It is well-known that the finite difference discretization of the Laplacian eigenvalue problem $-\Delta u = \lambda u$ leads to a matrix eigenvalue problem (EVP) $A x= \lambda x$ where the matrix $A$ is Toeplitz-plus-Hankel. Analytical solutions to tridiagonal matrices with various boundary conditions are given in Strang and MacNamara \cite{strang2014functions}. We generalize the results and develop analytical solutions to the generalized matrix eigenvalue problems (GEVPs) $A x= \lambda Bx$ which arise from the finite element method (FEM) and isogeometric analysis (IGA). The FEM matrices are corner-overlapped block-diagonal while the IGA matrices are almost Toeplitz-plus-Hankel. In fact, IGA with a correction that results in Toeplitz-plus-Hankel matrices gives a better numerical method. In this paper, we focus on finding the analytical eigenpairs to the GEVPs while developing better numerical methods is our motivation. Analytical solutions are also obtained for some polynomial eigenvalue problems (PEVPs). Lastly, we generalize the eigenvector-eigenvalue identity (rediscovered and coined recently for EVPs) for GEVPs and derive some trigonometric identities.


翻译:众所周知,Laplacian egenvaly问题($- delta u =\ lambda u 美元)的有限差异分解导致一个基质元素值问题(EVP) Ax= lambdax$A 美元x= lambdax$美元,其中矩阵值为Toeplitz+Hankel。 Strang 和 MacNamara +cite{strang2014函数}给出了具有不同边界条件的三对角矩阵的分析解决方案。我们推广了结果,并为通用基质值问题(GVPPPs)制定了分析解决方案。在本文中,我们侧重于为普通基值问题找到分析方法(GPEVS),而我们为普通基值问题找到分析方法。

0
下载
关闭预览

相关内容

专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关VIP内容
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员