Beruflich Dokumente
Kultur Dokumente
Departamento de Computo
Cientfico y Estadstica
Bolvar
Universidad Simon
Caracas, Venezuela.
Centro de Calculo
Cientfico y Tecnologico
Universidad Central de Venezuela
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte I
Conceptos basicos
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Preliminares de Algebra Lineal (notacion)
n.
Rn espacio vectorial de vectores (columnas) reales de dimension
x Rn es una matriz con n filas y una sola columna.
x T es una matriz con una fila y n columnas.
Sea A Rmn una matriz con m filas y n columnas. El producto
lineal de las columnas de A:
y = Ax produce y como combinacion
y = Ax =
n
X
xj Aj
j=1
Equivalente
yi =
n
X
aij xj = aiT x.
j=1
Si x, y
Rn ,
xT y
Si z Rn , (xy T )z = (y T z)x.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Preliminares de Algebra Lineal (notacion)
alc(A) = {y Rm : Ax = y para x Rn }; rango(A) = dim alc(A).
nulo(A) = {x Rn : Ax = 0}
alc(A) = subespacio vectorial expandido por las columnas de A.
rango(A) + dim nulo(A) = n.
A Rnn es invertible o no singular si rango(A) = n. Equivalente:
(a) Existe A1 tal que AA1 = A1 A = I,
(b) las filas de A son linealmente independientes,
por cada b Rn ,
(c) el sistema Ax = b tiene una unica
solucion
(d) alc(A) = Rn ,
de Ax = 0 es x = 0,
(e) la unica
solucion
Topicos
en Algebra Lineal Numerica
Mayo 2011
n
Y
j ,
j=1
traza(A) =
n
X
j ,
j=1
donde traza(A) =
Raydan (USB)
Pn
j=1 ajj .
Topicos
en Algebra Lineal Numerica
Mayo 2011
(c) (Pitagoras)
si x es ortogonal a y , kx + y k22 = kxk2 + kyk22 ,
(d) (Desigualdad de Cauchy-Schwarz) |x T y| kxk2 kyk2 ,
(e) (Ley del paralelogramo) kx + yk22 + kx y k22 = 2kxk2 + 2ky k22 .
Raydan (USB)
xT y
.
kxk2 ky k2
Topicos
en Algebra Lineal Numerica
Mayo 2011
A Rnn es simetrica
si aij = aji AT = A. En ese caso:
Teorema
A posee n autovalores reales 1 , , n , y un conjunto
asociado de autovectores x1 , , xn que forman una base
ortonormal de Rn .
x T Ax > 0 para todo vector x 6= 0, entonces se dice que A
Si ademas,
es positivo definida (PD).
Positivo semidefinida si x T Ax 0 para todo vector x Rn .
Negativo (semi) definida (ND) si A es positivo (semi) definida.
Indefinda si no es ni P semi D ni N semi D.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Teorema
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Normas de vectores
k k : Rn R que asigna un numero
Una norma es una funcion
real
a cada vector.
no negativo (tamano)
Sean x, y Rn y escalar , tenemos:
(1) kxk 0, y kxk = 0 solo si x = 0,
(2) kxk = ||kxk,
(3) kx + y k kxk + ky k.
Tres normas de vectores importantes:
kxk1 =
n
X
|xi |,
i=1
kxk2 =
n
X
!1/2
xi2
p
x T x,
i=1
kxk =
Raydan (USB)
max |xi |.
1in
Topicos
en Algebra Lineal Numerica
Mayo 2011
Normas de matrices
Si k k es una norma en Rn , la norma k k de matrices inducida por
ella, viene definida por
kAk = sup
x6=0
kAxk
= max kAxk.
kxk
kxk=1
(filas)
q
kAk2 = max (AT A).
Propiedad de normas inducidas:
kAxk kAkkxk.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Norma de Frobenius
Una famosa norma no inducida es la norma de Frobenius:
1/2
m X
n
X
kAkF =
|aij |2 .
i=1 j=1
1/2
n
X
kAkF =
kAj k2 .
j=1
q
q
T
kAkF = traza(A A) = traza(AAT ).
No es inducida, pero:
kAxk2 kAkF kxk2 .
kABkF kAkF kBkF .
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte II
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Topicos
en Algebra Lineal Numerica
Mayo 2011
de Cholesky: A = LLT
Factorizacion
l11 0 0
a11 a12 a1n
a12 a22 a2n l12 l22 0
=
.
.
.
.
.
.
. .
l1n l2n lnn
a1n a2n ann
De forma explcita:
2 l
a11 = l11
a11 ,
11 =
.
.
.
.
0 0 lnn
Algoritmo (1910)
For k = 1, 2, . . . , n Do
q
P
2
lkk akk k1
j=1 lkj
For i = k + 1, . . . , n Do
P
lik (aik k1
j=1 lij lkj )/lkk
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Topicos
en Algebra Lineal Numerica
Mayo 2011
uu T
uT u
Mas Propiedades
Propiedades
(d) (ortogonal) Q T = Q 1
(a) Qu = u
(b) Si u T v = 0, Qv = v
(c) (simetrica)
Q = QT
(e) (autoinversa) Q 1 = Q
(f) (preserva la norma)
x Rn , kQxk2 = kxk2 .
Teorema Clave
Sean x, y Rn , x 6= y , pero kxk2 = kyk2 , entonces existe una unica
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
uu T
uT u
Mas Propiedades
Propiedades
(d) (ortogonal) Q T = Q 1
(a) Qu = u
(b) Si u T v = 0, Qv = v
(c) (simetrica)
Q = QT
(e) (autoinversa) Q 1 = Q
(f) (preserva la norma)
x Rn , kQxk2 = kxk2 .
Teorema Clave
Sean x, y Rn , x 6= y , pero kxk2 = kyk2 , entonces existe una unica
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
uu T
uT u
Mas Propiedades
Propiedades
(d) (ortogonal) Q T = Q 1
(a) Qu = u
(b) Si u T v = 0, Qv = v
(c) (simetrica)
Q = QT
(e) (autoinversa) Q 1 = Q
(f) (preserva la norma)
x Rn , kQxk2 = kxk2 .
Teorema Clave
Sean x, y Rn , x 6= y , pero kxk2 = kyk2 , entonces existe una unica
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
uu T
uT u
Mas Propiedades
Propiedades
(d) (ortogonal) Q T = Q 1
(a) Qu = u
(b) Si u T v = 0, Qv = v
(c) (simetrica)
Q = QT
(e) (autoinversa) Q 1 = Q
(f) (preserva la norma)
x Rn , kQxk2 = kxk2 .
Teorema Clave
Sean x, y Rn , x 6= y , pero kxk2 = kyk2 , entonces existe una unica
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
QR usando Reflectores
Factorizacion
Sea A Rmn . Para factorizar A usaremos Reflectores:
Q = I ww T
donde = 2/(w T w).
Problema Modelo
Dado z Rm y un ndice k {1, 2, . . . , m}
Encontrar Q tal que:
(1) (Qx)i = xi para todo i {1, 2, . . . , k 1} y x
(2) (Qz)i = 0 para todo i {k + 1, 2, . . . , m}
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
QR usando Reflectores
Factorizacion
Forzar (Qx)i = xi para todo i {1, 2, . . . , k 1} y x implica que
wi = 0 para todo i {1, 2, . . . , k 1}.
Forzar (Qz)i = 0 para todo i {k + 1, 2, . . . , m} suponiendo que
(w T z) = 1, implica que
wi = zi para todo i {k + 1, 2, . . . , m}.
Falta definir wk ?
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
QR usando Reflectores
Factorizacion
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
QR usando Reflectores
Factorizacion
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte III
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Topicos
en Algebra Lineal Numerica
Mayo 2011
Topicos
en Algebra Lineal Numerica
Mayo 2011
Observacion
de una matriz
La imagen de la esfera unitaria en Rn por la aplicacion
A Rmn es un hiper-elipse en Rm .
Sean {1 u1 , 2 u2 , . . . , m um } los semi-ejes principales del hiper-elipse,
donde kui k2 = 1, y las longitudes de los semi-ejes, i , son
no-negativas. Estos semi-ejes son ortogonales entre si: uiT uj = 0 si
i 6= j, y uiT ui = 1.
El Teorema (SVD) afirma que las preimagenes de los semi-ejes del
son ortogonales entre si en Rn . Es decir, si
hiper-elipse tambien
{v1 , v2 , . . . , vn } son las preimagenes de los semi-ejes en la esfera
unitaria, entonces viT vj = 0 si i 6= j, y viT vi = 1. De forma vectorial
(1 j n):
Avj = j uj
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
|
|
v1 vn
A
=
|
|
|
|
|
|
1
.
u1 un
n
|
|
|
|
AV = U A = UV T
Se obtiene la SVD reducida. Los i son los valores singulares, los ui
son los vectores singulares por la izquierda, y los vi son los vectores
singulares por la derecha.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Propiedades de la SVD
Ya sabemos que:
Avj = j uj
AT = V U T AT U = V , y entonces:
Ademas,
AT uj = j vj
Por lo tanto:
0
AT
A
0
uj
vj
= j
uj
vj
Clave
Algunos metodos
numericos
eficientes para obtener la SVD se basan
en esta propiedad. Y en la que sigue ...
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Propiedades de la SVD
AT uj = j vj AAT uj = j Avj = j2 uj
De forma similar:
Avj = j uj AT Avj = j AT uj = j2 vj
Por lo tanto:
j2 es autovalor de AT A y de AAT .
Corolario
A es PD,
Si A es simetrica,
j (A) = |j (A)|, j. Y si, ademas,
j (A) = j (A), j.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Propiedades Practicas
de la SVD
a la vista
Todos los subespacios estan
Sea A Rmn (m n). A = UV T . Si
1 2 r > r +1 = = n = 0,
entonces rango(A) = r ,
nulo(A) = exp{vr +1 , . . . , vn }
alc(A) = exp{u1 , . . . , ur }
a la vista
Y todos los valores claves estan
kAk2 = 1
kAk2F = 12 + 22 + + n2
Q
|det(A)| = ni=1 i
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Mas Propiedades Practicas
de la SVD
A = suma de matrices de rango 1
Sea A Rmn (m n). A = UV T . Si
1 2 r > r +1 = = n = 0,
entonces
A=
Ur r VrT
r
X
i ui viT
i=1
Propiedad optima
muy poderosa en la practica
Pk
Si k < r = rango(A), y Ak := i=1 i ui viT , entonces
min
rango(B)=k
Raydan (USB)
kA Bk2 = kA Ak k2 = k+1
Topicos
en Algebra Lineal Numerica
Mayo 2011
Pseudoinversa de A
Sea A Rmn . A = UV T . Se define la pseudoinversa:
A = V U T
donde = diag(1/1 , 1/2 , . . . , 1/r , 0, . . . , 0), y
r = rango(A) min{m, n}.
Propiedades de la pseudoinversa
(A ) = A
AA A = A
A AA = A
mnimos cuadrados de Ax b, de
x = A b es la solucion
mnima norma.
Si A es rango completa por columnas, entonces A = (AT A)1 AT
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Polar
Descomposicion
Teorema sorprendente
Toda matriz A Rnn se puede escribir como
A = QS
Raydan (USB)
1 2
3 1
=
0 1
1
0
3 1
1
2
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte IV
Funciones cuadraticas
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Funciones cuadraticas
Minimizar cuadraticas
es subproblema auxiliar en metodos
que
resuelven problemas complejos.
Toda cuadratica
se puede escribir como:
q(x) =
1 t
x Ax bt x + c,
2
Topicos
en Algebra Lineal Numerica
Mayo 2011
Funciones cuadraticas
Para el ejemplo
q(x1 , x2 , x3 ) = x12 3x32 + 2x1 x2 5x2 x3 + x1 x3 4 ,
se obtiene que
2
2
0
1
0 5 , b = 0 , c = 4 .
A= 2
0 5 6
1
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Puntos crticos de cuadraticas
cuadratica
son las soluciones del sistema lineal
Ax = b.
Siempre existen puntos crticos?
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Puntos crticos de cuadraticas
A es no singular.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Clasificacion
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Convexidad
Un conjunto en un espacio vectorial es convexo si
(1 )x + y
siempre que x , y y 0 < < 1.
f definida sobre un convexo es convexa si para todo
Una funcion
x, y , y [0, 1], se cumple que
f (x + (1 )y ) f (x) + (1 )f (y).
Si para todo (0, 1) y x 6= y la desigualdad se cumple en forma
estricta, entonces se dice que f es estrictamente convexa. Se dice
que f es concava si f es convexa.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Clasificacion
Caso convexo
Si A es positivo semidefinida y x es punto estacionario de
q(x), entonces x es minimizador global de q(x).
Y si A es PD entonces es un minimizador global aislado
(unico).
Topicos
en Algebra Lineal Numerica
Mayo 2011
Cuadratica
estrictamente convexa (n = 2)
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Punto de ensilladura (n = 2)
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Curvas de nivel
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Conjuntos de nivel
Convexidad
convexa y M [, +], entonces
Si f es una funcion
los conjuntos de nivel {x : f (x) < M} y {x : f (x) M}
son convexos.
si f es una cuadratica
y A es PD, los conjuntos de nivel son elipsoides
concentricos
que poseen al unico
minimizador de la cuadratica
como
centro comun.
Los ejes principales son los autovectores de A.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Cuadratica
estrictamente convexa (1 = 2 y 2 = 7)
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte V
Metodos
iterativos: sin restricciones
min f (x)
xRn
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Direcciones de descenso
d Rn es de descenso a
Sea f : Rn R. Se dice que una direccion
n
partir de un punto x R si
f (x)t d < 0.
El coseno es negativo el angulo entre f (x) y d es mayor a 900 .
El valor de f disminuye en d
Sean f : Rn R, f C 1 (Rn ), x Rn tal que f (x) 6= 0, y d Rn tal
que f (x)t d < 0. Entonces existe
> 0 tal que
f (x + d) < f (x) para todo (0,
].
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de descenso
Familia de metodos
iterativos para encontrar mnimos:
xk+1 = xk + k dk ,
de descenso
dk es una direccion
k es una longitud de paso que garantiza descenso en f .
Diferentes formas de escoger dk y diferentes polticas de descenso en
(Cauchy, 1847).
mas
descenso local de f .
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
clasicos
de descenso
Metodo
de Cauchy o mnimo descenso:
xk+1 = xk k f (xk ),
donde
k = argmin>0 f (xk f (xk )).
Metodo
de Newton: dk se obtiene resolviendo el sistema
2 f (xk )dk = f (xk ).
dk de Newton es de descenso, es
Para asegurar que la direccion
suficiente suponer que la Hessiana en xk es PD:
f (xk )t dk = f (xk )t 2 f (xk )1 f (xk ) < 0.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Newton para cuadraticas
Si aplicamos Newton:
xk+1 = xk k 2 f (xk )1 f (xk ),
y f es una cuadratica
estrictamente convexa, se obtiene la solucion
(usando 0 = 1), desde cualquier
exacta en la primera iteracion
iterado incicial x0 dado:
x1 = x0 A1 (Ax0 b) = A1 b = x .
Requiere invertir una matriz o resolver un sistema lineal.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Cauchy para cuadraticas
gkt gk
.
gkt Agk
Se cumple:
E(xk+1 )
2
E(xk ),
donde
1
(x x )t A(x x ).
2
Esto garantiza convergencia a x desde cualquier x0 .
E(x) =
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Cauchy para cuadraticas
E(xk+1 )
2
E(xk ).
Equivalente
kxk x kA
2 (A) 1
kxk1 x kA ,
2 (A) + 1
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Topicos
en Algebra Lineal Numerica
Mayo 2011
Variante aleatoria de Cauchy para cuadraticas
optima
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte VI
Metodos
tipo Krylov para sistemas
lineales
Caso SPD
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Gradientes Conjugados: caso cuadratico
1 t
x Ax x t b + c
2
Minimizar q es equivalente a resolver Ax = b si A es PD.
q(x) =
hipotetica:
Suposicion
{u1 , u2 , . . . , un } dados tal que
uit Auj = 0 si i 6= j.
donde k es optimo
en uk :
argmin>0 q(x + u) =
r (x)t u
,
u t Au
Topicos
en Algebra Lineal Numerica
Mayo 2011
Gradientes Conjugados: caso cuadratico
finita)
Teorema (Terminacion
Sea {u1 , u2 , . . . , un } un conjunto A-conjugado de vectores no ceros. Si
x0 (arbitrario) es dado y
xk = xk1 + k uk para 1 k n,
(ukt rk1 )2
,
2ukt Auk
Topicos
en Algebra Lineal Numerica
Mayo 2011
Gradientes Conjugados: caso cuadratico
Motivados por
q(xk ) = q(xk1 )
(ukt rk1 )2
,
2ukt Auk
cercano a rk1 :
Escoger uk como el vector mas
Minimizar ku rk1 k2 preservando la A-conjugancia con los vectores
{u1 , . . . , uk1 }.
Respuesta: uk = rk1 + k uk1 ,
t
donde k se escoge tal que uk1
Auk = 0.
Topicos
en Algebra Lineal Numerica
Mayo 2011
Gradientes Conjugados: caso cuadratico
cruda de GC)
Algoritmo (version
Dado x0 Rn , asignar u1 = r0 = b Ax0 y k = 0.
mientras rk 6= 0 hacer
k =k +1
t
k = rk1
uk /(ukt Auk )
xk = xk 1 + k uk
rk = b Axk
k+1 = ukt Ark /(ukt Auk )
uk+1 = rk + k+1 uk
fin
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Gradientes Conjugados: caso cuadratico
Mejoras al algoritmo:
rk = rk1 k Auk .
Se cumple que
exp{r0 , . . . , rk1 } = exp{u1 , . . . , uk } = exp{r0 , Ar0 , . . . , Ak1 r0 }.
Ademas,
t
k = rk1
rk1 /(ukt Auk )
t
t
k = rk1
rk1 /(rk2
rk2 )
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Gradientes Conjugados: caso cuadratico
eficiente de GC)
Algoritmo (version
Dado x0 Rn , asignar u1 = r0 = b Ax0 y k = 0.
mientras rk 6= 0 hacer
k =k +1
t
k = rk1
rk1 /(ukt Auk )
xk = xk1 + k uk
rk = rk 1 k Auk
t
k+1 = rkt rk /(rk1
rk1 )
uk+1 = rk + k+1 uk
fin
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Gradientes Conjugados: caso cuadratico
GC, n = 10
10
10
Error
10
10
10
15
10
20
10
Raydan (USB)
5
6
Iterations
Topicos
en Algebra Lineal Numerica
10
Mayo 2011
Gradientes Conjugados: caso cuadratico
GC, n = 1000
10
10
10
10
error
10
10
10
10
10
12
10
14
10
16
10
Raydan (USB)
50
100
150
Iterations
200
Topicos
en Algebra Lineal Numerica
250
300
Mayo 2011
Gradientes Conjugados: caso cuadratico
finita)
Teorema (Terminacion
Si A = I + B es PD y el rango de B es p < n, entonces el
metodo
GC termina en, a lo sumo, p iteraciones.
Topicos
en Algebra Lineal Numerica
Mayo 2011
1 t
x Ax x t b + c
2
(y ) =
q
1 t
+c
y Ay y t b
2
minimizamos
donde E es no-singluar,
= E 1 b, y = E T x.
= E 1 AE T , b
A
Sea C = EE T , la trasnformacion
de similaridad
Observacion:
T = E T E 1 A = C 1 A
E T AE
revela que para todo i
= i (C 1 A)
i (A)
esta determinada por la ubicacion
de
y la convergencia de GC aplicado a q
CA
los autovalores de C 1 A. Opcion:
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Como
conseguir C conveniente? Mezcla de arte y ciencia !!
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte VII
Metodos
tipo Krylov para sistemas
lineales
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de Krylov (caso general)
El exito
de GC en el caso SPD se debe a la A-conjugancia de
{u1 , u2 , . . . , un }. Por ser A SPD, esta propiedad se logra
automaticamente
al imponer la A-ortogonalidad entre uk y uk 1 , k.
Equivalente: rkt uj = 0 para todo 1 j k.
Y se cumple que
exp{r0 , . . . , rk1 } = exp{u1 , . . . , uk } = exp{r0 , Ar0 , . . . , Ak1 r0 }.
Idea: En el caso general FORZAR la ortogonalidad entre rk y el
subespacio de Krylov Kk (A, r0 ), donde
Kk (A, r0 ) = exp{r0 , Ar0 , . . . , Ak1 r0 }
se conoce antes de empezar !
Clave: El espacio de busqueda
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de Krylov (caso general)
Esquema: Dado x0 , primero generar una base ortogonal de Km (A, r0 )
prefijada m. Conseguir un proximo
de una dimension
iterado xm tal
Como
construir la matriz V ? Metodo
de Arnoldi!
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de Krylov (caso general)
Algoritmo (Arnoldi) Usa Gram-Schmidt
Escoger v1 tal que kv1 k2 = 1
para j = 1, 2, . . . , m hacer
wj = Avj
hij = viT wj para i = 1, 2, . . . , j
Pj
wj = wj i=1 hij vi
hj+1,j = kwj k2
si hj+1,j = 0, parar
sino vj+1 = wj /hj+1,j
fin
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de Krylov (caso general)
Algoritmo (Arnoldi) Usa Gram-Schmidt modificado
Escoger v1 tal que kv1 k2 = 1
para j = 1, 2, . . . , m hacer
wj = Avj
para i = 1, 2, . . . , j hacer
hij = viT wj
wj = wj hij vi
fin
hj+1,j = kwj k2
si hj+1,j = 0, parar
sino vj+1 = wj /hj+1,j
fin
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de Krylov (caso general)
Teorema: V es ortonormal
Si el proceso de Arnoldi no para antes de m iteraciones, entonces
{v1 , v2 , . . . , vm } forman una base ortonormal del subespacio de Krylov
Km (A, r0 ) = exp{r0 , Ar0 , . . . , Am1 r0 }
de A a forma de Hessenberg
Teorema: Reduccion
b m R(m+1)m con forma de
Sea Vm Rnm de Arnoldi, y sea H
Hessenberg, y hij s generados en Arnoldi; y sea Hm Rmm obtenida
b m . Entonces
eliminando la ultima
fila de H
bm
AVm = Vm+1 H
VmT AVm = Hm
Topicos
en Algebra Lineal Numerica
Mayo 2011
Resolver Hm ym = V T r0 = V T v1 = e1
xm = x0 + Vm ym
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
b m y e
ym = argminy kH
1
xm = x0 + Vm ym
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Parte VIII
de autovalores y
Estimacion
autovectores
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
de autovalores-autovectores
Estimacion
(no lineal!)
Nos interesa resolver la siguiente ecuacion
Ax = x,
donde A Rnn , x Cn , x 6= 0, y C. El escalar es un autovalor
de A, y el vector x es un autovector de A.
Autovectores asociados a autovalores distintos son linealmente
independientes (LI).
Si existe un conjunto de n autovectores LI, tenemos la
matricial A = X X 1 , = diag(i ).
descomposicion
Teorema: Raices del polinomio caracterstico
es autovalor de A si y solo si es raz del polinomio caracterstico
Pn () = det(I A)
Topicos
en Algebra Lineal Numerica
Mayo 2011
de autovalores-autovectores
Estimacion
Por el Teorema Fundamental del Algebra Pn () tiene una unica
factorizacion
det(I A) = Pn () = ( 1 )( 2 ) ( n ).
Teorema: Existencia y unicidad
A Rnn posee n autovalores contando multiplicidad en las raices del
polinomio caracterstico. Los autovalores y sus multiplicidades son unicas.
Topicos
en Algebra Lineal Numerica
Mayo 2011
de autovalores-autovectores (A = AT )
Estimacion
de Schur (caso simetrico)
Factorizacion
Cociente de Rayleigh
(x) =
x T Ax
xT x
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
de las potencias (A = AT )
Dado w Rn , Asignar x0 = w/kwk2
para i = 0, 1, . . . hacer
yi+1 = Axi
xi+1 = yi+1 /kyi+1 k2
T
i+1 = xi+1
Axi+1
fin
el metodo
Apartando la normalizacion,
genera {Ax0 , A2 x0 , A3 x0 , . . . }.
Teorema: Convergencia
Si |1 | > |2 | |3 | |n | asociados a {v1 , v2 , . . . , vn }, y si v1T x0 6= 0,
entonces {xi } converge a v1 q-lineal con factor |2 /1 |. Y {i } converge a 1
q-lineal con factor (2 /1 )2 .
Si |2 /1 | 1 el metodo
es MUY lento!
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
de las potencias inverso con shift (A = AT )
Dados R, y w Rn , Asignar x0 = w/kwk2
para i = 0, 1, . . . hacer
resolver (A I)yi+1 = xi
xi+1 = yi+1 /kyi+1 k2
T
i+1 = xi+1
Axi+1
fin
Tres verdades claves
Si es autovalor de A, entonces 1/ es autovalor de A1 .
Si es autovalor de A, entonces ( ) es autovalor de (A I).
Si k entonces (k )1 es gigante comparado con (j )1 para
j 6= k.
Si k el metodo
es MUY rapido.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
del Cociente de Rayleigh (A = AT )
Dado w Rn , Asignar x0 = w/kwk2 , 0 = (x0 )
para i = 0, 1, . . . hacer
resolver (A i I)yi+1 = xi
xi+1 = yi+1 /kyi+1 k2
T
i+1 = xi+1
Axi+1
fin
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
QR (A = AT )
Asignar A0 := A
para i = 0, 1, . . . hacer
factorizar Ai =: Qi Ri
Ai+1 := Ri Qi
fin
donde D es diagonal.
de Schur.
En el lmite se obtiene la factorizacion
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Implementacion
QR (A = AT )
Topicos
en Algebra Lineal Numerica
Mayo 2011
Implementacion
QR (A = AT )
Otra noticia: Las subdiagonales pueden desaparecer de forma lenta!
Idea: Usar desplazamientos!
Dado 0 R, Asignar H0 := Q0T AQ0 (tridiagonal)
para i = 0, 1, . . . hacer
factorizar Hi i I =: Qi Ri
Hi+1 := Ri Qi + i I
fin
Verdades
{Hi } son similares, preservan la forma
Todas las matrices en la sucesion
tridagonal y limi Hi = D.
Escoger i = hn,n produce convergencia q-cubica
al menor, y luego deflatar.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
T =
Raydan (USB)
a1 b1
.
.
b1 . . . .
..
. am1 bm1
bm1
am
bm
|
| bm
|am+1 bm+1
.
..
.
|bm+1 . .
|
bn1
|
bn1 an
Topicos
en Algebra Lineal Numerica
Mayo 2011
T =
a1 b1
.
.
b1 . . . .
..
. am1 bm1
bm1
am bm
T =
T1 0
0 T2
|
|
0
|am+1 bm bm+1
..
..
.
.
|bm+1
|
bn1
|
bn1 an
+ ww T
donde w = em + em+1 y = bm .
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
T =
Q1 0
0 Q2
Q1 1 Q1T
0
donde
1 0
0 2
Q1T
0
0
Q2T
u=
0
Q2 2 Q2T
+ uu
+ ww T
Q1T
0
0
Q2T
w
Topicos
en Algebra Lineal Numerica
Mayo 2011
Como
se calculan los autovalores de (D + uu T ) con D diagonal?
Cuentas:
det(D + uu T I) = det[(D I)(I + (D I)1 uu T )].
Quiero: det(I + (D I)1 uu T ) = 0
det(I + (D I)1 uu T ) = 1 + u T (D I)1 u = 1 +
n
X
i=1
ui2
di
secular
Teorema: Raices de la funcion
Los autovalores de (D + uu T ) son las raices de
f () = 1 +
n
X
i=1
Raydan (USB)
ui2
di
Topicos
en Algebra Lineal Numerica
Mayo 2011
Topicos
en Algebra Lineal Numerica
Mayo 2011
n
X
i=1
La derivada:
0
f () =
n
X
i=1
ui2
di
ui2
(di )2
Observaciones:
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
de Lanczos (A = AT )
Es el metodo
de Arnoldi cuando A = AT ; pero Lanczos aparece en
1950 y Arnoldi en 1951 (i.e., Arnoldi extiende Lanczos).
Propiedad clave de Arnoldi
b m R(m+1)m con forma de
Sea Vm Rnm de Arnoldi, y sea H
mm
obtenida eliminando la ultima
fila de
Hessenberg, y sea Hm R
b m . Entonces
H
bm
AVm = Vm+1 H
VmT AVm = Hm
Hm es simetrica
y por lo tanto tridiagonal!
Notacion:
Tm = VmT AVm
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
de Lanczos (A = AT )
Tm =
1 1
.
.
1 . . . .
..
. m1 m1
m1 m
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
de Lanczos (A = AT )
Como
se usa Lanczos para estimar autovalores de A?
Si m = n, Tm y A poseen los mismos autovalores (similaridad).
Si m < n los autovalores de Tm aproximan los de A. Para calcular
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodo
de Lanczos (A = AT )
Topicos
en Algebra Lineal Numerica
Mayo 2011
A es simetrica
y PD
(min o max )
Enfoque de optimizacion
objetivo : Cociente de Rayleigh
Funcion
(x) =
(x) =
x T Ax
xT x
2
(Ax (x)x)
xT x
Topicos
en Algebra Lineal Numerica
Mayo 2011
de autovalores-autovectores (A 6= AT )
Estimacion
Caso NO simetrico:
El metodo
de las potencias y sus variantes quedan igual, salvo que la
convergencia de las iteraciones del Cociente de Rayleigh es
q-cuadratica
en lugar de q-cubica.
El metodo
QR y sus variantes ahora emulan la Factorizacion:
de Schur (general)
Teorema: Factorizacion
Sea A Rnn . Existen Q Rnn ortogonal y T Rnn triangular superior en
bloques tal que
A = Q T TQ.
Cada Tii es un escalar (autovalor de A) o una matriz 2 2, cuyos autovalores
son un par conjugado de autovalores de A.
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Implementacion
QR (A 6= AT )
Idea: Usando (n 2) Reflectores de Householder, por derecha e
izquierda, llevar A a forma Hessenberg antes de empezar.
Asignar H0 := Q0T AQ0 (Hessenberg)
para i = 0, 1, . . . hacer
factorizar Hi =: Qi Ri
Hi+1 := Ri Qi
fin
Verdades
{Hi } son similares, preservan la forma
Todas las matrices en la sucesion
Hessenberg y limi Hi = T .
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Implementacion
QR (A 6= AT )
Idea: Para acelerar, usar desplazamientos!
Dado 0 R, Asignar H0 := Q0T AQ0 (Hessenberg)
para i = 0, 1, . . . hacer
factorizar Hi i I =: Qi Ri
Hi+1 := Ri Qi + i I
fin
Verdades
{Hi } son similares, preservan la forma
Todas las matrices en la sucesion
Hessenberg y limi Hi = T .
Escoger i como el autovalor del bloque 2 2 de la esquina mas abajo y a la
derecha de Hi , mas cercano a hnn , produce convergencia q-cubica
al menor,
y luego deflatar.
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de Krylov para n grande (A 6= AT )
Algoritmo (Arnoldi) modificado
Escoger v1 tal que kv1 k2 = 1
para j = 1, 2, . . . , m hacer
wj = Avj
para i = 1, 2, . . . , j hacer
hij = viT wj
wj = wj hij vi
fin
hj+1,j = kwj k2
si hj+1,j = 0, parar
sino vj+1 = wj /hj+1,j
fin
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011
Metodos
de Krylov para n grande (A 6= AT )
de A a forma de Hessenberg
Teorema: Reduccion
b m R(m+1)m con forma de
Sea Vm Rnm de Arnoldi, y sea H
mm
Hessenberg, y sea Hm R
obtenida eliminando la ultima
fila de
b m . Entonces
H
VmT AVm = Hm
Raydan (USB)
Topicos
en Algebra Lineal Numerica
Mayo 2011