任意非亏损矩阵特征灵敏度分析的模态展开法

把特征向量的各阶导数表示成所有模态的线性组合,并利用左模态与右模态间的双正交性,首先导出了任意非亏损矩阵的重特征值的一阶导数所满足的特征值问题,然后根据此特征值问题无、有重根的情况,再导出了异导重特征值和等导重特征值对应的可微特征向量、特征值和特征向量各阶导数的一般计算公式。算例显示了方法的正确性。

非亏损矩阵的特征矩阵分解与方幂的计算公式

非亏损矩阵A可分解成特征矩阵之和 ,根据范德蒙矩阵与Am=λ1m -1A1+λ2 m -1A2 +… +λsm -1As 得出计算矩阵方幂的公式Am=((λ1m -1,λ2 m -1,…λsm -1)D-1) E) (A ,A2 …As) T。本文给出用特征矩阵分解与初等行变换求A的一系列幂的简捷方法。

求非亏损矩阵特征值的一种数值计算方法

借助相似变换将非亏损矩阵转为 Hessenberg矩阵 ,通过获得确定 Hessenberg矩阵特征多项式系数的方法 ,利用特征值与特征多项式系数间的关系 ,给出求非亏损矩阵特征值的一种数值算法。

多重网格迭代分析的基本假设及收敛率估计

McCormick多重网格收敛理论的基本假设的关键是存在一个与h无关且大于零小于1的常数,本文在光滑算子G_h为非亏损矩阵的条件下,证明了此常数与无后光滑部分的二重网格迭代收敛率是等价的,从而揭示了此常数的本质.并进一步指出Hackbush收敛理论的两大基本假设可为此常数存在的充分条件.最后分析了j—重网格(j>2)的粗网格迭代修正功能,据此以更简练的方法对多重网格迭代收敛率进行了估计,获得了类似文献的结果.