Poznamy tutaj metody obliczania wektorów i wartości własnych dla macierzy o n wierszach i n kolumnach, czyli kwadratowej, a także poznamy metody obliczania wartości własnych dla tej macierzy znając definicję algebry, który można poznać ze standardowego kursu algebry.
Wstęp do obliczania wartości i wektorów własnych dla macierzy kwadratowej Wartości i wektory własne dla macierzy kwadratowej o stopniu n, czyli , oznaczamy kolejno przez , λ, wtedy te wielkości spełniają warunek =λ. Wartości własne liczymy ze wzoru det(-λ)=0, który przedstawia wielomian charakterystyczny, który przyrównamy tu do zera. Gdy rozpatrzymy macierz transponowaną , to jego wektory i wartości własne nazywamy lewostronnymi wartościami i wektorami własnymi. Widmem macierzy , czyli Sp() nazywamy zbiór wartości własnych λ,λ,...,λ. Widma macierzy kwadratowej jego odpowiednika transponowanego są takie same. Jeśli przez λ oznaczymy wartości własne lewostronne, a przez λ wartości własne macierzy kwadratowej , to wektory własne macierzy i macierz transponowanej są takie, że są do siebie prostopadłe według definicji iloczynu skalarnego, a dowód jego przebiega:=λ(,), a także zachodzi =, stąd odejmując te dwa ostatnie równania otrzymujemy (λ-λ)=0. Jeśli wartości własne macierzy są λ, λ,..,λ, to wartościami własnymi dla wielomianu p(t) przy t= są liczby p(λ), p(λ),...,p(λ), to z definicji wspomnianego wielomianu wektory własne macierzy p() są takie same jak wektory własne macierzy . Gdy λ jest wielomianem charakterystycznym macierzy , który przyrównamy do zera, to musi być macierzą zerową. Gdy zdefiniujemy macierz , który jest macierzą podobieństwa i zachodzi =, to macierze i są do siebie podobne. Macierz i m≥n jest macierzą ortogonalną, gdy zachodzi warunek . Kolumny i wiersze macierzy ortogonalnej są wektorami do siebie ortogonalnymi. Macierz diagonalna jest macierzą podobną do macierzy , gdy istnieje macierz ortogonalna , która jest macierzą ortogonalnie podobną, taką że zachodzi =. Macierze symetryczne mają wektory własne o składowych rzeczywistych i rzeczywiste wartości własne. Macierz diagonalna jest podobna do macierzy na w sposób =, które są do siebie podobne i mają takie same wartości własne zespolone. Każda macierz trójkątna, która jest w ogólności macierzą zespoloną, jest macierzą unitarnie podobną do dowolnej macierzy kwadratowej. Zdefiniujmy macierz zwaną macierzą Jordana rzędu k, w której λ jest w ogólności liczbą zespoloną taką, że:
Jeśli macierze ,,..., będziemy nazywać klatkami Jordana , wtedy każdą macierz przy definicji macierzy podobnej , która w ogólności jest macierzą zespoloną, możemy przedstawić w postaci:
Kwadrat normy euklidesowej dla normy ||⋅|| jest większy lub równy sumie kwadratów modułów wartości własnych macierzy .
Widmo macierzy, które jest sumą macierzy i skalaru pomnożonej przez macierz jednostkową jest równa sumie widma wspomnianej macierzy i skalaru c.
której powyższe wyrażenie jest zbiorem, którego elementy są sumą liczb λ i stałej "c", czyli λ+c,λ+c,...,λ+c. Koło domknięte o środku a i promieniu równej sumie elementów na wierszu bez elementów na diagonali spełnia warunek:
to wtedy widmo macierzy A zawiera się sumie zbiorów dla wszystkich i od i=1 do n. Jeśli stworzymy zbiór dla k rozłącznych kół określonych według powyższego schematu, to w tak utworzonym zbiorze leży k wartości własnych należącej do macierzy . Nierówność ρ()≥ρ() zachodzi, gdy moduły elementów macierzy są mniejsze lub równe elementom macierzy . Jeśli macierz ma wartości własne λ, to macierz =-c>< ma dokładnie takie same wartości i wektory własne jak macierz dla wektorów własnych różnych od , a dla wektora własnego równego odpowiada jemu wartość własna równa λ-c.
Błędy zaokrągleń dowolnej macierzy wraz z jego wartościami i wektorami własnymi Będziemy się tutaj zajmować błędami zaokrągleń macierzy i jego wartości własnej, gdy błędy zaokrągleń naszej macierzy dążą do zera, czyli dla błędy zaokrągleń wartości własnej dążą do zera, czyli dla macierze dokładnej przy zanikającym błędach zaokrągleń. Podajmy kilka definicji dotyczącej odległości pomiędzy zbiorami i odległości pomiędzy liczbą a zbiorem. Odległości pomiędzy widmem macierzy a liczbą "z", czyli zbiorem wartości własnych Sp()={λ,λ,...,λ} nazywamy liczbę zdefiniowanej w postaci , które przedstawimy według oznaczenia dist(z-Sp()). Dla dwóch widm macierzy i macierzy , które są macierzami kwadratowymi, to odległość pomiędzy nimi przy zdefiniowanej wartości własnej dla tychże dwóch wspomnianych macierzy λ i γ jest dla kolejnych wskaźników i=1,2,..,n. Jeśli błędy zaokrągleń macierzy dążą do zera, to widmo Sp(+δ) dąży do widma Sp(), wtedy powiemy ||Sp()-Sp()||→0. Macierz i macierz diagonalna , jeśli są podobne do siebie, to zachodzi warunek =, wtedy odległość wartości własnej macierzy przybliżonej i macierzy dokładnej +δ jest napisana poprzez oszacowanie dist(λ,Sp())≤α, przy której definicję stałej α jest opisywana poprzez α=||||||||||δ||. Wskaźnik uwarunkowania macierzy , która służy według zadania do wyliczania wartości własnej macierzy podobnej do diagonalnej nazywamy liczbę K=||||||||. Przy macierzy przekształcenia i dowolnej macierzy symetrycznej jest zadaniem dobrze uwarunkowanym, gdy zachodzi K()=1. Przekształcenie jednej macierzy w drugą nazywamy operację matematyczną w postaci formuły =, która to macierz jest macierzą nieosobliwa, co może to pogorszyć lub polepszyć uwarunkowanie wspomnianej macierzy, bo zachodzi K()=||||||||, a dla macierzy drugiej podobnej do poprzedniej uwarunkowanie macierzy jest równe K=||()||||||. Gdy mamy przekształcenie = przy macierzy ortogonalnej , to ono nie zmienia uwarunkowana wartości własnych macierzy, tzn. są spełnione warunki ||||=|||| i ||()||=||||=||||. Weźmy sobie dwie macierze i , która ta ostatnia macierz jest macierzą diagonalną, a wektory i dla i=1,...,n są odpowiednio wektorami własnymi i wektorami własnymi lewostronnymi wspomnianej macierzy, i oznaczając wartość własną macierzy +δ przez γ, wtedy możemy napisać:
wtedy poszczególne składniki w sumie przepisujemy według dwóch schematów:
Dla dowolnego zaburzenia dla dowolnej macierzy widmo macierzy γ∈Sp(+δ) przy przekształceniu = jest tak napisane, by było spełnione oszacowanie przy definicji α=K()||δ||, a także napiszemy wzór dla dostatecznie małych zaburzeń macierzy poprzez oszacowanie:
Przejdźmy teraz do dowodu wzoru , które przedstawimy przy pomocy macierzy Jordana. Weźmy sobie teraz dowolną macierz , która jest podobna do macierzy Jordana według przekształcenia =. Weźmy sobie wartość własną macierzy +δ, czyli γ, którego równanie własne przepisujemy wedle schematu (+δ)=γ, wtedy równanie własne macierzy Jordana jest (+(δ)=γ, jeśli przyjmować będziemy =(δ), wtedy możemy napisać (-γ)=-, wtedy lewą stronę ostatnio wspomnianego równania przepisujemy w postaci rozwiniętej:
Poszczególne macierze występujące w macierzy , czyli -γ, możemy przepisać według schematu:
Macierz odwrotną do macierzy prostej -γ piszemy wychodząc od wzoru , tzn.:
Macierz odwrotną do macierzy przy definicji poszczególnych jego kratek piszemy według:
Ze wzoru powyżej podanego możemy napisać równość =-(-γ), wtedy z definicji normy możemy napisać nierówność, która wynika z ostatniej równości 1≤||(-γ)||||, wtedy na podstawie tego wyrażenie i , piszemy:
Jeśli oznaczymy ρ=dist(γ,Sp()), wtedy wyrażenie przepisujemy wedle:
Jeśli oznaczymy przez ρ=k||||, wtedy na pewno dla ρ1, wtedy możemy napisać 1+ρ+..+ρ≤kρ, co za tym idzie ρ<kα, wtedy na podstawie tego otrzymujemy ostateczny wzór . Gdy ρ jest dostatecznie małe, tzn. zachodzi warunek ρ<1, powiemy:
Możemy połączyć wzory ze wzorem i w ostateczności mamy . Weźmy sobie wartości własne λ,λ,...,λ dla macierzy , a także mamy wartości własne γ dla macierzy dokładnej +δ. Gdy zaburzenie dąży do zera, to wartości własne macierzy dokładnej i zaokrąglonej dążą do siebie. Niech wektor własny odpowiadający macierzy zaokrąglonej oznaczymy przez , a wektor własny macierzy dokładnej oznaczmy przez , wtedy minimalna odległość pomiędzy tymi wektorami oznaczymy przez:
Jeśli oznaczymy zbiór wartości własnych przez dim X=1, wtedy iloczyn skalarny pomiędzy nimi określamy poprzez kąt θ pomiędzy tymi wektorami, który możemy wyliczyć ze wzoru /||||⋅||||=sinθ.
Weźmy sobie macierz symetryczną , która jest symetryczna, a także możemy napisać ||||=ρ, to wtedy znajduje się co najmniej jedna wartość własna w przedziale . Dla wartości własnej macierzy, które znajdują się poza tym przedziałem o odległośc co najmniej d>ρ, wtedy rysujemy , co jest błędem wektora własnego obliczonego zgodnie z , przy którym = jest podprzestrzenią rozpiętą na wektorach własnych macierzy , które odpowiadają wartością własnym z wyżej podanego przedziału. Korzystając z definicji równania własnego, w którym poszczególne obliczenia są dokonane dokładnie, czyli dla wyrażenia -λ=0, wtedy wektor reszt obliczamy, gdy poszczególne obliczenia w ostatnio wspomnianym równaniu są dokonane w przybliżeniem (zaokrągleniem) sposobem:
W obliczeniach dokonaliśmy przybliżenia . Będziemy przyjmować, że długość słowa binarnego jest bardzo duża, tzn. zachodzi (n+2)⋅2<0,1, wtedy na podstawie tego napiszemy:
Jeśli będziemy przyjmować , i jeśli będziemy przyjmować, że , wtedy na podstawie rozważań przedstawionym w tym zdaniu i wzoru możemy napisać:
Gdy posiadamy zaokraglone wartości i i obliczenia dokonujemy z użyciem podwójnej precyzji, wtedy dowiadujemy się przy oszacowaniu błędu przy liczeniu wyrażenia -λ, że:
Znajdowanie miejsc zerowych dowolnej macierzy W przypadku dowolnej macierzy wartości własne leżą w kole o środku w punkcie a i mającej promień równy promieniowi spektralnemu ρ(). Dla dowolnej macierzy zachodzi ρ()≤|||| przy którym p=1,2,∞,E. Wartości własne zatem należą do zbioru {z:|z|≤||||}. Gdy p=∞ to oszacowanie wartości własnych piszemy przez |z|≤||||, ale ponieważ zachodzi Sp()=Sp(), to również możemy powiedzieć |λ|≤||||.
Wykorzystanie metod potęgowych przy wyznaczaniu poszczególnych wartości własnych i wektorów własnych dla dowolnej macierzy Metoda potęgowa polega na wyznaczaniu wartości i wektorów własnych dowolnej macierzy . Ta metoda jest bardzo skuteczna. Algorytm ten polega na obraniu dla i=0 dowolnego wektora początkowego , którego norma dla ∞ jest równa jeden, tzn. |||| i dalej ustalamy dalszy krok iteracji. Następnie obliczamy v=, a także m=||v||. Jesli m=0 przerywamy krok iteracji, jeśli nie, to dalszym krokiem iteracji jest:
Jeszli dalej i+1≥ITM, to wtedy algorytm zatrzymujemy, jeśli nie, to przechodzimy do etapu pierwszego liczenia wektora v. Okazuje się, że ciąg wektorów ,,..., jest ciągiem zbieżnym do wektora , który jest wektorem własnym równania własnego macierzy , również ciąg {m} jest zbieżny do pewnej wartości m. Jeśli zachodzi ||-||→0, to wtedy mamy =m, a jeśli w przeciwnym wypadku ||-||→2||||, to wtedy zachodzi =-m. Dla tych przypadków λ=m lub λ=-m znajdujemy wektor własny w wyniku powyższych iteracji dla wektora , którego norma jest równa jeden dla p=∞. W ogólnym przypadku dla uzyskanego ciągu wektorów własnych dla macierzy , to może być on rozbieżny. Gdy jednak istnieje przekształcenie , dla której macierz jest podobna do macierzy diagonalnej λ,λ,..,λ, to wtedy możemy napisać twierdzenie:
Wykorzystanie metod Hessenberga przy wyznaczaniu poszczególnych wartości własnych dla dowolnej macierzy