Math-Net.Ru
Общероссийский математический портал
Б. М. Подлевский, О некоторых двусторонних аналогах метода Ньютона решения нелинейной спектральной задачи, Ж. вычисл. матем. и матем.
физ., 2007, том 47, номер 11, 1819–1829
Использование Общероссийского математического портала Math-Net.Ru подразумевает, что вы прочи- тали и согласны с пользовательским соглашением
http://www.mathnet.ru/rus/agreement Параметры загрузки:
IP: 139.59.245.186
6 ноября 2022 г., 07:28:33
ЖУРНАЛ ВЫЧИСЛИТЕЛЬНОЙ МАТЕМАТИКИ И МАТЕМАТИЧЕСКОЙ ФИЗИКИ, 2007, том 47, № 11, с. 1819-1829
УДК 519.614
О НЕКОТОРЫХ ДВУСТОРОННИХ АНАЛОГАХ МЕТОДА НЬЮТОНА РЕШЕНИЯ НЕЛИНЕЙНОЙ СПЕКТРАЛЬНОЙ З А Д А Ч И
© 2007 г. Б. М. Подлевский
(79000 Львов, ул. Наукова, 3-6, ИППММ HAH Украины) e-mail: podlev@iapmm.lviv. на
Поступила в р е д а к ц и ю 20.03.2007 г.
П е р е р а б о т а н н ы й вариант 01.06.2007 г.
Рассматриваются и т е р а ц и о н н ы е алгоритмы нахождения двусторонних приближений к соб
ственным значениям нелинейных спектральных задач для матриц, к о т о р ы е используют э ф ф е к т и в н у ю численную процедуру вычисления первой и второй производных от детерминан
та матрицы. Рассматриваются т а к ж е вычислительные аспекты использования этой процеду
р ы в алгоритме отыскания всех собственных значений нелинейной спектральной задачи из заданной области комплексной плоскости изменения спектрального параметра. На модель
ных задачах иллюстрируется э ф ф е к т и в н о с т ь алгоритмов. Библ. 14. Табл. 4.
Ключевые слова: нелинейные алгебраические спектральные задачи, итерационный алго
ритм, двусторонний аналог метода Ньютона.
В В Е Д Е Н И Е
В р а б о т е предлагается численный метод решения следующей спектральной задачи. Пусть D(X) - заданная матрица размерности пхп, нелинейно зависящая от спектрального параметра X.
Требуется найти те значения параметра Хе С, называемые собственными значениями, при ко
торых существуют нетривиальные решения х,у е С" уравнений
jt*D(X) = 0, D(X)y = 0, (1) где индекс звездочка означает сопряженное транспонирование. Искомые значения X одни и те
же для обеих задач (1) и являются решениями уравнения
/ ( X ) s d e t D ( X ) = 0. (2) Далее предположим, что э л е м е н т ы матрицы D(k) - достаточно гладкие функции скалярного па
раметра X (дважды непрерывно дифференцируемые в действительном случае или аналитиче
ские в комплексном) в некоторой области.
В о т л и ч и е от существующих численных методов решения нелинейных спектральных задач (см., например, [1]-[5]), в данной работе для нелинейной спектральной задачи (1) мы предлагаем итерационный процесс двустороннего аналога метода Ньютона отыскания простого действи
тельного собственного значения к а к корня соответствующего нелинейного скалярного уравне
ния (2), не раскрывая определителя. Это означает, что левая часть уравнения (2) в явном виде не задается, а предлагается алгоритм нахождения функций f(X),f(X) nf"(X) при фиксированном зна
чении параметра X, используя для этого LU-разложение матрицы D(X). Кроме того, предложен
ный а л г о р и т м позволяет, используя принцип аргумента аналитической функции, определить как число собственных значений, расположенных в заданной области G комплексной А-плоскости, так и найти начальные приближения ко всем собственным значениям задачи (1) в области G с последующим их уточнением одним из известных итерационных методов, в частности и двусто
ронним аналогом метода Н ь ю т о н а .
1. А Л Г О Р И Т М В Ы Ч И С Л Е Н И Я f(X), f(X) И f\X)
Известно, что матрица D(X) при любом фиксированном X может б ы т ь представлена в виде
D(X) = L(X)\J(X), (3) где L(X) - нижняя треугольная матрица с единичными диагональными элементами, a U(X) - верх-
1819
1820 П О Д Л Е В С К И Й няя треугольная матрица. Тогда
п
f(X) = detL(A)detU(A) =
fJii^A.).
/ = i
Поскольку э л е м е н т ы квадратной м а т р и ц ы D(X) (а следовательно, и U(À,)) являются диффе
ренцируемыми функциями X, т о для л ю б ы х X получаем, ч т о п п
га) = ^
гга)Ци
па),
г = 1 i = 1
1ФГ
к = 1 /• = 1
1Фк
к = 1 У == 1 i = 1
j Ф к i Ф к
где vü(X) = и il (A,), a wi7(A) = v-, (X). Для определения значении vu(X) продифференцируем (3) по X.
Получим
В(Х) = M(A)U(A) + L(A)V(A), (4) где
В(А) = D'(A), М(А) = L'(A), V(À) = U'(A),
a v/ ;(A) - э л е м е н т ы матрицы V(A). Теперь, дифференцируя (4) по X, получаем
С(Х) = N(X)U(X) + 2M(X)V(X) + L(À)W(A), (5) где
С(Х) = Ъ'(к), ЩХ) = М\Х\ ЩХ) = V'(A), a wu(X) - э л е м е н т ы матрицы W(À).
Таким образом, для вычисления ДА), f(X) и /"(А) необходимо при фиксированном X = Хт вы
числить
D = LU, В = MU + LV, С = NU + 2MV + LW,
(6)
откуда
я ю = ri
w"' f(K) = Х ^ П " " '
п п /=iг(Ю = X
п п w**II
M»"
+X
v**
к=\ i= 1 к=\
1Фк
i Ф г
( \ п п
./• = 1 /• = 1
jФк 1Фк
(7)
Для вычисления элементов матриц в разложении (6) могут использоваться рекуррентные со
отношения
г - 1, 2, и,
О Н Е К О Т О Р Ы Х Д В У С Т О Р О Н Н И Х А Н А Л О Г А Х
г- 1
urk - ^rk~yf^Kjujb к ~ г,"-,п,
7 = 1
( r-l \ llr = dir — hjujr
1821
/ = r + 1, п.
7 = 1 /
vrk = Ьгк-^(тг^к + lrjvjk)9 к = г,
7 = 1
r- 1
7 = 1
r- 1
=
c
rk- X ( n
r ju
j k + 2 тгууд + / r / w ^ ) , к = r,...,n9 urr, i = r+ 1, n.7 = 1
w
У У
urr, i = r + 1, n.
Ci r - X (nÜUJr + 2M/ 7V7 > + ^ ^ y r ) - 2mi r Vrr - li S 7 = 1
Нужно отметить, что этот алгоритм м о ж е т оказаться неустойчивым и даже недействитель
ным, если некоторый элемент игг = 0. Ч т о б ы исключить такие случаи, применяют при LU-разло- жении матрицы ряд перестановок строк (и/или столбцов) матрицы D с одновременным выбором главного элемента, как в методе Гаусса. В э т о м случае разложение (6) запишется в виде
PD = LU, PB = MU + LV, PC = NU + 2 M V + LW,
где P - матрица перестановок, причем detP = (-l)q, где q - число перестановок (например, строк).
В таком случае соотношения (7) примут вид
п п п
пю = (-i)TT- = (-")"1>"П
м»'
/ = 1 к = 1 / = 1
i*k
П К ) = ( - i / ' X ^ n ^ - K - o ' ^ v , ,
к = 1 i = \ i*k
к = 1 7 = 1 ' = 1
j*k i*k
Далее в работе предлагается использовать описанный алгоритм вычисления производных на основе LU-разложения матрицы D(À).
2. В Ы Ч И С Л И Т Е Л Ь Н Ы Е А С П Е К Т Ы А Л Г О Р И Т М А О Т Ы С К А Н И Я Н А Ч А Л Ь Н Ы Х П Р И Б Л И Ж Е Н И Й С О Б С Т В Е Н Н Ы Х З Н А Ч Е Н И Й
Принцип аргумента неоднократно применялся при решении различных задач, связанных с определением количества собственных значений, лежащих в заданной области (см., например, [4], [6]-[8]). Так, в [6] был предложен алгоритм нахождения всех нулей аналитической функции в заданной области на комплексной плоскости. В [4], [7] и [8] б ы л и предложены модификации этого метода и его обобщение для решения нелинейных задач на собственные значения. В на
стоящей работе, в частности, также рассматриваются некоторые вычислительные аспекты его использования.
1822 П О Д Л Е В С К И Й
Пусть характеристическая функция (2), которая по условию является аналитической, имеет в G (с учетом кратности) га нулей Аь Aw и не имеет нулей на границе Г области G. Тогда, как известно, число нулей га ф у н к ц и и / , лежащих в G, определяется в соответствии с принципом ар
гумента формулой
г Введем обозначения
Г
тогда (см. [9, с. 151]) имеют место соотношения m
^Х) = S k 9 к = 1,2, . . . , г а . (10)
7 = 1
Таким образом, зная га и shk = 1, 2 , г а (см. (8), (9)), из системы (10) м о ж н о найти нули функ
ции (2), т.е. все собственные значения задачи (1), л е ж а щ и е в заданной области G.
Остановимся подробнее на вычислительных аспектах алгоритма, а именно на той его части, где вычисляются величины sk, к= 1,2, га.
В [4] предлагалось в качестве G выбирать круг и использовать квадратурную формулу пря
моугольников для нахождения sk. В [8] в качестве G предлагалось в ы б и р а т ь круг или прямо
угольник, а подынтегральную функцию ф(А) =f(X)/f(X) аппроксимировать линейным или квад
ратичным многочленом на каждом отрезке контура Г, предварительно разбив его на части. П р и л ю б о м способе вычисления величин sk необходимо в ы ч и с л я т ь значения функции ф(А) в заданных точках. Для этого в [6] предлагалось использовать LU-разложение матрицы D(A) для определе
ния функции Д А ) в заданной точке, а производную определять при помощи соотношений т-\
7 = 0
где
/а)
Jr
a-x
0y
l+l dX4
или воспользоваться теоремой о следе матрицы и заменить отношение f\X)/f(X) на Tr{D_ 1(A)D(À)}, а нахождение Tr{D_ 1(À)D(À)} свести к р е ш е н и ю систем линейных уравнений (см.
[8]). Здесь предлагается использовать LU-разложения матрицы D(X) для вычисления как ДА,), так и / ' ( А ) .
Не ограничивая общности, рассмотрим в качестве области G, ограниченной контуром Г, круг G ( A * , р) с центром в точке А* и радиусом р. Используя замену А(г) = А* + рехр(27Ш), преобразуем интеграл (9) к виду
i
sk = jX(t)kpexp(2nit)^^dt. (11)
о
Разобьем отрезок [0, 1] на N равных частей и заменим интеграл (11) какой-нибудь квадратурной формулой (например, прямоугольников, как в [4]). П о л у ч и м
1 ч* Л 2 л / \ / ' ( А , )
7 = 1
где А7 = А* + р е х р ^ ^ , 7 = 1,2, ...,/V.
О НЕКОТОРЫХ ДВУСТОРОННИХ АНАЛОГАХ 1823 Таким образом, в (12) требуется вычислить значение функции ДА) и ее производной только
на границе области G. Это можно осуществить с помощью разложения (6). Тогда отношение
f(kj)lf(kj), используя представления
(7),
приведем к видуп
rayn-kj) = ( В )
r = 1
Таким образом, учитывая (13), для вычисления величин sh к - 0, 1 , г а , получаем соотноше
ния
(14)
Следовательно, при помощи соотношений (14) можно вычислить количество m = s0 собствен
ных значений, находящихся в области G, а также правую часть системы (10), для решения кото
рой м о ж н о применить, как в [4], метод Ньютона. В результате получим н е к о т о р ы е , вообще го
воря, грубые приближения ко всем собственным значениям задачи (1), л е ж а щ и м в области G.
3. Д В У С Т О Р О Н Н И Е А Н А Л О Г И М Е Т О Д А Н Ь Ю Т О Н А
Для уточнения некоторых грубых приближений к собственным значениям, полученным по тем или иным соображениям, в частности и при помощи алгоритма, описанного в ы ш е , предла
гается использовать итерационные алгоритмы двусторонних приближений. О н и обладают тем важным преимуществом по сравнению с другими приближенными методами, ч т о д а ю т возмож
ность на каждом шаге итерационного процесса искомые решения заключать в "вилку" и тем са
мым получать удобную апостериорную оценку погрешности последовательных приближений.
Пусть известно приближение А( ) к собственному значению А*, достаточное для применения двустороннего аналога метода Ньютона (см. [10])
л л / ( ^ 2 m ) /f( ^ 2 w )
^2т+\ - А2
Ач„, , ч — А<
r a
2j - я к л п К п )
fiKrn+l)
m = 0 , 1 , . . . , (15)
для построения альтернирующих приближений к собственному значению А* в виде
А
0< А
2< ... < Х
2 т< ... < А * < ... <Х2т-\ < ••• <Х3<Х] (16)или в виде
Х0 < А,, < ... < А2
„,_, < ... < А* < ... < A
2 w< ... < А
4< А
2,
если начальное приближение находится слева от собственного значения. Если ж е начальное приближение находится справа от собственного значения, то, используя тот ж е итерационный процесс (15), получаем альтернирующие приближения к собственному значению в виде
А, < А
3< ... < А
2 / н_ ! < ... < А* < ... < А
2 ш< ... < А
2< А
( ) илиА
2< А
4< ... < Х
2т < •.. < А* < ... < А2 ш_ ! < . . . < А, < А
0.
Поскольку итерационный процесс (15) на каждом шаге использует значение функции ДА) и ее производных при конкретном значении параметра А, то для их вычисления используем разло-
^ 2 m + l - ^2п
( п \
у Ylh J у |YX**Y
V\k = i4k; t k = i
^2m + 2 - ^ 2 m + 1
( n - \ Vkk
m =
0, 1, ...,
^ и
\k = \ k k ;
где ukk, vkh wkk - э л е м е н т ы матриц U, V и W в разложении (6) при фиксированном X = Х2т, а икк, v a - элементы матриц U, V в разложении (6) при фиксированном X = ХЪп + \ .
Таким образом, предлагается следующий алгоритм решения нелинейной спектральной зада
чи (1).
Алгоритм 1. Итерационный процесс альтернирующих приближений Шаг 1. Задаем начальное приближение Х0 к s-му собственному значению задачи (1).
Шаг 2. for m = 0, 1, ... до достижения точности do.
Шаг 3. if m четное.
Шаг 4. Определить величины ukh vkh wkk из разложения (6).
Шаг 5. Вычислить Х2т + \ при помощи (17).
Шаг 6. Перейти к шагу 10.
Шаг 7. if га нечетное.
Шаг 8. Определить величины икЬ vkk из разложения (6).
Шаг 9. Вычислить Х2т + 2 при помощи (17).
Шаг 10. end for.
И з алгоритма видно, что для получения альтернирующих приближений на каждом ш а г е ал
горитма нужно о б р а щ а т ь с я к алгоритму вычисления разложения (6).
Далее, модифицируем алгоритм 1 так, чтобы за одно обращение к алгоритму вычисления раз
ложения (6) получать два приближения к собственному значению. Для этого используем другой двусторонний аналог метода Н ь ю т о н а [11] - итерационный процесс включающих приближений, т.е. итерационный процесс
Ц т+1 = M
Vw +i = Ц,
Я М
п / 4 M '
Я М А М
m = 0, 1, (18)
A M - / ( Ц1й) / " ( й « )
к о т о р ы й дает м о н о т о н н ы е включающие приближения к собственному значению в виде
H 0 < ^ 1 < Р- 2 < < Ц т < < ^ * < < V „t< . . . < V2< V ,
или
| L l0< { V1 < } V2< . . . < Vm< . . . < А , * < . . . < ЦШ< . . . < J 12< | L 11,
используя при этом одно начальное приближение ц0 (в данном случае слева от X*), или м о н о т о н н ы е включающие приближения в виде
\Li<\l2<...<\Ltn< . . . < Х * < . . . < VW< . . . < V2< { V , } < | H()
или
У1< У2< . . . < У Ш< . . . < А ^ < . . . < ЦМ< . . . < Ц 2< Ц 1< Ц 0,
жение (6) и соотношения (7). В результате итерационный процесс (15) примет вид
если начальное приближение \10 находится справа от X*. Здесь фигурные скобки означают, что неравенство vx < v2 (соответственно, v2 < Vi) может не выполняться, хотя все последующие нера
венства vm < vm + j (соответственно, vm + { < vm) для m = 2, 3, ... выполняются всегда.
Если воспользоваться снова разложением (6), т о итерационный процесс примет вид
m + 1
V
Хм
Vit = i к к
( п
vm+\
(19)
^ m = 0, 1,
у Хм]J у rfX**Y-—il
где ukh vkh whh - элементы матриц U, V и W в разложении (6) при фиксированном X - | im. Таким образом, предлагается следующий алгоритм решения нелинейной спектральной зада
чи (1).
Алгоритм 2. Итерационный процесс включающих монотонных приближений Шаг 1. З а д а е м начальное приближение ц0 к 5-му собственному значению задачи (1).
Шаг 2. for га = 0, 1, ... до достижения точности do.
Шаг 3. Определить величины икЬ vkk, wkk из разложения (6).
Шаг 4. Вычислить цт + { H Vw+1 при помощи (19).
Шаг 5. end for.
Поскольку X* принадлежит интервалам [ цт, vm] или [vm, цт] , га = 1, 2 , к о т о р ы е включаются один в другой, начиная по крайней мере с m = 2, то в качестве га-го приближения к X* далее пред
лагается выбирать не один какой-то конец интервала, например |Liw, как в алгоритме 2, а его се
редину. В результате получаем качественно новый итерационный процесс, к о т о р ы й имеет более высокий порядок сходимости, чем (18), а именно
Теорема. Итерационный процесс
+ v„
где
= X
m = 0, 1,
ПК)
(20)
Vw + 1 - \ г .
т
Г(КУ
пюпю
Г(К) - f(K)f"(K)
нахождения простого действительного корня X* уравнения (2) представляет собой итераци
онный процесс порядка (не ниже) 3, однако несмотря на то, что \im+ \ <Хт + { <vm + { или vm + i<
< Хт + ! < |UW + j , монотонность последовательностей { цт} и {vwJ может нарушаться, т.е. ин
тервалы могут не вкладываться один в другой.
Доказательство. Итерационный процесс (20) можно рассматривать как частный случай мето
да простой итерации, т.е.
К+1 = < P( ^ J . m = 0, 1,
где
ф(Х) = X-
/ ( * )
-№) f\X)2-f{X)f"(XV Как известно, итерационный процесс будет процессом /с-го порядка, если
ф'(Ь*) = 0, ф"(А*) = 0, ... фа~П( А * ) = 0, фа )( А * ) * 0 .
яюпю
if(K)[f(K)(2f\K)-f\K)f"'(K))-f'(K)
2r(K)]
га*г тку-яют*)]
= о,
поскольку ДА,*) = О,
Ц>'\К) - Т'(Ю Г'а*Г
.га*) га*).
= о,
V
ma*) =
- С т г Т ^ О . если /•"(Я..)*0./ (Л*)
Таким образом, итерационный процесс (20) является итерационным процессом не ниже третьего порядка. Доказательство второй части теоремы аналогично проведенному в [11]. Теорема дока
зана.
Если снова воспользоваться разложением (6), то итерационный процесс примет вид
— ö »
где
у
I * *m = 0, I, ... (21)
/ п \ г /г
= А,™ — V Х М
J
V \[ХМ;V _
^ М "Vjfc= Г кк J Ц = 1
Здесь и^, vA A, vv^ - э л е м е н т ы матриц U, V и W в разложении (6) при фиксированном А = Хт. Таким образом, предлагается следующий алгоритм решения нелинейной спектральной зада
чи (1).
Алгоритм 3. Итерационный процесс включающих приближений 3-го порядка Шаг 1. З а д а е м начальное приближение Х{) к s-му собственному значению задачи (1).
Шаг 2. for m = О, 1, ... до достижения точности do.
Шаг 3. Определить величины ukh vkh wkk из разложения (6).
Шаг 4. Вычислить двусторонние приближения цш + { и v,„+ { при помощи (21).
Шаг 5. Вычислить Хт + х = ( | im + , + vm + ,)/2.
Шаг 6. end for.
Отметим, ч т о предлагаемые алгоритмы могут использоваться и в линейном случае, когда D(X) = А - AB, поскольку фактически вычисляются нули нелинейной функции ДА) = detD(A), ко
торая является по крайней мере дважды дифференцируемой.
4. Ч И С Л О В Ы Е П Р И М Е Р Ы
Для апробации алгоритма из разд. 2 вычисления грубых оценок собственных значений рас
смотрим квадратичную спектральную задачу из работы [12] с матрицей D(A) = А2А0 + АА, + А2,
В нашем случае после несложных преобразований получим
Таблица 1
р
= 0.3р
= 0.5р
= 0.7р
- 1.0р
= 1.3р
= 3.0X к X к X к X к X к X к
0.2423 2 -03111 4 -0.3777 28 0.6383 68 0.2383 25 2.3229 11
0.2423 0.2435 0.2423 -0.8499 0.7967
0.6386 - 0 . 3 7 7 8 -1.2261 0.6383
0.7967 -0.3878 0.2423
- 0 . 8 3 9 4 0.7956 - 0 . 3 7 7 8 0.6408 - 0 . 8 3 9 4 -1.2234 -2.6354
где
А0 =
( 1.00 0.17 -0.25 0.54 Л 0.47 1.00 0.67 -0.32 - 0 . 1 1 0.35 1.00 -0.74 0.55 0.43 0.36 1.00
А, =
0.22 0.02 0.12 0.14 0.02 0.14 0.04 -0.06 0.12 0.04 0.28 0.08
^ 0.14 -0.06 0.08 0.26
( -3.047588 -2.187912 -1.944900 -2.824296 Л -2.650072 -2.472484 -2.351516 -2.105384 -0.745660 -0.642364 -1.311776 -0.185240 -4.050012 -3.063188 -2.812192 -3.779440
Сначала определялось количество собственных значений, которые принадлежат некоторой области G. Для расчетов область G задавалась в виде круга G(X*, р) с центром в т о ч к е X* = 0 и радиусами р = 0.3, 0.5, 0.7, 1.0, 1.3 и 3.0. Результаты расчетов приведены в табл. 1, в которой для каждого значения р приведены количество собственных значений, принадлежащих заданной об
ласти, и их величины X, а т а к ж е количество итераций к, необходимых для их вычисления с точ
ностью г = Ю- 4.
Полученные приближенные величины собственных значений могут не удовлетворять требу
емому критерию точности. Для их уточнения м о ж н о использовать любой из предложенных в разд. 3 алгоритмов. В н а ш е м случае для уточнения каждого собственного значения понадоби
лось не более двух итераций л ю б ы м из приведенных алгоритмов. Уточненные собственные зна
чения полностью совпадают со значениями, полученными в [12].
Для проверки возможностей итерационных алгоритмов, предложенных в разд. 3, в качестве теста решалась нелинейная спектральная задача вида (см. [13])
D(X) = А + ХЕ + ехЕ, (22)
где Е - единичная n х n-матрица, А - трехдиагональная n х ^-матрица с ненулевыми элементами:
ai~iJ = аи i + 1 ~ 1 > аИ — —2.
Для матриц размерности п = 10 вычислялись все собственные значения задачи (22) к а ж д ы м из алгоритмов 1-3. Они полностью совпали с числами, полученными в [13] другим методом. Неко
торые результаты экспериментов приведены в табл. 2.
Кроме того, для иллюстрации работы алгоритмов и их сравнения с алгоритмом из [4], кото
рый также тестировался на этой задаче, проведем расчеты для собственного значения X - - 3.2117827, задавая, как в [4], начальное приближение Х{) = 3.2. Результаты сведены в табл. 3, где в последних двух столбцах приведены результаты из [4] (оригинальный алгоритм из [4] - столбец 6 и алгоритм метода дополненного вектора - столбец 7).
Из таблицы видно, ч т о у алгоритма 3 скорость сходимости выше, чем у оригинального алго
ритма из [4]. Что касается алгоритмов 1 и 2, то у них скорость сходимости не ниже, чем у того же
Таблица 2
Ао m
А л г о р и т м 1 Алгоритм 2 Алгоритм 3
Ао m
К Vm Vm К
4.0 1 3.941742 3.843018 3.,941742 3.843018 3.941742 3.892380 2 3.885413 3.885413 3.909833 3.898350 3.899103 3.898726 3 3.900572 3.897677 3.899646 3.898718 3.898718 3.898718
4 3.898688 3.898710 3.898726 •
5 3.898718 3.898718 3.898718 6 3.898718
3.4 1 3.324599 3.242099 3.324599 3.242099 3.324599 3.283349 2 3.271814 3.270297 3.272956 3.271717 3.271872 3.271794 3 3.271783 3.271782 3.271784 3.271783 3.271783 3.271783 4 3.271783 3.271783 3.271783
0.5 1 0.620603 0.620603 0.663037 0.620603 0.663037 0.641820 2 0.644214 0.643877 0.644074 0.643961 0.643965 0.643963 3 0.643963 0.643963 0.643963
4 0.643963
Таблица 3 m
Алгоритм 1 А л г о р и т м 2 А л г о р и т м 3 Алгоритмы из [4]
m
Ki Vm К К
0 3.2 3.2 - 3.2 3.2 3.2
1 3.257904725 3.257904725 3.282966422 3.270435573 3.329835363 3.611807012 2 3.271988395 3.271719370 3.271866923 3.271782726 3.272452136 3.185742889 3 3.271782710 3.271782733 3.271782745 - 3.271782736 3.28268 ~ 1
4 - - - - - 3.27176 3
5 - - - - - 3.271782735
Таблица 4
m Vm ^ m Ki
0 3.2 - -
1 3.257904725 3.282966422 3.270435573
2 3.271781134 3.271784319 3.271782726
алгоритма из [4], который и м е е т скорость сходимости в ы ш е квадратичной, но, кроме того, эти а л г о р и т м ы (включая и а л г о р и т м 3) на каждой итерации д а ю т еще и двусторонние оценки соб
ственных значений, а именно: а л г о р и т м 1 дает а л ь т е р н и р у ю щ и е приближения, т.е.
К) < Aj < К
~ ^ ^ 2 'а алгоритм 2 - в к л ю ч а ю щ и е , т.е.
|И0 < [1{ < \ i2 < щ <
1* <
v3 < v2 < vt.В табл. 3 для алгоритма 3 приведены т о л ь к о усредненные величины собственного значения.
Двусторонние оценки, п о л у ч а е м ы е алгоритмом 3 , приведены в табл. 4 . М ы можем говорить о
двусторонних оценках для алгоритма 3 (см. также табл. 2) в т о м смысле (согласно теореме), что
H i < ^ i < V i ,
| L l2< À2< V2,
при этом Х{ < А2 ~ А,* с точностью г = 10~6. В этом примере м ы получаем большее, а именно [ц2, v2] cz v j , что в общем случае выполняется не всегда.
Таким образом, описанный в работе алгоритм вычисления производных от детерминанта матрицы можно применять не т о л ь к о в алгоритме вычисления как количества, т а к и грубых приближений ко всем собственным значениям в заданной области комплексной плоскости, но и для построения надежных и эффективных (в смысле двусторонних оценок и скорости сходимо
сти) алгоритмов нахождения собственных значений как нелинейных, так и линейных спектраль
ных задач.
В заключение отметим, что применение ортогонального преобразования к детерминанту À-матрицы и использование метода Ньютона для определения собственного значения рассмат
ривалось в [14], но это другой подход, отличный от предлагаемого в настоящей статье.
С П И С О К Л И Т Е Р А Т У Р Ы
1. Anselone P.M., Rail L.B. The solution of the characteristic value-vector problems by Newton's method // Numer.
Math. 1968. V. 11. № 2. P. 3 8 ^ 5 .
2. Ruhe A. Algorithms lor the nonlinear eigenvalue problem // SIAM J. Numer. Analys. 1973. V. 10. № 4. P. 674—
690.
3. Neumaier A. Residual inverse iteration for the nonlinear eigenvalue problem // SIAM J. Numer. Analys. 1985.
V. 22. № 5 . P. 914-923.
4. Картышов C.B. Численный метод решения задачи на собственные значения с нелинейным вхождени
ем спектрального параметра для разреженных матриц // Ж . вычисл. матем. и матем. ф и з . 1989. Т. 29.
№ 12. С. 1898-1903.
5. Подлевсъкий БМ. Чисельний метод розв'язування одного класу нелшшних спектральних задач // Мат.
методи та фiз.-мex. поля. 2001. Т. 44. № 2. С. 34-38.
6. Delves L.M., Lyness J.N. A numerical method for locating the zeros of analytic function // Math. Comput. 1967.
V. 100. P. 543-561.
7. Абрамов A.A., Юхно Л.Ф. О б определении числа собственных значений спектральной задачи // Ж. вы
числ. матем. и матем. физ. 1994. Т. 34. № 5. С. 776-783.
8. Асланян М.А., Картышов C.B. Модификация одного численного метода решения нелинейной спек
тральной задачи // Ж. вычисл. матем. и матем. физ. 1998. Т. 38. № 5. С. 713-717.
9. Бицадзе A.B. Основы теории аналитических функций комплексного переменного. М.: Н а у к а , 1972.
10. Подлевсъкий БМ. Про один пщхщ до побудови двостороншх {терацшних метод{в розв'язування нелшшних piвнянь // Доп. H A H Укра'ши. 1998. № 5. С. 3 7 - 4 1 .
11. Подлевсъкий БМ. Методи двостороншх наближень розв'язування нелшшних р1внянь: П р е п р и н т № 2.
Львiв.: 1ППММ H A H Украши, 2001.
12. Кублановская В.И. К спектральной задаче для полиномиальных пучков матриц // З а п . научн. семина
ров Л О М И А Н СССР. 1981. Т. 111. С. 109-116.
13. Гулин A.B., Дроздова ОМ., Картышов СВ. Итерационный метод решения задачи на собственные значения с нелинейным вхождением спектрального параметра: Препринт № 137. М.: И П М а т е м . А Н С С С Р . 1986.
14. Кублановская В.И. О применении метода Ньютона к о п р е д е л е н и ю собственных значений À-матриц //
Д о к л . А Н СССР. 1969. Т. 188. № 5. С. 1004-1005.