Sunteți pe pagina 1din 60

Calcul Numeric

Cursul 9

2011-2012



Anca Ignat

1
Valori i vectori proprii
(eigenvalue, eigenvector)

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.
2

Polinomul de grad n:

( ) ( )
det
A n
p I A =

se numete polinom caracteristic al matricii A.

Propoziia 1
Fie rdcinile polinomului caracteristic
1
,
2
, ...,
n
distincte,

i

j
pentru 1 i j n s < s i
1 2
, , ,
n
u u u vectorii proprii
corespunztori. Atunci
1 2
, , ,
n
u u u sunt liniar independeni.
(demonstraia se face prin inducie)



3
Propoziia 2
Fie valorile proprii
i
ale matricii
n n
A

e distincte. Atunci
exist o matrice nesingular T astfel ca:

1
1 2
diag[ , , , ]
n
T AT

= .

Demonstraie. Fie
1 2
, , ,
n
u u u vectorii proprii ai matricii A.
Considerm matricea T ale crei coloane sunt vectorii proprii u
i
,
1 2
]
n
u u u T =| . Deoarece vectorii proprii sunt liniar
independeni conform propoziiei 1 rezult c matricea T este
nesingular. Vom avea:
| | | | | |
1 2 1 1 2 2 1 2
.diag
n n n n
AT Au Au Au u u u T = = =
nmulind cu T
-1
obinem concluzia propoziiei 2.

4
Definiie

Matricile A i B sunt asemenea (notaie A~B) dac i numai
dac exist o matrice nesingular T (det T = 0) astfel ca:

A=T B T
-1


Propoziia 3
( ) ( )
.
A B
A B p p =

Demonstraie.
( )
( ) ( )
( )
( )
( )
( )
( )
1 1 1
1 1
det( ) det det
det det( )det det
A n n
n n B
p I A I TBT TT TBT
T I B T T I B T p




= = =
= = =

5

Propoziia 3 ne spune c matricile asemenea au acelai polinom
caracteristic i aceleai valori proprii.


Teorema lui Gershgorin

Fie i
n n
A

e e o valoare proprie oarecare a matricii A.


Atunci:
{ }

0 0 0 0 0
0
0
1
1, 2, , astfel nc t .
n
i i i i i j
j
j i
i n a r r a
=
=
- e s =

,
(Valoarea proprie se afl n cercul din planul complex de
centru
0 0 0
i raz
i i i
a r .)

6
Demonstraie. Fie e o valoare proprie a matricii A i
u 0 un vector propriu asociat valorii proprii , . Au u =
Avem:
1 1
( ) , 1, , .
n n
i ii i ij j ii i ij j
j j
j i j i
u a u a u a u a u i n
= =
= =
= + = =



Fie i
0
astfel ca
{ }
0
max ; 1, , 0 0).
i k
u u u k n u

= = = > = (
Vom avea:
innd seama c
0 0 0 0 0
0
0 0
0 0
1 1
, 1.
n n
j j j
i i i j i j i
j j
i
i i
j i j i
u u
u
a a a r
u
u u

= =
= s
= s s s



7
Observaie. Presupunem c matricea A are n vectori proprii
liniar independeni
1 2
, , ,
n
u u u asociai valorilor proprii
1
,
2
,
...,
n
Fie
1 2 n
U u u u ( =

. Datorit independenei vectorilor
u
k
rezult c matricea U este nesingular i avem:

| |
diag
1 2
, , ,
n
A =
1
. U AU

= A

Considerm matricea perturbat:
( )
. A A B c c = +
Notnd cu C=U
-1
BU vom avea:
( )
1 1
U A U U BU C c c c

= A + = A + .
au aceleai valori proprii
1
( ) ( ) ( )
i
A U A U c c c


8
Aplicm teorema lui Gershgorin i obinem:
( ) ( ) ( )
1
.
n
i ii ij i
j
j i
c c c c c c c
=
=
s =



Metoda puterii pentru matrici simetrice
Propoziie

Fie , .
n n T
A A A

e = Atunci toate valorile proprii ale


matricii A sunt numere reale.


9
Demonstraie. Fie i , 0 .
n
u u Au u e e = = , Considerm
produsul scalar:

( ) ( )
2
2
, , .
n n
Au u u u u = =



( )
( )
( ) ( ) ( )
, , , , ,
n n n n
n
T
Au u u A u u Au Au u Au u = = = e



( )
2
2
,
n
Au u
u
= e

.


10
Propoziie

Fie , .
n n T
A A A

e = Atunci exist o baz ortonormat de


vectori proprii ai matricii A, {u
1
, u
2
,..., u
n
} :
( )
dac
dac
1
,
0
n
i j
ij
i j
u u
i j
o
=

= =

=


Echivalent, putem scrie ca exist vect. proprii {u
1
, u
2
,..., u
n
}
asociai valorilor proprii reale {
1
,
2
,...,
n
} atfel ca:

cu diag i matrice ortogonal
1 2
1 2
[ , , ..., ] [ ]
T
n
n
AU U U AU
U u u u
= A = A
A = =


Demonstraie. Prin inducie dup dimensiunea matricii n.
Pentru n=1,
1
1
, , 1 A A u e = = .
11
Presupunem c proprietatea este adevrat pentru toate matricile
simetrice de dimensiune cel mult (p-1). Fie ,
p p T
A A A

e = i

1
o valoare proprie real,
1 1 1
2
, 0, || || 1
p
u u u e = = , un vector
propriu asociat:

1 1
1
Au u =

Pornind de la vectorul u
1
se poate construi o matrice ortogonal
Q
1
=[ u
1
v
2
v
p
] care are drept prim coloan vectorul u
1
.
Fie matricea simetric:
1 1 1
T
A Q AQ =
Prima coloan a matricii A
1
este:

1 1
1 1 1 1 1 1 1 1 1 1
T T T
Ae Q AQ e Q Au Q u e = = = =
12

prin urmare matricea A
1
are forma:

matrice simetric
1 1 ( 1)
( 1) ( 1)
1
( 1) 1
0
,
0
p
p p
p
A A
A




(
= e
(
(



Matricea A are valorile proprii {
2
,
3
,...,
p
} deoarece matricile
A i A
1
sunt asemenea. Matricii A i aplicm ipoteza inductiv:

2 3
1 2 3
diag[ , , ..., ] , [ ]ortogonal
T p
n p
U AU U u u u

= A = =

13
Vectorii
0
, 2, 3, ...,
i
i
u i p
u
| |
= =
|
\ .
sunt vectori proprii ai matricii
A
1
corespunztori valorilor proprii {
2
,
3
,...,
p
} respectiv.
Considerm matricea ortogonal:

1 ( 1)
2
( 1) 1
1 0
0
p
p
Q
U


(
=
(
(



14
diag
2 1 2 2 1 1 2 1 2 1 2
1
1
1 2
( ) ( )
1 0 0 1 0
0 0 0
0
[ , , ..., ]
0
T T T T
T
p
T
Q AQ Q Q AQ Q Q Q A Q Q
U A U
U AU


= = =
( ( (
= =
( ( (

(
= = A =
(



Coloanele matricii U=Q
1
Q
2
=[ u
1
u
2
... u
p
] sunt vectori proprii ai
matricii A i formeaz o baz ortonormat deorece matricea U
este matrice ortogonal.




15
Definiie

Se numete coeficient Rayleigh al vectorului
n
ue pentru
matricea A urmtoarea mrime scalar:

( )
( )
( )
2
2
, ,
( )
, || ||
n n
n
T
T
Au u Au u
u Au
r u
u u u u u
= = =



Se verific uor c dac
n
ue este vector propriu al matricii A
asociat valorii proprii atunci r(u)= .

Fie , .
n n T
A A A

e = Matricea are valori proprii reale


1
,
2
,...,

n
. Presupunem n plus c:

1 2
| | | | | | 0
n
> > >
16

Metoda puterii este un algoritm care aproximeaz valoarea
proprie de modul maxim
1
i un vector propriu asociat.
Se pornete de la un vector nenul de norm euclidian 1,
(0) n
u e ,
(0)
2
|| || 1 u = i se construiete urmtorul ir de vectori
de norm euclidian 1:

(0) (1) (0) ( 2) (1)
(0) (1)
2 2
( ) ( 1)
( 1)
2
1 1
, , , ... ,
|| || || ||
1
, ...
|| ||
k k
k
u u Au u Au
Au Au
u Au
Au

= =
=


17
n anumite condiii acest ir converge la un vector propriu asociat
valorii proprii
1
, iar coeficienii Rayleigh corespunztori
converg ctre
1
.

Teorem
Fie ,
n n T
A A A

e = o matrice simetric pentru care valorile


proprii ndeplinesc condiia:
1 2
| | | | | | 0
n
> > > .
Dac
(0) n
u e ,
(0)
2
|| || 1 u = ,
(0) 1
( , ) 0
n
u u =

(u
1
vector propriu
asociat lui
1
) atunci:
18
vector propriu asociat lui
( ) (0) 1
1
(0)
2
( )
1
1
( )
|| ||
( )
k k
k
k
u A u u
A u
r u


(convergena este liniar)


Demonstraie. Fie {u
1
, u
2
,..., u
n
} vectori proprii asociai valorilor
proprii {
1
,
2
,...,
n
} care formeaz o baz ortonormat n
n
.
Avem:
(0) 1 2
1 2
,
n
n i
u a u a u a u a = + + + e
19
Deoarece
(0) 1
( , ) 0
n
u u =

rezult c a
1
0. Din construcia irului
u
(k)
deducem c exist o constant c
k
astfel ca:

( ) (0)
1 2
1 2
1 2
1 1 2 2
1 2
2
1 1 2
1 1
( )
( )
k k
k
k n
k n
k k k n
k n n
k k
k n
n
k n
u c A u
c A a u a u a u
c a u a u a u
c a u a u a u


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



20
Din aceast ultim relaie, din faptul c
1
este valoare proprie
dominant i a
1
0 deducem c pentru k suficient de mare
vectorul u
(k)
se aliniaz dup vectorul propriu u
1
:

( ) 1
1 1
k k
k
u c a u ~

21
( )
i
(0) (0)
2
( 1)
( )
2
( ) ( ) ( )
( ) ( )
max
, || || 1;
0;
;
;
1
;
|| ||
( ) , ;
(|| || );
n
n
k
k
k k k
k
k k
k
u u
k
do
k
w Au
u w
w
r u Au u
while Au u k k

e =
=
+ +
=
=
= =
> s
Metoda puterii




22
Metoda iteraiei inverse

Considerm o matrice simetric ,
n n T
A A A

e = i e un
numr real care nu este valoare proprie a matricii A. Vom folosi
metoda puterii pentru a aproxima valoarea proprie a matricii A
care este cea mai apropiat de i un vector propriu asociat.
valoare proprie
1
det ( ) 0 ( )
n n
A I A I

= = -
Fie {
1
,
2
,...,
n
} valorile proprii reale ale matricii A.
Valorile proprii ale matricii (A-I
n
)
-1
sunt:
1 2
1 1 1
, , ... ,
( ) ( ) ( )
n


`

)

23
Matricile A i (A-I
n
)
-1
au aceeai vectori proprii. S presupunem
c
I
este valoarea proprie cea mai apropiat de (i singura).
Atunci:
1 1
| | | |
I j
j I

> =


Aceast relaie sugereaz ideea aplicrii metodei iteraiei inverse
matricii (A - I
n
)
-1
pentru a aproxima valoarea proprie (
I
)
-1
i
a unui vector propriu asociat. Algoritmul duce la aproximarea
valorii proprii cea mai apropiat de ,
I
i a unui vector propriu
asociat acestei autovalori, u
I
.
24
( )
Se rezolv sistemul
i
(0) (0)
2
( 1)
( )
2
( ) ( ) ( )
( ) ( )
max
, || || 1;
0;
;
( ) ;
1
;
|| ||
( ) , ;
(|| || );
n
n
k
n
k
k k k
k
k k
k
u u
k
do
k
A I w u
u w
w
r u Au u
while Au u k k

e =
=
+ +
=
=
= =
> s
Metoda iteraiei inverse

25
Forma superioar Hessenberg

Definiie
Spunem c o matrice
n n
H

e este n form superioar
Hessenberg dac:
0 , 1, , , 1, , 2
ij
h i n j i = = =
O matrice n form Hessenberg arat astfel:
26
11 12 13 1 1 1
21 22 23 2 1 2
32 33 3 1 3
43 4 1 4
1
0
0 0
0 0 0
n n
n n
n n
n n
nn nn
h h h h h
h h h h h
h h h h
H
h h h
h h

| |
|
|
|
=
|
|
|
|
|
\ .








Ne intereseaz un algoritm care s transforme o matrice ptratic
A oarecare ntr-o matrice Hessenberg superioar H care s aib
aceleai valori proprii:

1
a.. H , , matrice nesingular A H A H PA P P


=

27
Algoritmul este o adaptare a algoritmului lui Housholder i se
desfoar n (n-2) pai, folosind matricile de reflexie pentru a
transforma matricea.

Pas 1
se efectueaz operaiile A=P
1
A P
1
(matricea P
1
se alege astfel
nct coloana 1 s fie transformat n form superior
Hessenberg)

Pas 2
2 2 2 1 2
= ( )
init
A P AP P P A P = (P
2
transform coloana 2 n form
superior Hessenberg fr s schimbe coloana 1)

Pas r
1 1 1 1
( )
init
r r r r r r
A P AP P P P A P P P

= =
28
(se transform coloana r n form superior Hessenberg fr s
schimbe primele (r-1) coloane)

Pasul r (r=1,2,,n-2)

La intrarea n pasul r matricea A are primele (r-1) coloane n
form superior Hessenberg. La ieirea din pasul r matricea A va
avea primele r coloane n form superior Hessenberg:

2
,
= 2 ( ) , , || || = 1
ies r intr r ies intr
r r T r n r
r n
A P A P A A
P I v v v R v
=
e


Vectorul v
r
se alege astfel ca matricea A
ies
s aib coloana r n
form superior Hessenberg i s nu schimbe primele (r-1)
coloane ale matricii A
intr
.
29

Calculul matricii P
r



1
T
n
P I uu
|
=
1
=
r r
k a | o
+

2 2 2 2 2
1
= 1
= = = =
n
r r ir nr ir
i r
k a a a a k o o
+
+
+ + + +


1
semn = semn
r r
k a
+


30
1
0
0
:=
r r
ir
nr
a k
u
a
a
+
| |
|
|
|
|

|
|
|
|
|
|
|
\ .



0 1 ( )
n
r r P I | = = + =


Algoritmul de trecere de la matricea A la matricea P
r
A este
31
urmtorul:
1 2
pentru = 1, , 1
( ) = ( , , , , , 0, , 0) pentru =
pentru = 1, ,
j
T
r j r r rr
j
j
Ae j r
P A e a a a k j r
Ae u j r n





= 1
= ( , ) =
n
n
j j i ij
i r
Ae u u a
+


1 1
= 0, = 1, , , = , = , = 2, ,
i r r r i ir
u i r u a k u a i r n
+ +
+



32
Vom descrie n continuare cum se efectueaz operaia A:=AP
r

fr a face nmulire matricial (matricea A este cea obinut mai
sus avnd primele r coloane n form superior Hessenberg).
Vom arata c aceast operaie nu schimb forma superior
Hessenberg obinut. Vom pune n eviden transformrile
liniilor matricii A. Pentru i=1,...,n avem:
noua linie a matricii
1
( ) )( )
1
( )
T T T
i i n
T T T T T
i
i i i
e AP i AP e A I uu
e A e A u u e A u
|

| |
= = =
= =
(


unde
1 1
( )
T
i i ir r in n
e A u a u a u
+ +
= = + +


33
Elementele liniei i se schimb astfel:
, 1, , , 1, ,
i
ij ij j
a a u j r n i n

|
= = + =

Operaia A:=AP
r
nu modific primele r coloane ale matricii A,
ele rmnnd n form superior Hessenberg.
34
Algoritmul de obinere a formei superior Hessenberg

for
construcia matricii constanta i vectorul
if break ;
2
= 1
1, , 2
= ;
( ) / / 1
= ;
r
n
ir
i r
r n
r n
P u
a
r r P I
k
|
o
o c
o
+
=

-
- s = + =
-


/ /



if
1
1
1 1
( 0 ) ;
;
; , 2, , ;
r r
r r
r r r i ir
a k k
k a
u a k u a i r n
| o
+
+
+ +
- > =
- =
- = = = +




35
transformarea coloanelor
for
for
= 1
1, ,
1, ,
( / ) ( , ) / = ( ) / ;
1, ,
r
n
j j i ij
i r
A P A
j r n
j r n
Ae u u a
i r n
| | |
+
= -
= +
- = +
= =
= +

/ /
/ /




transformarea coloanei a matricii
1
;
; 2, , ;
ij ij i
r r ir
a a u
r A
a k a i r n

= -

- = = = +


/ /
0,

36

transformarea liniilor
for
for
= 1
1, ,
1, ,
( / ) (( ) ) / = ( ) / ;
1, ,
r
n
T
i i j ij
j r
A A P
i n
i n
e A u u a
j r n
| | |
+
= -
=
- =
= =
= +

/ /
/ /



;
ij ij j
a a u

= -



37


Algoritmul QR de aproximare a valorilor proprii ale unei
matrici oarecare

Prezentm n continuare cel mai folosit algoritm de aproximare
a valorilor proprii pentru matrici ptratice oarecare.

Spunem c o matrice
n n
S

e este n form Schur real dac
matricea S este n form superior Hessenberg i n plus este bloc-
diagonal:

38
11 12 1
22 2
0
p
p
pp
S S S
S S
S
S
| |
|
|
=
|
|
|
\ .


0

0


blocurile S
ii
sunt astfel ca:
-
ii
S e - este valoare proprie real
-
2 2
ii
S

e - este bloc corespunztor valorilor proprii
complexe
Valorile proprii corespunztoare blocului
2 2
ii
a b
S
c d

| |
= e
|
\ .




sunt rdcinile ecuaiei :

39

2
-
( - )( - ) - ( ) 0
- -
a b
a d bc a d ad bc
c d

= = + + =




Se presupune c aceast ecuaie de gardul 2 are rdcini
complexe.

Algoritmul QR de aproximare a valorilor proprii construiete un
ir de matrici
( ) k n n
A

e , matrici asemenea cu matricea A,
( )
,
k
A A k , ir care converge la o matrice n form Schur real,
( )
,
k
A S k . Matricea limit S este asemenea cu matricea
A, valorile prorii ale matricii S fiind uor de calculat. irul A
(k)
se
construiete astfel:
40
descomp. calc. pentru matricea
descomp. calc pentru matricea
descomp. calc pentru matricea
(0) (0) (0)
0 0
(1) (1) (1)
0 0 1 1
( 2)
1 1
( ) ( )
( 1)
: , ( )
: , ( . )
:
( . ) ,
:
k k
k k
k
A A A Q R QR A
A R Q A Q R QR A
A R Q
A Q R QR A
A
+
= =
= =
=
=
=




, 0,1, 2,
k k
R Q k =


Matricile Q
k
sunt matrici ortogonale (
1 T
k k
Q Q

= ) iar matricile R
k

sunt superior triunghiulare.

Matricile A
(k)
i A
(k+1)
sunt asemenea:

41
( ) ( )
( 1) ( ) ( 1) ( )
|
,
T k T k
k k k k k
k T k k k
k k k k
Q A Q R R Q A
A R Q Q A Q A A k
+ +
= =
= =
-



Matricile irului construit sunt toate asemenea prin urmare au
aceleai valori proprii anume cele ale matricii iniiale A= A
(0)
:

(0) (1) ( ) k
A A A A S =

Dac matricea A
(k)
este n form superioar Hessenberg, atunci
descompunerea QR realizat cu algoritmul lui Givens se
simplific. Reamintim algoritmul lui Givens:

1 1 1 1 1 1 12 12
( ) ( ) ( ) ( ) ( )
n n n n pn pn pp pp n n
R R R R R A R u u u u u
+ +
=

42
Dac matricea A este n form Hessenberg n algoritmul lui
Givens, din cele
( 1)
2
n n
nmuliri cu matrici de rotaie rmn
doar (n-1):

1 1 1 1 23 23 12 12
( ) ( ) ( ) ( )
n n n n pp pp
R R R R A R u u u u
+ +
= .

Problema care se pune este dac pornind cu o matrice n form
Hessenberg, toate matricile irului rmn n form Hessenberg:

n form Hessenberg) cu Givens)
este tot n form Hessenberg
( )
( 1) ( )
( ( ?
k
k T k T
A H QR
A H RQ Q A Q Q HQ
+
= =
= = = =

?



43
Avem:

12 12 1 1 1 1
( ) ( ) ( )
T T T T
rr rr n n n n
H Q HQ R R R R u u u
+ +
= =

Notm cu:
12 12
( )
T
R R R u =
pentru care avem:

1 1 2 1 1
2 1 2 2 2
, 0, 2, , 0, 3, ,
, 0, 3, , 0, 3, ,
i i i i i
i i i i i
r cr sr i r i n r i n
r sr cr i r i n r i n
= + = = = =


= + = = = =




+



deci coloana 1 se transform n form Hessenberg iar coloana 2
rmne n form suprior triunghiular.
44

La pasul p avem:

( )
12 12 1 1 1 1 1 1
12 12 1 1
( ) ( ) ( ) ( ) ,
( ) ( )
T T T T
p p p p pp pp pp pp
T T
p p p p
R R R R R R R
R R R R
u u u u
u u
+ + + +

= =
=






matricea

R are primele (p-1) coloane n form Hessenberg iar


restul coloanelor sunt n form superior triunghiular. Vom arata
c la acest pas matricea R va avea primele p coloane n form
Hessenberg iar restul coloanelor n form superior triunghiular.
Operaia
1 1
( )
T
pp pp
R R R u
+ +

:= presupune doar schimbarea


elementelor coloanelor p i p+1:

45
1
1 1 1
1
, 0, 1, ,
, 0, 2, ,
0, 2, ,
0, 2, ,
ip ip ip ip
ip ip ip ip
ip
ip
r cr sr i r i p n
r sr cr i r i p n
r i p n
r i p n
+
+ + +
+
= + = = +




= + = = +


= = +

= = +


+




.

Observm din relaia de mai sus c n matricea R coloana p are
form Hessenberg iar coloana p+1 rmne n form superior
triunghiular (celelalte elemente din matrice nu se modific).
Prin urmare dup pasul n-1 matricea
( 1) k
H A
+
= este n form
superioar Hessenberg. Algoritmul QR de aproximare a valorilor
proprii folosind descompunerea Givens pstreaz forma
Hessenberg.

46


Algoritmul QR pentru valori proprii

se aduce matricea la forma Hessenberg
while forma Schur real
se ca
;
0;
( )
; / /
T
A
A Q AQ
k
A
A QR
-
- =
- =
- =
/ /
=




lculeaz cu algoritmul Givens
sau ;
1;
T
A RQ Q AQ
k k

- =

- = +







47
n practic se presupune c matricea A este n form
Hessenberg neredus, adic:

1
0 2, ,
ii
a i n

= =

Dac matricea nu este n form neredus, problema se
decupleaz:

sau
11 12
21 22
, 1 2
A A
p
A p n n
A A n p
p n p
(
= =
(









48
Algoritmului QR cu deplasare (shift) simpl

Algoritmul cu deplasare simpl este urmtorul:

aducerea la forma Hessenberg neredus
while forma Schur real
se calc cu alg.
;
0;
( )
; / / .
T
k n
A Q AQ
k
A
A d I QR
- =
- =
- =
- =
/ /




Givens
: ;
1;
k n
A RQ d I
k k

- = +

- = +





k
d e sunt constantele de deplasare.
49
Dac A - d I
n
= QR (A
(k)
) i
n
A RQ d I + = ( A
(k+1)
), se pune
problema dac cele dou matrici sunt asemenea ( A A ) (irul de
matrici construit cu pasul QR cu deplasare simpl au aceleai
valori proprii).

( )
T T T T
n
A Q QRQ d Q Q Q QR d I Q Q AQ A A = + = + =

Varianta cu deplasare se efectueaz pentru a accelera
convergena algoritmului. Dac
1
,
2
,...,
n
sunt valorile proprii
ale matricii A ordonate astfel ca:

1 2 n
d d d > > >


50
Rapiditatea cu care
( )
1
0 ,
k
p p
a k
+
este dat de rata de
convergena a expresiei
1
k
p
p
d
d

. Dac se alege
n
d ~
convergena
( )
1
0
k
n n
a

este rapid. Avem urmtoarul rezultat:

Teorem
Fie d o valoare proprie a unei matrici Hessenberg nereduse H.
Dac
n
H RQ d I = + , cu
n
H d I QR = descompunerea QR a
matricii
n
H d I QR = . Atunci:
1
0 ,
nn nn
h h d

= =


51
Alg. QR cu deplasare simpl gs. val. proprie d ntr-un sg. pas.
Euristic s-a constatat c la fiecare pas, cea mai bun aproximare a
unei valori proprii este
( ) k
nn
a .
( ) k
k nn
d a =
Algoritmul QR cu deplasare simpl
aducerea la forma Hessenberg neredus
while forma Schur real
se calc cu algoritmul Given
;
0;
( )
; / / .
T
nn n
A Q AQ
k
A
A a I QR
-
- =
- =
- =
= / /




s
: ;
1;
nn n
A RQ a I
k k

- = +

- = +




52
Algoritmului QR cu deplasare (shift) dubl

n cazul cnd valorile proprii a
1
, a
2
corespunztoare blocului:

, 1
pp pn
np nn
a a
G p n
a a
(
= =
(
(






sunt complexe,
1 2
, a a e, abordarea cu deplasare simpl nu mai
asigur accelerarea convergenei. Avem:

2 1 2
2 2
1 2 1 2
det( ) ( )( ) ( )( )
( ) ( )
pp nn pn np
pp nn pp nn pn np
I G a a a a a a
a a a a a a a a a a


= = =
= + + = + +




53
1 2 1 2
( ) , det
pp nn pp nn pn np
a a a a trace G a a a a a a G + = + = = =

Algoritmul QR cu deplasare dubl const n trecerea de la
matricea A = A
(k)
la matricea A
2
= A
(k+1)
realiznd doi pai cu
deplasare simpl :
A A
1
(deplasare simpl a
1
), A
1
A
2
(deplasare simpl a
2
)
1 1 1
1 1 1 1
1 2 2 2
2 2 2 2
n
n
n
n
A a I Q R
A R Q a I
A a I Q R
A R Q a I
=
+
=
+

=
=


Fie matricea :
54

( ) ( ) ( ) ( )
( )
( ) ( ) ( )
1 2 2 1 1 2 2 1 1 1 2 1
1 1 1 2 1 1 1 1 1 2 1 1
2 1 1 2 1
:
n
T T
n
n n n
M Q Q R R Q Q R R Q A a I R
Q Q AQ a I R Q Q AQ R a Q R
A a I Q R A a I A a I
= = =
=
=
=
= =
=

( ) ( ) ( ) ( )
1 2 2 1 2 1
2
1 2 1 2
( )
n n
n
M Q Q R R A a I A a I
A a a A a a I
= = =
= + +




Avem urmtoarele relaii de asemnare:

( ) ( )
( ) ( )
1 1 1 2 2 1 2 2 1 1 2 1 2 1 2
2 1 2 1 2 1 2
, :
T
T T T T
T
T
A A Q AQ A Q AQ Q Q AQ Q Q Q A Q Q
A Q Q A Q Q Q AQ Q Q Q
= = = =
= = =



55
Matricea Q care asigur trecerea de la matricea A la matricea A
2

este matricea ortogonal din descompunerea QR a matricii
( ) ( )
2 1 n n
M A a I A a I = . Pasul QR cu deplasare dubl se face
urmnd etapele:
1) se calculeaz matricea
2
n
M A s A qI = + cu

s = a
1
+a
2
= a
pp
+a
nn
, q = a
1
a
2
= a
pp
a
nn
- a
pn
a
np
;

2) se calculeaz descompunerea QR a matricii M;

3) A
2
:=Q
T
AQ.

56
Vectori proprii

Considerm dou matrici asemenea A i B:
matrice nesingular
1
, A B A PBP P

=
tim c cele dou matrici au acelai polinom caracteristic,
( ) ( )
A B
p p , deci au aceleai valori proprii. Ne intereseaz
care este legtura ntre vectorii proprii asociai aceleiai valori
proprii. Fie u vector propriu asociat valorii proprii pentru
matricea A i w vector propriu asociat valorii proprii pentru
matricea B. Care este relaia ntre u i w?

57
1 1
1 1 1
, ,
,
Au u Bw w A PBP PBP u u
BP u P u w P u u Pw



= = = =
= = =




Dac se aplic algoritmul QR unei matrici simetrice, forma Schur
real la care se ajunge este o matrice diagonal:
S = = diag[
1
,
2
, ...,
n
]

Legtura dintre matricea simetric iniial A i matricea
diagonal este de forma:

S = = diag[
1
,
2
, ...,
n
] = U
T
A U


58
unde U este o matrice ortogonal, coloanele matricii U fiind
vectori proprii asociai valorilor proprii reale
1
,
2
, ...,
n
.
Matricea U se poate calcula astfel:













59
Algoritmul QR pentru matrici simetrice (valori +vectori proprii)

se aduce matricea la forma Hessenberg


;
;
0;
while ( matricediagonal )
; / /
T
T
A
A Q AQ
U Q
k
A
A QR
-
- =
- =
- =
- =
/ /
=




se calculeaz cu algoritmul Givens
sau AQ;
;
1;
T
A RQ Q
U UQ
k k

- =

- =

- = +