Линейные системы уравнений
Для заданных
векторов построим
систему векторов
таких, что
,
следующим
образом:

Откуда
последовательно
находятся
коэффициенты
:
![]()

![]()
![]()
Взаимной
ортогональности
векторов v
можно было бы
добиваться
и так, чтобы
каждый
был ортогонален
каждому
,
положив
и приравняв
нулю скалярные
произведения
:

Определитель этой системы называют определителем Грама:
,
где
-
матрица, в общем
случае комплексно
сопряженная
с матрицей
,
составленной
из заданных
векторов.
Если
грамиан положителен,
а он всегда
неотрицателен,
то векторы
линейно независимы,
а если равен
нулю, то зависимы.
Это один из
способов проверки
конкретного
набора векторов
на их линейную
независимость.
Для заданного
выше набора
векторов
определитель
произведения
матрицы X на
транспонированную
X* будет
равен

Таким образом, заданная система векторов линейно независима. Для построения ортонормированной системы векторов последовательно вычислим коэффициенты и ортогональные векторы:

После
нормирования
векторы образуют
правую систему
собственных
векторов.
Транспонированная
Т-матрица с
этими векторами
есть
-матрица
(
);
ее строки являются
собственными
левосторонними
векторами:
.
Внешнее
(матричное)
произведение
каждого нормированного
вектора
самого на себя
дает нам проекторы
искомой матрицы:

Умножая
каждое собственное
значение
из заданного
набора на свой
проектор и
суммируя, получим:
.
Аналогично получается обратная матрица:
.
С помощью этих же проекторов вычисляется любая аналитическая функция, аргументом которой является матрица A:
.
10.Оценка величины и нахождение собственных значений
Краткое рассмотрение основных теоретических положений линейной алгебры позволяет сделать следующие выводы: для успешного решения систем линейных алгебраических уравнений и вычислений матричных функций необходимо уметь находить ее собственные значения и собственные векторы.
Для любой матрицы A с действительными компонентами и любого ненулевого вектора v существует отношение Рэлея, связывающее скалярное произведение векторов v и Av с минимальным и максимальным собственными значениями:
.
К высказанному необходимо сделать еще ряд замечаний, связанных со случаями, когда исходная матрица имеет кратные собственные значения или оказывается вырожденной.
Характеристическое
уравнение
матрицы A с
кратным корнем
можно записать
в виде
.
На основании
этой записи
можно составить
минимальное
характеристическое
уравнение
,
для которого
матрица A также
является корнем:
.
Особенности
в части определения
собственных
значений и
векторов обычно
возникают в
несимметричных
матрицах (
).
Некоторые из
них никакими
подобными
преобразованиями
не удается
свести к диагональной.
Например, не
поддаются
диагонализации
матрицы n-го
порядка, которые
не имеют n линейно
независимых
собственных
векторов. Однако
любая матрица
A размера
с помощью
преобразования
подобия может
быть приведена
к прямой сумме
жордановых
блоков или
к канонической
жордановой
форме:
,
где A –
произвольная
матрица размера
;
– жорданов
блок размера
;
V – некоторая
невырожденная
матрица размера
.
Характеристическое
уравнение
жорданова блока
размера
независимо
от количества
единиц в верхней
диагонали
записывается
в виде произведения
одинаковых
сомножителей
и, следовательно,
имеет только
кратных корней:
.
Если
выразить матрицу
V в форме вектора
с компонентами
в виде векторов-столбцов
,
то из равенства
AV=VJ для каждого
жорданового
блока следует
соотношение
.
Здесь
в зависимости
от структуры
верхней диагонали,
в которой может
быть либо ноль,
либо единица.
Если жордановы
блоки имеют
размер
,
то мы имеем
случай симметричной
матрицы или
матрицы с различными
собственными
значениями.
При поиске решений систем линейных уравнений с несимметричными матрицами, последние стремятся теми или иными приемами свести к выражению с симметричными матрицами.
Один из возможных подходов к решению несимметричных линейных систем состоит в замене исходной системы эквивалентной системой:
.
Недостаток
этого подхода
состоит в том,
что мера обусловленности
произведения
матрицы A на
свою транспонированную,
оцениваемая
отношением
,
оказывается
больше, чем у
матрицы A.
Под мерой обусловленности понимают отношение наибольшего собственного значения матрицы к наименьшему. Это отношение влияет на скорость сходимости итерационных процедур при решении уравнений.
Итак, основными алгебраическими системами уравнений можно считать неоднородные системы уравнений с симметричными матрицами коэффициентов.
Литература
Вержбицкий В.М. Основы численных методов: Учебник для вузов – 3-е изд. М: Высшая школа, 2009. – 840 с.
Самарcкий А.А. Задачи и упражнения по численным методам. Изд. 3 Изд-во: КомКнига, ЛКИ, 2006. – 208 с.
Турчак Л.И., Плотников П.В. Основы численных методов. Изд-во: ФИЗМАТЛИТ®, 2003. – 304 с.
Хеннер Е.К., Лапчик М.П., Рагулина М.И. Численные методы. Изд-во: «Академия/Academia», 2004. – 384c.
Чистяков С.В. Численные и качественные методы прикладной математики. СПб: 2004. – 268 с.