Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Tomáš Oberhuber
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
1 / 70
Tomáš Oberhuber
1 Vlastní cˇ ísla matic
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
ˇ 2 Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
3 Výpoˇcet kompletního spektra matice
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
4 Shrnutí a otázky 2 / 70
Tomáš Oberhuber
Vlastní cˇ ísla matic - aplikace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel
Vlastní cˇ ísla matic (eigenvalues and eigenvectors) Modelování a analýza vibrací
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
2 / 70
Tomáš Oberhuber
Vlastní cˇ ísla matic - aplikace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel
Modelování a analýza vibrací – Tacoma bridge
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
3 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
Vlastní cˇ ísla matic aeroelasticita
ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Aeroelastic Phenomena and Related Research - Part 2 – https://www.youtube.com/watch?v=jW8I2hX4GSs
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
4 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
Vlastní cˇ ísla matic - eigenfaces Zpracování obrazu – rozpoznání obliˇceju˚
ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
5 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
Vlastní cˇ ísla matic - spektra atomu˚
ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
6 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
Vlastní cˇ ísla matic Theorem 1 P n
Bud’ pn (x) = k =0 ak x k polynom stupneˇ n. Potom nalezení jeho koˇrenu˚ je ekvivalentní výpoˇctu spektra Frobeniovy matice ∈ R n,n svázané s polynomem pn (x) a definované jako −(an−1 /an ) −(an−2 /an ) . . . −(a1 /an ) −(a0 /an ) 1 0 ... 0 0 0 1 . . . 0 0 = .. .. . .. . .. .. . . .
C
C
0
Givensovy rotace QR iterace
0
...
1
0
Hessenbergovy QR iterace
Shrnutí a otázky
Remark 2 ˇ pak plyne, že nelze sestrojit pˇrímou metodu Z Abelovy vety pro výpoˇcet kompletního spektra matice pro n ≥ 5. 7 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Vlastní cˇ ísla matic Remark 3 • Všechny metody pro výpoˇcet spekter matic jsou proto
iterativní. • Je tedy nutné znát nejaký ˇ aposteriorní odhad chyby,
abychom dokázali stanovit vhodné zastavující kritérium pˇri napoˇcítávání iterací. • Apriorní odhady chyb aproximace vlastních cˇ ísel v tomto kurzu vynecháme.
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
8 / 70
Tomáš Oberhuber
Aposteriorní odhad chyby
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Theorem 4
A C
ˆ a ~xˆ 6= 0 Necht’ ∈ n,n je hermitovská matice a necht’ λ jsou napoˇcítané aproximace vlastního cˇ ísla λ a vlastního vektoru ~x . Pro residuum
Trojúhelníková metoda
~r =
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
A~xˆ − λˆ~xˆ,
pak platí ˆ min λ − λi ≤
λi ∈σ(A)
~r
2 .
~ˆ
x 2
9 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
ˇ Cásteˇ cný problém vlastních cˇ ísel
ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace
• výpoˇcet kompletního spektra je velmi nároˇcná úloha • cˇ asto nám staˇcí nalézt tˇreba je jedno, v absolutní
ˇ vlastní cˇ íslo hodnoteˇ nejvetší • mluvíme pak o cˇ ásteˇcném problému vlastních cˇ ísel • pro tento úˇcel se používá hlavneˇ mocninná metoda
QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
10 / 70
Tomáš Oberhuber
Mocninná metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
a cˇ íselnou posloupnost {ρk }k =1
• postupujeme podle následujícího pˇredpisu (~ x0 lze volit
ˇ libovolne)
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
∞
• tato metoda konstruuje posloupnost vektoru˚ ~ x (k ) k =1 ∞
~y (k +1) =
A~x (k ),
ρk +1 = ~e1T ~y (k +1) , 1 (k +1) ~y ~x (k +1) = . ρk +1
Shrnutí a otázky
11 / 70
Tomáš Oberhuber
Mocninná metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
Example 5 ˇ nejvetší ˇ vlastní cˇ íslo Pomocí mocninné metody naleznete matice 1 . 2 = 3
A
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
12 / 70
Tomáš Oberhuber
Mocninná metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Remark 6 Metoda vlastneˇ funguje tak, že opakovaným násobením ˇ vektoru˚ ~x (k ) do smeru ˇ maticí se zesiluje "prum ˚ et" vlastního vektoru pˇríslušejícího v absolutní hodnoteˇ ˇ ˇ byl nejvetšímu vlastnímu cˇ íslu. Pokud by ale tento "prum ˚ et" od zaˇcátku nulový, metoda se "nemá od cˇ eho odrazit". ˇ není jednoduché. Naštestí ˇ nás Zajistit pˇredpoklady vety zachrání zaokrouhlovací chyby, které zpusobí, ˚ že cˇ asem ˇ do vhodného vlastního vždy vznikne nenulový "prum ˚ et" vektoru a metoda ho následneˇ zaˇcne zesilovat. V praxi je tak nejlepší volit za ~x (0) vektor ze samých jedniˇcek.
A
13 / 70
Tomáš Oberhuber
Mocninná metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Theorem 7 Vektor ~x (k ) z mocninné metody lze vyjádˇrit takto
Výpoˇcet kompletního spektra matice
~x (k ) =
Trojúhelníková metoda LR algoritmus
1 ρ1 ρ2 . . . ρk
Ak ~x (0).
QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Theorem 8 Až na "normování" jde tedy o aplikaci matice poˇcáteˇcní vektor ~x (0) .
Ak na
Shrnutí a otázky
14 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus
Mocninná metoda Theorem 9
A = X−1JAX
Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
X
A
QR algoritmus
Householderovy transformace
A C
Necht’ matice ∈ n,n má jedno v absolutní hodnoteˇ ˇ vlastní cˇ íslo λ jednonásobné nebo vícenásobné se nejvetší stejnou algebraickou i geometrickou násobností a ~y (1) , . . . , ~y (r ) jsou pˇríslušné vlastní vektory. Necht’ matice pˇrevádí do Jordanova tvaru, tj.
J
tak, že λ se vyskytuje na prvních r rˇádcích A . Pak pro libovolné ~x (0) takové, že alesponˇ jedna z prvních r složek vektoru ~x (0) je nenulová, platí, že v mocninné metodeˇ konverguje posloupnost ρk k vlastnímu cˇ íslu λ a posloupnost ~x (k ) k pˇríslušnému vlastnímu vektoru.
X
15 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Mocninná metoda Theorem 10
A C
ˇ Necht’ matice ∈ n,n má dveˇ v absolutní hodnoteˇ nejvetší vlastní cˇ ísla λ1 , −λ1 s opaˇcným znaménkem. Necht’ ~y (1) , ~y (2) jsou pˇríslušné vlastní vektory. Necht’ matice pˇrevádí do Jordanova tvaru, tj.
X
A
A = X−1JAX
Trojúhelníková metoda LR algoritmus
J
QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
tak, že ±λ se vyskytuje na prvních dvou rˇádcích A . Pak pro libovolné ~x (0) takové, že alesponˇ jedna z prvních dvou složek vektoru ~x (0) je nenulová, platí, že v mocninné √ metodeˇ konverguje posloupnost ρ2k ρ2k +1 k absolutní ˇ hodnoteˇ nejvetších vlastních cˇ ísel a posloupnost ~x (2k ) + λ1~x (2k ) k vlastnímu vektoru pˇríslušejícímu k vlastnímu cˇ íslu λ1 a posloupnost ~x (2k ) − λ1~x (2k ) k vlastnímu vektoru pˇríslušejícímu k vlastnímu cˇ íslu −λ1 .
X
A
A
16 / 70
Tomáš Oberhuber
Mocninná metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
Remark 11 K napoˇcítání samotného vlastního vektoru staˇcí konstruovat ˇ tzv. Krylovovu posloupnost ~x (0) , ~x (0) , 2~x (0) , . . . a delení cˇ íslem ρk není nutné, je dobré jen pro lepší numerickou stabilitu.
A
A
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Remark 12 ˇ λλ1i . Konvergenci Rychlost konvergence závisí na pomeru mužeme ˚ urychlit vhodným posunem spektra o cˇ íslo λ∗ úpravou puvodní ˚ matice na matici − λ∗ . Tím mužeme ˚ λi −λ∗ ∗ zmenšit podíl λ1 −λ∗ . K ρ pak musíme pˇriˇcíst λ .
A
I
17 / 70
Tomáš Oberhuber
Mocninná metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace
Remark 13 Pokud chceme najít v absolutní hodnoteˇ nejmenší vlastní cˇ íslo matice , mužeme ˚ použít mocninnou metodu na −1 matici . Nejmenší vlastní cˇ íslo pak bude 1ρ . Pokud chceme najít vlastní cˇ íslo matice , které je nejblíže ˇ vlastní cˇ íslo zvolenému cˇ íslu λ0 budeme hledat nejvetší matice −1 . − λ0
A
A
A
A
I
QR iterace Hessenbergovy QR iterace
Hledané cˇ íslo pak získáme jako
1 ρ
+ λ0 .
Shrnutí a otázky
18 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Mocninná metoda Remark 14 V pˇrípadeˇ z pˇredchozí poznámky napoˇcítáváme ~y (k +1) =
A−1~x (k ).
Abychom se vyhnuli výpoˇctu inverze matice vztah na
A, pˇrevedeme
A~y (k +1) = ~x (k ), a rˇešíme soustavu lineárních rovnic. S výhodou lze využít iterativní metody nebot’: • pro k malé je zbyteˇcné rˇešit lineární soustavu s
vysokou pˇresností a staˇcí proto poˇcítat menší poˇcet iterací • pro k velké se po sobeˇ jdoucí vektory ~ y (k ) a ~y (k +1) pˇríliš neliší a ~y (k ) je dobrým odhadem rˇešení pro soustavu s neznámým vektorem ~y (k +1) ˇ inverze matice, jež Tento trik, jak se zbavit výpoctu ˇ pouze aplikujeme na jeden nebo nekolik vektoru, ˚ se v ˇ numerice používá velmi casto. 19 / 70
Tomáš Oberhuber
Redukˇcní metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
• tato metoda slouží k odseparování již nalezených
vlastních cˇ ísel, pokud chceme napˇr. napoˇcítat více než ˇ vlastní cˇ íslo jedno v absolutní hodnoteˇ nejvetší • nehodí se ale pro výpoˇcet kompletního spektra, kvuli ˚
rychlé ztráteˇ pˇresnosti
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Remark 15
A C
A
ˇ Bud’ tedy ∈ n,n a λ1 ∈ σ ( ) a ~x k nemu pˇríslušný vlastní vektor. Odvodíme metodu pro výpoˇcet matice ∈ n−1,n−1 , která má všechna vlastní cˇ ísla stejná jako až na λ1 , u kterého se sníží násobnost.
B C
A
20 / 70
Tomáš Oberhuber
Redukˇcní metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
• matici
• v této bázi bude matice vypadat takto
LR algoritmus
P−1AP =
QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace
A
pˇrevedeme do báze, tvoˇrené vektory ~x , ~e2 , . . . , ~en
kde
λ1 ~q t θ~
B
,
P je matice pˇrechodu mezi bázemi.
Hessenbergovy QR iterace
Shrnutí a otázky
21 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
Redukˇcní metoda
Tvar matice
P je zˇrejmý, její sloupce tvoˇrí bazické vektory
ˇ Cásteˇ cný problém vlastních cˇ ísel
P=
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
P
x1 x2 1 .. .. . .
xn
1
ˇ Inverzní matici k matici je taková, která první rˇádek podelí x1 a vynuluje všechny prvky pod diagonálou v prvním sloupci. Takovou matici ale snadno najdeme, známe ji z GEM.
P
−1
=
1 x1 − xx12
.. . − xxn1
1 ..
. 1
22 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
Redukˇcní metoda Roznásobením snadno získáme tvar matice
ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
B=
B
a22 − xx21 a12 a23 − xx21 a13 . . . a2n − xx12 a1n a32 − xx31 a12 a33 − xx31 a13 . . . a3n − xx13 a1n .. .. .. . . . an2 − xxn1 a12 an3 − xxn1 a13 . . . ann − xxn1 a1n
.
ˇ Její tvar lze také snadno odvodit, pokud si uvedomíme, že ˇ pravý dolní cˇ tverec matice o rozmerech (n − 1) × (n − 1) odpovídá pˇresneˇ prvkum ˚ matice . Pˇri −1 násobení maticí zleva pak v tomto cˇ tverci od každého ˇrádku i odeˇcítáme xx1i násobek prvního ˇrádku matice . To je práveˇ význam matice −1 .
AP
P
P
A
A
23 / 70
Tomáš Oberhuber
Redukˇcní metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace
Podobneˇ lze odvodit, že ~q T =
B
1 (a12 , a13 , . . . , a1n ) x1
ˇ Nyní známe matici a mužeme ˚ najít nekteré její vlastní ˇ cˇ íslo λ2 . Bud’ ~z = (z2 , . . . , zn )T k nemu pˇríslušný vlastní vektor. Jak najít odpovídající vlastní vektor matice ?
A
QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
24 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel
Redukˇcní metoda Logicky jako lineární kombinaci bazických vektoru˚ daných sloupci matice . K tomu ale musíme dopoˇcítat složku z1 . Musí platit
P
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
λ1 ~q T θ~
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
B
z1 ~z
λ1 z1 + ~q T ~z = ~z λ 2 z1 = λ2~z
B
Hessenbergovy QR iterace
=
λ1 z1 + ~q T ~z λ2~z
a tedy
Givensovy rotace QR iterace
λ1 z1 + ~q T ~z = λ2 z1 ⇒ z1 =
~q T ~z . λ2 − λ1
Shrnutí a otázky
25 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Redukˇcní metoda Pokud by bylo λ1 = λ2 , pak musí být ~q T ~z = 0 a z1 lze volit ˇ libovolne. Vlastní vektor matice je pak dán jako 0 z1 , ~y = . = z1~x + ~z ~z
A
P
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
26 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Trojúhelníková metoda
A C
Bud’ ∈ n,n , rˇešíme úlohu nalezení všech vlastních cˇ ísel a vlastních vektoru˚ této matice. Trojúhelníková metoda • konstruujeme dveˇ posloupnosti (k ) ∞ • ∈ n,n horní trojúhelníkové s jedniˇckami na k =1 diagonále (k ) ∞ • ∈ n,n dolní trojúhelníkové k =1
L R
• •
C C
L(0) volíme libovolneˇ (napˇr. I) L(1) a R(1) získáme rozkladem matice AL(0) tj. platí L(1)R(1) = AL(0) • •
L(1) je dolní trojúhelníková s jedniˇckami na diagonále R(1) je horní trojúhelníková
• obecneˇ poˇcítáme iterace tvaru
L(k +1)R(k +1) = AL(k )
Shrnutí a otázky
• •
L(k(k+1) je dolní trojúhelníková s jedniˇckami na diagonále R +1) je horní trojúhelníková 27 / 70
Tomáš Oberhuber
Trojúhelníková metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace
Remark 16
L(k ) → L a R(k ) → R, pak platí AL = LR ⇒ A = LRL−1
Pokud ukážeme, že
a jde tedy a podobnostní transformaci a vlastní cˇ ísla matice
A najdeme na diagonále matice R.
QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
28 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
Trojúhelníková metoda Remark 17 ˇ Jak vypoˇcítat vlastní vektory? Rešíme nejprve rovnici
R − λI) ~y i = 0.
ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
(
R
I
Z tvaru matice − λ (dolní trojúhelníková s 0 na diagonále na i-tém rˇádku) snadno vidíme, že 0 j i k k =i rjj−λ nebot’ pro j > i musí platit
Householderovy transformace
j−1 X
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
yki rjk + yjj rjj − λ = 0.
k =i
R
A
Jelikož matice je matice vyjádˇrená v bázi dané sloupci matice , platí, že vlastní vektory matice jsou
L
A
L
~x i = ~y i . 29 / 70
Tomáš Oberhuber
Trojúhelníková metoda
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
•
L
ˇ nemusí být ani dolní 0 lze volit libovolne, trojúhelníková • díky tomu má metoda samoopravující schopnost • pokud bychom nekdy ˇ ˇ lze ho brát napoˇcítali (k ) špatne,
jako nové
L(0)
L
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
30 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Existence LU rozkladu Remark 18 Obeˇ metody jsou postaveny na poˇcítání LU rozkladu. Ten ale existuje jen pro silneˇ regulární matice. V první iteraci ˇ ˇ musíme pˇredpokládat, že toto je splneno. Pˇripomenme si navíc vzorce pro výpoˇcet LU rozkladu:
Trojúhelníková metoda LR algoritmus QR algoritmus
= aij −
lij
Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
QR iterace
= (aij −
uij
lik ukj )/lii proi < j
k =1
Hessenbergovy QR iterace
Shrnutí a otázky
lik ukj proj ≤ i
k =1 i−1 X
Householderovy transformace Givensovy rotace
j−1 X
L U
Z nich vidíme, že prvky matic a závisí spojiteˇ na ˇ prvcích matice . Pokud tedy matici zmeníme jen málo, ˇ existovat. bude LU rozklad opet
A
A
31 / 70
Tomáš Oberhuber
Existence LU rozkladu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Theorem 19
A
Necht’ matice je silneˇ regulární tj. existuje její LU rozklad. Bud’ matice taková, že k k je dostateˇcneˇ malé. Pak existuje i LU rozklad matice + .
E
E A E
Theorem 20
Necht’ A = I + E, kde kEk je malé. Potom existuje rozklad A = LR, kde L je dolní trojúhelníková s jedniˇckami na diagonále a R je horní trojúhelníková. Platí-li, že pokud kEk → 0, pak L → I a R → I.
Shrnutí a otázky
32 / 70
Tomáš Oberhuber
Konvergence trojúhelníkové metody
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Theorem 21 Pokud existuje trojúhelníkový rozklad matice k (0) = L(k ) R(k ) , pak platí
AL
L(k ) =
Trojúhelníková metoda
R(k ) =
LR algoritmus QR algoritmus
L(k ), R(k )R(k −1) . . . R(1).
Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
Remark 22
Givensovy rotace
V dukazu ˚ konvergence budeme zkoumat matici k (0) . Odvodíme, kdy existuje její LU rozklad k (0) = L(k ) R(k ) . Jelikož platí, že (k ) = L(k ) , dokážeme-li, že L(k ) → , bude platit i (k ) → . Pak již lze i dokázat, že R(k ) → , cˇ ímž máme vyšetˇrenou konvergenci trojúhelníkové metody.
QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
L
L
AL
L
AL L
R
33 / 70
Tomáš Oberhuber
Konvergence trojúhelníkové metody
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
Theorem 23
A C AL
Necht’ matice ∈ n,n je regulární a diagonalizovatelná a pˇredpokládejme, že pro dostateˇcneˇ velké k existují LU (k ) a necht’ dále platí pˇredpoklady, které rozklady matic 1 . Pak posloupnosti matic (k ) a (k ) z vyplynou z dukazu ˚ trojúhelníkové metody konvergují a na diagonále matice je spektrum matice seˇrazené sestupneˇ podle velikosti v ˇ absolutní hodnote.
L
R
A
R
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Dukaz. ˚ Pouze pro pˇrípad všech vlastních cˇ ísel jednonásobných a ˇ ruzných ˚ v absolutní hodnote. 1
Pro pˇrípad všech vlastních cˇ ísel jednonásobných a ruzných ˚ v absolutní hodnoteˇ je to existence LU rozkladu matic a −1 (0)
X X L
34 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
LR algoritmus LR algoritmus • konstruujeme tˇri posloupnosti • •
A(k )o∞k∞=1 ∈ Cn,n Lˆ (k ) k =1 ∈ Cn,n dolní trojúhelníkové s jedniˇckami na
n
diagonále n o∞ ˆ (k ) • ∈
R
k =1
Cn,n horní trojúhelníkové
• na poˇcátku volíme
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
A(1) Lˆ (1)Rˆ (1) A(2)
= = =
A, A(1), Rˆ (1)Lˆ (1)
• obecneˇ mají jednotlivé iterace tvar
Lˆ (k )Rˆ (k ) A(k +1)
= =
A(k ), Rˆ (k )Lˆ (k ). 35 / 70
Tomáš Oberhuber
LR algoritmus
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda
Remark 24 Z úvahy
Redukˇcní metoda
A(k +1)
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
R L L
ˆ (k ) ˆ (k ) = −1 (k ) (k ) ˆ ˆ ˆ (k ) ˆ (k ) =
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
=
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Lˆ (k )
L
−1
R L
A(k )Lˆ (k ).
A
(k ) ∞ plyne, že pokud posloupnost konverguje k horní k =1 trojúhelníkové matici, budou na její diagonále vlastní cˇ ísla matice .
A
36 / 70
Tomáš Oberhuber
LR algoritmus
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
• má menší nároky na pamet’ ˇ než trojúhelníková metoda • trojúhelníková metoda potˇrebuje pracovní pole pro (k ) napoˇcítání LU rozkladu, pro výsledek souˇcinu a pro matici • LR algoritmus potˇrebuje pracovní pole pro LU rozklad a napoˇcítání souˇcinu ˆ (k ) ˆ (k ) • LR algoritmus nemá tak dobrou samoopravující schopnost, takže vlivem numerických chyb mužeme ˚ získat špatné spektrum
AL
A
R L
A
• nepamatuje si matici • nekonverguje pro libovolnou poˇcáteˇcní matici, tou je zde matice na rozdíl od trojúhelníkové metody, kde ji byla libovolná matice 0
A
L
37 / 70
Tomáš Oberhuber
Konvergence LR algoritmu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Theorem 25 Existuje-li trojúhelníkový rozklad matice platí
Ak = L(k )R(k ), pak
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace
L(k ) = R(k ) =
Lˆ 1Lˆ 2 . . . Lˆ (k ) Rˆ (k )Rˆ (k −1) . . . Rˆ (1).
QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
38 / 70
Tomáš Oberhuber
Konvergence LR algoritmu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Remark 26 Pokud v trojúhelníkové metodeˇ volíme k (0) = k a musí platit
AL
L(k ) R(k ) = R(k ) R(k −1) . . . R(1) L(k ) =
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
A
= =
L(0) = I, pak je
Lˆ 1Lˆ 2 . . . Lˆ (k ), Rˆ (k )Rˆ (k −1) . . . Rˆ (1),
tj.
L(k ) R(k )
= =
Lˆ 1Lˆ 2 . . . Lˆ (k ), Rˆ (k ).
39 / 70
Tomáš Oberhuber
Konvergence LR algoritmu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Remark 27 Z konvergence trojúhelníkové metody (k ) → , plyne
R
A(k ) = Lˆ (k )Rˆ (k ) = L(k−1) L(k )R(k ) → L−1LR = R,
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
R
L(k ) → L a
−1
A
tj. matice (k ) z LR algoritmu skuteˇcneˇ konverguje k horní trojúhelníkové matici. Na diagonále má vlastní cˇ ísla matice seˇrazené sestupneˇ podle velikosti v absolutní hodnoteˇ (to už jsme ukázali).
A
40 / 70
Tomáš Oberhuber
Konvergence LR algoritmu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda
ˇ Nyní již mužeme ˚ vše shrnout ve formeˇ následující vety:
Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace
Theorem 28
A C
Necht’ matice ∈ n,n je regulární a diagonalizovatelná a pˇredpokládejme, že trojúhelníková metoda konverguje s volbou 0 = . Pak LR algoritmus konverguje také, a platí, že posloupnost (k ) konverguje k horní trojúhelníkové matici s hlavními cˇ ísly matice na diagonále seˇrazenými ˇ sestupneˇ podle velikosti v absolutní hodnote.
L
I
A
A
Hessenbergovy QR iterace
Shrnutí a otázky
41 / 70
Tomáš Oberhuber
QR algoritmus
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace
Remark 29 Velkou nevýhodou LR algoritmu je jeho špatná numerická stabilita zejména pˇri aplikování na velké matice. Proto byl v roce 1961 J.G.F. Francisem navržený QR algoritmus. Funguje stejneˇ jako LR algoritmus, ale místo LU rozklad napoˇcítává QR rozklad, tj. rozklad na unitární a horní trojúhelníkovou matici. Omezíme se nyní pouze na reálné matice.
Hessenbergovy QR iterace
Shrnutí a otázky
42 / 70
Tomáš Oberhuber
QR algoritmus
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
Theorem 30
A R A QR
Bud’ ∈ n,n regulární matice. Pak existuje rozklad = , kde matice je unitární a je horní trojúhelníková. Pokud budeme pˇredpokládat, že diagonální prvky matice jsou kladné, pak je tento rozklad jednoznaˇcný.
Q
R
R
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
43 / 70
Tomáš Oberhuber
Výpoˇcet QR rozkladu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Existují tˇri zpusoby, ˚ jak napoˇcítat QR rozklad: • Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces • Householderovy transformace • Givensovy rotace
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
44 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces • jde o algoritmus, který pˇrevede lineárneˇ nezávislé
vektory ~x (1) , . . . , ~x (n) na množinu vektoru˚ ~q (1) , . . . , ~q (n) , které jsou vzájemneˇ ortonormální a tvoˇrí bázi stejného prostoru jako puvodní ˚ vektory
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
45 / 70
Tomáš Oberhuber
Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda
1: 2: 3:
Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus
4: 5: 6: 7:
QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
8: 9: 10: 11: 12:
procedure G RAMM S CHMIDT K LASICKÝ(~x (1) , . . . , ~x (n) ) (n) ~ ~r (1) := ~ r (2) :=
. . . := ~r := 0 (1) (1)
~ r1 := x 2 ~q (1) := r1 ~x (1) 11 for k = 2, . . . , n do ˜ (k ) := ~x (k ) ~q for i = 1, . . . , k − 1 do (k ) ri := ~q (i) , ~x (k ) ˜ (k ) := ~q ˜ (k ) − r (k )~q (i) ~q i end for
˜ (k ) (k ) rk := ~q
2 1 ˜ (k (k ) ~q ) ~q := (k )
rk
end for return [~q (1) , . . . , ~q (n) ], [~r (1) , . . . , ~r (n) ] 15: end procedure 13:
14:
46 / 70
Tomáš Oberhuber
Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
• pro lepší numerickou stabilitu se používá modifikovaný
G.-S. ort. proces procedure G RAMM S CHMIDT M ODIFIKOVANÝ(~x (1) , . . . , ~x (n) ) (n) ~ ~r (1) := ~ 2: r (2) :=
. . . := ~r := 0 (1) 3: r := ~x (1) 1:
1
4: 5: 6: 7: 8:
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
9: 10: 11: 12:
2
~q (1) := r1 ~x (1) 11 for k = 2, . . . , n do ˜ (k ) := ~x (k ) ~q for i = 1, . . . , k − 1 do (k ) ˜ (k ) ri := ~q (i) , ~q ˜ (k ) := ~q ˜ (k ) − r (k )~q (i) ~q i
end for
˜ (k ) (k ) rk := ~q
2 ˜ (k ) ~q (k ) := 1 ~q (k )
rk
end for 14: return [~q (1) , . . . , ~q (n) ], [~r (1) , . . . , ~r (n) ] 15: end procedure 13:
47 / 70
Tomáš Oberhuber
Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Theorem 31
A R
Bud’ ∈ n,n regulární matice. Položme v ˇ Gramove-Schmidtov eˇ ortonormalizaˇcním procesu vektory ~x (1) , . . . , ~x (n) rovny jednotlivým sloupcum ˚ matice , tj. ~x (1) = a·1 , . . . , ~x (n) = a·n . Pak lze psát r11 r12 . . . r1n r22 . . . r2n (a·1 , . . . , a·n ) = ~q (1) , . . . , ~q (n) .. , . . . . rnn
A
A QR
Q
R
tj. = , kde je unitární a je horní trojúhelníková matice (s kladnými prvky na diagonále).
48 / 70
Tomáš Oberhuber
Householderovy transformace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel
Pˇripomeneme si:
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Definition 32 ˇ maticí (elementární Householderovou reflekcní unitární ~ w tvaru maticí) nazveme každou matici ~ = − 2w ~w ~ ∗, w
H
H
I
~ jeq kde w Householderuv ˚ vektor, pro který platí
w
~ ,w ~ = 1. ~ 2= w
Shrnutí a otázky
49 / 70
Tomáš Oberhuber
Householderovy transformace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus
Theorem 33
H
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
H
C
QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
C
~ je Householderova reflekˇcní matice a ~v ∈ n w Necht’ ~ ~v je zrcadlový obraz je libovolný vektor. Pak vektor w vektoru ~v podle nadroviny o n ~ H ~x = w ~ , ~x = 0 L ≡ ~x ∈ n | w ˇ v tom smyslu, že splnuje následující podmínky:
~ ~v = ~v • w ~ ~v + ~v ∈ L • w ~ ~v − ~v ⊥ L. • w
H H H
50 / 70
Tomáš Oberhuber
Householderovy transformace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Remark 34 Chceme-li pomocí Householderovy transformace
transformovat vektor ~x na vektor ~y , kde ~x 2 = ~y 2 , pak volíme ~x − ~y
~ = w
~x − ~y 2
(1)
Pokud zvolíme ~y = ± ~x 2 ~e , pak získáme unitární transformaci, která nuluje všechny složky vektoru ~x kromeˇ první.
Shrnutí a otázky
51 / 70
Tomáš Oberhuber
Householderovy transformace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
Remark 35 Pokud by byla první složka vektoru ~x silneˇ pˇrevládající tj.
|x1 | ≈ ~x 2 , pak bychom pˇri špatné volbeˇ znaménka vektoru ~y mohli ˇ témeˇ ˇ r nulou. Proto volíme dostat ~x − ~y velmi malé a delit
~y = −signx1 ~x 2 ~e(1)
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
tj.
~x + signx1 ~x 2 ~e1
~ = w
~x + signx1 ~x ~e1 . 2 2
52 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Householderovy transformace • obecne, ˇ pokud pro k ≥ 1 chceme zachovat prvních
k − 1 složek vektoru ~x a nulovat složky k + 1, . . . n, použijeme matici (k ) θ (k ) = ˜ (k ) , θ
Q
Q ˜ (k ) ∈ Rn−k +1,n−k +1 , I(k ) ∈ Rk −1,k −1 a kde Q T Q˜ (k ) = I − 2w~ (k ) w~ (k ) ,
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
I
~ (k ) w
R
~x (k ) + signx1(k ) ~x (k ) 2 ~e(k )
, =
~ (k )
(k )
x + signx1 ~x (k ) 2 ~e(k ) 2
kde ~x (k ) ∈ n−k +1 je vektor tvoˇrený posledními n − k + 1 složkami vektoru ~x a vektor ~e(k ) je první vektor standardní báze prostoru n−k +1,n−k +1 .
R
53 / 70
Tomáš Oberhuber
Householderovy transformace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel
• pro vektor ~ y=
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
yj =
Q(k )~x pak platí,
x
j (k ) (k )
signx1 ~x 2
pro pro 0 pro
j = 1, . . . , k − 1 j =k j = k + 1, . . . n
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
• vhodnou aplikací Householderových transformací na
sloupce matice pod diagonálou
A tak lze eliminovat nenulové prvky
• jelikož se vše deje ˇ pomocí unitárních transformací,
získáme unitarní pˇrevod na matici v horním trojúhelníkovém tvaru, tj. QR rozklad
54 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
Householderovy transformace 1: 2: 3: 4: 5: 6:
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace
7: 8:
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
9: 10: 11: 12: 13:
A
procedure H OUSEHOLDER( ) (1) = (1) = for k = 1, . . . , n − 1 do ) ~x (k ) := (k k ...n,k (= složky k . . . n k -tého sloupce ) ~x (k ) +signx1(k ) k~x (k ) k ~e(k ) n−k +1 2
∈ ~ (k ) :=
w
(k )
~x (k ) +signx1 k~x (k ) k2~e(k ) 2 T ˜ (k ) := − 2w ~ (k ) w ~ (k ) ∈ n−k +1,n−k +1 (k ) (k ) := ∈ n,n ˜ (k )
R Q
A I
R
Q I I Q Q Q(k +1) := Q(k(k))Q(k ) R(k +1) := Q R(k ) end for return Q(n) , R(n)
R
R
R
end procedure
55 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Givensovy rotace • Givensovy rotace jsou ortogonální transformace, které
R
ˇ eliminovat jednotlivé prvky vektoru ~x ∈ n umožnují • pro dvojici indexu˚ i, j a úhel θ je Givensova rotace definována jako 1 1 .. . cos θ sin θ . .. (i, j, θ) = − sin θ cos θ .. . 1
G
1
Shrnutí a otázky
• pro vektor ~ x∈
Rn odpovídá souˇcin ~y = G (i, j, θ) ~x
ˇ hodinových rotaci složek (xi , xj ) o úhel θ po smeru ruˇciˇcek 56 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic
Givensovy rotace • platí tedy
ˇ Cásteˇ cný problém vlastních cˇ ísel
xj cx + sxj yk = i −sxi + cxj
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
pro k 6= i, j pro k = i pro k = j
kde jsme použili znaˇcení s = sin θ a c = cos θ. • volbou
xj xi c=q , s=q , xi2 + xj2 xi2 + xj2 q pak bude yi = xi2 + xj2 a yj = 0
• to odpovídá rotaci o úhel θ = arctan −xj /xi • pomocí Givensových rotací lze postupneˇ eliminovat
ˇ tak získat QR všechny prvky pod diagonálou a opet rozklad 57 / 70
Tomáš Oberhuber
QR rozklad
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda
Ukázali jsme si tˇri zpusoby, ˚ jak získat QR rozklad
Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace
• Gramuv-Schmidt ˚ uv ˚ ortogonalizaˇcní proces • je numericky nestabilní • používá se v modifikované podobeˇ v nekterých ˇ metodách pro ˇrešení soustav lineárních rovnic • Householderovy a Givensovy transformace jsou
ˇ numericky stabilnejší • ve všech pˇrípadech je složitost n3
Hessenbergovy QR iterace
Shrnutí a otázky
58 / 70
Tomáš Oberhuber
QR rozklad
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel
• ztrátu ortogonality lze pomeˇ ˇ rovat pomocí hodnoty
I QQ∗k
k −
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
• lze ukázat, že platí ( oznaˇcuje strojovou pˇresnost
aritmetiky)
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Algoritmus Householderuv ˚ QR rozklad Givensuv ˚ QR rozklad Klasický GS Modifikovaný GS Iteraˇcní GS
I QQ∗k
k −
A A
κ( )2 κ( )
59 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
QR algoritmus QR algoritmus • pro zadanou matici posloupnosti •
• •
A ∈ Rn,n konstruujeme tˇri
(k ) ∞ T ∈ Rn,n (k ) k∞=1 Q k =1 ∈ Rn,n ortogonální matice (k ) ∞ R k =1 ∈ Rn,n horní trojúhelníkové
• na poˇcátku volíme
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
T(1) Q(1)R(1) T(2)
= = =
A, T(1), R(1)Q(1)
• obecneˇ mají jednotlivé iterace tvar
Q(k )R(k ) T(k +1)
= =
T(k ), R(k )Q(k ). 60 / 70
Tomáš Oberhuber
QR algoritmus
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel
• platí tedy
R(k ) = Q(k )
Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
a
QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace
Shrnutí a otázky
−1
T(k )Q(k ),
resp.
T(k ) = Q(0)Q(1) . . . Q(k ) A Q(0)Q(1) . . . Q(k )
QR iterace Hessenbergovy QR iterace
T(k )
T(k +1) = R(k )Q(k ) = Q(k )
Trojúhelníková metoda LR algoritmus
−1
pro k > 0 a tedy matice matici .
A
T
T(k ) je ortogonálneˇ podobná
61 / 70
Tomáš Oberhuber
Konvergence QR algoritmu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
Remark 36 ˇ spojitou funkcí prvku˚ matice QR rozklad je opet ˇ napˇr. z Grammova-Schmidtova algoritmu. videt
Lemma 37 Existuje-li QR rozklad matice
A, jak lze
Ak = Q(k )R(k ), pak platí
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Q(k ) =
Householderovy transformace
R(k ) =
Givensovy rotace QR iterace
Q(1)Q(2) . . . Q(k ), R(k )R(k −1) . . . R(1).
Hessenbergovy QR iterace
Shrnutí a otázky
Dukaz. ˚ Stejný jako u LR algoritmu.
62 / 70
Tomáš Oberhuber
Konvergence QR algoritmu
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Theorem 38 Je-li matice
ˇ A ∈ Rn,n taková, že její vlastní cˇ ísla λi splnují |λ1 | > |λ2 | > . . . > |λn | ,
Trojúhelníková metoda
T
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
pak posloupnost (k ) konverguje k horní trojúhelníkové matici s vlastními cˇ ísly λi na diagonále seˇrazené podle velikosti. Je-li symetrická, pak (k ) konverguje k diagonální matici.
A
T
Shrnutí a otázky
63 / 70
Tomáš Oberhuber
QR algoritmus
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
• klasický pˇrístup ke QR rozkladu vyžaduje v každém
kroku n3 operací • ukážeme si tzv. Hessenbergovy QR iterace se
složitostí n2
Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
64 / 70
Tomáš Oberhuber
Hessenberguv ˚ tvar matice
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda
Definition 39 Matice v Hessenbergoveˇ tvaru je horní trojúhelníková matice, která má navíc nenulové prvky bezprostˇredneˇ pod diagonálou.
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Remark 40 Hessenberguv ˚ tvar je zˇrejmeˇ nejjednodušší tvar, na který dokážeme libovolnou regulární matici pˇrevést podobnostní transformací, kterou lze získat pˇrímým algoritmem.
Shrnutí a otázky
65 / 70
Tomáš Oberhuber
Hessenbergovy QR iterace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace
Hessenbergovy QR iterace • metoda využívá Hessenberguv ˚ tvar matice • na zaˇcátku metody pˇrevedeme matici
A
podobnostní transformací do Hessenbergova tvaru se složitost O(n3 )
• ukážeme, že následující iterace lze provádet ˇ se
složitostí O(n2 )
QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
66 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Hessenbergovy QR iterace • v prvním kroku nulujeme prvky v prvním sloupci na
ˇrádcích 3 až n pomocí Householderovy transformace 1 (1) := ˜ (1)
Q
Q
A∗ = Q(1)A dostaneme matici, jejíž první sloupec odpovídá Hessenbergovu tvaru, není ale podobná matici A (1) • trik je v tom, že matice Q pˇri násobení ˇ první sloupce matice A∗ , A(1) = A∗(Q(1))T nemení takže ten stále odpovídá Hessenbergovu tvaru a A(1) je navíc podobná matici A • transformací
• takto po celkem n − 2 krocích získáme matici v
Hessenbergoveˇ tvaru, kterou oznaˇcíme podobná puvodní ˚ matici
A
H(0), a která je 67 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice
Hessenbergovy QR iterace • Hessenbergovy QR iterace generují posloupnost matic
H(k ), které jsou v Hessenbergoveˇ tvaru • pro QR rozklad matice H(k −1) staˇcí eliminovat pouze n − 1 nenulových prvku˚ pod diagonálou
• k tomu staˇcí provést n − 1 Givensových rotací • definujme
Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces
Q(k )
• pak je
Householderovy transformace
T
=
G(kn−1) . . . G(k1 )
Q(k ) H(k −1) = R(k ) T
Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
• a tudíž
H(k −1) = Q(k )R(k )
• a z definice QR iterací je
H(k ) = R(k )Q(k ) = R(k ) G(k1 )
T
...
G(kn−1)
T 68 / 70
Tomáš Oberhuber
Hessenbergovy QR iterace
Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Lemma 41 Výsledkem násobení
Výpoˇcet kompletního spektra matice
R(k ) G(k1 )
Trojúhelníková metoda
T
...
G(kn−1)
T
LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
ˇ matice v Hessenbergovu tvaru. je opet • celou iteraci se nám podaˇrilo provést s O(n2 )
operacemi • na konci mámeˇ opet ˇ matici v Hessenbergovu tvaru
Shrnutí a otázky
69 / 70
Tomáš Oberhuber Vlastní cˇ ísla matic ˇ Cásteˇ cný problém vlastních cˇ ísel Mocninná metoda Redukˇcní metoda
Výpoˇcet kompletního spektra matice Trojúhelníková metoda LR algoritmus QR algoritmus Gramuv-Schmidt ˚ uv ˚ ortonormalizaˇcní proces Householderovy transformace Givensovy rotace QR iterace Hessenbergovy QR iterace
Shrnutí a otázky
Shrnutí a otázky • cˇ ásteˇcný problém vlastních cˇ ísel • mocninná metoda • jak v praxi zaruˇcit její podmínky konvergence? • jak napoˇcítat nejmenší vlastní cˇ íslo? • redukˇcní metoda • úplný problém vlastních cˇ ísel • trojúhelníková metoda • LR algoritmus • QR algoritmus • • • •
ˇ proces Grammuv-Schmidt ˚ uv ˚ ortogonalizacní Householderovy transformace Givensovy rotace Hessenbergovy iterace
• na cem ˇ závisí rychlost konvergence? • jak konvergenci urychlit? 70 / 70