MakarovSuites
Español
EnglishDeutschРусскийУкраїнськаFrançaisEspañolItalianoPolski
Contacto y licencias

Math

Vectores propios

Explora la iteración de potencia: la multiplicación repetida puede alinear vectores con un autovector dominante. Compare el error angular medido con la relación espectral asintótica, e inspeccione el cociente de Rayleigh para matrices simétricas.

Vectores propios — Imagen real de la aplicación
Imagen real de la aplicación

Qué ocurre

Cada paso multiplica los vectores unitarios por la matriz y los normaliza de nuevo. Para una matriz diagonalizable con un valor propio estrictamente mayor en módulo, un vector inicial con un componente no cero a lo largo de su dirección propia dominante se aproxima a esa línea. Un vector inicial especialmente elegido puede perder la dirección dominante.
La relación |λ₂/λ₁| describe la tasa geométrica asintótica genérica; No es una relación exacta de ángulos sucesivos en cada paso. La falta de un componente subdominante puede hacer que la convergencia sea más rápida, mientras que el redondeo numérico eventualmente limita el ángulo medido. El preset casi degenerado converge lentamente. El cizallamiento defectuoso tiene convergencia algebraica en lugar de geométrica. Un par complejo de rotación o dominante generalmente mantiene las direcciones girando; Un autovalor dominante negativo invierte el signo vectorial mientras su línea se asienta.
Para una matriz simétrica, el cociente de Rayleigh en la esfera unidad tiene extremos en los autovectores de los valores propios algebraicos más pequeños y mayores. Haga clic en la esfera para elegir un vector inicial diferente y compare la trayectoria medida con la predicción espectral.

Ecuaciones del módulo
Ecuaciones
A·v = λ·v
v_(k+1) = A·v_k / ||A·v_k||
|λ₁| > |λ₂|, c₁ ≠ 0
ε_k = O(|λ₂/λ₁|^k)
R(v) = (v·A·v)/(v·v)
A = Aᵀ ⇒ λ_min ≤ R(v) ≤ λ_max
tr A = Σλ, det A = Πλ

Otros experimentos

Volver al catálogo
Descomposición en valores singulares — Imagen real de la aplicación

Math

Descomposición en valores singulares

Cualquier matriz como una rotación, un estiramiento y otra rotación: la esfera unidad gira, se estira en el elipsoide de los valores singulares y gira a su sitio, un factor cada vez, y el único triedro cuyas imágenes siguen ortogonales se mide, no se dibuja.

Optimización sobre un paisaje — Imagen real de la aplicación

Math

Optimización sobre un paisaje

El descenso por gradiente, la bola pesada, el símplex de Nelder-Mead, el recocido simulado y una población genética bajan por la misma superficie - el cuenco muestra el número de condición, el plátano el arrastre, Himmelblau las cuencas y Rastrigin quién se atasca.

Series de Fourier — Imagen real de la aplicación

Math

Series de Fourier

Epiciclos que ensamblan un dibujo, senos que ensamblan una onda, y el sobreimpulso en el salto que nunca desaparece.