Beruflich Dokumente
Kultur Dokumente
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Master MOCASIM 1`
ere ann
ee
Facult
e des Sciences et Technique
MARRAKECH
1/35
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Plan
2/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
3/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
4/35
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
D
efinition : Soit v un vecteur non nul de Rn , on appelle matrice de
Houdeholder associee `a v la matrice symetrique, orthogonale
H(v ) Rnn definit par:
H(v ) = In 2.
v .v t
v t .v
Th
eor`
eme :
Soit u Rn un vecteur non nul verifiant u vect{e
/
u
1 } o`
t
e1 = (1, 0, ..., 0) . Il existe un vecteur v non nul de Rn telque
H(v ).u = .e1 , R . Le vecteur v est donne par v = u kuk .e1 et
on a H(v ).u = kuk .e1 .
Remarque : Pour des raisons de stabilite numerique, on prend
v = u+signe(u1 ) kuk .e1 et on a alors H(v ).u = signe(u1 ) kuk .e1 .
5/35
Transformation de Householder, d
ecomposition de Schur, SVD et appli
6/35
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
w vect {v }
, H(v ).w = w
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
7/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Issai Schur
Issai Schur (1875 1941), est un
mathematicien dorigine russe qui a surtout
travaille en Allemagne. Il a etudie `a Berlin
sous Frobenius, a obtenu son doctorat en
1901 et est devenu charge denseignement
en 1903. Il a donne son nom `a plusieurs
concepts et theor`emes mathematiques :
Decomposition de Schur
Complement de Schur
Inegalite de Schur
Lemme de Schur
Multiplicateur de Schur
Polyn
ome de Schur
etc..
8/35
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Enonce de la decomposition
Theorem (version Complexe)
Soit A Cnn , alors il existe une matrice orthogonale Q Cnn tel que
la matrice T = Q > A Q est triangulaire superieur.
Theorem (version reelle)
Soit A Rnn , alors il existe une matrice orthogonale Q Rnn tel que
Q > A Q est quasi-triangulaire cest-`a-dire :
R11 R1m
..
..
0
.
.
Q> A Q =
..
..
..
..
.
.
.
.
0
0 Rmm
o`
u les Rii sont des blocs de taille (1 1) ou (2 2).
9/35
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Enonce de la decomposition
Theorem (version Complexe)
Soit A Cnn , alors il existe une matrice orthogonale Q Cnn tel que
la matrice T = Q > A Q est triangulaire superieur.
Theorem (version reelle)
Soit A Rnn , alors il existe une matrice orthogonale Q Rnn tel que
Q > A Q est quasi-triangulaire cest-`a-dire :
R11 R1m
..
..
0
.
.
Q> A Q =
..
..
..
..
.
.
.
.
0
0 Rmm
o`
u les Rii sont des blocs de taille (1 1) ou (2 2).
9/35
Transformation de Householder, d
ecomposition de Schur, SVD et appli
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
10/35
A [u, v ] = [u, v ]
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
10/35
A [u, v ] = [u, v ]
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
10/35
A [u, v ] = [u, v ]
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
On introduit {x1 , x2 } une base orthonormale de lespace vect{u, v },
[x1 , x2 ] = [u, v ] C
do`
u
A [x1 , x2 ] = [x1 , x2 ] C 1
C
{z
}
|
S
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
On introduit {x1 , x2 } une base orthonormale de lespace vect{u, v },
[x1 , x2 ] = [u, v ] C
do`
u
A [x1 , x2 ] = [x1 , x2 ] C 1
C
{z
}
|
S
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
11/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
On introduit {x1 , x2 } une base orthonormale de lespace vect{u, v },
[x1 , x2 ] = [u, v ] C
do`
u
A [x1 , x2 ] = [x1 , x2 ] C 1
C
{z
}
|
S
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
On introduit {x1 , x2 } une base orthonormale de lespace vect{u, v },
[x1 , x2 ] = [u, v ] C
do`
u
A [x1 , x2 ] = [x1 , x2 ] C 1
C
{z
}
|
S
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
12/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
13/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Enonce de la Reduction
Theorem
A Rnn , Q Rnn , tel que Q > A Q = H o`
u 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 = 2
on a toute matrice est de Hessenberg sans multiplier par une matrice
de Householder.
On suppose que k n 1 pour A Rkk , Q Rkk , tel que
Q > A Q est de Hessenberg. Q est le produit de (k 2) matrice de
Householder. Montrons le theor`eme pour A Rnn .
14/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve
a1n
a21
..
a21
Soit A =
, on note a1 = ...
..
.
.
..
..
.
an1
a1n ann
On sait quil existe Hu matrice de Householder tel que Hu a1 = e1 ,
dapr`es la transformation
u = a1 ka1 ke1 . on prend
1 O>
H(n2) =
. Alors
O Hu
a11
a12
..
.
H(n2) A H(n2) =
15/35
a11
e1
[a12 , , a1n ] Hu
Hu A(1) Hu
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Reduction de Hessenberg
Preuve
On applique lhypoth`ese de recurrence `a la matrice B = Hu A(1) Hu
!
!>
n3
n3
Y
Y
donc on a
Hi B
Hi
est de Hessenberg
i=1
i=1
n3
Y
i=1
16/35
1
O
O>
Hi
!
Hn2
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
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 Householder
v = u + sign(u(j + 1)) kuk ej+1 puis on normalise v = u/ kuk.
Calcul de la matrice de Householder P = In 2 (v v T )
Mise `a jours des matrice H P H P T et Q Q P;
Fin(j)
17/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
18/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
John FRANCIS
John FRANCIS ne en 1934,
est un Anglais chercheur en informatique,
qui en 1961 `a publie lalgorithme
QR pour le calcul des valeurs propres de
matrices, qui `a ete nomme comme lun des
dix importants algorithmes du XXe si`ecle.
En 1961, Francis
a quitte le domaine de lanalyse numerique,
et navait
aucune idee de limpact que son travail sur
lalgorithme QR avait,
jusqu`a re-contacte par Gene Golub en 2007.
19/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
20/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
21/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
22/35
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
thode :
Principe de la me
Posons A1 = A.
On ecrit la factorisation QR de A1 :
A1 = Q1 R1
et on forme
A2 = R1 Q1 = Q1t A1 Q1
` letape k,
A
Ak = Qk Rk
On pose
Ak+1 = Rk Qk = Qkt Ak Qk
On obtient
Ak+1 = (Q1 Q2 ...Qk )t A(Q1 Q2 ...Qk )
Ce qui montre que Ak+1 est semblable `a A donc admet les memes
valeurs propres.
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Theor`eme
Soit A Mn (R) inversible et ayant des valeurs propres differentes en
module. Cest-`a-dire quil existe une matrice P inversible verifiant:
..
P 1 AP =
.
n
et |1 | > ... > |n |.
Alors la suite Ak verifie:
lim (Ak )ii
= i
k
k
23/35
i = 1, 2, ..., n
j < i
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode 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 en
module, ceci entrane que les valeurs propres sont toutes reelles car sinon
les valeurs propres complexes apparaissent par paires de racines
cojuguees, donc de meme module ce qui est exclu par lhypoth`ese du
theor`eme.
Si A est symetrique alors la suite Ak converge vers une matrice
diagonale formee par les valeurs propres de A.
24/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
25/35
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Preuve:
On pose
k = Q1 ...Qk et <k = Rk ...R1
On a
Ak+1 = tk Ak
Lidee est detudier le comportement de la suite k .
On va utiliser le fait quon a une factorisation QR de la matrice Ak avec
Ak = Q1 ...Qk Rk ...R1 .
On va chercher maintenant une factorisation QR avec Rii > 0 pour
pouvoir utiliser lunicite et par
suite deduire leresultat final.
1
..
1
P = LU, P = QR et =
.
.
On a alors
n
Ak = Pk P 1
= QRk LU
= QR(k Lk )k U
Or lim k Lk = I
k
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
avec
lim Fk = 0
Donc
R(k Lk ) = (I + RFk R 1 )R
La matrice I + RFk R 1 admet une factorisation QR avec Rii > 0, quon
note
I + RFk R 1 = Qk Rk
et
lim Qk = Q
lim Rk = R
R
= I , et par unicite de la factorisation QR, on a Q
=R
= I.
Donc Q
En reprenons lexpression de Ak et en remplacant, on obtient
Ak = (Q Qk )(Rk Rk U)
26/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
27/35
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Ak+1 = tk Ak
t RR 1 Q
k Dk Or
= Dkt Q
k
lim Nk = RR 1
kt RR 1 Q
k
avec Nk Q
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
avec
RR 1 =
1
0
..
.
2
..
.
..
.
..
.
Donc finalement,
lim Ak+1 = RR 1
28/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
29/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Avantage:
Calcul de toutes les valeurs propres.
Inconv
enients:
Convergence lente,
Chaque iteration demande une decomposition QR.
La methode QR ne calcul pas directement les vecteurs propres.
30/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode 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
Lavantage provient du fait que la suite Ak reste sous la forme de
Hessenberg.
31/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
32/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
33/35
Transformation de Householder
Reduction de Schur
Reduction de Hessenberg
Methode QR de Francis
Algorithme et application
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Algorithme
Poser A(0) = A et k = 0
(k)
Tant que max |aij |
i>j
34/35
Transformation de Householder, d
ecomposition de Schur, SVD et app
Transformation de Householder
R
eduction de Schur
R
eduction de Hessenberg
M
ethode QR de Francis
M
ethode QR pour la d
etermination des valeurs propres
Avantages et inconv
enients de la m
ethode QR
Algorithme et application
Application
1
5
A=
0
3
5 3 2
12 0 1
8 1 4
2 9 1
Le spectre de A:
(A)={ 15.6590, -4.5723, 4.3265, -0.4132}.
35/35
Transformation de Householder, d
ecomposition de Schur, SVD et app