Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4.6 Berechnung von Eigenwerten<br />
Satz 4.87 (Hessenberg-Normalform). Zu jeder Matrix A ∈ R n×n existiert e<strong>in</strong>e orthogonale<br />
Matrix Q ∈ R n×n , so dass<br />
⎛<br />
⎞<br />
∗ · · · · · · · · · ∗<br />
. ∗ .. . .. . .. .<br />
Q T AQ =<br />
. 0 .. . .. . .. .<br />
,<br />
⎜ .<br />
⎝.<br />
.. . .. . .. ⎟ . ⎠<br />
0 · · · 0 ∗ ∗<br />
e<strong>in</strong>e Hessenberg-Matrix ist, also e<strong>in</strong>e rechte obere Dreiecksmatrix, <strong>die</strong> zusätzlich e<strong>in</strong>e untere<br />
Nebendiagonale besitzt. Falls A = A T symmetrisch ist, so ist Q T AQ e<strong>in</strong>e Tridiagonalmatrix.<br />
Beweis: Die Konstruktion der Hessenberg-Matrix erfolgt ähnlich der QR-Zerlegung mit<br />
Householder-Transformationen. Um Ähnlichkeitstransformationen sicherzustellen müssen<br />
wir <strong>die</strong> orthogonalen Householder-Matrizen S (i) jedoch von l<strong>in</strong>ks und rechts an <strong>die</strong> Matrix<br />
A multiplizieren.<br />
Wir beschreiben den ersten Schritt. Es seien A = (a 1 , . . . , a n ) <strong>die</strong> Spaltenvektoren von A.<br />
Wir bestimmen den Vektor v (1) = (0, v (1)<br />
2 , . . . , v(1) n ) T so, dass mit S (1) = I − 2v (1) (v (1) ) T<br />
gilt<br />
S (1) a 1 ∈ span(e 1 , e 2 ).<br />
Hierzu wählen wir e<strong>in</strong>e Householder-Transformation mit Vektor<br />
v (1) = ã1 + ‖ã 1 ‖e 2<br />
‖ ã 1 + ‖ã 1 ‖e 2 ‖ ,<br />
wobei ã 1 = (0, a 21 , . . . , a n1 ) der reduzierte erste Spaltenvektor ist. Dann gilt mit S (1) =<br />
I − 2v (1) (v (1) ) T mit S (1) = (S (1) ) T :<br />
⎛<br />
⎞<br />
a 11 a 12 · · · a 1n<br />
⎛<br />
⎞<br />
a 11 ∗ · · · ∗<br />
∗ ∗ · · · ∗<br />
A (1) = S (1) A(S (1) ) T . ∗<br />
=<br />
0 . .. .<br />
⎜<br />
⎟·S (1) =:<br />
0 Ã (1)<br />
⎜<br />
⎟, Ã (1) ∈ R n−1×n−1 .<br />
⎝ .<br />
. . .. . ⎠ ⎝ .<br />
⎠<br />
0 ∗ · · · ∗<br />
0<br />
Im zweiten Schritt wird das entsprechende Verfahren auf <strong>die</strong> Matrix Ã(1) angewendet.<br />
Nach n − 2 Schritten erhalten wir mit Matrix A (n−2) , welche Hessenberg-Gestalt hat.<br />
Q T AQ := S } (n−2) {{ · · · S (1)<br />
} A } S (1) · ·{{ · S (n−2)<br />
}<br />
=:Q T<br />
=:Q<br />
Im Falle A = A T gilt:<br />
(Q T AQ) T = Q T A T Q = Q T AQ.<br />
177