Articulo de referencia

matriz de Hessenberg

En álgebra lineal , una matriz de Hessenberg es un tipo especial de matriz cuadrada , casi triangular . Para ser exactos, una matriz de Hessenberg superior tiene cero entradas d...

En álgebra lineal , una matriz de Hessenberg es un tipo especial de matriz cuadrada , casi triangular . Para ser exactos, una matriz de Hessenberg superior tiene cero entradas debajo de la primera subdiagonal , y una matriz de Hessenberg inferior tiene cero entradas encima de la primera superdiagonal . [ 1 ] Reciben su nombre de Karl Hessenberg . [ 2 ]

Una descomposición de Hessenberg es una descomposición matricial de una matriz.A{\displaystyle A}en una matriz unitariaPAG{\displaystyle P}y una matriz de HessenbergH{\displaystyle H}de tal manera quePAGHPAG=A{\displaystyle PHP^{*}=A}dóndePAG{\displaystyle P^{*}}denota la transpuesta conjugada .

Definiciones

Matriz de Hessenberg superior

Un cuadradonorte×norte{\displaystyle n\times n}matrizA{\displaystyle A}Se dice que está en forma de Hessenberg superior o que es una matriz de Hessenberg superior siai,j=0{\displaystyle a_{i,j}=0}a pesar dei,j{\displaystyle i,j}coni>j+1{\displaystyle i>j+1}.

Una matriz de Hessenberg superior se denomina no reducida si todas las entradas subdiagonales son distintas de cero, es decir, siai+1,i0{\displaystyle a_{i+1,i}\neq 0}a pesar dei{1,,norte1}{\displaystyle i\in \{1,\ldots ,n-1\}}. [ 3 ]

Matriz de Hessenberg inferior

Un cuadradonorte×norte{\displaystyle n\times n}matrizA{\displaystyle A}Se dice que está en forma de Hessenberg inferior o que es una matriz de Hessenberg inferior si su transpuesta{\displaystyle }es una matriz de Hessenberg superior o equivalentemente siai,j=0{\displaystyle a_{i,j}=0}a pesar dei,j{\displaystyle i,j}conj>i+1{\displaystyle j>i+1}.

Una matriz de Hessenberg inferior se denomina no reducida si todas las entradas superdiagonales son distintas de cero, es decir, siai,i+10{\displaystyle a_{i,i+1}\neq 0}a pesar dei{1,,norte1}{\displaystyle i\in \{1,\ldots ,n-1\}}.

Ejemplos

Consideremos las siguientes matrices. A=[1423341702340013]{\displaystyle A={\begin{bmatrix}1&4&2&3\\3&4&1&7\\0&2&3&4\\0&0&1&3\\\end{bmatrix}}}B=[1200523034375611]{\displaystyle B={\begin{bmatrix}1&2&0&0\\5&2&3&0\\3&4&3&7\\5&6&1&1\\\end{bmatrix}}}do=[1200520034375611]{\displaystyle C={\begin{bmatrix}1&2&0&0\\5&2&0&0\\3&4&3&7\\5&6&1&1\\\end{bmatrix}}}

La matrizA{\displaystyle A}es una matriz de Hessenberg superior no reducida,B{\displaystyle B}es una matriz de Hessenberg inferior no reducida ydo{\displaystyle C}es una matriz de Hessenberg inferior pero no es no reducida.

Programación informática

Muchos algoritmos de álgebra lineal requieren un esfuerzo computacional significativamente menor cuando se aplican a matrices triangulares , y esta mejora a menudo también se extiende a las matrices de Hessenberg. Si las restricciones de un problema de álgebra lineal no permiten reducir una matriz general a una triangular, la reducción a la forma de Hessenberg suele ser la mejor alternativa. De hecho, la reducción de cualquier matriz a la forma de Hessenberg se puede lograr en un número finito de pasos (por ejemplo, mediante la transformación de Householder de transformaciones de similitud unitarias). La posterior reducción de la matriz de Hessenberg a una matriz triangular se puede lograr mediante procedimientos iterativos, como la factorización QR desplazada . En los algoritmos de valores propios , la matriz de Hessenberg se puede reducir aún más a una matriz triangular mediante la factorización QR desplazada combinada con pasos de deflación. Reducir una matriz general a una matriz de Hessenberg y luego reducirla aún más a una matriz triangular, en lugar de reducir directamente una matriz general a una matriz triangular, a menudo ahorra la aritmética involucrada en el algoritmo QR para problemas de valores propios.

Reducción a la matriz de Hessenberg

transformaciones de Householder

Cualquiernorte×norte{\displaystyle n\times n}La matriz puede transformarse en una matriz de Hessenberg mediante una transformación de semejanza utilizando transformaciones de Householder . El siguiente procedimiento para dicha transformación está adaptado de A Second Course In Linear Algebra de Garcia y Horn . [ 4 ]

DejarA{\displaystyle A}ser cualquier cosa real o complejanorte×norte{\displaystyle n\times n}matriz, luego dejarA{\displaystyle A^{\prime }}ser el(norte1)×norte{\displaystyle (n-1)\times n}submatriz deA{\displaystyle A}construido eliminando la primera fila enA{\displaystyle A}y dejara1{\displaystyle \mathbf {a} _{1}^{\prime }}ser la primera columna deA{\displaystyle A'}. Construir el(norte1)×(norte1){\displaystyle (n-1)\times (n-1)}matriz del propietarioV1=I(norte1)2www2{\displaystyle V_{1}=I_{(n-1)}-2{\frac {ww^{*}}{\|w\|^{2}}}}dónde w={a12mi1a1,a11=0a12mi1+a11¯|a11|a1,a110{\displaystyle w={\begin{cases}\|\mathbf {a} _{1}^{\prime }\|_{2}\mathbf {e} _{1}-\mathbf {a} _{1}^{\prime }\;\;\;\;\;\;\;\;,\;\;\;a_{11}^{\prime }=0\\\|\mathbf {a} _{1}^{\prime }\|_{2}\mathbf {e} _{1}+{\frac {\overline {a_{11}^{\prime }}}{|a_{11}^{\prime }|}}\mathbf {a} _{1}^{\prime }\;\;\;,\;\;\;a_{11}^{\prime }\neq 0\\\end{cases}}}

Esta matriz de hogares mapearáa1{\displaystyle \mathbf {a} _{1}^{\prime }}aa1mi1{\displaystyle \|\mathbf {a} _{1}^{\prime }\|\mathbf {e} _{1}}y como tal, la matriz de bloquesU1=[100V1]{\displaystyle U_{1}={\begin{bmatrix}1&\mathbf {0} \\\mathbf {0} &V_{1}\end{bmatrix}}}mapeará la matrizA{\displaystyle A}a la matrizU1A{\displaystyle U_{1}A}que solo tiene ceros debajo de la segunda entrada de la primera columna. Ahora construye(norte2)×(norte2){\displaystyle (n-2)\times (n-2)}matriz del propietarioV2{\displaystyle V_{2}}de manera similar a comoV1{\displaystyle V_{1}}de tal manera queV2{\displaystyle V_{2}}mapea la primera columna deA{\displaystyle A^{\prime \prime }}aa1mi1{\displaystyle \|\mathbf {a} _{1}^{\prime \prime }\|\mathbf {e} _{1}}, dóndeA{\displaystyle A^{\prime \prime }}es la submatriz deA{\displaystyle A^{\prime }}construido eliminando la primera fila y la primera columna deA{\displaystyle A^{\prime }}, entonces dejaU2=[10001000V2]{\displaystyle U_{2}={\begin{bmatrix}1&0&0\\0&1&0\\0&0&V_{2}\end{bmatrix}}}qué mapasU1A{\displaystyle U_{1}A}a la matrizU2U1A{\displaystyle U_{2}U_{1}A}que solo tiene ceros debajo de la primera y segunda entrada de la subdiagonal. Ahora construyeV3{\displaystyle V_{3}}y luegoU3{\displaystyle U_{3}}De manera similar, pero para la matrizA{\displaystyle A^{\prime \prime \prime }}construido eliminando la primera fila y la primera columna deA{\displaystyle A^{\prime \prime }}y proceda como en los pasos anteriores. Continúe así durante un total denorte2{\displaystyle n-2}pasos.

Por construcción deUk{\displaystyle U_{k}}, la primerak{\displaystyle k}columnas de cualquiernorte×norte{\displaystyle n\times n}Las matrices son invariantes bajo la multiplicación porUk{\displaystyle U_{k}^{*}}desde la derecha. Por lo tanto, cualquier matriz puede transformarse en una matriz de Hessenberg superior mediante una transformación de similitud de la formaU(norte2)((U2(U1AU1)U2))U(norte2)=U(norte2)U2U1A(U(norte2)U2U1)=UAU{\displaystyle U_{(n-2)}(\dots (U_{2}(U_{1}AU_{1}^{*})U_{2}^{*})\dots )U_{(n-2)}^{*}=U_{(n-2)}\dots U_{2}U_{1}A(U_{(n-2)}\dots U_{2}U_{1})^{*}=UAU^{*}}.

Rotaciones de Jacobi (Divens)

Una rotación de Jacobi (también llamada rotación de Givens) es una transformación de matriz ortogonal de la forma

AA=J(pag,q,θ)TAJ(pag,q,θ),{\displaystyle A\to A'=J(p,q,\theta )^{T}AJ(p,q,\theta )\;,}

dóndeJ(pag,q,θ){\displaystyle J(p,q,\theta )},pag<q{\displaystyle p<q}, es la matriz de rotación de Jacobi con todos los elementos de la matriz iguales a cero excepto

{J(pag,q,θ)ii=1ipag,qJ(pag,q,θ)pagpag=porque(θ)J(pag,q,θ)qq=porque(θ)J(pag,q,θ)pagq=pecado(θ)J(pag,q,θ)qpag=pecado(θ).{\displaystyle \left\{{\begin{aligned}J(p,q,\theta )_{ii}&{}=1\;\forall i\neq p,q\\J(p,q,\theta )_{pp}&{}=\cos(\theta )\\J(p,q,\theta )_{qq}&{}=\cos(\theta )\\J(p,q,\theta )_{pq}&{}=\sin(\theta )\\J(p,q,\theta )_{qp}&{}=-\sin(\theta )\;.\end{aligned}}\right.}

Se puede poner a cero el elemento de la matriz.Apag1,q{\displaystyle A'_{p-1,q}}eligiendo el ángulo de rotaciónθ{\displaystyle \theta }para satisfacer la ecuación

Apag1,pagpecadoθ+Apag1,qporqueθ=0,{\displaystyle A_{p-1,p}\sin \theta +A_{p-1,q}\cos \theta =0\;,}

Ahora bien, la secuencia de tales rotaciones de Jacobi con lo siguiente(pag,q){\displaystyle (p,q)}

(pag,q)=(2,3),(2,4),,(2,norte),(3,4),,(3,norte),,(norte1,norte){\displaystyle (p,q)=(2,3),(2,4),\dots ,(2,n),(3,4),\dots ,(3,n),\dots ,(n-1,n)}

reduce la matrizA{\displaystyle A}a la forma de Hessenberg inferior. [ 5 ]

Propiedades

Paranorte{1,2}{\displaystyle n\in \{1,2\}}, cadanorte×norte{\displaystyle n\times n}La matriz es tanto de Hessenberg superior como de Hessenberg inferior. [ 6 ]

El producto de una matriz de Hessenberg con una matriz triangular es nuevamente una matriz de Hessenberg. Más precisamente, siA{\displaystyle A}es el Hessenberg superior yT{\displaystyle T}es triangular superior, entoncesAT{\displaystyle AT}yTA{\displaystyle TA}son Hessenberg superior. La matriz de Hessenberg se puede presentar en una forma canónica de Jordan, con la matriz de Vandermonde confluente como matriz de similitud (capítulo 1.4.2 de [ 7 ] ).

Una matriz que es a la vez de Hessenberg superior e inferior es una matriz tridiagonal , de la cual la matriz de Jacobi es un ejemplo importante. Esto incluye las matrices de Hessenberg simétricas o hermíticas. Una matriz hermítica puede reducirse a matrices simétricas reales tridiagonales. [ 8 ]

Operador de Hessenberg

El operador de Hessenberg es una matriz de Hessenberg de dimensión infinita. Suele aparecer como la generalización del operador de Jacobi a un sistema de polinomios ortogonales para el espacio de funciones holomorfas de cuadrado integrable sobre algún dominio, es decir, un espacio de Bergman . En este caso, el operador de Hessenberg es el operador de desplazamiento a la derecha.S{\displaystyle S}, dado por [SF](z)=zF(z).{\displaystyle [Sf](z)=zf(z).}

Los autovalores de cada submatriz principal del operador de Hessenberg vienen dados por el polinomio característico de dicha submatriz. Estos polinomios se denominan polinomios de Bergman y proporcionan una base polinómica ortogonal para el espacio de Bergman.

Véase también

Notas

  1. ^ Horn y Johnson (1985) , página 28; Stoer y Bulirsch (2002) , página 251
  2. Biswa Nath Datta (2010) Álgebra lineal numérica y aplicaciones, 2.ª ed., Society for Industrial and Applied Mathematics (SIAM) ISBN 978-0-89871-685-6pág. 307
  3. Horn y Johnson 1985 , pág. 35 
  4. Ramon Garcia, Stephan; Horn, Roger (2017). Un segundo curso de álgebra lineal . Cambridge University Press. ISBN 9781107103818.
  5. Bini, Dario A.; Robol, Leonardo (2016). "Reducción de Hessenberg cuasiseparable de matrices diagonales reales más de bajo rango y aplicaciones". Álgebra lineal y sus aplicaciones . 502 : 186–213 . arXiv : 1501.07812 . doi : 10.1016/j.laa.2015.08.026 .
  6. Apuntes de clase. Apuntes para el 21 de octubre de 2016 de la Universidad de Cornell.
  7. Meurant, G. (2025). Matrices de Hessenberg y tridiagonales . SIAM.
  8. "Rutinas computacionales (autovalores) en LAPACK" . sites.science.oregonstate.edu . Consultado el 24 de mayo de 2020 .

Referencias

  • Horn, Roger A.; Johnson, Charles R. (1985), Análisis matricial , Cambridge University Press , ISBN 978-0-521-38632-6.
  • Stoer, Josef; Bulirsch, Roland (2002), Introducción al análisis numérico (3.ª  ed.), Berlín, Nueva York: Springer-Verlag , ISBN 978-0-387-95452-3.
  • Press, WH; Teukolsky, SA; Vetterling, WT; Flannery, BP (2007), "Sección 11.6.2. Reducción a la forma de Hessenberg" , Numerical Recipes: The Art of Scientific Computing (3.ª  ed.), Nueva York: Cambridge University Press, ISBN 978-0-521-88068-8Archivado del original el 11 de agosto de 2011 , consultado el 13 de agosto de 2011.
  • Matriz de Hessenberg en MathWorld .
  • Matriz de Hessenberg en PlanetMath .
  • Algoritmos de alto rendimiento para la reducción a forma condensada (Hessenberg, tridiagonal, bidiagonal)
  • Descripción general del algoritmo