переменных использовал матрицу коэффициентов и вычислял собственные значения этой матрицы. Коши установил инвариантность характеристического уравнения и доказал, что каждая симметричная матрица может быть приведена к диагональному
виду.
Жозеф Лиувилль использовал собственные значения в исследованиях краевой задачи для дифференциальных уравнений 2–го порядка.
Жак Шарль Франсуа Штурм обобщил задачу о собственных значениях при решении систем обыкновенных дифференциальных уравнений.
За 80 лет до этого Жан Лерон Даламбер,
исследуя системы линейных дифференциальных Жан Лерон Даламбер уравнений и колебания струны, использовал
(1717 – 1783)
собственные значения.
5.1. Математическое обоснование метода
Рассмотрим квадратную матрицу n-го порядка:
|
a |
a |
... |
a |
|
|
|
11 |
12 |
|
1n |
|
|
|
|
|
A |
a21 |
a22 |
... |
a2n |
|
|
|
|
|
. |
|
... |
... ... ... |
|
|
|
|
|
|
|
|
|
|
|
|
an 2 |
... |
|
|
|
an1 |
ann |
Собственные |
значения i |
|
(i 1, n) |
|
квадратной |
|
матрицы |
A есть |
действительные или комплексные числа, |
удовлетворяющие |
условию |
(A λE)X 0 , E – единичная матрица, |
X x1 , x2 ,..., xn |
- |
собственный вектор |
матрицы A, соответствующий некоторому собственному значению . |
Матрица A λE |
называется характеристической матрицей матрицы A. |
Так как в матрице E по главной диагонали стоят |
, а все остальные |
элементы равны нулю, то характеристическая матрица имеет вид |
|
|
|
a |
11 |
λ |
|
a |
12 |
... |
|
a |
1n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
a |
|
λ |
... |
|
a |
|
|
|
|
C A λE |
|
21 |
22 |
|
2n |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
... |
|
... ... ... |
|
|
|
|
|
|
a |
|
|
a |
|
... |
a |
|
|
λ |
|
|
|
|
|
n1 |
|
n2 |
nn |
|
|
|
|
|
|
|
|
|
|
|
|
Определитель этой матрицы называется характеристическим, или весовым определителем и равен
151
a |
11 |
λ |
|
a |
12 |
... |
|
a |
1n |
|
|
|
|
|
|
|
|
|
C det(A λE) |
a |
21 |
a |
22 |
λ |
... |
|
a |
21 |
. |
|
|
|
|
|
|
... |
|
... |
... |
|
... |
|
|
|
|
|
a |
n1 |
|
a |
n 2 |
... |
a |
nn |
λ |
|
|
|
|
|
|
|
|
|
В развернутом виде он является многочленом n-й степени относительно , так как при вычислении этого определителя произведение элементов главной диагонали дает многочлен со старшим
членом |
( 1) |
n |
λ |
n |
, т.е. |
det(A λE) ( 1) |
n |
λ |
n |
p1λ |
n 1 |
p2 λ |
n 2 |
... ( 1) |
n |
pn , и |
|
|
|
|
|
|
|
|
|
|
называется характеристическим многочленом. |
Корни |
λ1 , λ 2 ,..., λ n |
|
этого |
многочлена – собственные значения или характеристические числа
матрицы |
A. |
Числа |
p1 , p2 ,..., pn |
называются |
коэффициентами |
характеристического многочлена. |
|
|
Ненулевой вектор X x1 , x2 ,..., xn называется собственным вектором |
матрицы A, |
если эта матрица переводит вектор X в вектор AX λX , то |
есть произведение матрицы A на вектор X и произведение |
характеристического числа на вектор X есть один и тот же вектор. |
Каждому собственному значению λi |
матрицы |
соответствует свой |
собственный вектор X i i |
1,2,..., n . |
|
|
Для определения координат собственного вектора составляется характеристическое уравнение A λE X 0 . Переписав его в векторном виде и выполнив умножение, получим систему линейных однородных уравнений
(a |
λ)x |
|
|
|
a |
x |
2 |
|
|
a |
|
x |
3 |
|
... |
|
a |
x |
n |
0, |
11 |
|
|
|
1 |
|
|
|
|
12 |
|
|
|
|
|
13 |
|
|
|
|
|
|
1n |
|
|
|
a |
21 |
x |
|
(a |
22 |
λ)x |
2 |
|
|
a |
23 |
x |
3 |
... |
|
a |
2n |
x |
n |
0, |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
31 |
x |
|
|
|
a |
32 |
x |
2 |
(a |
33 |
λ)x |
3 |
... |
|
a |
3n |
x |
n |
0, |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . |
|
a |
|
x |
|
|
|
a |
n2 |
x |
2 |
|
|
a |
n3 |
x |
3 |
... (a |
nn |
λ)x |
n |
0. |
|
|
|
n1 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Определитель этой системы равен нулю, так как из этого условия были определены собственные значения матрицы A. Следовательно, система имеет бесконечное множество решений. Ее можно решить с точностью до постоянного множителя (как систему однородных уравнений). Решив эту систему, мы найдем все координаты собственного вектора X. Подставляя в систему однородных уравнений поочередно λ1 , λ 2 ,..., λ n , получаем n собственных векторов.
152
5.2. Метод итераций
Для решения частичной проблемы собственных значений (отыскания наибольших и наименьших собственных чисел) применяется метод простой итерации решения систем уравнений λ X AX . .
С помощью итерационных методов можно определить наибольшее по модулю собственное число матрицы A без раскрытия определителя.
Итак, пусть det A λE 0 |
характеристическое уравнение; λ1 , λ 2 ,..., λ n |
его корни, являющиеся собственными значениями матрицы |
A aij . |
Предположим, что |
λ1 λ 2 |
... λ n , т.е. |
λ1 |
наибольшее по |
модулю |
собственное число. Тогда для нахождения приближенного значения корня используется следующая схема:
1) произвольно выбирают начальный вектор Y;
2) составляют последовательные итерации:
(1) |
AY , |
|
|
|
|
|
|
|
|
|
|
|
|
|
(2) |
A AY |
A |
2 |
|
|
|
A A |
|
Y A |
(3) |
|
|
2 |
|
|
|
|
. . . . . . . . . . . . |
|
A |
A |
|
|
Y |
(m) |
|
|
|
m-1 |
|
|
(m 1) |
A A |
m |
Y |
|
|
|
|
|
|
|
|
|
|
|
Y , |
|
|
3 |
Y , |
|
A |
m |
Y , |
|
|
A |
m 1 |
|
Y ; |
3) выбирают из этой последовательности два последних значения и принимают за наибольшее собственное число следующее соотношение:
|
|
|
( m 1) |
|
|
|
|
|
λ |
|
lim |
y |
|
|
|
|
|
|
i |
, |
|
|
|
|
1 |
( m ) |
|
|
|
|
|
m |
|
|
|
|
|
|
yi |
|
|
|
|
|
где yi(m 1) , yi(m) - соответствующие координаты векторов Y |
(m 1) |
, Y |
(m) |
. |
|
|
Таким образом, взяв достаточно большой номер итерации m, можно с любой степенью точности вычислить наибольший по модулю корень λ1 характеристического уравнения матрицы. Для нахождения этого корня может быть использована любая координата вектора Y (m) , в частности, можно взять среднее арифметическое соответствующих отношений для разных координат.
5.3. Метод Леверрье-Фадеева
Этот метод относится к группе тех, которые решаются методами развертывания определителей. Метод был предложен Леверрье и
153
упрощен советским математиком Фаддеевым. Метод Леверрье основан на формулах Ньютона для сумм степеней корней алгебраического уравнения и заключается в следующем. Пусть
характеристический многочлен матрицы
совокупность корней суммы:
|
S |
|
λ |
k |
λ |
k |
... λ |
k |
|
k |
1 |
2 |
n |
|
|
|
|
|
иначе:
характеристического многочлена. Рассмотрим
S |
1 |
λ |
1 |
λ |
2 |
|
... |
λ |
n |
Sp A, |
|
|
|
|
|
|
|
|
|
|
|
S |
|
λ |
|
2 |
|
λ |
2 |
|
|
λ |
|
2 |
Sp A |
2 |
1 |
|
2 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
. . . . . . . . . . . . . . . . . . . . |
S |
|
λ |
|
n |
|
λ |
n |
|
|
λ |
|
n |
Sp A |
n |
1 |
|
2 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
(каждая сумма |
S k |
есть |
формулы Ньютона: Sk |
|
|
при k 1 |
p1 |
S1 |
, |
|
|
|
при k 2 |
p2 |
|
1 |
(S |
|
2 |
2 |
|
|
|
|
|
|
Тогда при k n справедливы откуда получаем:
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
|
при k n |
pn |
|
1 |
(Sn |
p1Sn 1 p2 Sn 2 |
... pn 1S1 ). |
|
n |
|
|
|
|
|
|
|
|
Следовательно, коэффициенты характеристического |
многочлена |
p1 |
, p2 , ..., pn можно легко определить, если известны суммы S1 , S |
2 ,..., Sn . |
|
|
|
Таким образом, схема раскрытия характеристического многочлена |
состоит в следующем: |
|
|
|
|
вычисляют степени Ak Ak 1 A (k 1,2,..., n); |
|
|
; |
|
определяют S k суммы элементов главных диагоналей матриц A |
k |
|
|
|
|
по вышеприведенным формулам Ньютона находят коэффициенты
pi . |
|
|
Видоизмененный метод Леверрье, предложенный Фаддеевым, |
заключается в вычислении последовательности матриц |
A1 , A2 ,..., An |
по |
следующей схеме: |
|
|
154
SpA q ; |
|
B |
A q E; |
|
|
1 |
1 |
|
|
1 |
|
1 |
1 |
|
|
|
SpA |
q |
|
; |
|
B |
|
A q E; |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
2 |
|
|
2 |
2 |
|
|
. . . . . . . . . . . . . . . . . . . . . . . . . . . . |
SpA |
q |
|
|
; |
B |
|
A |
q |
|
E; |
n 1 |
|
|
|
|
|
n 1 |
|
n 1 |
|
n 1 |
|
n 1 |
|
n 1 |
|
|
|
|
|
SpA |
q |
; |
|
|
B |
A q E; |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
n |
|
|
|
n |
|
|
n |
n |
|
|
q |
p ; |
q |
2 |
p |
;...; |
q |
n 1 |
p |
n 1 |
; |
q |
n |
p |
. |
1 |
1 |
|
2 |
|
|
|
|
|
n |
|
5.4. Метод Данилевского
Суть метода Данилевского заключается в приведении векового определителя к так называемому нормальному виду Фробениуса:
p |
λ |
p |
2 |
p |
3 |
|
p |
n |
1 |
|
|
|
|
|
|
1 |
λ |
0 |
|
0 |
D λ |
0 |
1 |
- λ |
|
0 |
|
. . . . . |
|
0 |
0 |
0 |
|
- λ |
записать вековой определитель в такой форме, то, элементам первой строки, будем иметь
Таким образом, задача сводится Фробениуса, подобной матрице инвариантны относительно операции
к нахождению матрицы P в форме A, так как собственные числа подобия, т.е.
|
p |
p |
2 |
|
p |
n 1 |
p |
|
|
|
1 |
|
|
|
n |
|
|
1 |
0 |
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
P |
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
|
1 |
0 |
|
|
|
|
Описанная далее процедура последовательно преобразует строки исходной матрицы, начиная с последней, к виду, описанному выше, при этом преобразование осуществляется таким образом, чтобы полученные матрицы были подобны.
Опишем первое из преобразований, которое приводит n-ю строку исходной матрицы A к необходимому виду. Вначале преобразуем матрицу A в матрицу B по следующим формулам:
bij aij ai,n 1 |
anj |
при |
an,n 1 |
Последняя строка построенной матрицы B будет удовлетворять нашим условиям, номатрица В не будет подобна матрице A, поэтому проведем еще одно преобразование и получим матрицу С, подобную A и сохраняющую последнюю строку:
сij=bij при i=1,..,n-2.
cn-1 j=an 1b1 j+an 2b2 j+ . . . +an nbn j при j=1,...,n.
Таким образом, получили матрицу С, подобную A, и с последней строкой, как в матрице Р в форме Фробениуса. Далее преобразуем аналогично n-1 строку матрицы С и т.д. Допустим, что при преобразовании матрицы A в матрицу Фробениуса P мы пришли к матрице вида
|
d |
11 |
d |
12 |
|
|
|
|
|
|
|
d |
|
d |
|
|
|
|
21 |
22 |
|
|
|
|
|
|
|
|
|
|
|
d |
|
d |
|
|
|
D |
k1 |
k 2 |
|
|
|
|
|
|
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
|
|
|
причем оказалось, что dk k-1=0.
Тогда преобразования методом Здесь возможны два случая:
d |
1k |
|
d |
1n 1 |
d |
1n |
|
|
|
|
|
|
|
|
d |
|
|
d |
|
d |
|
|
2k |
2n 1 |
2n |
|
|
|
|
|
|
|
|
|
|
|
dkk |
|
dkn 1 |
dkn |
|
, |
|
|
1 |
|
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
1 |
0 |
|
|
|
|
|
Данилевского нельзя продолжить.
1.Существует элемент dkl, отличный от нуля, где l<k-1, тогда переставляем местами (k-1) и l столбцы и (k-1) и l строки и получаем матрицу, подобную D, для которой возможны дальнейшие преобразования по методу Данилевского.
2.Все элементы k строки равны нулю, тогда полученная матрица имеет вид
Причем D2 имеет нормальный вид Фробениуса, а матрицу D1 можно привести к нему методом Данилевского. Полином же, порождающий собственные значения матрицы А, есть произведение аналогичных полиномов для D1 и D2, при этом коэффициенты полинома для D2 определены.
5.5. Примеры
Пример 5.1
156
Используя метод Леверрье-Фадеева, найти собственные числа матрицы, а также наибольший собственный вектор
|
|
2,6 |
1,2 |
|
|
|
|
|
A |
1,2 |
2,1 |
|
|
0,1 |
1,6 |
|
|
|
|
|
Решение. Определяем коэффициенты характеристического уравнения λ3 λ2 p1 λp2 p3 посредством построения последовательности матриц.
|
|
|
|
2,6 |
1,2 |
|
A |
|
1,2 |
2,1 |
|
|
|
1 |
|
|
|
|
|
|
|
0,1 |
1,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
2,6 |
1,2 |
|
B |
|
|
1,2 |
2,1 |
|
|
|
1 |
|
|
|
|
|
|
|
0,1 |
1,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
2,6 |
1,2 |
|
A |
|
|
1,2 |
2,1 |
|
|
|
2 |
|
|
|
|
|
|
|
0,1 |
1,6 |
|
|
|
|
|
|
|
|
|
0,1 |
1,6 |
|
|
0,8 |
|
|
0,1 |
1,6 |
|
|
0,8 |
|
|
0,1 |
1,6 |
|
|
0,8 |
|
|
|
p1 2,6 2,1 0,8 5,5. |
|
|
|
5,5 |
0 |
|
0 |
|
|
2,9 |
1,2 |
0,1 |
|
|
|
|
|
|
|
|
|
|
|
3,4 |
|
|
|
0 |
5,5 |
0 |
|
|
|
1,2 |
1,6 . |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
5,5 |
|
|
|
|
0,1 |
1,6 |
4,7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2,9 |
|
1,2 |
|
0,1 |
6,09 |
1,12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1,2 |
3,4 |
|
1,6 |
|
|
|
1,12 |
3,14 |
|
0,1 |
|
1,6 |
|
4,7 |
|
|
2,13 |
4,28 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
SpA |
|
6,09 3,14 1,19 |
5,21. |
|
p |
|
2 |
|
|
2 |
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
Результаты дальнейших вычислений примут вид
|
|
|
0,88 |
1,12 |
2,13 |
|
|
|
3,84 |
0 |
|
|
|
|
1,12 |
|
4,28 |
|
|
|
|
|
3,84 |
B |
2 |
|
2,07 |
, |
A |
|
0 |
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
2,13 |
4,28 |
4,02 |
|
|
|
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Получим характеристическое уравнение: |
λ |
3 |
5,5λ |
2 |
5,21λ 3,84 0. |
|
|
|
|
Решая это уравнение методом хорд, предварительно уединив корни на некотором промежутке, получаем следующие значения собственных
чисел: λ1 0,4766; λ 2 2,0558; λ3 3,9203.
Решение в Microsoft Excel представлено на рис. 5.1. Собственные значения λ найдены с точностью 0,001.
157
а)
Рис. 5.1. Решение в Microsoft Excel:
а) нахождение коэффициентов характеристического уравнения; б) нахождение собственных значений
б)
Рис. 5.1. (окончание)
Формулы в Microsoft Excel представлены на рис. 5.2.
158
а)
Рис. 5.2. Формулы в Microsoft Excel:
а) нахождение коэффициентов характеристического уравнения; б) нахождение собственных значений
б)
Рис. 5.2. (окончание)
Пример 5.2
159
Используя метод итераций, определить первое наибольшее собственное значение и первый собственный вектор матрицы
|
2,6 |
1,2 |
|
|
|
|
|
A |
1,2 |
2,1 |
|
|
0,1 |
1,6 |
|
|
|
|
|
Решение. Выбираем начально-свободный вектор
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
(0) |
|
X |
(0) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Вычисляем |
Y |
|
(1) |
AY |
(0) |
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2,6 |
1,2 |
|
|
0,1 |
|
|
1 |
|
|
|
3,7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A |
|
|
1,2 |
2,1 |
|
|
|
1,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
4,9 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,1 |
1,6 |
|
|
|
0,8 |
|
|
|
|
|
1 |
|
|
|
|
|
2,3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
(k 1) |
|
|
3,7 |
|
|
|
|
|
|
|
|
|
|
|
y |
(k 1) |
|
|
4,9 |
|
|
|
|
|
|
|
y |
(k 1) |
|
|
|
2,3 |
|
|
|
|
(1) |
|
|
|
|
|
|
|
, |
|
|
(1) |
|
|
|
|
|
|
|
|
, |
|
|
(1) |
|
|
3 |
|
|
|
|
|
. |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
y |
(k ) |
|
|
|
1 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
y |
(k ) |
|
|
|
1 |
|
|
|
|
3 |
|
|
|
|
y |
(k ) |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
13 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2,6 |
|
|
|
1,2 |
|
0,1 |
|
|
3,7 |
|
|
|
15,27 |
|
|
|
|
(2) |
A Y |
(1) |
|
|
|
(2) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
, |
Y |
|
|
1,2 |
|
|
|
|
2,1 |
|
1,6 |
|
|
|
4,9 |
|
|
18,41 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,1 |
|
|
1,6 |
|
0,8 |
|
|
|
|
2,3 |
|
|
|
|
|
|
9,31 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
(k 1) |
|
15,27 |
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
(k 1) |
|
18,41 |
|
|
|
|
|
|
|
|
y |
(k 1) |
|
9,31 |
|
|
(2) |
|
|
|
|
|
, |
|
|
|
|
(2) |
|
|
|
|
|
|
, |
(3) |
|
|
3 |
|
|
|
|
. |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
y |
(k ) |
|
|
|
3,7 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
y |
(k ) |
|
|
4,9 |
|
|
|
3 |
|
|
|
|
|
|
y |
(k ) |
|
|
2,3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
13 |
|
|
|
|
Дальнейшие вычисления можно свести в табл. 5.1.
Результаты вычислений
A |
2,6 |
1,2 |
-0,1 |
y |
(k 1) |
y |
(k 1) |
|
|
|
|
|
|
|
1,2 |
2,1 |
1,6 |
|
1 |
|
|
2 |
|
|
y |
(k ) |
y |
(k ) |
|
|
|
|
|
|
|
|
1 |
|
|
-0,1 |
1,6 |
0,8 |
|
|
|
12 |
|
|
|
|
|
|
|
Y0 |
1,00 |
1,00 |
1,00 |
|
|
|
|
|
|
Y1 |
3,70 |
4,90 |
2,30 |
4,13 |
|
|
3,76 |
|
|
Y2 |
15,27 |
18,41 |
9,31 |
3,99 |
|
|
3,90 |
|
|
Y3 |
60,86 |
71,88 |
35,38 |
3,96 |
|
|
3,90 |
|
|
Y4 |
240,96 |
280,59 |
137,22 |
3,94 |
|
|
3,91 |
|
|
Y5 |
949,49 |
1097,95 |
534,63 |
3,93 |
|
|
3,92 |
|
|
Y6 |
3732,75 |
4300,49 |
2089,48 |
3,93 |
|
|
3,92 |
|
|
Y7 |
14656,79 |
16853,49 |
8179,09 |
3,92 |
|
|
3,92 |
|
|
Y8 |
57531,93 |
66067,02 |
32043,18 |
|
|
|
|
|
|
Таблица 5.1
4,05
3,80
3,88
3,90
3,91
3,91
3,92
Дальнейшие итерации |
|
можно прекратить. Собственное значение |
|
|
|
|
|
T |
|
T |
(наибольшее) λ1 3,92 , |
|
|
|
X 1 |
X 8 57531,93; 66067,02; 32043,18. Нормированный |
|
|
T |
(0,871; 1; 0,485) . |
|
|
собственный вектор X 1 |
|
160