亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

OpenCascade Eigenvalues and Eigenvectors of

系統 2060 0

OpenCascade Eigenvalues and Eigenvectors of Square Matrix

eryar@163.com

Abstract. OpenCascade use the Jacobi method to find the eigenvalues and the eigenvectors of a real symmetric square matrix. Use class math_Jacobi to computes all eigenvalues and eigenvectors by using Jacobi method. The exception NotSquare is raised if the matrix is not square. No verification that the matrix is really symmetric is done.?

Key words. Eigenvalues, Eigenvectors, OpenCascade, Matrix, Jacobi method,

?

1. Introduction

工程技術中的一些問題,如振動問題和穩定性問題,常可歸結為求一個方陣的特征值和特征向量的問題。數學中諸如方陣的對角化及解常微分方程等問題,也都有要用到特征值的理論。?

定義:設A是n階矩陣,如果數λ和n維非零列向量x使關系式 Ax = λx成立,那么這樣的數λ稱為方陣A的特征值,非零向量x稱為A對應于特征值λ的特征向量。?

推論:若n階矩陣A與對角陣?

wps_clip_image-30710

相似,則λ1,λ2,...,λn即是A的n個特征值。?

定理:n階矩陣A與對角陣相似(即A能對角化)的充分必要條件是A有n個線性無關的特征向量。?

推論:如果n階矩陣A的n個特征值互不相等,則A與對角陣相似。?

當A的特征方程有重根時,就不一定有n個線性無關的的特征向量,從而不一定能對角化。一個n階矩陣具備什么條件才能對角化呢?這是一個較復雜的問題。?

定理:設A為n階對稱陣,則有正交陣P,使?

wps_clip_image-2186

其中∧是以A的n個特征值為對角元的對角陣。?

OpenCascacde中使用了Jacobi方法來計算對稱方陣的特征值和特征向量。本文對math_Jacobi的使用進行詳細說明。

?

2. Code Example

結合同濟第四版《線性代數》中的例子,來驗證Jacobi方法計算的結果。示例程序如下所示:

      
        /*
      
      
        

*    Copyright (c) 2014 eryar All Rights Reserved.

*

*        File    : Main.cpp

*        Author  : eryar@163.com

*        Date    : 2014-06-22 21:46

*        Version : 1.0v

*

*    Description : Demonstrate how to find the eigenvalues and

*                  eigenvectors for a symmetric square Matrix.

*                  題目來自《線性代數》同濟 第四版

*                  


      
      
        */
      
      
        #define
      
       WNT
      
        



#include 
      
      <math_Jacobi.hxx>




      
        #pragma
      
       comment(lib, "TKernel.lib")


      
        #pragma
      
       comment(lib, "TKMath.lib")




      
        /*
      
      
        *

* OpenCascade use Jacobi method to find the eigenvalues and 

* the eigenvectors of a real symmetric square matrix.


      
      
        */
      
      
        void
      
       EvalEigenvalue(
      
        const
      
       math_Matrix &
      
        A)

{

    math_Jacobi J(A);



    std::cout 
      
      << A <<
      
         std::endl;



    
      
      
        if
      
      
         (J.IsDone())

    {

        std::cout 
      
      << 
      
        "
      
      
        Jacobi: \n
      
      
        "
      
       << J <<
      
         std::endl;

        
      
      
        //
      
      
        std::cout << "Eigenvalues: \n" << J.Values() << std::endl;

        
      
      
        //
      
      
        std::cout << "Eigenvectors: \n" << J.Vectors() << std::endl;
      
      
        for
      
       (Standard_Integer i = A.LowerRow(); i <= A.UpperRow(); ++
      
        i)

        {

            math_Vector V(
      
      
        1
      
      
        , A.RowNumber());

            

            J.Vector(i, V);



            std::cout 
      
      << 
      
        "
      
      
        Eigenvalue: 
      
      
        "
      
       << J.Value(i) <<
      
         std::endl;

            std::cout 
      
      << 
      
        "
      
      
        Eigenvector: 
      
      
        "
      
       << V <<
      
         std::endl;

        }

    }

}




      
      
        void
      
       TestJacobi(
      
        void
      
      
        )

{

    
      
      
        //
      
      
         1. P120 Example 5:
      
      

    math_Matrix A1(
      
        1
      
      , 
      
        2
      
      , 
      
        1
      
      , 
      
        2
      
      , 
      
        0.0
      
      
        );



    A1(
      
      
        1
      
      , 
      
        1
      
      ) = 
      
        3.0
      
      ;  A1(
      
        1
      
      , 
      
        2
      
      ) = -
      
        1.0
      
      
        ;

    A1(
      
      
        2
      
      , 
      
        1
      
      ) = -
      
        1.0
      
      ; A1(
      
        2
      
      , 
      
        2
      
      ) = 
      
        3.0
      
      
        ;



    EvalEigenvalue(A1);



    
      
      
        //
      
      
         2. P120 Example 6:
      
      

    math_Matrix A2(
      
        1
      
      , 
      
        3
      
      , 
      
        1
      
      , 
      
        3
      
      , 
      
        0.0
      
      
        );



    A2(
      
      
        1
      
      , 
      
        1
      
      ) = -
      
        1.0
      
      ; A2(
      
        1
      
      , 
      
        2
      
      ) = 
      
        1.0
      
      ; A2(
      
        1
      
      , 
      
        3
      
      ) = 
      
        0.0
      
      
        ;

    A2(
      
      
        2
      
      , 
      
        1
      
      ) = -
      
        4.0
      
      ; A2(
      
        2
      
      , 
      
        2
      
      ) = 
      
        3.0
      
      ; A2(
      
        2
      
      , 
      
        3
      
      ) = 
      
        0.0
      
      
        ;

    A2(
      
      
        3
      
      , 
      
        1
      
      ) = 
      
        1.0
      
      ;  A2(
      
        3
      
      , 
      
        2
      
      ) = 
      
        0.0
      
      ; A2(
      
        3
      
      , 
      
        3
      
      ) = 
      
        2.0
      
      
        ;



    EvalEigenvalue(A2);



    
      
      
        //
      
      
         3. P120 Example 7:
      
      

    math_Matrix A3(
      
        1
      
      , 
      
        3
      
      , 
      
        1
      
      , 
      
        3
      
      , 
      
        0.0
      
      
        );



    A3(
      
      
        1
      
      , 
      
        1
      
      ) = -
      
        2.0
      
      ; A3(
      
        1
      
      , 
      
        2
      
      ) = 
      
        1.0
      
      ; A3(
      
        1
      
      , 
      
        3
      
      ) = 
      
        1.0
      
      
        ;

    A3(
      
      
        2
      
      , 
      
        1
      
      ) = 
      
        0.0
      
      ;  A3(
      
        2
      
      , 
      
        2
      
      ) = 
      
        2.0
      
      ; A3(
      
        2
      
      , 
      
        3
      
      ) = 
      
        0.0
      
      
        ;

    A3(
      
      
        3
      
      , 
      
        1
      
      ) = -
      
        4.0
      
      ; A3(
      
        3
      
      , 
      
        2
      
      ) = 
      
        1.0
      
      ; A3(
      
        3
      
      , 
      
        3
      
      ) = 
      
        3.0
      
      
        ;



    EvalEigenvalue(A3);



    
      
      
        //
      
      
         4. P127 Example 12:
      
      

    math_Matrix A4(
      
        1
      
      , 
      
        3
      
      , 
      
        1
      
      , 
      
        3
      
      , 
      
        0.0
      
      
        );



    A4(
      
      
        1
      
      , 
      
        1
      
      ) = 
      
        0.0
      
      ;  A4(
      
        1
      
      , 
      
        2
      
      ) = -
      
        1.0
      
      ; A4(
      
        1
      
      , 
      
        3
      
      ) = 
      
        1.0
      
      
        ;

    A4(
      
      
        2
      
      , 
      
        1
      
      ) = -
      
        1.0
      
      ; A4(
      
        2
      
      , 
      
        2
      
      ) = 
      
        0.0
      
      ;  A4(
      
        2
      
      , 
      
        3
      
      ) = 
      
        1.0
      
      
        ;

    A4(
      
      
        3
      
      , 
      
        1
      
      ) = 
      
        1.0
      
      ;  A4(
      
        3
      
      , 
      
        2
      
      ) = 
      
        1.0
      
      ;  A4(
      
        3
      
      , 
      
        3
      
      ) = 
      
        0.0
      
      
        ;



    EvalEigenvalue(A4);



    
      
      
        //
      
      
         5. P138 Execise 5(3);
      
      

    math_Matrix A5(
      
        1
      
      , 
      
        3
      
      , 
      
        1
      
      , 
      
        3
      
      , 
      
        0.0
      
      
        );



    A5(
      
      
        1
      
      , 
      
        1
      
      ) = 
      
        1.0
      
      ; A5(
      
        1
      
      , 
      
        2
      
      ) = 
      
        2.0
      
      ; A5(
      
        1
      
      , 
      
        3
      
      ) = 
      
        3.0
      
      
        ;

    A5(
      
      
        2
      
      , 
      
        1
      
      ) = 
      
        2.0
      
      ; A5(
      
        2
      
      , 
      
        2
      
      ) = 
      
        1.0
      
      ; A5(
      
        2
      
      , 
      
        3
      
      ) = 
      
        3.0
      
      
        ;

    A5(
      
      
        3
      
      , 
      
        1
      
      ) = 
      
        3.0
      
      ; A5(
      
        3
      
      , 
      
        2
      
      ) = 
      
        3.0
      
      ; A5(
      
        3
      
      , 
      
        3
      
      ) = 
      
        6.0
      
      
        ;



    EvalEigenvalue(A5);

}




      
      
        int
      
       main(
      
        int
      
       argc, 
      
        char
      
      *
      
         argv[])

{

    
      
      
        //
      
      
         The Jacobi method to find the eigenvalues and

    
      
      
        //
      
      
         eigenvectors of a real symmetric square matrx.

    
      
      
        //
      
      
         The exception NotSquare is raised if the matrix is not square.

    
      
      
        //
      
      
         No verification that the matrix is really symmetric is done.
      
      
            TestJacobi();



    
      
      
        return
      
      
        0
      
      
        ;

}
      
    

計算結果部分如下圖所示:?

wps_clip_image-8177

Figure 2.1 Jacobi method Result

?

3. Conclusion

矩陣的特征值和特征向量的理論能用來求解微分方程組的問題。振動分析、現代控制理論中的數學模型都可歸結為對微分方程組的求解。因此,對特征值和特征向量的數值計算有重要的意義。?

OpenCascade中提供了使用Jacobi方法來計算特征值和特征向量的類math_Jacobi。從計算結果可以看出,math_Jacobi只對對稱方陣的計算結果準確,若不是對稱陣,則計算結果是不準確的。?

會使用OpenCascade中現成的算法是一回事,能實現這些算法又是另外一回事。對計算特征值和特征向量的數值方法感興趣的讀者,可以參考《計算方法》或《數值分析》等相關書籍。


4. References

1. 同濟大學應用數學系. 線性代數. 高等教育出版社. 2003?

2. 易大義, 沈云寶, 李有法. 計算方法. 浙江大學出版社. 2002?

3. 楊明, 李先忠. 矩陣論. 華中科技大學出版社. 2005

?

OpenCascade Eigenvalues and Eigenvectors of Square Matrix


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 一级毛片特黄久久免费看 | 日韩欧美中文字幕一区二区三区 | 动漫精品一区二区 | 日本在线中文 | 五月色婷婷六月噜噜 | 国内精品亚洲 | 起碰成人免费公开网视频 | www色网站 | 精品在线视频观看 | 欧美vs日韩vs国产在线观看 | 久久国产精品久久国产片 | 天天做天天爱夜夜爽女人爽宅 | 国产精品免费播放 | 国产色在线视频 | 奇米视频888 | 亚洲欧美国产一区二区三区 | 日本一二三区免费 | 久久精品观看 | 天天插天天操 | 国产精品成人免费视频 | 日韩美一区二区三区 | 青草青草久热精品视频在线观看 | 久久这里只有精品23 | 性色网站 | 国产精品一区二区欧美视频 | 久久久日韩精品国产成人 | 牛牛a级毛片在线播放 | 最近在线更新中文字幕1 | 亚洲精品亚洲人成毛片不卡 | 免看一级一片一在线看 | 狠狠骑 | 久久久一级 | 高清一级毛片免免费看 | 中文字幕日韩女同互慰视频 | 日本a视频 | 国产亚洲欧美日韩v在线 | 欧美激情视频二区三区 | 日韩欧美第一区二区三区 | 在线观看亚洲精品专区 | 国产日韩精品视频一区二区三区 | 国产成人精品日本亚洲网站 |