методу Данилевського полягає у приведенні характеристичного визначника матриці до такзваної нормальної форми Фробеніуса:

Метод Данилевського

і розклад його, в подальшому, по елементах першого рядка. В результаті отримаємо характеристичний многочлен степені , коефіцієнтами при невідомих якого є елементи першого рядка матриці Фробеніуса:

Очевидно, що рівняння (2) має коренів , які можна знайти використовуючи будь-який з методів призначених для знаходження розв’язку нелінійного рівняння (метод хорд, метод дотичних, метод простої ітерації та інші).