1

Metode iterative pentru matrici simetrice i

pozitiv definite

Considerm cazul sistemelor liniare cu matricea sistemului
simetric i pozitiv definit:

= matrice simetrica = , = 1, 2,
T
ij ji
A A a a i j n

2
11 12 13 1 11 21 31 1
21 22 23 2 12 22 32 2
31 32 33 3 13 23 33 3
1 2 3 1 2 3
= = =
n n
n n
T
n n
n n n nn n n n nn
a a a a a a a a
a a a a a a a a
a a a a a a a a A A
a a a a a a a a
| | | |
| |
| |
| |
| |
| |
| |
\ . \ .






= =
T T
A A A L D L + +

11
22
11 22
0 0
0 0
= diag[ , , , ] =
0 0
nn
nn
a
a
D a a a
a
| |
|
|
|
|
\ .

3

12 13 1
23 2
21
3
31 32
1
1 2 3
0
0 0 0 0
0 0
0 0 0
0 0 0
0 0 = =
0 0 0
0
0 0 0 0
n
n
n T
n n
n n n
a a a
a a
a
a
a a L L
a
a a a

| |
| |
|
|
|
|
|
|
|
|
|
|
|
|
| \ .
\ .

4
Definiii
Matricea
n n
A

e se numete pozitiv semidefinit (A 0):

( )
, 0
n
n
Ax x x > e

.

Matricea A se numete pozitiv definit (A > 0) dac:

( )
, 0 , 0
n
n
Ax x x x > e =

.

Propoziie

Dac matricea
n n
A

e este pozitiv definit atunci matricea
A este nesingular.
5

Demonstraie: Presupunem prin reducere la absurd c
matricea A este pozitiv definit i singular. Atunci, sistemul
de ecuaii liniare Ax=0 are pe lng soluia banal x=0 i o
soluie x
0
= 0 . Avem:

( ) ( )

0 0 0 0
0 0 , 0, 0 contradic ie! x Ax x x = < = =

( )
0 , 0 1, ,
ii i i
A a Ae e i n > = > =




6
Lem
Fie
n n
A

e o matrice simetric i
n n
B

e o matrice
nesingular astfel nct matricea P = B + B
T
- A este pozitiv
definit. Fie matricea M = I
n
- B
-1
A. Atunci raza spectral a
matricii M este strict subunitar dac i numai dac matricea
A este pozitiv definit:

( ) < 1 > 0 M A
Teorem
Fie
n n
A

e o matrice simetric, nesingular, cu diagonala
pozitiv, a
ii
> 0, = 1, , i n i
n
be vectorul termenilor
liberi. Atunci metoda lui Gauss-Seidel genereaz iruri
convergente la soluia
* 1
= x A b

, x
(0)
dac i numai dac A
este pozitiv defnit .
7
Demonstraie: Din teorema de convergen avem:
( ) *
, ( ) < 1
k
x x k M
Dac matricea A se scrie sub forma:
=
T
A L D L + +
matricile B i C sunt date de:
= , = =
T
B L D C B A L +
Matricea iteraiei M este:
1 1 1
= = ( ) =
n
M B C B B A I B A


ncercm s aplicm Lema de mai sus. Pentru aceasta
8
verificm dac matricea P este pozitiv definit:
= = ( ) =
T T T
P B B A L D L D L D L D + + + +
2
=1
( , ) = ( , ) = (( ) , ( ) ) =
n n n
n
ii i i i i ii i
i
Px x Dx x a x x a x

> 0 ( , ) > 0 , 0 > 0
n
n
ii
a i Px x x x P e =

Putem aplica Lema de unde deducem convergena irului
construit cu metoda Gauss-Seidel doar n cazul n care
matricea A este pozitiv definit:

( ) *
, ( ) <1 pozitiv definit
k
x x k M A

9
Metodele relaxrii

Fie
n n
A

e o matrice real ptratic de dimensiune n,
simetric, A=A
T
i pozitiv definit, A > 0 i
n
be un vector
real. Considerm sistemul de ecuaii liniare:

Ax = b

Deoarece matricea A este pozitiv definit sistemul de mai sus
are soluie unic,
* 1
= x A b

. Vom considera funcia

:
n
f
+
:

( )
( ) ( ), ,
n
n
f y A x y x y y
- -
= e

10

Din faptul c matricea A este pozitiv definit avem:

( ) 0 , i ( ) ( ) ,
n
f y y f y f x y x
- -
> e > = 0 =

Prin urmare x
*
este i unica soluie a problemei de
minimizare:

{ }
min ( ) ; 0 ( )
n
f y y f x
-
e = =

Vom cuta soluia sistemului Ax=b,
* 1
= x A b

ca fiind soluia
problemei de minimizare de mai sus folosind o metod de tip
relaxare de forma:
11
,

(0) ( 1) ( )
( 1) ( ) ( 1) ( )
dat, , 0,1,
, ,

n k k
k l k
k k k k
j j l l k
y y y c e l l k
y y j l y y c
+
+ +
e = + = =
= = = +



Constanta c
k
se determin astfel nct
( 1) ( )
( ) ( )
k k
f y f y
+
< n
sperana c irul y
(k)
astfel construit converge la x
*
. Notm cu

r
(k)
= b - Ay
(k)
vectorul reziduu.
Avem:


( ) ( ) ( ) ( )
( )
k k k k
r b Ay Ax Ay A x y
- -
= = =



12
( 1) ( ) ( ) 2
( ) ( ) 2
k k k
k l k ll
f y f y c r c a
+
= +

Pentru ca
( 1) ( )
( ) ( )
k k
f y f y
+
< este necesar i suficient s
alegem c
k
astfel ca:
( )
( ) ( )
2 ( )
( )
2 ( 0) 0, 2 sau 2 , 0
, cu 0, 2
k k
k
l l
k ll k l ll k
ll ll
k
l
k k k
ll
r r
c a c r a c
a a
r
c
a
e e
| | | |
> e
| |
\ . \ .
= e

< 0



Metoda de relaxare obinut este urmtoarea:

13
( )
( )
(0) ( 1) ( )
dat, 0,1, , 0, 2
k
n k k
l
k l k
ll
r
y y y e k
a
e e
+
e = + = e

,


Pentru a aproxima x
*
se deduce o clas de metode numite
metodele relaxrii successive. Aceste metode se obin
aplicnd metodele de relaxare de mai sus. Vom considera:

,
k
k e e =

Vom construi un ir
{ }
( ) k n
x _ astfel:
14
(0) (0)
(0)
(1) (0)
1
1
11
(1)
( 2) (1)
2
2
22
( 1)
( ) ( 1)
(1) ( )
un vector din dat
1
2
n
n
n n
n
n
nn
n
x y
r
l y y e
a
r
l y y e
a
r
l n y y e
a
x y
e
e
e

=
= = +
= = +
= = +
=

Trecerea de la iteraia k la iteraia urmtoare se face astfel:
15

( ) ( )
( )
( 1) ( )
1
1
11
( 1)
( 2) ( 1)
2
2
22
( 1)
( ) ( 1)
( 1) (( 1) )
1
2
, 0,1, 2,
k kn
kn
kn kn
kn
kn kn
kn n
kn n kn n
n
n
nn
k k n
x y
r
l y y e
a
r
l y y e
a
r
l n y y e
a
x y k
e
e
e
+
+
+ +
+
+ +
+ +
=
= = +
= = +
= = +
= =

16



Acum putem scrie dependena vectorului x
(k+1)
de x
(k)
:

( )
(0)
1
( 1) ( ) ( 1) ( )
1
1
( 1) ( ) ( 1) ( )
1 1
0, 2 date,
, 1, 2, , ,
) , 1, 2, , ,
n
i n
k k k k
i i i ij j ij j
j j i
ii
i n
k k k k
i i i ij j ij j
j j i
ii
x
x x b a x a x i n
a
x x b a x a x i n
a
k
e
e
e
e

+ +
= =

+ +
= = +
e e
| |
= + =
|
\ .
| |
= + =
|
\ .

,

(1

0,1, 2, =

17
Metodele de mai sus poart numele de metodele relaxrii
successive. Pentru 1 e = obinem metoda Gauss-Seidel.

o 0 1 e < < metodele se numesc de sub-relaxare i pot fi
folosite n cazul cnd metoda Gauss-Seidel diverge.

o 1 2 e < < metodele se numesc de supra-relaxare i pot fi
folosite pentru accelerarea convergenei n cazul cnd
metoda Gauss-Seidel converge.





18
Rearanjnd formulele de mai sus avem:

( )
( )
( )
1
( 1) ( 1) ( 1) ( ) ( )
1 1
( )
(1 )
i n
k k k k k
ii
ij j i ii i ij j i
i
j j i
k
i
i
a
a x x B x a x a x b
C x b
e
e e

+ + +
= = +

+ = = + =
= +




Matricea A fiind simetric, poate fi scris sub forma:
19
21
1 2 1
11 22
0 0 0
0 0
cu ,
0
diag , , ,
T
n n n n
nn
a
A L D L L
a a a
D a a a

| |
|
|
= + + =
|
|
\ .
= (

0
0






Cu aceste notaii, matricile B i C de mai sus pot fi scrise
astfel:

1 1
,
T
B L D C D L
e
e e

= + =
20
Vom verific dac metodele relaxrii succesive se nscriu n
clasa general de metode iterative, adic vom verifica dac
A=B-C :

1 1
T T
B C L D D L L D L A
e
e e

= + = + + = +

Convergena irului x
(k)
la soluia x
*
=A
-1
b ?






21
Teorem

Fie o matrice
n n
A

e , simetric, A=A
T
cu detA 0, a
ii
>0
, 1, , i n = ,
n
be un vector real i
( )
0, 2 ee . Atunci irul
x
(k)
construit cu o metoda de relaxare successiv converge la
soluia x
*
a sistemului liniar Ax=b oricare ar fi iteraia iniial
x
(0)
dac i numai dac matricea A este pozitiv definit.

( ) (0)
, , ) 0 , 0
k n
x x k x Ax x x x
-
> e = , ( ,

Demonstraie: Vom verifica dac raza spectral a matricii
iteraiei este subunitar folosind Lema. Avem:

22
( )
1 1 1
n
M B C B B A I B A

= = =

11 22
1 1
, det 0 ( 0 , )
nn ii
n
B L D B a a a a i
e e
= + = = >

Matricea A este simetric iar matricea B este nesingular.
Pentru a fi ndeplinite ipotezele Lemei trebuie s verificm c
matricea P este pozitiv definit:
1 1 2
T T T
P B B A L D L D L D L D
e
e e e

= + = + + + =

23
( )
( )
2
1
(2 )
, 0 0 0, )
(2 )
0 0, 2
n
ii i ii
i
Px x a x x a i
e
e
e
e
e
=

= > = >

> e

, (



Toate ipotezele lemei sunt ndeplinite, prin urmare avem
convergena dorit.






24
Valori i vectori proprii

Definiie
Fie
n n
A

e . Numrul complex e se numete valoare
proprie a matricii A dac exist un vector , 0
n
u u e = astfel
ca:

Au=u

Vectorul u se numete vector propriu asociat valorii proprii
.

Pentru existena vectorului 0 u = este necesar i suficient ca
matricea (I
n
A) s fie singular , adic det(I
n
A)=0.