शूर अपघटन

रैखिक बीजगणित के गणित अनुशासन में, शूर अपघटन या शूर त्रिभुज, जिसका नाम कुछ नहीं  के नाम पर रखा गया है, एक मैट्रिक्स अपघटन है। यह किसी को एक मनमाना जटिल वर्ग मैट्रिक्स को ऊपरी-त्रिकोणीय मैट्रिक्स के मैट्रिक्स समकक्ष के रूप में लिखने की अनुमति देता है जिसके विकर्ण तत्व मूल मैट्रिक्स के आइगेनवैल्यू हैं।

कथन
शूर अपघटन इस प्रकार पढ़ता है: यदि $A$ एक $n × n$ जटिल संख्या प्रविष्टियों के साथ वर्ग मैट्रिक्स, तो ए के रूप में व्यक्त किया जा सकता है $$ A = Q U Q^{-1}$$ जहां Q एक एकात्मक मैट्रिक्स है (ताकि इसका व्युत्क्रम Q हो)।−1Q का संयुग्मी स्थानान्तरण Q* भी है, और U एक ऊपरी त्रिकोणीय मैट्रिक्स है, जिसे A का 'शूर फॉर्म' कहा जाता है। चूँकि U, A के समान (रैखिक बीजगणित) है, इसमें है मैट्रिक्स का एक ही स्पेक्ट्रम, और चूंकि यह त्रिकोणीय है, इसलिए इसके eigenvalue यू की विकर्ण प्रविष्टियां हैं।

शूर अपघटन का तात्पर्य है कि ए-अपरिवर्तनीय उप-स्थानों का एक नेस्टेड अनुक्रम मौजूद है ${0} = V_{0} ⊂ V_{1} ⊂ ⋯ ⊂ V_{n} = C^{n}$, और यह कि एक क्रमबद्ध ऑर्थोनॉर्मल आधार मौजूद है (मानक हर्मिटियन रूप के लिए)। $C^{n}$) इस प्रकार कि प्रथम i आधार सदिशों का विस्तार हो $V_{i}$ नेस्टेड अनुक्रम में होने वाले प्रत्येक i के लिए। कुछ अलग ढंग से वाक्यांशित, पहला भाग कहता है कि एक जटिल परिमित-आयामी वेक्टर स्थान पर एक रैखिक ऑपरेटर जे ऑर्बिट-स्टेबलाइजर प्रमेय#ऑर्बिट और स्टेबलाइजर्स एक पूर्ण ध्वज (रैखिक बीजगणित) $(V_{1}, ..., V_{n})$.

प्रमाण
शूर अपघटन के लिए एक रचनात्मक प्रमाण इस प्रकार है: एक जटिल परिमित-आयामी वेक्टर स्थान पर प्रत्येक ऑपरेटर ए में एक आइगेनवेल्यू λ होता है, जो कुछ आइजेनस्पेस वी के अनुरूप होता है।&lambda;. उड़ान वी&lambda;⊥इसके ऑर्थोगोनल पूरक बनें। यह स्पष्ट है कि, इस ऑर्थोगोनल अपघटन के संबंध में, ए में मैट्रिक्स प्रतिनिधित्व है (कोई यहां किसी भी ऑर्थोनॉर्मल आधार Z को चुन सकता है)1 और ज़ेड2 फैला हुआ वी&lambda;और वी&lambda;⊥ क्रमशः) $$\begin{bmatrix} Z_1 & Z_2 \end{bmatrix}^{*} A \begin{bmatrix}Z_1 & Z_2\end{bmatrix} = \begin{bmatrix} \lambda \, I_{\lambda} & A_{12} \\ 0 & A_{22} \end{bmatrix}: \begin{matrix} V_{\lambda} \\ \oplus \\ V_{\lambda}^{\perp} \end{matrix} \rightarrow \begin{matrix} V_{\lambda} \\ \oplus \\ V_{\lambda}^{\perp} \end{matrix} $$ जहां मैं&lambda;V पर पहचान ऑपरेटर है&lambda;. ए को छोड़कर उपरोक्त मैट्रिक्स ऊपरी-त्रिकोणीय होगा22 अवरोध पैदा करना। लेकिन ठीक यही प्रक्रिया सब-मैट्रिक्स ए पर भी लागू की जा सकती है22, वी पर एक ऑपरेटर के रूप में देखा गया&lambda;⊥, और इसकी उपमात्राएँ। इस प्रकार तब तक जारी रखें जब तक परिणामी मैट्रिक्स ऊपरी त्रिकोणीय न हो जाए। चूँकि प्रत्येक संयुग्मन ऊपरी-त्रिकोणीय ब्लॉक के आयाम को कम से कम एक बढ़ाता है, इसलिए इस प्रक्रिया में अधिकतम n चरण लगते हैं। इस प्रकार स्थान 'सी'n समाप्त हो जाएगा और प्रक्रिया ने वांछित परिणाम प्राप्त कर लिया है। उपरोक्त तर्क को थोड़ा इस प्रकार दोहराया जा सकता है: मान लीजिए कि λ, A का एक eigenvalue है, जो कुछ eigenspace V के अनुरूप है।&lambda;. A एक ऑपरेटर T को भागफल स्थान (रैखिक बीजगणित) 'C' पर प्रेरित करता हैएन/बी&lambda;. यह ऑपरेटर बिल्कुल A है22 ऊपर से सबमैट्रिक्स। पहले की तरह, T के पास एक eigenspace होगा, W कहते हैं&mu;⊂ 'सी' nमॉड्यूलो बी&lambda;. डब्लू की पूर्वछवि पर ध्यान दें&mu;भागफल मानचित्र के अंतर्गत A का एक अपरिवर्तनीय उपस्थान है जिसमें V शामिल है&lambda;. इस तरह से जारी रखें जब तक कि परिणामी भागफल स्थान का आयाम 0 न हो जाए। फिर प्रत्येक चरण पर पाए जाने वाले आइगेनस्पेस की क्रमिक पूर्वछवियाँ एक ध्वज बनाती हैं जिसे A स्थिर करता है।

टिप्पणियाँ
Although every square matrix has a Schur decomposition, in general this decomposition is not unique. For example, the eigenspace V&lambda; can have dimension > 1, in which case any orthonormal basis for V&lambda; would lead to the desired result.

Write the triangular matrix U as U = D + N, where D is diagonal and N is strictly upper triangular (and thus a nilpotent matrix). The diagonal matrix D contains the eigenvalues of A in arbitrary order (hence its Frobenius norm, squared, is the sum of the squared moduli of the eigenvalues of A, while the Frobenius norm of A, squared, is the sum of the squared singular values of A). The nilpotent part N is generally not unique either, but its Frobenius norm is uniquely determined by A (just because the Frobenius norm of A is equal to the Frobenius norm of U = D + N).

It is clear that if A is a normal matrix, then U from its Schur decomposition must be a diagonal matrix and the column vectors of Q are the eigenvectors of A. Therefore, the Schur decomposition extends the spectral decomposition. In particular, if A is positive definite, the Schur decomposition of A, its spectral decomposition, and its singular value decomposition coincide.

A commuting family {Ai} of matrices can be simultaneously triangularized, i.e. there exists a unitary matrix Q such that, for every Ai in the given family, Q Ai Q* is upper triangular. This can be readily deduced from the above proof. Take element A from {Ai} and again consider an eigenspace VA. Then VA is invariant under all matrices in {Ai}. Therefore, all matrices in {Ai} must share one common eigenvector in VA. Induction then proves the claim. As a corollary, we have that every commuting family of normal matrices can be simultaneously diagonalized.

In the infinite dimensional setting, not every bounded operator on a Banach space has an invariant subspace. However, the upper-triangularization of an arbitrary square matrix does generalize to compact operators. Every compact operator on a complex Banach space has a nest of closed invariant subspaces.

गणना
किसी दिए गए मैट्रिक्स के शूर अपघटन की गणना क्यूआर एल्गोरिदम या इसके वेरिएंट द्वारा संख्यात्मक रूप से की जाती है। दूसरे शब्दों में, मैट्रिक्स के अनुरूप विशेषता बहुपद की जड़ों की शूर अपघटन प्राप्त करने के लिए आवश्यक रूप से गणना नहीं की जाती है। इसके विपरीत, क्यूआर एल्गोरिदम का उपयोग किसी दिए गए विशेषता बहुपद की जड़ों की गणना करने के लिए उसके साथी मैट्रिक्स के शूर अपघटन का पता लगाकर किया जा सकता है। इसी तरह, क्यूआर एल्गोरिदम का उपयोग किसी दिए गए मैट्रिक्स के आइगेनवैल्यू की गणना करने के लिए किया जाता है, जो शूर अपघटन के ऊपरी त्रिकोणीय मैट्रिक्स की विकर्ण प्रविष्टियां हैं। यद्यपि क्यूआर एल्गोरिथ्म औपचारिक रूप से संचालन का एक अनंत अनुक्रम है, मशीन परिशुद्धता के लिए अभिसरण व्यावहारिक रूप से बिग ओ नोटेशन में प्राप्त किया जाता है |$$\mathcal{O}(n^3)$$परिचालन. LAPACK उपयोगकर्ता गाइड में नॉनसिमेट्रिक ईजेनप्रॉब्लम्स अनुभाग देखें।

अनुप्रयोग
झूठ सिद्धांत अनुप्रयोगों में शामिल हैं:
 * प्रत्येक व्युत्क्रमणीय ऑपरेटर एक बोरेल समूह में समाहित है।
 * प्रत्येक ऑपरेटर ध्वज अनेक गुना का एक बिंदु तय करता है।

सामान्यीकृत शूर अपघटन
वर्ग आव्यूह ए और बी को देखते हुए, 'सामान्यीकृत शूर अपघटन' दोनों आव्यूहों को इस प्रकार गुणनखंडित करता है $$A = QSZ^*$$ और $$B = QTZ^*$$, जहां Q और Z एकात्मक मैट्रिक्स हैं, और S और T ऊपरी त्रिकोणीय हैं। सामान्यीकृत शूर अपघटन को कभी-कभी 'क्यूजेड अपघटन' भी कहा जाता है।

सामान्यीकृत eigenvalues $$\lambda$$ जो मैट्रिक्स#अतिरिक्त विषयों के ईगेंडेकंपोजीशन को हल करता है $$A\mathbf{x}=\lambda B\mathbf{x}$$ (जहाँ x एक अज्ञात अशून्य सदिश है) की गणना S के विकर्ण तत्वों और T के विकर्ण तत्वों के अनुपात के रूप में की जा सकती है। अर्थात्, मैट्रिक्स तत्वों को निरूपित करने के लिए सबस्क्रिप्ट का उपयोग करते हुए, iवां सामान्यीकृत eigenvalue $$\lambda_i$$ संतुष्ट $$\lambda_i = S_{ii} / T_{ii}$$.