Diagonalizacja macierzy kwadratowej

Podobne dokumenty
Twierdzenie Cayleya-Hamiltona

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Grupa obrotów. - grupa symetrii kuli, R - wszystkie możliwe obroty o dowolne kąty wokół osi przechodzących przez środek kuli

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Przez n-wymiarowy wektor kolumnowy (rzeczywisty), będziemy rozumieć układ n liczb rzeczywistych x 1, x 2,..., x n ustawionych w kolumnę:

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Algebra z geometrią 2012/2013

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

p Z(G). (G : Z({x i })),

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

Programowanie Równoległe i Rozproszone

PODSTAWY MATEMATYCZNE

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych

2 1 3 c c1. e 1, e 2,..., e n A= e 1 e 2...e n [ ] M. Przybycień Matematyczne Metody Fizyki I

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Analiza matematyczna i algebra liniowa Macierze

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej

Podprzestrzenie macierzowe

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A)

= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Własności wyznacznika


Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne

Laboratorium ochrony danych

Analiza numeryczna Lista nr 3 (ćwiczenia) x x 2 n x.

Funkcje i charakterystyki zmiennych losowych

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.

1 Przestrzenie statystyczne, statystyki

P 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A

Temat: Operacje elementarne na wierszach macierzy

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

Macierze. Rozdział Działania na macierzach

Wstęp do komputerów kwantowych

Pattern Classification

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Fizyka cząstek elementarnych

Zadania z Algebry liniowej 4 Semestr letni 2009

Równania rekurencyjne na dziedzinach

Statystyka Inżynierska

Tomasz Grębski. Liczby zespolone

1 Macierz odwrotna metoda operacji elementarnych

Geometria Lista 0 Zadanie 1

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

A,B M! v V ; A + v = B, (1.3) AB = v. (1.4)

Metody analizy obwodów

Definicje ogólne

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

Reprezentacje grup symetrii. g s

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

OGÓLNE PODSTAWY SPEKTROSKOPII

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009

Odtworzenie wywodu metodą wstępującą (bottom up)

Podstawy teorii falek (Wavelets)

Niezb. ednik matematyczny. Niezb. ednik matematyczny

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac)

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Prawdopodobieństwo i statystyka

Wykład 14. Elementy algebry macierzy

Zadania egzaminacyjne

Diagnostyka układów kombinacyjnych

Matematyka dyskretna. 10. Funkcja Möbiusa

5. Rozwiązywanie układów równań liniowych


Mechanika kwantowa - zadania 1 (2007/2008)

Twierdzenie spektralne

Wstęp do metod numerycznych Faktoryzacja QR i SVD. P. F. Góra

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

Metody Lagrange a i Hamiltona w Mechanice

Sprawozdanie powinno zawierać:

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Metody dekompozycji macierzy stosowane w automatyce

Ń Ś Ó Ó Ć Ś ŃŃ Ó Ą

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

Zadania z algebry liniowej Iloczyn skalarny, przestrzenie euklidesowe

ZAJĘCIA VI. Estymator LS - własności i implementacje

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

Matematyka stosowana i metody numeryczne

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

Transkrypt:

Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an an ann xn xn Natomast wszystke jednocześne daje sę zapsać w zwartej postac w forme: a a an x x xn x x n xn a a a n x x x n x x n x n an an a nn xn xn x nn xn xn n x nn x x x x x x n n x x x n n nn x n Wykład 8-8

Dagonalzacja macerzy kwadratowej Wprowadzając oznaczena x x xn x x x n S oraz L xn xn x nn n możemy powyższe równane macerzowe zapsać w postac AS SL S - AS Wnosek: Wykorzystując macerz zbudowaną z wektorów własnych można za pomocą transformacj podobeństwa przetransformować macerz A do postac dagonalnej w której elementam dagonalnym są wartośc własne macerzy A. Przykład: Zdagonalzuj macerz za pomocą transformacj podobeństwa. ( ) A det ( A I) ( ) ( ) wektory własne: v oraz v ( ) - S S S AS ( ) ( ) ( ) ( ) ( ) ( ) - L Wykład 8-8

Dagonalzacja macerzy kwadratowej Po znormalzowanu wektorów własnych utworzona macerz jest untarna (ortogonalna) ( ) ( ) u oraz u ( ) ( ) - U U Transformację - U AU U AU L nazywamy untarną transformacją podobeństwa. Przykład: Zdagonalzuj macerz za pomocą transformacj podobeństwa. A 4 6 6 det ( A I) ( )( ),, 5 4 Wektory własne: : v, : v 6 4 Wnosek: Tej macerzy ne da sę zdagonalzować. Uwaga: Kompletnym układem wektorów własnych macerzy A nân nazywamy każdy układ n lnowo nezależnych wektorów własnych tej macerzy. Macerze które ne posadają kompletnego układu wektorów własnych nazywamy nekompletnym. Uwaga: Macerz A nân jest dagonalzowalna wtedy tylko wtedy gdy posada kompletny układ wektorów własnych. Wykład 8-48

Macerze hermtowske symetryczne macerz (anty)hermtowska: macerz (anty)symetryczna: A ± A aj ± a j T A ± A aj ± a j * wartośc własne macerzy hermtowskej (lub rz. symetrycznej) są rzeczywste: D : A x x x A x x x ( ) ( * x A A x ) x x - * * x A x x A x x x ( * A A ) x x * x x wektory własne odpowadające różnym wartoścom własnym macerzy hermtowskej (lub rz. symetrycznej) są wzajemne ortogonalne: D : A x x xa x x x ( ) x x A x x xa x x x - x x Defncja: Macerz kwadratową A nazywamy normalną wtedy tylko wtedy gdy komutuje ona ze swom sprzężenem hermtowskm, tzn. AA A A. Wnosek: Wszystke macerze (anty) hermtowske (rz. (anty) symetryczne), untarne (rz. ortogonalne) są macerzam normalnym. Wykład 8-58

Twerdzene: Macerz hermtowską (lub rz. symetryczną) można zdagonalzować za pomocą macerzy untarnej (lub ortogonalnej). D: W przypadku wszystkch różnych wartośc własnych macerz można zdagonalzować - za pomocą transformacj podobeństwa S AS L Pokażemy, że macerz hermtowską można zdagonalzować równeż w przypadku zdegenerowanych wartośc własnych. Nech będze zdegenerowaną wartoścą własną macerzy hermtowskej H nân a x wektorem własnym do tej wartośc własnej. Konstruujemy układ n ortonormalnych wektorów x tak aby perwszym z nch był x Z wektorów tych budujemy untarną macerz U ( x x... x n ) Transformacja untarna ma dokładne ten sam zestaw wartośc własnych co macerz H: U HU - - ( ) ( ( ) ) ( ) - ( ) ( ) ( ) det U HU I det U H I U det U det H I det U det U U det H I det H I Macerz U HU jest hermtowska: ( ) U HU U H U U HU Wykład 8-68

Mamy: * x * x UHU H x x xn * x n x * * x α α n x h h n * x α n n α nn ( ) ( ) det H I det U HU I α α α n α α α n α α α n n nn ( ) α α α α α α n n n n nn Hx x ozn Hx h, x x δ α α α bo jest UHU hermtowska Wykład 8-78

Defnujemy macerz H stopna n-: H α α α n α α α n α n α n α nn Wśród wartośc własnych H mus pojawć sę. Konstruujemy układ n- ortonormalnych wektorów z których perwszy jest wektorem własnym macerzy H do wartośc własnej : y y yn y y y n y, y,..., y n- y n y n y nn Defnujemy untarną macerz U stopna n: U HU H U H y y y y n yn y nn Wykład 8-88

Wówczas untarna transformacja podobeństwa za pomocą U daje: ( ) U U HU U H y y y y δ * * y y n y y n β β n H * * y y n ynn n y nn β n β nn Jeśl jest m-krotne zdegenerowaną wartoścą własną to powyższy schemat powtarzamy m razy. Pozostała część macerzy może być zdagonalzowana przez wektory własne odpowadające różnym wartoścom własnym. Do zdagonalzowana macerzy stopna n potrzeba n- transformacj untarnych: U HU Λ U UUU n - Wnosek: Każda macerz hermtowska (lub rz. symetryczna) stopna n posada n ortogonalnych wektorów własnych bez względu na degeneracje wartośc własnych. ( ) U HU U U HU U HU U Λ Λ Λ Wykład 8-98

Przykład: Znajdź untarną macerz U dagonalzującą poprzez transformację podobeństwa macerz hermtowską H Wartośc własne macerzy H są perwastkam jej równana charakterystycznego det ( H I ) + 6 9 ( ) Mamy trzy wartośc własne v v v v ( ) T Nech będze jednym z wektorów własnych do wartośc własnej : v v v v v v v Wyberamy trzy lnowo nezależne wektory v v v Wykład 8-8

Korzystając z metody Grama-Schmdta znajdujemy układ wektorów ortonormalnych: v x x v v x v x v x x v x ( ) ( ) x x x U x x x UHU Untarna transformacja podobeństwa za pomocą macerzy ( ) Wykład 8-8

Poneważ H UHU mają te same wartośc własne, węc muszą być wartoścam własnym podmacerzy Znormalzowane wektory własne macerzy H do wartośc własnych to y y U A węc macerz dagonalzująca U ma postać H 6 U UU 6 Wykład 8-8

Rzeczywśce mamy: 6 U HU 6 6 6 Kolumny macerzy U są ortonormalnym wektoram własnym macerzy H: / / Hu u : / / / 6 / 6 Hu u : / / / / 6 6 / / Hu u : / / / / Wykład 8-8

W praktyce korzystamy z udowodnonego twerdzena. Wektory własne do nezdegenerowanych wartośc własnych znajdujemy w zwykły sposób. Wektory własne do zdegenerowanej wartośc własnej muszą spełnać warunek x x x x x + x W ogólnośc wektory własne dane są węc przez Jeden z wektorów własnych znajdujemy wyberając np. x : Drug wektor wyberamy jako ortogonalny do : u u x + x u x x + x x u u x + x ( ) x x + x x x x u x 6 Drug wektor własny do wartośc własnej to Wykład 8-48

Równoczesna dagonalzacja macerzy Twerdzene: Dwe macerze A B można jednocześne zdagonalzować poprzez transformację podobeństwa wtedy tylko wtedy gdy macerze A B komutują tzn. ABBA. ( ) - - - - D : D S AS DD S ASS BS S ABS - - - - D S BS D D S BSS AS S BAS - - - - D D D D S ABS- S BAS S ABS S BAS AB BA ( ) - - D : S AS D S BS B b b b - - - S ABS S ASS BS DB b b b b b nb - - - S BAS S BSS AS B D b b b n n n n n n nn n n n nn b Dla j AB BA D B B D B D nb nn n Wykład 8-58

Równoczesna dagonalzacja macerzy Dla j mamy Poneważ B B - S AS D ( ) - - S BS S BS T T ( S BS) T D - - ò -ty wersz ò j-ty wersz węc stneje untarna macerz T taka, że: S AS T T D T D T T D - - - - Z drugej strony mamy ( ) A węc stneje macerz hermtowska UST dagonalzująca jednocześne A B. Uwaga: W mechance kwantowej operatory które można jednocześne zdagonalzować odpowadają welkoścom fzycznym, których jednoczesny pomar ne jest ogranczony zasadą neoznaczonośc. Wykład 8-68

Równoczesna dagonalzacja macerzy Przykład: Znajdź untarną macerz U dagonalzującą jednocześne macerze 8 7 A B AB BA 7 8 Znajdujemy wartośc własne wektory własne macerzy A: ( ) det A I ( )( ) v v A węc untarna macerz dagonalzująca to S S - Rzeczywśce mamy: - S AS - S BS 5 Jednocześne wdać, że wartoścam własnym macerzy B są 5 Wykład 8-78