Cтраница 1
Вычисление собственных векторов линейного преоб разования требует знания собственных значений и, еле довательно, решения уравнения n - й степени - характеристического уравнения. [1]
Вычисление собственных векторов, соответствующих всем собственным числам из интервала [ а-ю, о ю ] - часто возникающая задача. Пусть матрицы А и В могут быть большими и разреженными, но для одной из них или даже двух осуществимо треугольное разложение. [2]
Вычисление собственных векторов матрицы А проводится обычным образом. [3]
Вычисление собственных векторов линейного преобразования требует знания собственных значений и, следовательно, решения уравнения n - й степени - характеристического уравнения. [4]
Если производится вычисление собственных векторов. [5]
В процедуре предусмотрено вычисление только правых собственных векторов, так как арифметические операции с комплексными числами громоздки. [6]
По мере увеличения N задача вычисления собственных векторов быстро усложняется. [7]
Степенной метод уже не имеет серьезного значения в задачах вычисления собственных векторов. Тем не менее он заслуживает изучения, поскольку тесно связан с современными алгоритмами; хорошее владение им помогает понять более сложные методы. В частности, полезным методом является обратная итерация, хотя она используется сейчас не совсем так, как первоначально задумывалось. В этой главе методы рассматриваются сперва теоретически, в контексте точной арифметики, а затем практически, в условиях ограниченной точности. [8]
Следующий результат полезен при установлении сходимости различных итерационных методов вычисления собственных векторов. [9]
Критерии разброса и энтропии также приводят к признакам, связанным с вычислением собственных векторов. [10]
Критерии разброса и энтропии также приводят к признакам, связанным с вычислением собственных векторов. [11]
Следующий шаг состоит в вычислении вектора приоритетов по данной матрице - это вычисление главного собственного вектора с наибольшим собственным значением, который после нормализации становится вектором приоритетов. [12]
Пакеты научных программ обеспечивают решение задач линейной алгебры, численного дифференцирования и интегрирования, решение линейных и дифференциальных уравнений, вычисление собственных векторов, собственных значений и специальных функций, позволяют выполнять элементарные операции с матрицами, решать задачи аппроксимации, интерполяции, математической статистики и численного анализа. [13]
Для решения такой задачи Mathcad содержит две встроенные функции: О genvals - вычисление собственных чисел; О genvecs - вычисление собственных векторов. [14]
Нескольку для несимметрической матрицы А левая система собственных векторов отличается от правой, то никаких преимуществ второй способ разложения матрицы не дает, и поэтому при вычислении собственных векторов используется только первый способ приведения матрицы к треугольной. [15]