ch 1 householder schur svd application
DESCRIPTION
householderTRANSCRIPT
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Transformation de Householder, decomposition deSchur, SVD et applications
Master MOCASIM 1ere anneeFaculte des Sciences et Technique
MARRAKECH
Annee Universitaire 2015/2016
1/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Plan
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
2/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
3/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Alston Scott Householder (Rockford, Illinois, USA, 5 May 1904 Malibu,California, USA, 4 July 1993) was an American mathematician whospecialized in mathematical biology and numerical analysis, inventor ofthe Householder transformation and of Householder’s method.After receiving his doctorate, Householder concentrated on the field ofmathematical biology at the University of Chicago.In 1946, Householder joined the Mathematics Division of the Oak RidgeNational Laboratory, it is during this period that his interests shift towardnumerical analysis.
4/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Definition : Soit v un vecteur non nul de Rn, on appelle matrice deHoudeholder associee a v la matrice symetrique, orthogonaleH(v) ∈ Rn×n definit par:
H(v) = In − 2.v .v t
v t .v
Theoreme :Soit u ∈ Rn un vecteur non nul verifiant u /∈vecte1 oue1 = (1, 0, ..., 0)t . Il existe un vecteur v non nul de Rn telqueH(v).u = α.e1, α ∈ R∗. Le vecteur v est donne par v = u ± ‖u‖ .e1 eton a H(v).u = ±‖u‖ .e1.
Remarque : Pour des raisons de stabilite numerique, on prendv = u+signe(u1) · ‖u‖ .e1 et on a alors H(v).u = −signe(u1) · ‖u‖ .e1.
5/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1) H(v) est symetrique, orthogonale.2)
∀w ∈ vect v , H(v).w = −w
∀w ∈ vect v⊥ , H(v).w = w
6/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
7/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Issai Schur
Issai Schur (1875− 1941), est unmathematicien d’origine russe qui a surtouttravaille en Allemagne. Il a etudie a Berlinsous Frobenius, a obtenu son doctorat en1901 et est devenu charge d’enseignementen 1903. Il a donne son nom a plusieursconcepts et theoremes mathematiques :
Decomposition de Schur
Complement de Schur
Inegalite de Schur
Lemme de Schur
Multiplicateur de Schur
Polynome de Schur
etc..
8/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Enonce de la decomposition
Theorem (version Complexe)
Soit A ∈ Cn×n, alors il existe une matrice orthogonale Q ∈ Cn×n tel quela matrice T = Q> · A · Q est triangulaire superieur.
Theorem (version reelle)
Soit A ∈ Rn×n, alors il existe une matrice orthogonale Q ∈ Rn×n tel queQ> · A · Q est quasi-triangulaire c’est-a-dire :
Q> · A · Q =
R11 · · · · · · R1m
0. . .
......
. . .. . .
...0 · · · 0 Rmm
ou les Rii sont des blocs de taille (1× 1) ou (2× 2).
9/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Enonce de la decomposition
Theorem (version Complexe)
Soit A ∈ Cn×n, alors il existe une matrice orthogonale Q ∈ Cn×n tel quela matrice T = Q> · A · Q est triangulaire superieur.
Theorem (version reelle)
Soit A ∈ Rn×n, alors il existe une matrice orthogonale Q ∈ Rn×n tel queQ> · A · Q est quasi-triangulaire c’est-a-dire :
Q> · A · Q =
R11 · · · · · · R1m
0. . .
......
. . .. . .
...0 · · · 0 Rmm
ou les Rii sont des blocs de taille (1× 1) ou (2× 2).
9/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On effectue une demonstration par recurrence sur le nombre de pairede valeurs propres conjuguees note k .
Pour k = 0, le theoreme est vrai c’est une consequence direct de ladecomposition de Schur standard.
On suppose que le theoreme est vrai pour toutes matrices ayant unnombre de pair complexe < k .Soit λ = α + iβ, β 6= 0 et x = u + iv valeur et vecteur propre de A.On a
A · u = α · u − β · v et A · v = α · v + β · u
on en deduit alors le resultat suivant :
A · [u, v ] = [u, v ] ·[
α β−β α
]
10/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On effectue une demonstration par recurrence sur le nombre de pairede valeurs propres conjuguees note k .
Pour k = 0, le theoreme est vrai c’est une consequence direct de ladecomposition de Schur standard.
On suppose que le theoreme est vrai pour toutes matrices ayant unnombre de pair complexe < k .Soit λ = α + iβ, β 6= 0 et x = u + iv valeur et vecteur propre de A.On a
A · u = α · u − β · v et A · v = α · v + β · u
on en deduit alors le resultat suivant :
A · [u, v ] = [u, v ] ·[
α β−β α
]
10/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On effectue une demonstration par recurrence sur le nombre de pairede valeurs propres conjuguees note k .
Pour k = 0, le theoreme est vrai c’est une consequence direct de ladecomposition de Schur standard.
On suppose que le theoreme est vrai pour toutes matrices ayant unnombre de pair complexe < k .Soit λ = α + iβ, β 6= 0 et x = u + iv valeur et vecteur propre de A.On a
A · u = α · u − β · v et A · v = α · v + β · u
on en deduit alors le resultat suivant :
A · [u, v ] = [u, v ] ·[
α β−β α
]
10/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On introduit x1, x2 une base orthonormale de l’espace vectu, v,[x1, x2] = [u, v ] · Cd’ou
A · [x1, x2] = [x1, x2] · C−1 ·[
α β−β α
]· C︸ ︷︷ ︸
S
On complete la base x1, x2 pour avoir une base orthonormale deRn on obtient alors x1, x2,W une base de Rn, W = x3, · · · , xn.On a
[[x1, x2] ,W ]> · A · [[x1, x2] ,W ] =
[S [x1, x2]> · A ·W0 W> · A ·W
]
Finalement, on applique l’hypothese de recurrence a W> · A ·W .
11/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On introduit x1, x2 une base orthonormale de l’espace vectu, v,[x1, x2] = [u, v ] · Cd’ou
A · [x1, x2] = [x1, x2] · C−1 ·[
α β−β α
]· C︸ ︷︷ ︸
S
On complete la base x1, x2 pour avoir une base orthonormale deRn on obtient alors x1, x2,W une base de Rn, W = x3, · · · , xn.On a
[[x1, x2] ,W ]> · A · [[x1, x2] ,W ] =
[S [x1, x2]> · A ·W0 W> · A ·W
]
Finalement, on applique l’hypothese de recurrence a W> · A ·W .
11/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On introduit x1, x2 une base orthonormale de l’espace vectu, v,[x1, x2] = [u, v ] · Cd’ou
A · [x1, x2] = [x1, x2] · C−1 ·[
α β−β α
]· C︸ ︷︷ ︸
S
On complete la base x1, x2 pour avoir une base orthonormale deRn on obtient alors x1, x2,W une base de Rn, W = x3, · · · , xn.On a
[[x1, x2] ,W ]> · A · [[x1, x2] ,W ] =
[S [x1, x2]> · A ·W0 W> · A ·W
]
Finalement, on applique l’hypothese de recurrence a W> · A ·W .
11/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On introduit x1, x2 une base orthonormale de l’espace vectu, v,[x1, x2] = [u, v ] · Cd’ou
A · [x1, x2] = [x1, x2] · C−1 ·[
α β−β α
]· C︸ ︷︷ ︸
S
On complete la base x1, x2 pour avoir une base orthonormale deRn on obtient alors x1, x2,W une base de Rn, W = x3, · · · , xn.On a
[[x1, x2] ,W ]> · A · [[x1, x2] ,W ] =
[S [x1, x2]> · A ·W0 W> · A ·W
]
Finalement, on applique l’hypothese de recurrence a W> · A ·W .
11/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
On introduit x1, x2 une base orthonormale de l’espace vectu, v,[x1, x2] = [u, v ] · Cd’ou
A · [x1, x2] = [x1, x2] · C−1 ·[
α β−β α
]· C︸ ︷︷ ︸
S
On complete la base x1, x2 pour avoir une base orthonormale deRn on obtient alors x1, x2,W une base de Rn, W = x3, · · · , xn.On a
[[x1, x2] ,W ]> · A · [[x1, x2] ,W ] =
[S [x1, x2]> · A ·W0 W> · A ·W
]
Finalement, on applique l’hypothese de recurrence a W> · A ·W .
11/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
12/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Karl Adolf Hessenberg
Karl Adolf Hessenberg(1904− 1959), est un mathematicienet ingenieur allemand. La matrice deHessenberg etait introduite par lui en 1940par le biais de son rapport: ”Traitementdes problemes de valeurs propres linaires enutilisant le theoreme de Cayley-Hamilton”.
13/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Enonce de la Reduction
Theorem
∀A ∈ Rn×n, ∃Q ∈ Rn×n, tel que Q> ·A ·Q = H ou H est de Hessenberg.En effet, Q est le produit de (n − 2) matrice de Householder
Preuve
On demontre le resultat par recurrence sur la dimension. Pour n = 2on a toute matrice est de Hessenberg sans multiplier par une matricede Householder.
On suppose que ∀k ≤ n − 1 pour A ∈ Rk×k , ∃Q ∈ Rk×k , tel queQ> ·A ·Q est de Hessenberg. Q est le produit de (k − 2) matrice deHouseholder. Montrons le theoreme pour A ∈ Rn×n.
14/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Preuve
Soit A =
a11 a12 · · · a1n
a21. . .
......
. . ....
a1n · · · · · · ann
, on note a1 =
a21
...an1
On sait qu’il existe Hu matrice de Householder tel que Hu · a1 = αe1,d’apres la transformation u = a1 ± ‖a1‖e1. on prend
H(n−2) =
[1 O>
O Hu
]. Alors
H(n−2) · A · H(n−2) =
[a11 [a12, · · · , a1n] · Hu
α · e1 Hu · A(1) · Hu
]
15/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Reduction de Hessenberg
Preuve
On applique l’hypothese de recurrence a la matrice B = Hu ·A(1) ·Hu
donc on a
(n−3∏i=1
Hi
)· B ·
(n−3∏i=1
Hi
)>est de Hessenberg
le resultat est clair en prenant
Q =
(n−3∏i=1
[1 O>
O Hi
])· Hn−2
16/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Algorithme: Reduction de Hessenberg
Initialisation: Q = I et H = A
Pour j = 1 : n − 2
On pose u = H(:, j); puis on annule les composantes u(i = 1 : j)
Calcul du vecteur de Householderv = u + sign(u(j + 1)) ∗ ‖u‖ ∗ ej+1 puis on normalise v = u/ ‖u‖.Calcul de la matrice de Householder P = In − 2 ∗ (v ∗ vT )
Mise a jours des matrice H ←− P ∗ H ∗ PT et Q ←− Q ∗ P;
Fin(j)
17/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
18/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
John FRANCIS
John FRANCIS ne en 1934,est un Anglais chercheur en informatique,qui en 1961 a publie l’algorithmeQR pour le calcul des valeurs propres dematrices, qui a ete nomme comme l’un desdix importants algorithmes du XXe siecle.En 1961, Francisa quitte le domaine de l’analyse numerique,et n’avaitaucune idee de l’impact que son travail surl’algorithme QR avait,jusqu’a re-contacte par Gene Golub en 2007.
19/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
20/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Si A = QR avec Q matrice orthogonale et R matrice triangulairesuperieur, alors la matrice A′ = RQ est semblable a A car :
QtAQ = QtQRQ = RQ = A′
21/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
• Principe de la methode :Posons A1 = A.On ecrit la factorisation QR de A1:
A1 = Q1R1
et on formeA2 = R1Q1 = Qt
1A1Q1
A l’etape k,Ak = QkRk
On poseAk+1 = RkQk = Qt
kAkQk
On obtientAk+1 = (Q1Q2...Qk)tA(Q1Q2...Qk)
Ce qui montre que Ak+1 est semblable a A donc admet les memesvaleurs propres.
22/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Theoreme
Soit A ∈ Mn(R) inversible et ayant des valeurs propres differentes enmodule. C’est-a-dire qu’il existe une matrice P inversible verifiant:
P−1AP =
λ1
. . .
λn
et |λ1| > ... > |λn|.Alors la suite Ak verifie:
limk→∞
(Ak)ii = λi ∀i = 1, 2, ..., n
limk→∞
(Ak)ij = 0 ∀j < i
23/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Remarque
• On ne peut rien dire sur la convergence de la partie superieure i < j .• Si A est une matrice reelle et que les valeurs propres sont differentes enmodule, ceci entraıne que les valeurs propres sont toutes reelles car sinonles valeurs propres complexes apparaissent par paires de racinescojuguees, donc de meme module ce qui est exclu par l’hypothese dutheoreme.• Si A est symetrique alors la suite Ak converge vers une matricediagonale formee par les valeurs propres de A.
24/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
• Preuve:On pose Ωk = Q1...Qk et <k = Rk ...R1
On a Ak+1 = ΩtkAΩk
L’idee est d’etudier le comportement de la suite Ωk .On va utiliser le fait qu’on a une factorisation QR de la matrice Ak avecAk = Q1...QkRk ...R1.On va chercher maintenant une factorisation QR avec Rii > 0 pourpouvoir utiliser l’unicite et par suite deduire le resultat final.
P−1 = LU, P = QR et Λ =
λ1
. . .
λn
.
On a alors Ak = PΛkP−1
= QRΛkLU= QR(ΛkLΛ−k)ΛkU
Or limk→∞
ΛkLΛ−k = I
25/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Ce qui est equivalent a dire que
ΛkLΛ−k = I + Fk avec limk→∞
Fk = 0
DoncR(ΛkLΛ−k) = (I + RFkR−1)R
La matrice I + RFkR−1 admet une factorisation QR avec Rii > 0, qu’onnote
I + RFkR−1 = Qk Rk
limk→∞
Qk = Q et limk→∞
Rk = R avec Rii > 0
Donc QR = I , et par unicite de la factorisation QR, on a Q = R = I .En reprenons l’expression de Ak et en remplacant, on obtient
Ak = (QQk)(RkRΛkU)
26/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
qui est une autre factorisation QR de Ak , mais rien ne garantie queRii > 0.En intercalons une matrice diagonale Dk avec |(Dk)ii | = 1 de sorte aavoir (Dk RkRΛkU)ii > 0, et par unicite on conclut
QQkDk = Ωk
Passons a l’etape finale Ak+1 = ΩtkAΩk
= DtkQt
kRΛR−1QkDk Or
limk→∞
Nk = RΛR−1 avec Nk ≡ QtkRΛR−1Qk
27/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
avec
RΛR−1 =
λ1 ∗ · · · · · ·0 λ2 ∗ · · ·...
. . .. . .
. . .
0 · · · 0 λn
Donc finalement,
limk→∞
Ak+1 = RΛR−1
28/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
29/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Avantages et inconvenients de la methode QR
• Avantage:· Calcul de toutes les valeurs propres.
• Inconvenients:· Convergence lente,· Chaque iteration demande une decomposition QR.· La methode QR ne calcul pas directement les vecteurs propres.
30/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Remarque
• La convergence comme on avait dit est lente mais peut etre acceleree,en reduisant la matrice A en une matrice plus simple (Quasi triangulaire)dite de Hessenberg:
A =
∗ ∗ · · · · · · ∗∗ ∗ · · · · · · ∗
0 ∗. . . · · ·
......
. . .. . .
. . ....
0 · · · 0 ∗ ∗
L’avantage provient du fait que la suite Ak reste sous la forme deHessenberg.
31/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
• On peut egalement accelerer la convergence lorsqu’il s’agit d’unematrice symetrique, en reduisant cette derniere en une forme tridiagonalea l’aide des matrices de Householder.
32/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
1 Transformation de Householder
2 Reduction de Schur
3 Reduction de Hessenberg
4 Methode QR de Francis
5 Methode QR pour la determination des valeurs propres
6 Avantages et inconvenients de la methode QR
7 Algorithme et application
33/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Algorithme
Poser A(0) = A et k = 0
Tant que maxi>j|a(k)
ij | ≥ ε
-Calculer R(k) et Q(k) telles queA(k) = Q(k)R(k)
-Calculer A(k+1) parA(k+1) = R(k)Q(k)
-iterk ← k + 1Fin de tant que
34/35 Transformation de Householder, decomposition de Schur, SVD et applications
Transformation de HouseholderReduction de Schur
Reduction de HessenbergMethode QR de Francis
Methode QR pour la determination des valeurs propresAvantages et inconvenients de la methode QR
Algorithme et application
Application
On prend par exemple la matrice
A =
1 5 3 25 12 0 10 8 1 43 2 9 1
Le spectre de A:σ(A)= 15.6590, -4.5723, 4.3265, -0.4132.
35/35 Transformation de Householder, decomposition de Schur, SVD et applications