Differences

This shows you the differences between two versions of the page.

--- 전산물리학:qr_알고리듬 [2016/05/20 16:59] – admin
+++ 전산물리학:qr_알고리듬 [2023/09/05 15:46] (current) – external edit 127.0.0.1
@@ Line 83: / Line 83: @@
 \end{array} \right).
 $$
-위에서의 표기법처럼 $\lambda_i$는 $i$ 번째 고유값, $\vec{v}_i$는 그에 해당하는 고유 벡터이다. 마지막 행렬은 $\vec{v}_i$들을 행 벡터로 가지고 있다.
+위에서의 표기법처럼 $\lambda_i$는 $i$ 번째 고유값, $\vec{v}_i$는 그에 해당하는 고유 벡터이다.
+곱해진 세 개의 행렬 중 첫 번째는 $\vec{v}_i$들을 열 벡터로,
+마지막 행렬은 행 벡터로 가지고 있다.
 ======설명======
+$A$의 $i$ 번째 고유치가 $\lambda_i$, 그에 해당하는 고유 벡터가 $\vec{v}_i$라고 하자:
+$$A \vec{v}_i = \lambda_i \vec{v}_i.$$
+편의상 $\left| \lambda_0 \right| > \left| \lambda_1 \right| > \ldots$로 정렬되어 있다고 하자.
+$A=Q_1 R_1$일 때에 이로부터 유도되는 또다른 행렬이 $A_1 = R_1 Q_1 = Q_2 R_2$라고 했으므로
+$$A^2 = Q_1 R_1 Q_1 R_1 = Q_1 Q_2 R_2 R_1$$
+임을 알 수 있다. 일반적으로
+$$A^n = \left( Q_1 \ldots Q_n \right) \left( R_n \ldots R_1 \right) = \hat{Q} \hat{R}$$
+이 성립한다.
+[[:전산물리학:멱 방법]]에 의하면, 임의의 벡터 $\vec{u}$가 있을 때 $A^n \vec{u}$는 $A$의 가장 큰 고유치 $\lambda_0$에 해당하는 고유 벡터 $\vec{v}_0$ 방향으로 수렴한다.
+\begin{eqnarray*}
+\vec{u} &=& a_0 \vec{v}_0 + a_1 \vec{v}_1 + \ldots\\
+A^n \vec{u} &=& a_0 \lambda_0^n \vec{v}_0 + a_1 \lambda_1^n \vec{v}_1 + \ldots
+\end{eqnarray*}
+임의의 $\vec{u}$에 대해 이 성질이 성립한다는 것은 $A^n$의 열들이 이미 $\vec{v}_0$와 유사한 방향임을 의미한다.
+$A^n = \hat{Q} \hat{R}$로 분해했을 때, 그람-슈미트 방법에 따라 $\hat{Q}$의 첫 번째 벡터 $\vec{q}_0$는 $A^n$의 첫 번째 열 벡터와 같은 방향이다. 즉 $\vec{q}_0$는 $\vec{v}_0$에 해당한다.
+그람-슈미트 방법을 따라 $A^n$의 열들로부터 이미 찾은 벡터들과 직교하는 공간을 생각하면 $\vec{q}_1, \vec{q}_2, \ldots$를 얻는다. 이는
+$$A^n \vec{u} = a_0 \lambda_0^n \vec{v}_0 + a_1 \lambda_1^n \vec{v}_1 + a_2 \lambda_2^n \vec{v}_2 + \ldots$$
+에서 $0 = a_0 = a_1 = \ldots$에 해당하고 따라서 그 때마다 $\vec{v}_1, \vec{v}_2,\ldots$들을 근사적으로 얻게 된다.
 ======함께 보기======