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 корені 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:

Читати далі

Обчислення власних векторів матриці методом Данилевського

Розглянутий в параграфі Обчислення 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:

Читати далі

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 . Підставимо 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 з алгоритмом LU-розкладання визначається фактично двома формулами:

Читати далі

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 рішенні 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 простіша, ніж аналогічна задача для довільної симетричної матриці.

Читати далі

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:

Читати далі