Вычисление собственных чисел и собственных векторов матриц, решение систем линейных алгебраических уравнений
Покупка
Издательство:
Томский государственный университет
Составитель:
Грекова Татьяна Ивановна
Год издания: 2016
Кол-во страниц: 63
Дополнительно
Вид издания:
Учебно-методическая литература
Уровень образования:
ВО - Бакалавриат
Артикул: 761280.01.99
Доступ онлайн
В корзину
Данное издание представляет собой учебно-методическое пособие для выполнения лабораторных работ по курсу «Численные методы» студентами факультета прикладной математики и кибернетики Томского государственного университета и включает следующие разделы:
- вычисление собственных чисел и собственных векторов матриц;
-решение систем линейных алгебраических уравнений.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 01.03.01: Математика
- 03.03.01: Прикладные математика и физика
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ФАКУЛЬТЕТ ПРИКЛАДНОЙ МАТЕМАТИКИ И КИБЕРНЕТИКИ ВЫЧИСЛЕНИЕ СОБСТВЕННЫХ ЧИСЕЛ И СОБСТВЕННЫХ ВЕКТОРОВ МАТРИЦ, РЕШЕНИЕ СИСТЕМ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ Учебно- методическое пособие Томск – 2016
РАССМОТРЕНО И УТВЕРЖДЕНО методической комиссией факультета прикладной математики и кибернетики. Председатель комиссии – профессор А.Г. Дмитренко Данное издание представляет собой учебно-методическое пособие для выполнения лабораторных работ по курсу «Численные методы» студентами факультета прикладной математики и кибернетики Томского государственного университета и включает следующие разделы: – вычисление собственных чисел и собственных векторов матриц; – решение систем линейных алгебраических уравнений. Составитель – Т.И. Грекова Рецензент Ю.И. Параев, доктор технических наук, профессор кафедры прикладной математики Томского государственного университета © Томский государственный университет, 2016
Вычисление собственных векторов и собственных значений матриц 1. Введение Определение. Собственным значением (характеристическим числом) квадратной матрицы А – n×n называется число λ такое, что для некоторого вектора 0 x имеет место равенство: .x x A (1.1) Вектор 0 x , удовлетворяющий (1.1) называется собственным вектором матрицы А. Очевидно, если x – собственный вектор, то x – собственный вектор. Соотношение (1.1) перепишем в виде 0 ) ( x I A . (1.2) Необходимое и достаточное условие существования нетривиального решения (1.2): 0 I A (1.3) или 0 2 1 2 22 21 1 12 11 nn n n n n a a a a a a a a a I A . Уравнение (1.3) называется характеристическим или вековым уравнением. ) ( )1 ( ) ( )1 ( 2 2 1 1 P p p p I A n n n n n n
– характеристический полином. P(λ) называется собственным многочленом. Собственные значения – корни собственного многочлена. Совокупность всех собственных значений n , , 1 с учѐтом кратности называется спектром матрицы А. Однородная система (1.1) имеет ненулевые решения x в том и только в том случае, если λ – собственное значение. Собственный вектор – ненулевое решение (1.1), где λ равно конкретному собственному значению λi. Одному значению λi может соответствовать несколько собственных векторов. Задачу вычисления собственных значений и собственных векторов можно разбить на три этапа: 1) построение собственного многочлена; 2) нахождение корней P(λ); 3) решение системы n i x I A i ,1 ,0 ) ( для нахождения собственного вектора. Все методы нахождения собственных значений и собственных векторов разделяют на прямые (точные) и итерационные. В первом случае строят P(λ), находят его корни и собственные векторы. Во втором, не вычисляя P(λ), находят собственные значения и собственные векторы. Вычисления носят итерационный характер. Различают две задачи: 1) полная проблема собственных значений; 2) частичная проблема собственных значений. Для каждой задачи – свои методы. Итерационные методы более трудоѐмки, но не требуют построения P(λ), что является преимуществом этих методов, т.к. ошибки вычисления коэффициентов P(λ) могут приводить к значительным ошибкам в определении корней.
2. Метод Данилевского А.М. 2.1. Определение собственного многочлена Известно, что преобразование S–1AS с невырожденной матрицей S не меняет характеристический полином. Действительно, . 1 1 1 1 I A S I A S IS S AS S I AS S Если подобрать матрицу S и преобразовать матрицу А к простому виду, можно сразу выписать еѐ характеристический полином P(λ). Метод Данилевского приводит матрицу А к канонической форме Фробениуса: 0 1 0 0 0 0 1 0 0 0 0 1 1 2 1 n n p p p p . Разлагая определитель 1 0 0 0 0 1 0 0 0 1 1 2 1 n n p p p p E по элементам первого столбца, получим
1 0 0 0 0 1 0 0 0 1 1 2 1 n n p p p p E = ). ( )1 ( )1 ( ) ( ) ( ) )( ( 1 0 0 0 0 1 ) ( ) )( ( 2 2 1 1 1 3 3 2 2 1 1 1 4 3 2 2 1 1 n n n n n n n n n n n n n n p p p p p p p p p p p p p Решаем задачу поэтапно. Рассмотрим матрицу А. 1) Пусть .0 1 , n n a Разделим на него (n–1)-й столбец матрицы А и вновь полученный столбец умножим на элемент i n a , и вычтем этот столбец из столбца с номером i для всех i = 1, 2, …, n–2, n. В результате последняя строка будет иметь вид как в форме Фробениуса: 0…010. Это преобразование равносильно умножению матрицы А справа на матрицу 1 0 0 0 1 0 0 1 0 0 0 0 1 1 , 1 , 1 , 2 1 , 1 )1 ( n n nn n n n n n n n n n a a a a a a a M .
Но полученная матрица АМ(n–1) не будет подобной А. Нужно еѐ слева умножить на матрицу 1 ) 1 ( n M . Такая матрица существует, так как .0 1 1 , )1 ( n n n a M . 1 0 0 0 0 0 1 0 0 0 0 1 1 , 2 1 1 )1 ( nn n n n n n a a a a M Произведение )1 ( 1 )1 ( n n AM M не меняет последней строки )1 ( n AM . Итак, на первом этапе имеем . 0 1 0 0 )1( ,1 )1( 1 ,1 )1( 2,1 )1( 1,1 )1( ,2 )1( 1 ,2 )1( 22 )1( 21 )1( 1 )1( 1 ,1 )1( 12 )1( 11 )1 ( 1 )1 ( )1( n n n n n n n n n n n n a a a a a a a a a a a a AM M A 2) Второй этап аналогичен первому и состоит в приведении (n–1)-ой строки к виду: 00…100 при условии неизменности последней строки. Пусть .0 2 ,1 n n a Тогда ) 2 ( )1 ( 1 )1 ( 1 ) 2 ( ) 2 ( )1( 1 ) 2 ( ) 2 ( n n n n n n M AM M M M A M A
, 0 1 0 0 0 0 0 1 0 ) 2 ( ,2 ) 2 ( 1 ,2 ) 2 ( 2 ,2 ) 2 ( 1,2 ) 2 ( 1 ) 2 ( 1 ,1 ) 2 ( 12 ) 2 ( 11 n n n n n n n n n a a a a a a a a где , 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 1 )1( 2 ,1 )1( ,1 )1( 2 ,1 )1( 1 ,1 )1( 2 ,1 )1( 2 ,1 )1( 2,1 )1( 2 ,1 )1( 1,1 ) 2 ( n n n n n n n n n n n n n n n n n a a a a a a a a a M . 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 )1( ,1 )1( 1 ,1 )1( 2 ,1 )1( 2,1 )1( 1,1 1 2 n n n n n n n n n a a a a a M Эта закономерность сохраняется и дальше. Итак, если 0 ... ,0 ,0 ,0 ) 2 ( 21 2 3 ,2 )1( 2 ,1 1 , n n n n n n n a a a a , то после n – 1 шагов метода Данилевского будем иметь
. 0 1 0 0 0 0 0 1 )1 ( ,1 )1 ( 1 ,1 )1 ( 12 )1 ( 11 1 n n n n n n a a a a AS S )1( ) 2 ( )1 ( 1 )1 ( 1 ) 2 ( 1 )1( 1 , M M M S M M M S n n n и . , , )1 ( 1 )1 ( 12 2 )1 ( 11 1 n n n n n a p a p a p По первой строке полученной матрицы Ф составляется собственный многочлен . ) ( 1 1 n n n n p p P Нерегулярный случай. Пусть выполнено (n – k) этапов метода Данилевского, и оказалось, что 0 ) ( 1 , k n k k a . Если 0 ) ( , k n i k a хотя бы для одного 2 ,1 k i , то решение можно свести к регулярному случаю путѐм перестановки i–го и (k–1)-го столбцов и, для сохранения подобия матриц, i-ой и (k–1)-ой строк. Это преобразование можно выполнить умножением матрицы А(n–k) слева и справа на матрицу перестановок. Вторая возможность: все .0 ,0 ,0 ) ( 1 , ) ( 2 , ) ( 1, k n k k k n k k n k a a a Тогда А(n–k) имеет форму , 0 ) ( ) ( ) ( ) ( k n k n k n k n C B A где Ф(n–k) имеет вид матрицы Фробениуса. Тогда, согласно теореме Лапласа о разложении определителя, имеем
. 1 ) ( 1 ) ( ) ( k n k n k k n k n E E B E A Отсюда следует, что достаточно привести к форме Фробениуса матрицу B(n–k) порядка (k–1)×(k–1). 2.2. Вычисление собственного вектора Пусть λ1 ,…, λn – собственные числа матрицы А и y – собственный вектор матрицы А(n–1) = Ф, т.е. Ф y = λi y . Тогда собственный вектор матрицы А: .y S x Действительно, Ф y = S–1AS y = λi y . После умножения на матрицу S слева: AS y = λiS y , т.е. .x x A i Система Ф y = λi y имеет вид: p1y1 + p2y2 + … + pnyn = λiy1, y1 = λiy2 , ……… yn = λiyn . Здесь y1, … , yn – координаты вектора y . Положив yn = 1, получим ). 1, , , , ( 2 1 i n i n i y Первое уравнение системы – тождество. Собственный для матрицы А вектор .y S x
Доступ онлайн
В корзину