2011 Lab 04 Wartosci wlasne macierzy TZ

background image

T1

Techniki Obliczeniowe i Symulacyjne
Wartości i wektory własne.

dr inż. Tomasz Zieliński

2010.03.01

Ćwiczenie 1 (1 pkt)

Wyznacz na papierze wartości własne

λ

k

i wektory własne (pionowe)

v

k

, k

=1,2,3, macierzy:

1

2

0

2

0

2

0

2

1

= −

A

(1)

Zbuduj z wektorów

v

k

, k=1,2,3, macierz

V = [v

1

v

2

v

3

]

oraz oblicz macierz

B=V

T

AV

. Dlaczego macierz B

jest diagonalna? Ponieważ

A=VDV

T

.

Zbuduj macierz

A’

na podstawie poniższego równania

1

'

n

T

k

k

k

k

λ

=

=

A

v v

(2)

Porównaj macierze

A

i

A’

.

Ćwiczenie 2 (1 pkt)

Metodą potęgową, na papierze, oblicz tylko największą wartość własną macierzy autokorelacji
sygnału z ćw. 1. Znając ją, oblicz związany z nią wektor własny. Porównaj z poprzednimi wynikami.

Napisz program komputerowy dla metody potęgowej, który znajdzie największą wartość własną
dowolnej macierzy symetrycznej a potem wyznaczy związany z nią wektor własny.

Ćwiczenie 3 (1 pkt)

1A.

Wygeneruj taki sam sygnał jak w programie T16_4.m, umieszczony na stronie:

http://www.kt.agh.edu.pl/pl/edu/wydaw/cps,k.html

Zbuduj macierz autokorelacji tego sygnału tak jak w tym programie (o tym samym wymiarze).
Następnie napisz program obliczający wszystkie wartości własne i wektory własne tej macierzy metodą
Jacobiego
(lub dowolną inną, nie bezpośrednią). Porównaj je z tymi, które zwraca funkcja Matlaba
eig()

. Wykorzystaj wynik swoich obliczeń do wyznaczenia widma sygnału metodą Pisarenki, jak w

programie T16_4.m. Macierz autokorelacji ma w tym przypadku wymiary 5×5.

ALBO

1B.

Metodą QR (lub dowolną inną, nie bezpośrednią) oblicz wszystkie wartości własne macierzy

autokorelacji sygnału z ćw. 1. Porównaj je z tymi, które zwraca funkcja Matlaba eig(). Jeśli nie chcesz
pisać programu, zrób to analitycznie.

Ćwiczenie 4 (1 pkt)

Wygeneruj macierz autokorelacji

R

o wymiarach

M

x

M

,

M

=10, na podstawie

N

=1000 próbek szumu

gaussowskiego o wartości średniej równej 0 i odchyleniu standardowym 2. Za pomocą funkcji eig()
Matlaba dokonaj dekompozycji tej macierzy względem wartości własnych, tzn. wyznacz jej wszystkie

wartości własne λ

k

i wektory własne (o orientacji pionowej)

v

k

,

k

=1,2,3,..,

M

. Sprawdź, że wektory

własne są ortogonalne. Narysuj wartości własne na wykresie w funkcji ich numeru. Następnie w pętli od

n

=1 do

M

obliczaj kolejne aproksymacje tej macierzy na podstawie wzoru:

1

n

T

n

k

k

k

k

λ

=

=

R

v v

(3)

oraz wyświetlaj błąd Frobeniusa pomiędzy macierzami

R i

R

n

:

2

,

( , )

( , )

n

n

i j

err

R i j

R i j

=

(4)

2

4

background image

Zauważ opadanie wartości własnych. Jeśliby z wektorów poziomych

v

k

T

,

k

=1,2,3,..,

M

zbudować macierz

F

(umieszczając je w wierszach tej macierzy), to można by ją zastosować do ortogonalnej dekompozycji

sygnału, analogicznej do tej, przeprowadzanej w równaniach (4) w ćw. 2. Ale wówczas energia sygnału
będzie skupiona w mniejszej liczbie współczynników dekompozycji, niż w przypadku transformacji
Fouriera. Sprawdź to.
Potem powtórz cała operację nie dla szumu tylko dla sygnału kosinusoidalnego mającego 100

próbek na okres. Ciekawe, nieprawdaż? Następnie dla sygnału zespolonego, który w części rzeczywistej
posiada sygnał kosinusoidalny jak poprzednio. Ponieważ w tym przypadku dekomponujemy sygnał
zespolony, wynik także jest zespolony (sprawdź!!!). W takim przypadku równanie rekonstrukcji (3) ma

postać:

( )

*

1

1

n

n

T

H

n

k

k

k

k

k

k

k

k

λ

λ

=

=

=

=

R

v

v

v v

(5)

Również interesujące.

Ćwiczenie 5 (1 pkt)

Wczytaj do Matlaba obraz cameraman.tif o wymiarach M×M, nazwij go

X

. Dokonaj jego dekompozycji

według wartości osobliwych svd(). Otrzymasz zbiór wartości osobliwych λ

k

oraz par wektorów

osobliwych o orientacji pionowej {

u

k

, v

k

},

k

=1,2,3,..,

M

. Narysuj λ

k

= funkcja(

k

). Następnie w pętli od

n

=1 do

M

obliczaj kolejne aproksymacje obrazu na podstawie wzoru:

1

n

T

n

k

k

k

k

λ

=

=

X

u v

oraz wyświetlaj błąd Frobeniusa pomiędzy obrazami

X i

X

n

.

UWAGA:

Wystarczy zrobić tylko zadanie 3A ALBO 3B aby uzyskać 1 punkt.

Zad. 3A.

Metoda Jacobiego jest opisana w książce:

M. Dryja, J. & M. Jankowscy, „Przegląd metod i algorytmów numerycznych” część 2, str.133.

Zad. 3B.

Metoda QR jest opisana w książce jak wyżej, str. 135, dodatkowo w książkach:

D. Kincaid, W. Cheney, „Analiza numeryczna”, WNT 2006, str. 287.
Z. Fortuna, B. Macukow, J. Wąsowski, „Metody numeryczne”, str. 270.

W. Perry, „Elementary linear algebra”, str. 392.

POMOC:

k

k

k

λ

=

Av

v

,

1

2

3

( ,

,

,...,

)

N

diag

λ λ λ

λ

= ⋅

AV

V

,

1

= ⋅ ⋅

A

V D V

,

1

n

T

k

k

k

k

λ

=

=

A

v v

(

)

k

k

λ

=

A

I v

0

,

(

)

k

k

λ

=

I

A v

0

Warunki (równoważne) istnienia nietrywialnego rozwiązania powyższego równania:
1) macierz

(

)

k

λ

A

I

przekształca pewien wektor niezerowy na 0,

2) macierz

(

)

k

λ

A

I

jest osobliwa (nie ma macierzy odwrotnej), 3)

(

)

det

0

k

λ

=

A

I

.

Poniższa metoda jest to metoda źle uwarunkowana numerycznie:
1) Znajdź wszystkie rozwiązania λ

1

, λ

2

, λ

3

,…, λ

N

równania:

11

12

1

21

22

2

1

1

det

0

k

N

k

N

N

N

NN

k

a

a

a

a

a

a

a

a

a

λ

λ

λ

⎥ =

K
K

K

K

K

K

K

2) Potem dla każdego λ

k

znajdź wektor

v

k

spełniający równanie:

11

12

1

21

22

2

1

1

0

k

N

k

N

k

N

N

NN

k

a

a

a

a

a

a

a

a

a

λ

λ

λ

=

v

K
K

K

K

K

K

K

MATLAB:
1) A=?; w=poly(A); lambda=roots(w);
2) for k=1:N, V(:,k)=solve( A-lambda(k)*eye(N), zeros(N,1) ); end % solve z LAB2: Ax=0


Wyszukiwarka

Podobne podstrony:
3 Wartości i wektory własne macierzy
Lab 04 2011 2012
3 Wartości i wektory własne macierzy
14 Wartosci i wektory wlasne macierzy
2011 Lab 03 Interpolacja aproksymacja TZ
CMS Lab 04 Szablony
2011 Lab 09 BER NBIid 27452
lab 04 id 257526 Nieznany
bd lab 04 id 81967 Nieznany (2)
lab 04
2011.11.04 - Czynnosc bioelektryczna mozgu - Kopia, Fizjologia człowieka, wykłady
2011 lab 02, Uklady rownan liniowych
Teoria, wektory i wartości własne
DDiK zalecenia PTD 2011 calosc 04 01 2011
2011 Lab 06 estymacja IRid 27451
ćw 14, Zagadnienie własne macierzy
539 SKiTI LAB 04
2011 lab 02 Uklady rownan liniowychid 27450

więcej podobnych podstron