Prof. Dr.

Simone Göttlich
Übung für Übung 6
Universität Mannheim Numerik 09. Oktober 2023

Die Präsenzaufgaben werden in den Tutorien am 12. und 13. Oktober bearbeitet.

Präsenzaufgabe 6.1 [Gerschgorin: Lokalisierung von Eigenwerten]

Gegeben sei nun die Matrix  
3 −0.7 0
A =  −0.7 5 −0.7  .
0 −0.7 7

(a) Begründen Sie, warum die Eigenwerte von A reell sind und geben Sie mit dem Kreisesatz von
Gerschgorin ein Intervall für die Eigenwerte an.

(b) Zeigen Sie, dass bei einer Ähnlichkeitstransformation einer Matrix A ∈ Rn×n auf eine Matrix
B = S −1 AS mit regulärem S ∈ GL(R, n) die Eigenwerte von A unverändert bleiben.

(c) Führen Sie für die gegebene Matrix A eine Ähnlichkeitstransformation auf die Matrix B =
S −1 A S mit einer Diagonalmatrix S = diag(1, δ, 1) durch. Bestimmen Sie ein δ > 0, sodass
mindestens eines der Intervalle aus (a) getrennt ist von den übrigen und der Abstand zwischen
den Rändern der Intervalle aus (a) möglichst groß ist.

Lösungshinweise:

(a) Die Matrix A ist symmetrisch. Damit sind alle Eigenwerte reell. Die Gerschgorin-Kreise sind
gegeben durch
K1 = {λ : |3 − λ| ≤ 0.7},
K2 = {λ : |5 − λ| ≤ 1.4},
K3 = {λ : |7 − λ| ≤ 0.7}.
Diese Kreise sind nicht disjunkt, da sich K2 mit K1 und K3 überschneidet. Demnach kann
man nur sagen, dass die Eigenwerte im Bereich [2.3, 7.7] liegen.

(b) Sei v Eigenwert der Matrix A zum Eigenwert λ. Dann gilt mit z := S −1 v

Bz = S −1 ASS −1 v = S −1 Av = λS −1 v = λz

und daher ist λ ein Eigenwert der Matrix B zum Eigenvektor z. Da λ beliebig war, bleiben
alle Eigenwerte von A in der Matrix B erhalten.

(c) Die Matrix B lautet

 
3 −0.7δ 0
−1
B = S AS = −0.7 1δ
 5 −0.7 1δ  .
0 −0.7δ 7

Die Gerschgorin-Kreise sind

K1 (δ) = {λ : |3 − λ| ≤ 0.7δ}
K2 (δ) = {λ : |5 − λ| ≤ 1.4 1δ }
K3 (δ) = {λ : |7 − λ| ≤ 0.7δ}.
Prof. Dr. Simone Göttlich
Übung für Übung 6
Universität Mannheim Numerik 09. Oktober 2023

Versucht man nun den Abstand zwischen den Kreisen K1 und K2 zu maximieren, so führt das
auf die Aufgabe
1 1
max ∆1,2 (δ) = (5 − 1.4 ) − (3 + 0.7δ) = 2 − 0.7δ − 1.4 .
δ>0 δ δ
Ableiten und gleich Null setzen ergibt
1 √
∆01,2 (δ) = 1.4 − 0.7 = 0 ⇒ δ1,2 = ± 2.
δ2
Die Kreise sind dann
K1 (δ1,2 ) = {λ : |3 − λ| ≤ 0.98995}
K2 (δ1,2 ) = {λ : |5 − λ| ≤ 0.98995}
K3 (δ1,2 ) = {λ : |7 − λ| ≤ 0.98995}.
Disjunkte Intervalle sind demnach λ1 ∈ [2.01005, 3.98995], λ2 ∈ [4.01005, 5.98995] und λ3 ∈
[6.01005, 7.98995].
Präsenzaufgabe 6.2 [Rayleigh-Quotient]
Gegeben sei eine symmetrische Matrix A ∈ Rn×n . Zeigen Sie für den zugehörigen Rayleigh–Quotienten
R(x), dass

λmin = min R(x), λmax = max R(x),

x6=0 x6=0

wobei λmin und λmax der kleinste bzw. größte Eigenwert von A sind.

Lösungshinweise:
Da A symmetrisch ist, gibt es eine orthogonale Matrix Q ∈ Rn×n , sodass

QAQ> = Λ = diag(λ1 , . . . , λn ) (Spektralsatz).

Mit y := Qx gilt hx, xi = hy, yi und

hx, Axi = hQ> y, AQ> yi = hy, QAQ> yi = hy, Λyi

sowie
n
λj yj2
P
hx, Axi hy, Λyi j=1
R(x) = = = n .
hx, xi hy, yi
yj2
P
j=1

Daraus folgt unmittelbar

λmin ≤ R(x) ≤ λmax
und Gleichheit nach unten bzw. nach oben durch Wahl eines passenden Einheitsvektors für y.

Präsenzaufgabe 6.3 [Kondition von Eigenwerten]

Wir betrachten den Lösungsoperator f : Rn → R, z 7→ f (z) eines Problems. Möchte man ein Maß
für kleine Störungen δej in Richtung der j-ten Komponente von z ∈ Rn angeben, so verwendet man
häufig die absolute Einzel-Konditionszahl von f :
∂f
κabs
j := (z) für j = 1, .., n.
∂zj
Prof. Dr. Simone Göttlich
Übung für Übung 6
Universität Mannheim Numerik 09. Oktober 2023

Wir betrachten im folgenden eine symmetrische Matrix A ∈ R2×2 ,

 
a c
A = .
c b
(a) Zeigen Sie, dass die Eigenwerte von A hinsichtlich Störungen in a, b und c gut konditioniert
sind. Berechnen Sie dazu die absoluten Einzel-Konditionszahlen und schätzen Sie diese ab.
(b) Bei der Berechnung der Eigenwerte von A über die Nullstellen des charakteristischen Polynoms,
P (λ) = λ2 + 2pλ + q, werden Teilprobleme benutzt, deren Kondition schlechter ist als die
des Ausgangsproblems! Im ersten Schritt ϕ0 werden die Koeffizienten des charakteristischen
Polynoms aus den Einträgen der Matrix berechnet, p = − 12 (a + b), q = ab − c2 . Im zweiten
p
Schritt ϕ1 werden die Nullstellen mittels der pq-Formel bestimmt, λ1/2 = −p ± p2 − q.
 
a    
 b  −→ ϕ0 p ϕ1 λ1
−→
q λ2
c
Zeigen Sie, dass der zweite Teilschritt ϕ1 schlecht konditioniert ist.
Lösungshinweise:

(a) Eigenwerte:
 
λ − a −c
det(λI − A) = det = (λ − a)(λ − b) − c2 =
−c λ − b
!
= λ2 − (a + b)λ + ab − c2 = 0
s
a−b 2
p
a + b ± (a + b)2 − 4(ab − c2 )

a+b
λ1/2 = = ± + c2
2 2 2
(Einzel-) Konditionszahlen:
!
∂λi 1 1 2(a − b) 1 a−b
= ± q = 1± p
∂a 2 a−b

2 4 2 (a − b)2 + 4c2
2 2 + c2
!
∂λi 1 a−b
= 1∓ p
∂b 2 (a − b)2 + 4c2
∂λi c
= ±q
∂c a−b 2


2 + c2
Abschätzung der Konditionszahlen:
! !
∂λi 1 |a − b| 1 |a − b|
≤ 1+ p ≤ 1+ p =1
∂a 2 (a − b)2 + 4c2 2 (a − b)2
∂λi
≤ 1 genauso
∂b
∂λi |c| |c|
≤q ≤ √ =1
∂c a−b 2

c2
2 + c2
Also sind alle absoluten Konditionszahlen kleiner gleich 1 und damit ist das Problem gut
konditioniert.
Prof. Dr. Simone Göttlich
Übung für Übung 6
Universität Mannheim Numerik 09. Oktober 2023

(b) Konditionszahlen des zweiten Schrittes:

−1 + √ p2
 
√−1
!
∂λ1 ∂λ1
∂p ∂q p −q 2 p2 −q
=
∂λ2 ∂λ2 −1 − √ p2 √1

∂p ∂q p −q 2 p2 −q

Die Kondition ist kritisch, falls p2 ≈ q, also wenn die Eigenwerte fast gleich sind. Damit ist
der Weg über das charakteristische Polynom i.A. ungünstig.

Präsenzaufgabe 6.4 [direkte und inverse Vektoriteration]

   
4 3 3
Gegeben sei die Matrix A = und der Startvektor x0 = .
3 −4 0

a) Berechnen Sie den Rayleighquotienten R(x0 ) des Startvektors x0 .

b) Bestimmen Sie den Vektor x1 , der sich aus x0 durch einen Schritt der (direkten) Vektorite-
ration ergibt. Bestimmen Sie außerdem R(x1 ).

c) Bestimmen Sie den Vektor x̃1 , der sich aus x0 durch einen Schritt der inversen Vektorite-
ration mit Verschiebung um den Schätzwert λ̄ = 4 ergibt. Bestimmen Sie außerdem R(x̃1 ).

d) Die exakten Eigenwerte der Matrix A sind 5 und −5. Begründen Sie das bessere Ergebnis
nach einem Schritt der inversen Vektoriteration mit der angegebenen Verschiebung im
Vergleich zur direkten Vektoriteration.

Lösungshinweise:

a) R(x0 ) = 4.
 
12
b) x1 = Ax0 = , R(x1 ) = 4.
9
 
8/3
c) Lösen von (A − λ̄I)x̃1 = x0 ergibt x̃1 = , R(x̃1 ) ≈ 4.9863.
1

d) Dadurch dass die beiden Eigenwerte der Matrix A den gleichen Betrag haben, kann man
keine Konvergenz der direkten Vektoriteration erwarten. Durch die Verschiebung in Richtung
des Eigenwertes λ = 5 und Anwendung der inversen Vektoriteration, nähert man sich dem
zugehörigen Eigenraum (Konvergenzrate |(5 − 4)/(−5 − 4)| = 1/9).