Publicação: Joint Approximate Diagonalization of Symmetric Real Matrices of Order 2
Carregando...
Data
Orientador
Coorientador
Pós-graduação
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Sociedade Brasileira de Matemática Aplicada e Computacional
Tipo
Artigo
Direito de acesso
Acesso aberto
Resumo
Resumo (inglês)
The problem of joint approximate diagonalization of symmetric real matrices is addressed. It is reduced to an optimization problem with the restriction that the matrix of the similarity transformation is orthogonal. Analytical solutions are derived for the case of matrices of order 2. The concepts of off-diagonalizing vectors, matrix amplitude, which is given in terms of the eigenvalues, and partially complementary matrices are introduced. This leads to a geometrical interpretation of the joint approximate diagonalization in terms of eigenvectors and off-diagonalizing vectors of the matrices. This should be helpful to deal with numerical and computational procedures involving high-order matrices.
Resumo (português)
Este trabalho aborda o problema da diagonalização conjunta aproximada de uma coleção de matrizes reais e simétricas. A otimização é realizada com a restrição de que a matriz de transformação de semelhança seja ortogonal. As soluções são apresentadas de forma analÃtica para matrizes de ordem 2. São introduzidos os conceitos de vetor anti-diagonalizante, amplitude de uma matriz, que é expressa em termos dos autovalores, e matrizes parcialmente complementares. Isto permite fazer uma interpretação geométrica da diagonalização conjunta aproximada, em termos dos autovetores e dos vetores anti-diagonalizantes das matrizes. Esta contribuição deve auxiliar na melhoria de procedimentos numéricos e computacionais envolvendo matrizes de ordem maior que 2.
Descrição
Palavras-chave
joint approximate diagonalization, eigenvectors, optimization, diagonalização conjunta aproximada, autovetores, otimização
Idioma
Inglês
Como citar
TEMA (São Carlos). Sociedade Brasileira de Matemática Aplicada e Computacional, v. 17, n. 1, p. 113-126, 2016.
