Elbąg, PWSZ 2007r.
1
Wartości i wektory własne
W przypadku, gdy macierz A jest kwadratowa stopnia n można
zdefiniować przekształcenie n-wymiarowe wektorów x:
Dla każdej macierzy istnieją takie wektory v, które po
przekształceniu dają się wyrazić jako iloczyn wektora v i pewnej
zespolonej liczby
, co można zapisać jako:
Wektor v
0 nazywamy wektorem własnym macierzy A,
-
wartością własną macierzy A.
Wszystkie wartości własne macierzy A są pierwiastkami
wielomianu charakterystycznego:
Ax
y
v
Av
0
det
I
A
Elbąg, PWSZ 2007r.
2
Wartości i wektory własne
Niech
i
będzie k-krotną wartością własną. Klatka Jordana
odpowiadająca tej wartości własnej ma postać macierzy
kwadratowej o wymiarze k:
Jeśli znanych jest l wartości własnych i znane są ich krotności
można zestawić klatki tworząc postać kanoniczną Jordana
danej macierzy:
i
i
i
i
i
J
1
1
0
1
Elbąg, PWSZ 2007r.
3
Wartości i wektory własne
Postać kanoniczna Jordana jest najprostszą postacią, z której
można odczytać wartości własne danej macierzy. Jeśli wszystkie
wartości własne są jednokrotne, to postać kanoniczna Jordana tej
macierzy jest macierzą diagonalną.
Macierz A jest podobna do B wtedy, gdy istnieje
nieosobliwa macierz P taka, że:
l
J
J
J
J
0
0
2
1
BP
P
A
1
Elbąg, PWSZ 2007r.
4
Wartości i wektory własne
Własności macierzy podobnych:
• wartości własne macierzy są identyczne ponieważ identyczne są
wielomiany charakterystyczne tych macierzy,
• każda macierz A jest podobna do odpowiadającej jej macierzy
Jordana, przy czym elementy macierzy P mogą być zespolone,
• jeśli macierz A ma różne wartości własne, to jest ona podobna do
macierzy diagonalnej z wartościami własnymi na przekątnej,
macierz podobieństwa złożona jest natomiast z wektorów
własnych odpowiadających poszczególnym wartościom własnym.
Metody wyznaczania wartości i wektorów własnych
Metoda
polegająca
na
znajdowaniu
zer
wielomianu
charakterystycznego jest rzadko stosowana. Jeśli nawet
zadanie wyznaczenia wartości własnych macierzy A jest dobrze
uwarunkowane (małe odchylenia wartości elementów macierzy
A nie powodują dużych zmian wartości własnych), to
wyznaczenia zer równania charakterystycznego może być źle
uwarunkowane.
Elbąg, PWSZ 2007r.
5
Wartości i wektory własne
Powszechniej stosowany jest algorytm QR dla macierzy
Hessenberga. Macierzą Hessenberga nazywa się macierz
będącą sumą macierzy trójdiagonalnej i trójkątnej górnej.
Każda macierz kwadratowa jest podobna do macierzy
Hessenberga (ma te same wartości własne). Stosując algorytm
QR można dojść do takiej postaci macierzy, dla której łatwo jest
odczytać wartości własne.
A = [ 3 -2 -.9 2*eps
-2 4 1 -eps
-eps/4 eps/2 -1 0
-.5 -.5 .1 1 ];
Obliczanie wartości własnych macierzy A składa się z 3 etapów:
1) sprowadzenie macierzy A do postaci Hessenberga, np.:
H=hess(A)
Elbąg, PWSZ 2007r.
6
Wartości i wektory własne
2) wykonanie odpowiedniej liczby iteracji algorytmu QR,
3) pobranie wartości własnych z wyznaczonej macierzy.
[Q,R]=qr(A)
Algorytm QR polega na rozkładzie macierzy A na iloczyn
macierzy ortogonalnej Q oraz macierzy trójkątnej R, takich że:
A=QR.
[Q,R,E]=qr(A)
Powyższe polecenie wyznacza macierz E przekształcenia
zamieniającego kolejność kolumn, dzięki czemu uzyskuje się
macierz trójkątną górną R o malejących elementach na diagonali
oraz macierz Q, spełniające równanie:
R
Q
E
A
*
*
Elbąg, PWSZ 2007r.
7
Wartości i wektory własne
A = [ 1 2 3
4 5 6
7 8 9
10 11 12 ]
W macierzy A elementy środkowej kolumny są średnimi
arytmetycznymi sąsiednich kolumn. W wyniku rozkładu QR
uzyskujemy:
[Q,R] = qr(A)
Q =
-0.0776 -0.8331 0.5444 0.0605
-0.3105 -0.4512 -0.7709 0.3251
-0.5433 -0.0694 -0.0913 -0.8317
-0.7762 0.3124 0.3178 0.4461
R =
-12.8841 -14.5916 -16.2992
0 -1.0413 -2.0826
0 0 0.0000
0 0 0
Elbąg, PWSZ 2007r.
8
Wartości i wektory własne
Macierz R jest macierzą górną trójkątną. Zera na diagonali
wskazują, że rząd macierzy jest równy 2.
Rozkład QR można również wykorzystać do rozwiązania
układu równań liniowych:
b = [1;3;5;7]
W rezultacie otrzymujemy trzy rozwiązania. Najlepsze
rozwiązanie (w sensie najmniejszych kwadratów)
uzyskujemy za pomocą polecenia:
x = A\b
Warning: Rank deficient, rank = 2, tol = 1.4594E-014
x =
0.5000
0
0.1667
O dokładności obliczeń decyduje tolerancja, z którą oceniono czy
diagonalne elementy macierzy R są pomijalnie małe.
Elbąg, PWSZ 2007r.
9
Wartości i wektory własne
Wydając polecenie
[Q,R,E] = qr(A)
dokładność obliczeń możemy ocenić wydając polecenie:
tol = max(size(A))*eps*abs(R(1,1))
Układ równań liniowych przy pomocy rozkładu QR rozwiązujemy
w dwóch etapach:
y = Q'*b;
x = R\y
Elbąg, PWSZ 2007r.
10
Wartości i wektory własne
Algorytm QR generuje ciąg macierzy
Wykonujących iteracji:
gdzie macierze Q
i
oraz R
i
są rozkładem QR macierzy H
i
. Każdą
macierz kwadratową można sprowadzić do postaci iloczynu
macierzy ortogonalnej, spełniającej równanie:
i macierzy trójkątnej górnej R.
H
H
H
,
,
,
2
1
i
i
i
i
i
i
Q
R
H
R
Q
H
1
I
Q
Q
T
Elbąg, PWSZ 2007r.
11
Wartości i wektory własne
Jeśli szukane wartości własne są rzeczywiste i różne, to w trakcie
iteracji elementy pod przekątną macierzy H
i
będą stopniowo
zbiegać do zera, zaś elementy na diagonali będą dążyć do
wyznaczanych wartości własnych.
W programie MATLAB wartości i wektory własne wyznacza funkcja
eig:
A =
0 -6 -1
6 2 -16
-5 20 -10
lambda = eig(A)
lambda =
-3.0710
-2.4645+17.6008i
-2.4645-17.6008i
Elbąg, PWSZ 2007r.
12
Wartości i wektory własne
Wywołanie:
[V,D] = eig(A)
V =
-0.8326 0.2003 - 0.1394i 0.2003 + 0.1394i
-0.3553 -0.2110 - 0.6447i -0.2110 + 0.6447i
-0.4248 -0.6930 -0.6930
D =
-3.0710 0 0
0 -2.4645+17.6008i 0
0 0 -2.4645-17.6008i
wyznacza macierz D zawierającą na przekątnej wartości własne
oraz macierz V wektorów własnych odpowiadających tym
wartościom, spełniające zależność: AV=VD.
Elbąg, PWSZ 2007r.
13
Wartości i wektory własne
Istnieją macierze, dla których niemożliwe jest wyznaczenie
wektorów własnych (są to macierze niediagonizowalne):
A =
6 12 19
-9 -20 -33
4 9 15
Dla tej macierzy:
[V,D] = eig(A)
V =
-0.4741 -0.4082 -0.4082
0.8127 0.8165 0.8165
-0.3386 -0.4082 -0.4082
Elbąg, PWSZ 2007r.
14
Wartości i wektory własne
D =
-1.0000 0 0
0 1.0000 0
0 0 1.0000
Powyższa macierz ma podwójną wartość własną. Druga i trzecia
kolumny macierzy V są takie same. Dla tej macierzy nie istnieje
zbiór niezależnych wektorów własnych.