Навигация
1. ВВЕДЕНИЕ
Целый ряд инженерных задач сводится к рассмотрению систем уравнений, имеющих единственное решение лишь в том случае, если известно значение некоторого входящего в них параметра. Этот особый параметр называется характеристическим, или собственным, значением системы. С задачами на собственные значения инженер сталкивается в различных ситуациях. Так, для тензоров напряжений собственные значения определяют главные нормальные напряжения, а собственными векторами задаются направления, связанные с этими значениями. При динамическом анализе механических систем собственные значения соответствуют собственным частотам колебаний, а собственные векторы характеризуют моды этих колебаний. При расчете конструкций собственные значения позволяют определять критические нагрузки, превышение которых приводит к потере устойчивости.
Выбор наиболее эффективного метода определения собственных значений или собственных векторов для данной инженерной задачи зависит от ряда факторов, таких, как тип уравнений, число искомых собственных значений и их характер. Алгоритмы решения задач на собственные значения делятся на две группы. Итерационные методы очень удобны и хорошо приспособлены для определения наименьшего и наибольшего собственных значений. Методы преобразований подобия несколько сложней, зато позволяют определить все собственные значения и собственные векторы.
В данной работе будут рассмотрены наиболее распространенные методы решения задач на собственные значения. Однако сначала приведем некоторые основные сведения из теории матричного и векторного исчислений, на которых базируются методы определения собственных значений.
2. НЕКОТОРЫЕ ОСНОВНЫЕ СВЕДЕНИЯ, НЕОБХОДИМЫЕ ПРИ РЕШЕНИИ ЗАДАЧ НА СОБСТВЕННЫЕ ЗНАЧЕНИЯ
В общем виде задача на собственные значения формулируется следующим образом:
AX = lX,
где A — матрица размерности n х n. Требуется найти n скалярных значений l и собственные векторы X, соответствующие каждому из собственных значений.
Основные определения матричного исчисления
1. Матрица A называется симметричной, если
аij = аij, где i, j = 1, 2, . . ., n.
Отсюда следует симметрия относительно диагонали
аkk, где k == 1, 2, . . ., n.
Матрица
| 1 | 4 | 5 |
| 4 | 3 | 7 |
| 5 | 7 | 2 |
является примером симметричной.
2. Матрица A называется трехдиагональной, если все ее элементы, кроме элементов главной и примыкающих к ней диагоналей, равны нулю. В общем случае трехдиагональная матрица имеет вид
| * | * | 0 | ||||||
| * | * | * | ||||||
| * | * | * | ||||||
| . | . | . | . | . | . | |||
| * | * | * | ||||||
| 0 | * | * | * | |||||
| * | * |
Важность трехдиагональной формы обусловлена тем, что некоторые методы преобразований подобия позволяют привести произвольную матрицу к этому частному виду.
3. Матрица A называется ортогональной, если
АТА = Е,
где Ат—транспонированная матрица A, а Е—единичная матрица. Очевидно, матрица, обратная ортогональной, эквивалентна транспонированной.
4. Матрицы А и В называются подобными, если существует такая несингулярная матрица Р, что справедливо соотношение
В = Р-1АР.
Основные свойства собственных значений.
1. Все п собственных значений симметричной матрицы размерности пХп, состоящей из действительных чисел, действительные. Это полезно помнить, так как матрицы, встречающиеся в инженерных расчетах, часто бывают симметричными.
2. Если собственные значения матрицы различны, то ее собственные векторы ортогональны. Совокупность п линейно независимых собственных векторов образует базис рассматриваемого пространства. Следовательно, для совокупности линейно независимых собственных векторов
Xi, где i == 1,. . ., n,
любой произвольный вектор в том же пространстве можно выразить через собственные векторы. Таким образом,
n
Y = S aiXi.
i=1
3. Если две матрицы подобны, то их собственные значения совпадают. Из подобия матриц A и В следует, что
В = Р-1АР.
Так как
АХ = lХ,
то
Р-1АХ = lР-1Х.
Если принять Х == РY, то
Р-1АРY = lY,
а
ВY == lY.
Таким образом, матрицы A и В не только имеют одинаковые собственные значения, но и их собственные векторы связаны соотношением
Х = Р Y.
4. Умножив собственный вектор матрицы на скаляр, получим собственный вектор той же матрицы. Обычно все собственные векторы нормируют, разделив каждый элемент собственного вектора либо на его наибольший элемент, либо на сумму квадратов всех других элементов.
Похожие работы
... решения системы. Метод Данилевского Простой и изысканный метод нахождения характеристического многочлена предложил А.М.Данилевский. Рассмотрим идею метода. Рассмотрим матрицу A Для которой находится характеристический многочлен, при помощи подобных преобразований преобразуется к матрице , которая имеет нормальную форму Фробениуса, то есть матрица имеет в явном виде в последнем ...
... , заданного матрицей P= в пространстве R2. Решение. Составим характеристическое уравнение: |P – λ·E|== λ2-5 λ+4=0 Из квадратного уравнения найдем собственные значения линейного оператора λ1=1, λ2=4. Чтобы найти собственные векторы, решим матричные уравнения: (P – λ1 E) X=0 и (P – λ2 E) X=0 В развернутом виде и Соответствующие однородные системы ...
... может быть, четыре или пять, собственных значений. Нахождение всех собственных пар разреженной матрицы представляет собой достаточно сложную вычислительную проблему. Итерационные методы позволяют находить собственные значения и векторы, минуя процедуру построения характеристического полинома. Отличительной чертой этих методов является то, что собственные значения находятся лишь после определения ...
... В.В. О построении собственных значений и функций одной газодинамической задачи Франкеля // Математическое моделирование. 1990. Т. 2. № 10. С. 100-109. Моисеев Е.И. о решении вырождающихся уравнений с помощью биортогональных рядов // Дифференц. уравнения. 1991. Т. 27. № 1. С. 94-103. Мамедов Я.Н. О некоторых задачах на собственные значения для уравнения смешанного типа // Дифференц. уравнения
0 комментариев