广义Rayleigh商矩阵和求解大稀疏广义特征值问题的块算法(英文)

从矩阵和矩阵束的Rayleigh商的极值性质出发,引进了矩阵束的广义Rayleigh商矩阵,证明了相应的极值定理,它包括了已有的各种 Ragleigh商作为特殊情况。 对求解大稀疏广义特征值问题 (A-λB)x=0,应用广义 Rayleigh 商矩阵的概念导出了不用对A,B或 A和B 的任何线性组合进行因子分解的快解法(BLRQ算法)。它解决了文[6]提出的计算中间特征值和特征向量的困难问题。证明了 BLRQ算法的总体收敛性和渐近平方收敛。     

矩阵束的典则形及定广义特征值问题的收缩算法

(一)引言 对矩阵束 A-λB, (1)其中A和B是m×n矩阵,存在m×m常数矩阵P和n×n常数矩阵Q,使P(A-λB)Q 变成Kronecker典则形:     

广义特征值问题的收缩算法

设n×n矩阵A和B组成的矩阵对(A,B)是正则的,即A+λB是一个正则束: det(A+B) 0。 考虑求解广义特征值问题 Ax=λBx, (1)由于A+λB是正则统,问题(1)恰有n个广义特征值,但当B奇异时,它包含一个     

用块对角化计算广义约化子空间

矩阵对的广义不变子空间的计算是求解广义特征值问题的继续.虽然早已发展了与之相关的矩阵束的理论,但如何计算广义不变子空间(的基)或矩阵束的典则形式则是近几年才发展起来的,在[6],[7]中研究了相应于正则束的广义特征值问题的扰动理论,並引进了收缩子空间对的概念,[3]中引进了广义特征值方阵和广义不变子空间的概念,[10],[11]讨论了有关奇异矩阵束的Kronecker典则形式的计算问题.我们知道与计算单个矩阵的Jordan典则形式一样,确定矩阵束的Kronecker典则形式本身是数值不稳定的.本文提出一个简单而经济的用块对角化计算相应于正则束的实矩阵对的广义约化子空间的方法,这是单个矩阵情况的推广,也就是用局部稳定的实变换将矩阵对同时(相抵地)约化成块对角的.     

正则矩阵束广义特征值的灵敏度

本文对一般正则方阵束A-tB(即A,B是一般n×n复阵且det(A-tB) 0),给出了特征值问题Ax=λBx中广义特征值λ的灵敏度估计。 由初等因子理论,正则方阵对(A,B)_n有Jordan式标准形。以下的例子表明,为研究λ的性态,如[1]那样采用拟Jordan结构是合适的。     

解广义特征值反问题的同伦方法

1.引言 我们讨论下列广义特征值反问题: (G)已知B是n×n阶对称半正定矩阵,λ=(λ_1,…,λ_(2n-1))~T∈R~(2n-1),且{λ_i}~(n_3),和{λ_i}_(n+1)~(2n-1)严格交错。问题是欲求一个实对称三对角n×n阶矩阵A,使得λ_1…,λ_n是Ax=λBx的特征值,λ_(n+1),…,λ_(2n-1)是A_(n-1)x=λB_(n-1)x的特征值,其中A_(n-1),B_(n-1)分别是矩阵A,B的前n-1阶主子阵。     

关于对称块轮换矩阵的注记

本文研究了对称块轮换矩阵和对称块轮换矩阵束的特征值和广义特征值问题。导出了它们的特征分解。当对称块轮换矩阵的每个块本身也是轮换矩阵时,本文的结果校正了[2]中的错误。     

广义特征值问题的分块子空间迭代法及其在有限元振动计算中的应用

一、引言 考虑矩阵的广义特征值问题这里(?),(?)是n阶复矩阵,且设(?)非奇,在实践中特别重要的是对称广义特征值问题,即(?),(?)是n阶实对称矩阵,且(?)正定的情况。 求解广义特征值问题(1.1)的方法之一是将它变换到标准特征值问题,即对矩阵A≡(?)~(-1)(?)的标准特征值问题,而对于对称广义特征值问题,可利用B的平方根分解(?)=LL~T,若令x=L~T(?),A=L~(-1)(?)L~(-T),则(1.1)被变换成对称标准特征值问题     

计算对称带状矩阵广义特征值问题的并行分治多分法

1 引 言 本文研究了广义特征值问题 Ax=λBx (1)的并行计算。其中,A,B均为半带宽为r的n阶实对称带状矩阵且其中之一是正定的.本文总假设B是正定的.     

重特征值敏度的数值计算

一个结构系统的设计,往往归结为下述代数特征值问题:其中A(p)与B(p)为n×n实解析的对称矩阵,B(p)正定,λ(p)是特征值,x(p)是相应的特征向量. 设λ_1是问题(1.1)在点p=p~*的r重特征值,即存在矩阵X=(X_1,X_2)∈R~(n×n),     

Hermite矩阵与可对称化矩阵特征值之间的扰动上界

正1引言矩阵特征值的扰动问题,就是研究矩阵元素的改变对矩阵特征值的影响.设矩阵A,B为n阶复矩阵,矩阵B为矩阵A经过扰动之后的矩阵,且λ(A)={λ_i},λ(B))={μ_i},研究矩阵特征值的扰动就是研究λ(A)与λ(B)之间的差距,一般用2范数和Frobenius范数来描述它们之间的差距.矩阵特征值问题是由于处理数据时存在误差而引起的,使得到的特征值往往是经过     

实对称矩阵的两类逆特征值问题

§gi.两类逆特征值问题先说明一些记号.R~(m×n)是所有m×n实矩阵的全体,R~n=R~(n×1),R=R~1;SR~(n×n)是 所有n×n实对称矩阵的全体;OR~(n×n)是所有n×n实正交矩阵的全体;I~((n))是n阶单位矩阵;A~T是矩阵A的转置;A>0表示A是正定的实对称矩阵.?(A)是矩阵A的列空间;A~+是矩阵A的Moore-Penrose广义逆;P_A=AA~+表示到?(A)的正交投影.λ(A)是A的特征值的全体;λ(K,M)是广义特征值问题K_x=λM_x的特征值的     

线性流形上广义次对称矩阵的左右逆特征值问题

研究线性流形上广义次对称矩阵的左右逆特征值问题及其最佳逼近问题.利用广义次对称矩阵的性质及矩阵的奇异值分解得到问题的通解表达式.同时,给出其有唯一的最佳逼近解以及求最佳逼近解的算法.     

广义特征值的Wilkinson条件数

1．引言H．Weyl于1912年证明了下述结果［1］．Weyl定理．设人B为nxn．Hermite矩阵，特征值分别为入λl≥λ2≥…≥λn和以1三v2三…三on，那么人一nilsilA—Bll。，；＝l，2，…，。，其中11112为矩阵的谱范数。这条定理已成为矩阵扰动理论中的标准结果，被推广到奇异值问题、广义特征值问题、广义奇异值问题［2］，所得结果可通称为W6yl型定理，在矩阵分析和矩阵计算中有广泛而重要的应用．我们注意到，就实际应用而言，使用稳定算法而得到的计算结果的精度分析问题，可以转化为小扰动情形下的扰动分析．此时。B是A的某个邻近矩阵，而…     

求解陀螺系统特征值问题的收缩二阶Lanczos方法

本文研究陀螺系统特征值问题的数值解法,利用反对称矩阵Lanczos算法,提出了求解陀螺系统特征值问题的二阶Lanczos方法.基于提出的陀螺系统特征值问题的非等价低秩收缩技术,给出了计算陀螺系统极端特征值的收缩二阶Lanczos方法.数值结果说明了算法的有效性.     

一类广义特征值反问题

本文提出了一个实对称带状矩阵的广义特征值反问题,并且证明了对于Jacobi矩阵和一般对称矩阵,问题的存在性.     

用试验数据修正质量矩阵,阻尼矩阵与刚度矩阵

讨论用试验数据修正振动系统的双对称质量矩阵,阻尼矩阵与刚度矩阵的问题.依据特征方程,质量矩阵,阻尼矩阵与刚度矩阵的双对称性,利用代数二次特征值反问题的理论和方法,研究了这个问题解的存在性与惟一性,提出了修正质量矩阵,阻尼矩阵与刚度矩阵的一个新方法.利用矩阵的奇异值分解和矩阵的Kronecker乘积研究了方程的双对称解.给出了二次特征值反问题双对称解的一般表达式,讨论了对任意给定矩阵的最佳逼近问题,并给出了问题的最佳逼近解.     

一类二次特征值反问题的中心对称解及其最佳逼近

1引言给定n阶实矩阵M,C和K,二次特征值问题:求数λ和非零向量x使得Q(λ)x=0, (1．1)其中Q(λ)=λ2M λC K称为二次束．数λ和相应的非零向量x分别称为二次束Q(λ)的特征值和特征向量．Tisseur和Meerbergen概述了二次特征值问题的各种应用、数学理论和数值方法．在工程技术,特别是结构动力模型修正技术领域经常遇到与二次特征值问题相反的问题(称之为二次特征值反问题)．对阻尼结构进行动力分析时,应用有限元方法可得到系统的质量矩阵M,阻尼矩阵C和刚度矩阵K,从而可求得二次特征值问题的特征值(频率)和特征向量(振型)．但是有限元模型毕竟是实际结构系统的离散化,并且     

确定实非对称矩阵Jordan标准型的一种算法

1 引言 1972年W.B.Rubin在[1]中提出的二次算法,在已给n×n矩阵A的全部特征值的前提下,对A的每一个特征值λ,计算n_1=Rank[(A-λI)~1],l=0,1…,直到n_p=n_(p+1),然后由{n1}_(l=0)~(l=p)的二次差确定A的Jordan标准型。即使A是实的,该法仍不能避免复运算,而且需作大量n×n矩阵的乘幂和求秩,运算量较大。     

广义特征向量几种算法的比较

关于求一个矩阵 Jordan标准型的变换矩阵问题须计算矩阵的广义特征向量 ,目前常见的矩阵理论教材中有下述两种方法 .下设 A是 n× n阶矩阵 ,λ是 A的某特征值 ,其代数重数为 r,几何重数为 s且r>s.方法 1　由方程 ( A- λI) x=0解出 A的特征向量 p,由 ( A- λI) x=p解出第一个广义特征向量 q,这里的 p不能是任一特征向量而应是 A的 λ特征子空间内使方程 ( A- λI) x=p有解的那一个 .设 A的 λ特征子空间的基是 p1,p2 ,… ,ps,当 s>1时正确的说法是 :通过选择系数 k1,k2 ,… ,ks由方程 ( A- λI) x=k1p1+ k2 p2 +… + ksps解出第一个广…