1.2 Krylov-módszer
Krylov módszere egy M négyzetmátrix azon tulajdonságán alapul, hogy eltünteti jellegzetes polinomját. Ebben a munkában az M mátrix technológiai kapcsolódási együtthatók mátrixa, amelynek alakja:
A Hamilton-Cali tétel szerint minden négyzetmátrix a karakterisztikus polinom gyöke, és ezért nullára fordítja. Legyen (1.2.1) a karakterisztikus polinom
A kifejezésben a λ értékét M-re cserélve megkapjuk
Ha veszünk egy tetszőleges Y 0 nem nulla vektort, és megszorozzuk vele az (1.2.2) kifejezés mindkét oldalát, a következőt kapjuk:
Vagy formában
Ha ez a rendszer rendelkezik egyetlen döntés, akkor p 1, p 2 .....p n gyökei a karakterisztikus polinom (1.2.1) együtthatói.
Ha ismertek a karakterisztikus polinom р 1, р 2…..р n együtthatói és λ 1, λ 2,….λ n gyökei, akkor a Krylov-módszer lehetővé teszi a megfelelő vektorok megtalálását a következő képlet segítségével :
Itt y (n -1), y (n -2), …. y (0) – a р 1 , р 2 .....р n együtthatók Krylov-módszerrel történő meghatározásához használt vektorok, a q ij () együtthatók Horner-séma segítségével kerülnek meghatározásra.
q 0i = 1, q ij = λ i q i-1,i +p i (1.2.7)
Meghatározására sajátértékek M mátrix, meg kell oldani a kapott karakterisztikus egyenletet. Az M mátrix esetében ez az egyenlet ötödik fokú lesz, ebben a munkában egy ilyen egyenletet fogunk megoldani a tangens módszerrel vagy más módon Newton módszerével.
1.3 Newton-módszer (tangens módszer)
A Newton-módszer (más néven tangens módszer) iteratív numerikus módszer egy adott függvény gyökének (nulla) megtalálása. A megoldás keresése egymást követő közelítések megszerkesztésével történik, és az egyszerű iteráció elvein alapul. A módszer másodfokú konvergenciával rendelkezik. A módszer továbbfejlesztése az akkordok és érintők módszere. A Newton-módszer felhasználható olyan optimalizálási feladatok megoldására is, amelyeknél meg kell határozni az első derivált vagy gradiens nulláját abban az esetben többdimenziós tér.
Az f(x) = 0 egyenlet egyszerű iterációs módszerrel történő numerikus megoldásához redukálni kell következő űrlapot: x = f(x), ahol f(x) egy összehúzódási leképezés.
A módszer legjobb konvergenciája érdekében a feltételnek a következő közelítés pontjában teljesülnie kell. Megoldás adott egyenlet keressen az űrlapon, majd:
Feltéve, hogy a megközelítési pont "elég közel" van a gyökérhez, és ez adott funkciót folyamatos, a végső képlet a következő:
(1.3.2)
Ezt figyelembe véve a függvényt a kifejezés határozza meg
(1.3.3)
Ez a függvény tömörítő leképezést hajt végre a gyökér szomszédságában, és a keresés algoritmusát numerikus megoldás az egyenlet egy iteratív számítási eljárásra redukálódik:
(1.3.4)
A Banach-tétel szerint a közelítések sorozata az egyenlet gyökeréig tart.
1.1 ábra- Grafikus ábrázolás Newton módszere
A módszer fő gondolata a következő: adott kezdeti közelítés a hipotetikus gyök közelében, ami után a közelítési pontban megszerkesztjük a vizsgált függvény érintőjét, amelyre az abszcissza tengellyel való metszéspontot találjuk. Ezt a pontot tekintjük a következő közelítésnek. És így tovább, amíg el nem éri a kívánt pontosságot.
A Newton-módszer előnyei:
1) ha a minimalizálandó függvény másodfokú, akkor a módszer lehetővé teszi, hogy egy lépésben megtalálja a minimumot;
2) ha a minimalizálandó függvény a forgásfelületek osztályába tartozik, akkor a módszer egy lépésben biztosítja a konvergenciát is;
3) ha a függvény aszimmetrikus, akkor a módszer nem biztosítja a konvergenciát végső szám lépések. De sok függvénynél sokkal nagyobb a konvergencia mértéke, mint a legmeredekebb ereszkedési módszer egyéb módosításaival.
A Krylov-módszer és a Newton-módszer alkalmazását a mellékletek tartalmazzák. A módszerek MathCAD és VB.Net környezetben kerültek implementálásra.
Fejlesztési és anyagköltségek. Így a diplomaterv célja a fejlesztés Szoftver csomag személyi számítógépen szimulálni a radarhelyzetet, lehetővé téve a radarhelyzet szimulációját a megadott paraméterek szerint, a számított modellt tartalmazó kimeneti fájl létrehozását, a kapott fájl felhasználásával valós feldolgozó eszközök tesztelésére...
1. Ha egy mátrixot adunk meg, akkor a karakterisztikus (világi) egyenletét a következő formában írjuk fel
. (81)
Ennek az egyenletnek a bal oldalán található egy jellemző fokszámú polinom. Ennek a polinomnak az együtthatóinak közvetlen kiszámításához fel kell tárni a karakterisztikus determinánst, és a nagyok esetében ez nagy számítási munkával jár, mivel a determináns átlós elemei között szerepel.
A. N. Krylov akadémikus 1937-ben javasolta a karakterisztikus determináns átalakítását, amelynek eredményeként az csak egy oszlop (vagy sor) elemeibe lép be. A Krylov-transzformáció jelentősen leegyszerűsíti a karakterisztikus egyenlet együtthatóinak számítását.
Ebben a részben a transzformált karakterisztikus egyenlet algebrai levezetését adjuk meg, amely némileg eltér magának Krylov levezetésétől.
Vegyünk figyelembe egy -dimenziós vektorteret egy bázissal és egy lineáris operátorral -ben, amelyet egy adott mátrix definiál ezen a bázison. Válasszunk egy tetszőleges vektort, és alkossunk vektorsorozatot
Legyen ennek a sorozatnak az első vektorai lineárisan függetlenek, és a th vektor ezeknek a vektoroknak a lineáris kombinációja:
A (82) sorozat minden további vektora szintén lineárisan fejeződik ki ennek a sorozatnak az első vektorain keresztül. Így a (82) sorozatban van egy lineáris független vektorok, és a sorozatnak ez a maximális számú lineárisan független vektora (82) mindig megvalósítható a sorozat első vektorain.
A polinom egy vektor minimális (törlő) polinomja egy operátorhoz képest (lásd 1. §). A. N. Krylov módszere egy módszer hatékony meghatározás minimális vektorpolinom.
Két esetet fogunk külön vizsgálni: a normál esetet, amikor , és a speciális esetet, amikor .
A polinom a teljes tér minimális polinomjának osztója, és viszont a karakterisztikus polinom osztója. Ezért ez mindig osztó.
Normál esetben, és azonos fokuk van, és mivel a vezető együtthatók egyenlők, ezek a polinomok egybeesnek. Így normál esetben
,
és ezért a Krylov-módszer normál esetben a karakterisztikus polinom együtthatóinak számítására szolgáló módszer.
BAN BEN különleges eset, amint alább látni fogjuk, a Krylov-módszer nem teszi lehetővé a meghatározását, és ebben az esetben csak azt a polinomot határozza meg, amely osztó.
A Krylov-transzformáció bemutatásakor a vektor koordinátáit egy adott bázisban -vel, a vektor koordinátáit pedig -vel jelöljük.
2. Szokásos eset: . Ebben az esetben a vektorok lineárisan függetlenek, és a (83), (84), (85) egyenlőségek a következő alakot öltik:
A vektorok liliomfüggetlenségének feltétele analitikusan a következőképpen írható fel (lásd III. fejezet 1. §):
. (89)
Tekintsünk egy vektorkoordinátákból álló mátrixot:
. (90)
Normál esetben ennek a mátrixnak a rangja egyenlő a -val. Ennek a mátrixnak az első sorai lineárisan függetlenek, az utolsó, i sor pedig az előzőek lineáris kombinációja.
A (90) mátrix sorai közötti függőséget úgy kapjuk meg, hogy a (86) vektoregyenlőséget egy ekvivalens skaláris egyenlőségrendszerre cseréljük.
(91)
Ebből a lineáris egyenletrendszerből egyedileg meghatározhatjuk a szükséges együtthatókat, és a kapott értékeket behelyettesíthetjük (88)-ba. Ez a kivétel a (88) és (91) alól szimmetrikus formában is végrehajtható. Ehhez átírjuk (88) és (91) a következőképpen:
Mivel ennek az ismeretlenekkel rendelkező egyenletrendszernek nincs nullától eltérő megoldása, ennek a rendszernek a determinánsának nullával kell egyenlőnek lennie:
. (92)
Innen meghatározzuk, miután előzőleg transzponáltuk a (92) determinánst a főátlóhoz képest:
, (93)
ahol az állandó tényezőt a (89) képlet határozza meg, és különbözik nullától.
Az identitás (93) a Krylov-transzformáció. A Krilov-determinánsban, amely ennek az azonosságnak a jobb oldalán található, csak az utolsó oszlop elemei között szerepel; ennek a determinánsnak a többi eleme nem függ attól.
Megjegyzés. Normál esetben a teljes tér ciklikus (az operátorhoz képest). Ha vektorokat választunk bázisnak, akkor ebben a bázisban az operátor egy természetes normál alakú mátrixnak felel meg
. (94)
A fő bázisról az alapra történő átmenet nem speciális transzformációs mátrix segítségével történik
. (95)
3. Speciális eset: . Ebben az esetben a vektorok lineárisan függőek, ezért
.
Az egyenlőséget (93) a feltétel alapján vezették le. De ennek az egyenlőségnek mindkét oldala egész racionális függvények-tól és paraméterektől. Ezért „a folytonossági megfontolásokból” az következik, hogy a (93) egyenlőség a -ra is érvényes. De ekkor a Krylov-determinánsban (93) annak kiterjesztése után minden együttható nulla lesz. Így egy speciális esetben a (93) képlet triviális azonossággá válik.
Tekintsünk egy vektorkoordinátákból álló mátrixot
. (97)
Ennek a mátrixnak van egy rangja, és az első sorok lineárisan függetlenek, az utolsó sor az első sorok lineáris kombinációja együtthatókkal [cm. (83)]. A koordináták közül választhatunk olyan koordinátákat, hogy a determináns ezekből a vektorkoordinátákból álljon össze
, különbözött a nullától:
. (98)
(99)
Ebből az egyenletrendszerből a polinom (a vektor minimális polinomja) együtthatói egyértelműen meghatározhatók. A szokásos esethez teljesen analóg módon (csak és betűkkel helyettesítve) kiküszöbölhetjük (85) és (99) közül, és megkapjuk a következő képletet:
. (100)
4. Maradjunk annak a kérdésnek a tisztázásánál, hogy mely mátrixokra és milyen kezdővektor-választással, vagy mi ugyanaz, milyen kezdeti paraméterek megválasztásával fordul elő a szabályos eset.
Ezt már láthattuk a normál esetben
.
A karakterisztikus polinom és a minimális polinom egybeesése azt jelenti, hogy a mátrixnak nincs két azonos karakterisztikus számú elemi osztója, azaz minden elemi osztó páronkénti koprím. Abban az esetben, ha egy egyszerű szerkezetű mátrix, ez a követelmény egyenértékű azzal a feltétellel, hogy a mátrix karakterisztikus egyenletének nincs több gyöke.
A polinom egybeesése azt jelenti, hogy a vektorként kiválasztott vektor generálja (az operátor segítségével) a teljes teret. A 2. Tétel 2. §-a szerint ilyen vektor mindig létezik.
Ha a feltétel nem teljesül, akkor akárhogyan is választjuk ki a vektort, nem kapunk polinomot, mivel a Krylov-módszerrel kapott polinom osztó, ami a vizsgált esetben nem esik egybe a polinommal, hanem csak az osztója. A vektor változtatásával bármilyen osztót kaphatunk értékként.
A kapott következtetéseket a következő tétel formájában fogalmazhatjuk meg:
14. Tétel. A Krylov-transzformáció akkor és csak akkor ad kifejezést (93) determináns formájában a mátrix karakterisztikus polinomjára, ha két feltétel teljesül:
1. A mátrix elemi osztói páronkénti koprímek.
2. A kezdeti paraméterek annak a vektornak a koordinátái, amely a teljes -dimenziós teret generálja (a mátrixnak megfelelő operátor segítségével).
Általános esetben a Krylov-transzformáció a karakterisztikus polinom egy bizonyos osztójához vezet. Ez az osztó a minimális polinom egy koordinátákkal rendelkező vektorhoz ( – kezdeti paraméterek a Krylov-transzformációban).
5. Megmutatjuk, hogyan lehet megtalálni a sajátvektor koordinátáit bármely karakterisztikus számhoz, amely a Krylov-módszerrel kapott polinom gyöke.
A vektort az alakban fogjuk keresni
Ezt a kifejezést behelyettesítve a vektoregyenlőségbe
és a (101) használatával kapjuk:
Innen egyébként az következik, hogy mivel a (102) szerinti egyenlőség adná lineáris függőség vektorok között . Hiszünk a jövőben. Ekkor a (102)-ből kapjuk:
Ezen egyenlőségek közül az első szekvenciálisan határozza meg számunkra a mennyiségeket (a vektor koordinátáit az „új” bázisban ); az utolsó egyenlőség az előzőek és a reláció következménye
.
A vektor koordinátáit az eredeti bázisban a következő képletekkel találhatjuk meg, amelyek a (101)-ből következnek:
(104)
E mátrix alá írunk egy sort a vektor koordinátáiból. Ezeket a számokat tetszőlegesen rendeljük hozzá (egyetlen megkötéssel: ezek közül a számok közül legalább egy különbözik a nullától). A vonal alá írjuk a vonalat, azaz a vektor koordinátáit. A számokat úgy kapjuk meg, hogy egy sort szekvenciálisan megszorozunk egy adott mátrix soraival. Így például, stb. A sor alá írjuk a sort stb. A hozzárendelt sorok mindegyikét a másodiktól kezdve úgy határozzuk meg, hogy az előző sort szekvenciálisan megszorozzuk ennek a mátrixnak a soraival.
Ennek a mátrixnak a sorai fölé írunk egy check total sort
.
Ebben az esetben rendes esetünk van, hiszen
.
A Krilov-determinánsnak megvan a formája
.
Ezt a determinánst kibővítve és -vel csökkentve azt kapjuk, hogy:
Jelöljük a karakterisztikus számnak megfelelő mátrix sajátvektorával. Keressük a számokat a (103) képlet szerint:
,
,
,
.
Az ellenőrzési egyenlőség természetesen teljesül.
A kapott számokat a vektorok oszlopával párhuzamos függőleges oszlopba helyezzük . Oszlopról oszlopra szorozva megkapjuk a vektor első koordinátáját az eredeti bázisban; hasonlóan kapjuk . Keresse meg a vektor koordinátáit (4-es kicsinyítés után). Hasonlóképpen meghatározzuk a karakterisztikus szám sajátvektorának koordinátáit.
, (105)
figyelnie kell az eredményül kapott mátrix rangját, hogy megálljon az első [th from top] sorban, ami az előzőek lineáris kombinációja. A rang meghatározása magában foglalja az ismert determinánsok kiszámítását. Ezen túlmenően, miután megkaptuk a Krilov-determinánst (93) vagy (100) formában, az utolsó oszlop elemeiből való kibontáshoz ki kell számítani ismert számú harmadrendű determinánst [a th normál esetben rendelés].
A Krilov-determináns feltárása helyett az együtthatókat közvetlenül a (91) [vagy (99)] egyenletrendszerből határozhatjuk meg, erre a rendszerre valamilyen hatékony megoldási módszert alkalmazva, például az eliminációs módszert. Ez a módszer közvetlenül alkalmazható a mátrixra
Az elemeket nullára fordítjuk - ennek a mátrixnak az első sora lesz a transzformáció után alakja (és nem az eredeti sor ) ennek a mátrixnak a soraihoz.
Ezután megtaláljuk az űrlapon a th sort
és az előző sorok kivonása után kapjuk:
.
A Krylov-módszer javasolt enyhe módosítása (az eliminációs módszerrel kombinálva) lehetővé teszi, hogy azonnal megkapjuk a minket érdeklő polinomot [normál eset] anélkül, hogy determinánsokat számolnánk és egy segédegyenletrendszert megoldanánk.
A. N. Krylov akadémikus 1931-ben az elsők között javasolta egy meglehetősen kényelmes módszert a determináns feltárására (2).
A. N. Krylov módszerének lényege, hogy a D() determinánst formává alakítja
A D() determináns nullával való egyenlősége szükséges és elégséges állapot azért, hogy homogén rendszer lineáris algebrai egyenletek
nullától eltérő x1, x2, ..., xn megoldása volt.
Alakítsuk át a rendszert (2) a következő módon. Szorozzuk meg az első egyenletet és cseréljük ki az x1,...,xn helyeket a (2) – x1,..., xn kifejezésekkel.
Ezt a folyamatot (n-1) alkalommal megismételve a (2) rendszerről a rendszerre lépünk
amelyek együtthatóit ismétlődő képletek határozzák meg
Nyilvánvalóan az (5) rendszer determinánsának alakja (1) lesz.
Az (5) lineáris algebrai egyenletrendszer minden olyan értékre rendelkezik nullától eltérő megoldással, amely kielégíti a D()=0 egyenletet. Így D1()=0 mindazokra, akik kielégítik a D()=0 egyenletet.
Mutassuk meg
Legyen D() minden gyöke különböző. Mivel a D() minden gyöke a D1() gyöke, ezért D1() osztva D()-vel. Mivel ezen felül a D1() és a D() hatványai azonosak, a hányadosnak állandónak kell lennie. Összehasonlítva az n együtthatóit, azt kapjuk
Ha D()-nek több gyöke van, akkor a (8) egyenlőség igaz marad.
Tekintsük most a D1()-t meghatározó bik együtthatókat. Vezessünk be Bi vektorokat bi1, bi2, …, bin komponensekkel. Egyenlõségek
mutassuk meg, hogy Bi=ABi-1, ahol A az adott mátrixra transzponált mátrix. Ebből következik, hogy
Bi=A i-1B1, B1=AB0, (9)
ahol B0=(1,0,…,0)
Ha C0, akkor a D1()=0 és D()=0 egyenletek ekvivalensek. Ha C = 0, akkor ez a transzformáció nem ad semmit. A.N. Krylov ebben az esetben egy speciális technikát kínál, amelyet alább tárgyalunk. Vegyünk egy tetszőleges B0 = (bi1,bi2,…,bin) vektort B0 vektornak, és használjuk fel a Bi vektorok előállítására a (9) képlet segítségével.
Legyen u=b01x1+b02x2+…+b0nxn (10)
ahol x1,x2,…xn az (1/) rendszer megoldásai. Ezután az előző érvelést megismételve a következőket kapjuk:
Ennek a rendszernek a megoldása lineáris rendszerként homogén egyenletek n+1 u,x1,x2,…xn ismeretlennel azt kapjuk, hogy akkor és csak akkor lehetséges a nullától eltérő megoldás
Az előző érvelést megismételve azt találjuk
ha C10, akkor a karakterisztikus polinom pi együtthatói olyan arányokként vannak definiálva, ahol Di algebrai komplementerek elemek n-i a D() determinánsban.
De Krylov módszerének lényege, hogy megtalálja ezeket az együtthatókat a kiskorúak számítása nélkül.
Használjuk a Hamilton-Cayley tételt, miszerint a mátrix a karakterisztikus egyenletének gyökere, pl.
(A) n+p1(A)n-1+…+pn-1A+pnE=0, (14)
ahol pi a karakterisztikus polinom együtthatói.
A (14) egyenlőséget b0-val megszorozva a következőt kapjuk:
bn+p1bn-1+p2bn-2+…+pn-1b1+pnb0=0 (15)
Ez a vektoregyenlőség egy lineáris algebrai egyenletrendszert ad a karakterisztikus polinom együtthatóinak meghatározására. Ennek a rendszernek a determinánsa egyenlő C1-gyel. A kapott rendszer bármelyikével megoldható ismert módszerek például a Gauss-módszerrel.
Alkalmazhatnánk a Hamilton-Cayley tételt magára az A mátrixra, és akkor megkapnánk a rendszert
сn+p1сn-1+p2сn-2+…+pn-1с1+pnc0=0 (15/)
itt ci=Aic0, c0
Önkényes kezdővektor.
Példa. Legyen az A mátrix alakja:
B0 vektornak vesszük a B0 = (1,0,0,0) vektort. Ezután megkapjuk a vektorokat
B1=AB0, B2=A2B0=AB1, B3=A3B0=AB2, B4=A4B0=AB3:
A karakterisztikus polinom együtthatóinak meghatározására szolgáló lineáris algebrai egyenletrendszer a következő:
Ezt a rendszert megoldva a következőket kapjuk: p1=-11, p2=7, p3=72, p4=-93. Ezért a karakterisztikus polinom a következő formában lesz:
D()= 4 -113 + 72 +72 -93.
A megadott példában C10.
Ha C = 0, egy ilyen rendszer nem teszi lehetővé a karakterisztikus egyenlet együtthatóinak meghatározását. Az A mátrix és a rá transzponált A mátrix kielégíti a sajátjukat karakterisztikus egyenlet D(A)=0. De kiderülhet, hogy vannak n-nél kisebb fokú () polinomok, amelyekre az (A)=(A)=0 egyenlőség is fennáll. Az ilyen polinomok között van egyetlen 1-es vezető együtthatójú polinom, amelynek a legkisebb foka. Ezt a polinomot minimálisnak nevezzük. Ha a mátrix minimális polinomja nem esik egybe a karakterisztikus polinommal, akkor C = 0 a kezdeti vektor bármely választására. Ebben az esetben AC0=0 és a C0, AC0, ..., Аn-1C0 vektorok lineárisan függőek.
A gyakorlatban a Krylov-módszer alkalmazásakor ilyen helyzet csak különleges körülmények között állhat elő.