Zagadnienie własne
ow
pierwiastk
n
dokladnie
ma
styczny;
charaktery
wielomian
0
det
I
A
0
x
I
A
x
Ax
W większości zastosowań w chemii i fizyce rozważamy
macierze rzeczywiste symetryczne. W takim przypadku
macierz znormalizowanych wektorów własnych jest
ortonormalna, tj. V
-1
=V
T
Macierz wektorów własnych V=(v
1
,v
2
,...,v
n
) przekształca
zatem macierz A do postaci diagonalnej:
Λ
AV
V
1
n
1
Twierdzenie Gershgorina o wartościach własnych
Wartości własne dowolnej macierzy (rzeczywistej lub zespolonej)
leżą w zbiorze będącym sumą mnogościową kół scentrowanych na
odpowiednich elementach diagonalnych i o promieniach równych
sumie elementów pozadiagonalnych.
i
k
ik
ii
i
a
a
z
C
Metody numerycznego rozwiązywania zagadnienia
własnego
1. Metoda potęgowa (iteracji wektorów): można ją stosować dla
znajdowania wartości własnej o największym module i
odpowiadającego jej wektora własnego.
2. Znajdowanie wielomianu charakterystycznego a następnie jego
zer (metoda Kryłowa).
3. Metoda Jacobiego (znajdowanie zarówno wartości jak i wektorów
własnych macierzy symetrycznych; droga i ma raczej znaczenie
historyczne).
4. Metoda rozkładu LR.
5. Metody rozkładu QR.
a) Metoda Householdera;
b) Metoda Givensa;
c) Metoda ortogonalizacji Schmidta.
Metody QR i LR umożliwiają znalezienie albo tylko samych wartości
własnych albo wartości i wektorów własnych. Ich zastosowanie
jest zwykle poprzedzone są sprowadzeniem macierzy do postaci
Hessenberga.
Metoda potęgowa (iteracji wektorów)
1. Wybieramy przybliżenie początkowe wektora własnego
odpowiadającego wartości własnej o największym module.
2. Kolejne przybliżenie wektora własnego obliczamy z wzoru:
)
(
)
(
)
1
(
p
p
p
Ax
Ax
x
3. Jeżeli x
i
(p+1)
/x
i
(p)
różnią się o mniej niż zadana dokładność dla
każdego i, kończymy iterację. Wtedy x
(p)
jest szukanym
wektorem własnym a wielkość jest przybliżeniem
wartości własnej o największym module.
W ten sposób można też znaleźć kolejne wartości i wektory własne.
Po znalezieniu pierwszego wektora własnego tworzymy wektor
do niego ortogonalny i prowadzimy ortogonalizując za każdym
razem otrzymany wektor do pierwszego wektora własnego.
Przykładowo, dla drugiego wektora własnego:
)
(
)
(
p
T
p
Ax
x
)
(
2
)
1
(
2
)
1
(
2
1
1
)
(
2
)
(
2
)
1
(
2
1
p
p
p
T
p
p
p
y
y
x
x
x
Ax
Ax
y
Dowód zbieżności metody iteracji potęgowej dla
największej co do modułu wartości własnej
Wektor x
(0)
można zapisać jako kombinację liniową wektorów
własnych:
n
n
c
c
c
v
v
v
x
2
2
1
1
)
0
(
Ponieważ x
(p)
otrzymuje się z x
(0)
przez p-krotne lewostronne
mnożenie przez A oraz Av
i
=v
i
mamy:
n
p
n
n
p
p
n
n
razy
p
p
c
c
c
c
c
c
v
v
v
v
v
v
A
AA
x
2
2
2
1
1
1
2
2
1
1
)
(
Jeżeli
1
jest wartością własną największą co do modułu to mamy:
1
,
1
,
2
1
2
2
,
1
1
1
1
,
,
2
2
2
,
1
1
1
)
1
(
)
(
)
(
lim
lim
lim
i
n
p
n
n
i
p
i
p
i
n
p
n
n
i
p
i
p
p
p
i
p
i
p
p
i
p
v
c
v
c
v
c
v
c
v
c
v
c
x
x
q
Metoda Jacobiego
Macierz symetryczną A sprowadzamy do postaci diagonalnej przy
pomocy iterowania transformacji jej dwuwymiarowych “klatek”
macierzami obrotów, które zerują pozadiagonalne elementy “klatek”.
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
1
(
cos
sin
sin
cos
p
p
p
p
p
p
p
T
p
p
S
S
A
S
A
k-ta
kolumna
l-ta
kolumna
k-ty wiersz
l-ty wiesz
2
2
)
(
)
(
)
(
)
(
)
(
2
1
)
(
)
(
)
(
)
(
)
(
)
(
)
1
(
)
(
)
(
)
(
)
(
)
(
)
1
(
)
1
(
)
(
)
(
)
(
)
(
2
)
(
)
(
2
)
(
)
1
(
)
(
)
(
)
(
)
(
2
)
(
)
(
2
)
(
)
1
(
)
(
)
(
)
(
)
(
)
1
(
)
(
)
(
)
(
)
(
)
1
(
)
(
)
(
)
(
)
(
)
1
(
)
(
)
(
)
(
)
(
)
1
(
,
2
1
,
cos
2
sgn
sin
2
cos
2
1
2
tg
,
,
2
cos
2
sin
2
1
cos
sin
2
cos
sin
cos
sin
2
sin
cos
,
,
cos
sin
cos
cos
,
,
cos
sin
sin
cos
p
ll
p
kk
p
kl
p
p
p
p
ll
p
kk
p
kl
p
p
ij
p
ij
p
p
kl
p
p
ll
p
kk
p
lk
p
kl
p
p
p
kl
p
p
ll
p
p
kk
p
ll
p
p
p
kl
p
p
ll
p
p
kk
p
kk
p
p
il
p
p
kj
p
il
p
p
il
p
p
ik
p
ik
p
p
lj
p
p
kj
p
lj
p
p
lj
p
p
kj
p
kj
a
a
a
a
a
a
l
j
k
i
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
l
k
i
a
a
a
a
a
a
l
k
j
a
a
a
a
a
a
Do transformacji najlepiej wybrać taką parę indeksów k i l, że
odpowiedni element pozadiagonalny macierzy A
(p)
ma największy
modł. Iteracja Jacobiego kończy się gdy wszystkie elementy
pozadiagonalne macierzy A
(p)
są mniejsze co do modułu niż zadana
dokładność.
Metoda Jacobiego daje również macierz wektorów własnych, która
jest iloczynem kolejnych (ortonornalnych) macierzy S
)
(
)
(
)
1
(
N
p
S
S
S
V
Metoda LR
)
(
)
(
1
)
(
)
(
)
(
)
1
(
)
(
)
(
2
)
(
22
)
(
1
)
(
12
)
(
11
)
(
)
(
2
)
(
1
)
(
21
)
(
)
(
)
(
)
(
1
1
1
p
p
p
p
p
p
p
nn
p
n
p
p
n
p
p
p
p
n
p
n
p
p
p
p
p
r
r
r
r
r
r
l
l
l
L
A
L
L
R
A
R
L
R
L
A
(przekształcenie podobieństwa)
Ciąg macierzy A
(p)
dąży do w ogólności do macierzy trójkątnej
górnej a jeżeli macierz A jest symetryczna to do macierzy
diagonalnej, której elementami diagonalnymi są wartości własne
macierzy A.
Do przekształcenia LR wykorzystujemy algorytm eliminacji
Gaussa.
)
(
)
(
)
(
)
(
)
(
)
1
(
)
(
1
)
(
)
(
)
(
2
)
(
22
)
(
1
)
(
12
)
(
11
)
(
)
(
)
(
2
)
(
1
)
(
2
)
(
22
)
(
21
)
(
1
)
(
12
)
(
11
)
(
)
(
)
(
)
(
p
p
T
p
p
p
p
T
p
p
p
nn
p
n
p
p
n
p
p
p
p
nn
p
n
p
n
p
n
p
p
p
n
p
p
p
p
p
p
r
r
r
r
r
r
q
q
q
q
q
q
q
q
q
Q
A
Q
Q
R
A
Q
Q
R
Q
R
Q
A
Metoda QR
(macierze Q są ortonormalne)
Przekształcenie macierzy do postaci Hessenberga
AC
C
B
B
1
1
,
2
22
21
1
12
11
nn
n
n
n
n
b
b
b
b
b
b
b
b
Jeżeli A jest macierzą symetryczną to macierz Hessenberga B
ma postać trójdiagonalną.
Macierz B jest podobna do macierzy A, zatem ma te same
wartości własne co macierz A, natomiast jej wektory y własne
są związane z wektorami własnymi macierzy A zależnością
y=C
-1
x.
Kolejne iloczyny R
(p)
Q
(p)
w procedurze iteracyjnej mają postać
Hessenberga co powoduje znaczną oszczędność rachunków.
Oszczędność jest jeszcze większa w przypadku gdy A jest
macierzą symetryczną.
Metoda Givensa
1
1
)
(
)
(
)
(
)
(
)
(
j
j
j
j
j
c
s
s
c
G
Macierz A przekształcamy przy pomocy ioczynu elementarnych
macierzy Givensa. Macierz G
(j)
jest konstruowana w taki sposób
aby dla danego wektora z=[z
1
,z
2
,…,z
k
]
T
zachodziło Gz=||z||[1,0,
…,0]
T
.
j-ta kolumna
i-ty wiersz
0
1
:
Mamy
0
,
0
1
0
,
1
,
2
)
(
1
)
(
)
(
)
(
)
(
)
(
1
)
(
)
(
1
2
)
(
1
)
(
2
)
1
(
)
(
1
2
2
)
(
1
2
)
(
1
j
j
j
j
j
j
j
j
j
j
j
j
j
j
j
j
j
j
j
z
z
c
s
s
c
s
c
z
s
z
c
z
z
A
G
G
G
G
G
G
G
A
Q
R
G
G
G
G
G
G
G
G
G
G
Q
)
(
1
)
1
(
1
)
2
(
1
)
1
(
2
)
2
(
2
)
2
(
2
)
2
(
1
)
2
(
1
)
2
(
2
)
3
(
2
)
1
(
2
)
2
(
1
)
3
(
1
)
(
1
1
2
1
n
T
n
T
n
n
n
T
T
n
T
T
T
n
T
T
T
n
T
n
T
T
Macierz G
(1)
=G
1
(2)
G
1
(3)
…G
1
(n)
sprowadza pierwszą kolumnę
macierzy A do postaci
(1)
||a
1
(2)
||[1,0,…,0]
T
. Kolejne
przekształcenie macierzy A
(2)
=G
(1)
A macierzą G
(2)
=G2
(1)
G
2
(2)
…
G
2
(n-1)
zeruje wszystkie elementy drugiej kolumny macierz A
(2)
oprócz pierwszych dwóch, itp.
Metoda Householdera
)
1
(
)
2
(
)
1
(
)
1
(
)
1
(
)
1
(
)
2
(
2
)
2
(
22
)
2
(
1
)
2
(
12
)
2
(
11
)
(
)
1
(
)
1
(
)
(
)
(
,
1
)
(
)
(
)
(
2
1
)
(
)
2
(
)
2
(
1
)
2
(
12
)
2
(
11
)
1
(
)
2
(
)
1
(
1
)
1
(
21
)
1
(
1
)
1
(
11
)
1
(
11
1
1
1
2
1
)
1
(
,
0
~
0
sgn
2
~
sgn
2
n
i
n
in
i
ii
n
n
i
i
i
i
ni
i
i
i
i
i
i
ii
i
ii
i
T
i
i
i
i
n
i
n
n
T
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
H
H
H
Q
QR
A
A
A
H
A
a
v
v
v
v
I
H
A
A
H
A
a
v
v
v
v
I
H