సమాచారానికి వెళ్లండి

మోడ్ విశ్లేషణ

సాధారణీకృత ఈజెన్‌వాల్యూ సమస్య

నిరంతర మాధ్యమం యొక్క స్వేచ్ఛా కంపన విశ్లేషణలో స్థల విచ్ఛిన్నీకరణ చేసి, చిత్రం 2.3.1లో చూపినట్లుగా కేంద్రీకృత ద్రవ్యరాశులతో కూడిన బహు-స్వేచ్ఛా-ప్రమాణ వ్యవస్థగా మోడలింగ్ చేస్తారు. డ్యాంపింగ్ లేని స్వేచ్ఛా కంపన సమస్యకు పాలక సమీకరణం (చలన సమీకరణం) క్రింది విధంగా ఉంటుంది.

\[\begin{equation} M \ddot{u} + K u = 0 \label{eq:2.3.1} \end{equation}\]

ఇక్కడ \(u\) సాధారణీకృత స్థానచలన వెక్టర్, \(M\) ద్రవ్యరాశి మ్యాట్రిక్స్, \(K\) దృఢత్వ మ్యాట్రిక్స్. సహజ కోణీయ పౌనఃపున్యాన్ని \(\omega\), ఒకేసారి రెండూ శూన్యం కాని యాదృచ్ఛిక స్థిరాంకాలను \(a\), \(b\), మరియు \(x\)-ను ఒక వెక్టర్‌గా తీసుకుని క్రింది ఫంక్షన్‌ను నిర్వచిస్తాం.

\[\begin{equation} u(t) = (a \sin \omega t + b \cos \omega t ) x \label{eq:2.3.2} \end{equation}\]

ఈ ఫంక్షన్ యొక్క రెండవ అవకలనం

\[\begin{equation} \ddot{u}(t) = -\omega^2 (a \sin \omega t + b \cos \omega t) x \label{eq:2.3.3} \end{equation}\]

సమీకరణాలు \(\eqref{eq:2.3.2}\), \(\eqref{eq:2.3.3}\)-లను సమీకరణం \(\eqref{eq:2.3.1}\)-లో ప్రతిస్థాపిస్తే

\[\begin{equation} M \ddot{u} + K u = (a \sin \omega t + b \cos \omega t) (K-\omega^2 M) x = 0 \label{eq:2.3.4} \end{equation}\]

లభిస్తుంది.

అల్పేతర కంపనానికి \(a \sin \omega t + b \cos \omega t\) సర్వసమంగా శూన్యం కాదు; కాబట్టి

\[ (K-\omega^2M)x=0 \]

లభిస్తుంది. అందువల్ల \(\lambda=\omega^2\)గా ఉంచితే

\[\begin{equation} K x = \lambda M x \label{eq:2.3.5} \end{equation}\]

లభిస్తుంది.

గుణకం \(\lambda\)-ను ఈజెన్‌వాల్యూ, వెక్టర్ \(x\)-ను ఈజెన్‌వెక్టర్ అంటారు; సమీకరణం \(\eqref{eq:2.3.5}\) ద్వారా వ్యక్తమయ్యే సమస్యను సాధారణీకృత ఈజెన్‌వాల్యూ సమస్య అంటారు.

ఈజెన్‌వాల్యూ \(\lambda=\omega^2\) నుండి సహజ కోణీయ పౌనఃపున్యం \(\omega\) లభిస్తుంది; దానికి సంబంధించిన ఈజెన్‌వెక్టర్ \(x\) కంపన మోడ్‌ను సూచిస్తుంది.

డ్యాంపింగ్ లేని స్వేచ్ఛా కంపన బహు-స్వేచ్ఛా-ప్రమాణ వ్యవస్థ ఉదాహరణ

చిత్రం 2.3.1 డ్యాంపింగ్ లేని స్వేచ్ఛా కంపన బహు-స్వేచ్ఛా-ప్రమాణ వ్యవస్థ ఉదాహరణ

మ్యాట్రిక్స్ లక్షణాలు మరియు ఊహలు

మునుపటి విభాగంలో పొందిన సాధారణీకృత ఈజెన్‌వాల్యూ సమస్య \(Kx=\lambda Mx\) కోసం, ఈ మాన్యువల్ సంబంధిత మ్యాట్రిక్స్‌ల సమమితిని ఊహిస్తుంది. సంక్లిష్ట మ్యాట్రిక్స్ విషయంలో ఇది హెర్మిషియన్ మ్యాట్రిక్స్‌కు, వాస్తవ మ్యాట్రిక్స్ విషయంలో సమమితి మ్యాట్రిక్స్‌కు సమానం.

మ్యాట్రిక్స్ \(K\)-లోని \(ij\) మూలకాన్ని \(k_{ij}\)గా సూచిస్తే, హెర్మిషియన్ లక్షణం క్రింది విధంగా వ్యక్తమవుతుంది.

\[\begin{equation} k_{ij} = \bar{k}_{ji} \label{eq:2.3.6} \end{equation}\]

ఇక్కడ \(\bar{k}_{ji}\), \(k_{ji}\) యొక్క సంక్లిష్ట సంయుగ్మం. వాస్తవ మ్యాట్రిక్స్ విషయంలో ఈ సంబంధం \(k_{ij}=k_{ji}\) అవుతుంది.

అలాగే, ప్రతి శూన్యేతర వెక్టర్ \(x\) కోసం క్రింది సంబంధం నెరవేరితే వాస్తవ సమమితి మ్యాట్రిక్స్ \(H\)-ను ధన-నిర్దిష్టమని అంటారు.

\[\begin{equation} x^{t} H x > 0 \label{eq:2.3.7} \end{equation}\]

ఈ సందర్భంలో \(H\)-కు చెందిన అన్ని ఈజెన్‌వాల్యూలు ధనాత్మకంగా ఉంటాయి.

నిర్మాణ ఈజెన్‌వాల్యూ సమస్యలో ద్రవ్యరాశి మ్యాట్రిక్స్ \(M\)-ను సాధారణంగా ధన-నిర్దిష్టంగా పరిగణిస్తారు. మరోవైపు, నిర్బంధ షరతులను బట్టి దృఢత్వ మ్యాట్రిక్స్ \(K\) ధన-అర్ధనిర్దిష్టంగా ఉండవచ్చు మరియు దృఢదేహ మోడ్‌లకు సంబంధించిన శూన్య ఈజెన్‌వాల్యూలను కలిగి ఉండవచ్చు.

షిఫ్ట్‌తో కూడిన విలోమ పునరావృత పద్ధతి

పరిమిత మూలక పద్ధతి ఆధారిత నిర్మాణ విశ్లేషణలో ఆచరణలో అన్ని ఈజెన్‌వాల్యూలు అవసరం కావు; తరచుగా కొన్ని తక్కువ-క్రమ ఈజెన్‌వాల్యూలు సరిపోతాయి. HEC-MW భారీ సమస్యలను నిర్వహించడానికి రూపొందించబడినందున మ్యాట్రిక్స్‌లు పెద్దవిగా మరియు అత్యంత విరలంగా, అంటే అనేక శూన్య మూలకాలతో ఉంటాయి. అందువల్ల ఈ లక్షణాలను దృష్టిలో ఉంచుకుని తక్కువ-క్రమ మోడ్‌ల ఈజెన్‌వాల్యూలను సమర్థవంతంగా పొందడం ముఖ్యం.

షిఫ్ట్ పరిమాణాన్ని \(\sigma\)గా తీసుకుంటే, \(-\sigma\) ఏ ఈజెన్‌వాల్యూకూ సమానం కాకుండా మరియు \(K+\sigma M\) వ్యుత్క్రమణీయంగా ఉంటే, సమీకరణం \(\eqref{eq:2.3.5}\)-ను క్రింది విధంగా మార్చవచ్చు.

\[\begin{equation} (K + \sigma M)^{-1} M x = \frac{1}{\lambda+\sigma} x \label{eq:2.3.8} \end{equation}\]

ఈ రూపాంతరంలో ఈజెన్‌వెక్టర్ \(x\) మారదు; ఈజెన్‌వాల్యూ \(\lambda\), \(1/(\lambda+\sigma)\)-కు మ్యాప్ అవుతుంది.

కాబట్టి \(\lambda\), \(-\sigma\)-కు ఎంత దగ్గరగా ఉంటే, రూపాంతరిత ఈజెన్‌వాల్యూ యొక్క పరమ విలువ అంత పెద్దగా ఉంటుంది. నిర్మాణ ఈజెన్‌వాల్యూ సమస్యలో \(\lambda \geq 0\), \(\sigma \geq 0\) కాబట్టి అతి తక్కువ-క్రమ ఈజెన్‌వాల్యూ అత్యధిక పరమ విలువ గల ఈజెన్‌వాల్యూకు మ్యాప్ అవుతుంది. ఈ లక్షణాన్ని ఉపయోగించి, పెద్ద పరమ విలువ గల ఈజెన్‌వాల్యూలకు ముందుగా అభిసరించే పునరావృత పద్ధతిని సమీకరణం \(\eqref{eq:2.3.8}\)-కు వర్తింపజేస్తే, తక్కువ-క్రమ ఈజెన్‌వాల్యూలను క్రమంగా సమర్థవంతంగా పొందవచ్చు.

ఈ పద్ధతిని షిఫ్ట్‌తో కూడిన విలోమ పునరావృత పద్ధతి అంటారు.

FrontISTRలో నిర్బంధాలు ఉన్న విశ్లేషణకు \(\sigma = 0\)గా ఉంచుతారు; అప్పుడు సమీకరణం \(\eqref{eq:2.3.8}\), \(K^{-1} M x = \frac{1}{\lambda} x\), అంటే షిఫ్ట్ లేని విలోమ పునరావృతంగా మారుతుంది. నిర్బంధాలు లేని స్వేచ్ఛా-స్వేచ్ఛా విశ్లేషణలో దృఢదేహ మోడ్‌లకు సంబంధించిన శూన్య ఈజెన్‌వాల్యూల వల్ల \(K\) అవ్యుత్క్రమణీయంగా ఉంటుంది; \(\sigma\)-కు ధనాత్మక విలువ ఇచ్చి \(K+\sigma M\)-ను వ్యుత్క్రమణీయంగా చేస్తారు. ఈ \(\sigma\)-ను !EIGENలోని SIGMAతో నిర్దేశిస్తారు.

Lanczos పద్ధతి

ఎంపిక కారణం (Jacobi పద్ధతితో పోలిక)

సాంప్రదాయ పద్ధతుల్లో Jacobi పద్ధతి ప్రసిద్ధి చెందింది.

మ్యాట్రిక్స్ పరిమాణం చిన్నగా మరియు సాంద్రంగా ఉన్నప్పుడు ఈ పద్ధతి ప్రభావవంతంగా ఉంటుంది. అయితే HEC-MW నిర్వహించే మ్యాట్రిక్స్‌లు భారీగా మరియు విరలంగా ఉంటాయి; అందువల్ల Jacobi పద్ధతికి బదులు Lanczos పునరావృత పద్ధతిని ఉపయోగిస్తారు.

అల్గోరిథం మరియు లక్షణాలు

1950లలో C. Lanczos ప్రతిపాదించిన ఈ పద్ధతి మ్యాట్రిక్స్‌ను త్రివికర్ణ రూపంలోకి మార్చే అల్గోరిథం; దీనికి క్రింది లక్షణాలు ఉన్నాయి.

  • ఇది పునరావృత అభిసరణ పద్ధతి; మ్యాట్రిక్స్‌ను విరల రూపంలోనే ఉంచి గణించవచ్చు.
  • అల్గోరిథం ప్రధానంగా మ్యాట్రిక్స్-వెక్టర్ గుణితాలపై ఆధారపడుతుంది మరియు సమాంతరీకరణకు అనుకూలం.
  • పరిమిత మూలక మెష్‌కు సంబంధించిన జ్యామితీయ డొమైన్ విభజనకు అనుకూలం.
  • అవసరమైన ఈజెన్‌వాల్యూల సంఖ్య లేదా మోడ్ పరిధిని పరిమితం చేసి సమర్థవంతంగా గణించవచ్చు.

Lanczos పద్ధతి ప్రారంభ వెక్టర్‌తో మొదలై వరుసగా లంబ వెక్టర్‌లను నిర్మించి Krylov ఉపస్థలానికి ఆధారాన్ని ఏర్పరుస్తుంది.

పరిమిత ఖచ్చితత్వ గణనలో రౌండింగ్ దోషాల వల్ల వెక్టర్‌ల లంబత్వం కోల్పోవచ్చు. ఈ ప్రభావాన్ని అణచడానికి FrontISTR అమలులో ఇప్పటికే పొందిన Lanczos ఆధారాల పట్ల పునర్లంబీకరణ చేస్తారు.

జ్యామితీయ అర్థం (Krylov ఉపస్థలం)

సమీకరణం \(\eqref{eq:2.3.8}\)-కు క్రింది చర మార్పును వర్తింపజేస్తే

\[ A = (K + \sigma M)^{-1} M \]
\[\begin{equation} \frac{1}{\lambda+\sigma}= \zeta \label{eq:2.3.9} \end{equation}\]

సమస్యను తిరిగి వ్రాసినప్పుడు

\[\begin{equation} A x = \zeta x \label{eq:2.3.10} \end{equation}\]

లభిస్తుంది.

ఏదైనా శూన్యేతర వెక్టర్ \(q_0\) కోసం

\[ q_0,\ Aq_0,\ A^2q_0,\ldots,A^{m-1}q_0 \]

పై వెక్టర్‌లు విస్తరించే స్థలం, అంటే

\[ \mathcal{K}_m(A,q_0) = \operatorname{span} \{q_0,Aq_0,A^2q_0,\ldots,A^{m-1}q_0\} \]

ను Krylov ఉపస్థలం అంటారు.

Lanczos పద్ధతిలో ఈ Krylov ఉపస్థలం యొక్క ఆధారాన్ని క్రమంగా నిర్మిస్తారు.

FrontISTR ద్రవ్యరాశి మ్యాట్రిక్స్ \(M\)-కు సంబంధించిన క్రింది అంతర్గుణితాన్ని

\[ \langle x,y\rangle_M = x^T M y \]

ఉపయోగించి ఆధారాన్ని లంబ-ప్రమాణీకృతం చేస్తుంది. క్రింది చిత్రాల్లో చూపిన అంతర్గుణితం \(\langle x,y\rangle\) మరియు నార్మ్ \(\|x\|\)-లను FrontISTR గణనలో వరుసగా ఈ \(M\)-అంతర్గుణితం మరియు దానికి సంబంధించిన \(M\)-నార్మ్, అంటే

\[ \|x\|_M=\sqrt{x^T M x} \]

గా అర్థం చేసుకోవాలి.

ఏదైనా వెక్టర్ \(q_0\)-పై మ్యాట్రిక్స్ \(A\) నిర్వచించే రేఖీయ రూపాంతరాన్ని వర్తింపజేస్తారు (చిత్రం 2.3.2).

మ్యాట్రిక్స్ \(A\) ద్వారా \(q_0\) యొక్క రేఖీయ రూపాంతరం

చిత్రం 2.3.2 మ్యాట్రిక్స్ \(A\) ద్వారా \(q_0\) యొక్క రేఖీయ రూపాంతరం

రూపాంతరిత వెక్టర్‌ను మూల వెక్టర్‌తో ఏర్పడే స్థలంలో లంబీకరిస్తారు. అంటే చిత్రం 2.3.3లో చూపినట్లుగా Gram-Schmidt లంబీకరణ నిర్వహిస్తారు. అలా పొందిన వెక్టర్‌ను \(r_1\)గా తీసుకుని, దానిని ప్రమాణీకరించి \(q_1\) పొందుతారు.

\(q_0\)-కు లంబమైన వెక్టర్ \(q_1\)

చిత్రం 2.3.3 \(q_0\)-కు లంబమైన వెక్టర్ \(q_1\)

అదే పద్ధతితో \(q_1\) నుండి \(q_2\) పొందుతారు. ఈ సమయంలో \(q_2\), \(q_1\) మరియు \(q_0\) రెండింటికీ లంబంగా ఉంటుంది (చిత్రం 2.3.4).

\(q_1\), \(q_0\)-లకు లంబమైన వెక్టర్ \(q_2\)

చిత్రం 2.3.4 \(q_1\), \(q_0\)-లకు లంబమైన వెక్టర్ \(q_2\)

ఈ విధంగా Lanczos పద్ధతి Krylov ఉపస్థలం యొక్క లంబ-ప్రమాణీకృత ఆధారాన్ని క్రమంగా నిర్మిస్తుంది. సిద్ధాంతపరంగా సంబంధిత ఈజెన్‌వాల్యూ సమస్య సమమితిని ఉపయోగించి ఈ పునరావృతాన్ని ఇటీవలి ఆధార వెక్టర్‌లను ఉపయోగించే మూడు-పదాల పునరావర్తన సంబంధంగా వ్యక్తీకరించవచ్చు.

అయితే పరిమిత ఖచ్చితత్వ గణన వల్ల వచ్చే లంబత్వ నష్టాన్ని అణచడానికి FrontISTR అమలులో ఇప్పటికే పొందిన Lanczos ఆధారాల పట్ల \(M\)-అంతర్గుణితంతో పునర్లంబీకరణ చేస్తారు.

త్రివికర్ణీకరణ

FrontISTR యొక్క Lanczos పునరావృతంలో, మునుపటి విభాగంలో వివరించిన \(M\)-అంతర్గుణితం పట్ల ఆధార వెక్టర్‌లను లంబ-ప్రమాణీకృతం చేస్తారు; కాబట్టి

\[ q_i^T M q_j = \delta_{ij} \]

సంబంధం నెరవేరుతుంది.

సమీకరణం \(\eqref{eq:2.3.10}\)-లోని మ్యాట్రిక్స్ \(A\)-ను ఉపయోగిస్తే, సిద్ధాంతపరమైన Lanczos పునరావృతం

\[\begin{equation} A q_i = \beta_i q_{i-1} + \alpha_i q_i + \beta_{i+1} q_{i+1} \label{eq:2.3.11} \end{equation}\]

పై మూడు-పదాల పునరావర్తన సంబంధంతో వ్యక్తమవుతుంది.

మొదట \(\alpha_i\)-ను క్రింది విధంగా నిర్వచిస్తాం.

\[ \alpha_i = q_i^T M A q_i \]

తర్వాత తాత్కాలిక అవశేషాన్ని

\[ \tilde{r}_{i+1} = Aq_i - \beta_i q_{i-1} - \alpha_i q_i \]

గా ఉంచుతాం.

పరిమిత ఖచ్చితత్వ గణన వల్ల వచ్చే లంబత్వ నష్టాన్ని అణచడానికి FrontISTR అమలులో \(\tilde{r}_{i+1}\)-ను ఇప్పటికే పొందిన Lanczos ఆధారాల పట్ల \(M\)-అంతర్గుణితంతో పునర్లంబీకరణ చేస్తారు. పునర్లంబీకరణ తర్వాతి అవశేషాన్ని \(r_{i+1}\)గా తీసుకుంటే

\[\begin{equation} \beta_{i+1} = \sqrt{r_{i+1}^T M r_{i+1}}, \qquad q_{i+1} = \frac{r_{i+1}}{\beta_{i+1}} \label{eq:2.3.12} \end{equation}\]

సంబంధాలు లభిస్తాయి.

Lanczos పునరావృతం ద్వారా పొందిన \(m\) ఆధార వెక్టర్‌లను

\[ Q_m=[q_0,q_1,\ldots,q_{m-1}] \]

గా సమీకరిస్తే, పరిమిత సంఖ్యలో Lanczos పునరావృతాల తర్వాత

\[\begin{equation} A Q_m = Q_m T_m + \beta_m q_m e_m^T \label{eq:2.3.13} \end{equation}\]

సంబంధం నెరవేరుతుంది.

ఇక్కడ \(e_m\), \(m\)-పరిమాణ ఏకక వెక్టర్; దాని \(m\)-వ మూలకం మాత్రమే 1, మిగిలిన మూలకాలన్నీ శూన్యం. అలాగే

\[\begin{equation} T_m= \begin{pmatrix} \alpha_0 & \beta_1 & & &\\ \beta_1 & \alpha_1 & \beta_2 & &\\ & \ddots & \ddots & \ddots &\\ & & \beta_{m-2} & \alpha_{m-2}& \beta_{m-1}\\ & & & \beta_{m-1} & \alpha_{m-1} \end{pmatrix} \label{eq:2.3.14} \end{equation}\]

ఒక సమమితి త్రివికర్ణ మ్యాట్రిక్స్.

అందువల్ల త్రివికర్ణ మ్యాట్రిక్స్ \(T_m\)-కు ఈజెన్‌వాల్యూలను గణించడం ద్వారా మూల భారీ ఈజెన్‌వాల్యూ సమస్య యొక్క ఈజెన్‌వాల్యూలను సన్నిహితం చేయవచ్చు.

సంబంధిత అంశాలు