Numerické metody pro hledání vlastních čísel /

V této práci se zabýváme problémem vlastních čísel na konečně rozměrném vektorovém prostoru. Přičem důraz hlavně klademe na odvození konvergence numerických metod za vhodných předpokladů případně odvození odhadu vzdálenosti mezi exaktními a aproximativními vlastními hodnotami (vektory) nějakého line...

Celý popis

Uloženo v:
Podrobná bibliografie
Hlavní autor: Šimková, Mária (Autor práce)
Další autoři: Koláček, Jan, 1976- (Vedoucí práce)
Typ dokumentu: VŠ práce nebo rukopis
Jazyk:Slovenština
Vydáno: 2016
Témata:
On-line přístup:http://is.muni.cz/th/379697/prif_m/
Obálka
Popis
Shrnutí:V této práci se zabýváme problémem vlastních čísel na konečně rozměrném vektorovém prostoru. Přičem důraz hlavně klademe na odvození konvergence numerických metod za vhodných předpokladů případně odvození odhadu vzdálenosti mezi exaktními a aproximativními vlastními hodnotami (vektory) nějakého lineárního operátoru. Tímto způsobem se zabýváme mocninovou metodou a metodou Rayleighova podílu, při které konvergence je odvozená na základě ideje o operátorové funkci. Dále se věnujeme projekčním metodám na Krylovově podprostory, kde například popisujeme Arnoldiho metodu za využití Householderovy transformace. V případě některých projekčních metod diskutujeme vztah mezi generátory Krylovových podprostorů a formálně ortogonálními polynomy. Též se věnujeme porovnání exaktních a aproximativních vlastních hodnot (vektorů) určených Lanczosovým algoritmem za využití Čebyševových polynomů. Na závěr porovnáme diskutované algoritmy na vhodných příkladech.
In this thesis we deal with a problem of eigenvalues on a finite dimensional vector space. Whereas we focus on deriving a convergence of numerical methods under suitable assumptions eventually on estimation of a distance between exact and approximative eigenvalues (eigenvectors) of a certain linear operator. In this way we deal with the power method and the Rayleigh quotient method at which its convergence is derived on the basis of operator function idea. Further we look to projection methods onto Krylov subspaces especially we describe the Arnoldi method using the Householder transform. In a case of some projective methods we discuss a relation between generators of Krylov subspaces and formal orthogonal polynomials. There is also comparison of exact and approximative eigenvalues (eigenvectors) given by the Lanczos algorithm using the Chebyshev polynomials. At the end we compare discused algorithms on suitable examples.
Popis jednotky:Vedoucí práce: Jan Koláček
Fyzický popis:59 listů