Sunteți pe pagina 1din 12

CALCULUL VALORILOR PROPRII I VECTORILOR PROPRII

PENTRU MATRICE NESIMETRICE



Sistemele dinamice liniare formeaz o clas important, cu aplicaii largi n domenii variate ale tiinei i
tehnicii. Acestea sunt reprezentate numeric de un set de matrice, iar proprietile lor sunt exprimate, din
punct de vedere cantitativ, n termenii elementelor acestor matrice. Astfel stabilitatea sistemelor liniare
este condiionat exclusiv de plasarea valorilor proprii ale matricei de stare a sistemului.
n acest capitol sunt prezentate, n principal, cele mai performante metode de calcul ale valorilor proprii
ale matricelor reale dense nesimetrice care se ntlnesc cel mai des n aplicaii. Din motive de eficien
aceste metode fac apel, practic exclusiv, la o aritmetic real dei valorile proprii ale unei matrice reale
pot fi i complexe. Din motive de condiionare numeric calculul vectorilor proprii se face cu mai puin
acuratee i, din acest motiv, practica numeric recomand utilizarea n aplicaii n locul lor a vectorilor
Schur, definii n acest capitol. Cazul matricelor complexe poate fi redus la cazul matricelor reale de ordin
dublu.

Valori i vectori proprii

Prezentm aici conceptele de valoare proprie i vector propriu ale unei matrice i principalele lor
proprieti. De asemenea, avnd n vedere faptul c valorile proprii, ca i elementele vectorilor proprii, ale
unei matrice reale pot fi numere complexe, reamintim cteva noiuni referitoare la spaiul vectorial
n
C .
n acest capitol, prin vector complex n-dimensional x vom nelege un vector coloan cu n elemente
complexe
. n : 1 i , C x ,
x
x
x
x
i
n
2
1
= e
(
(
(
(


Mulimea tuturor vectorilor compleci n-dimensionali va fi notat
n
C . Evident, orice vector
n
C xe poate
fi scris, n mod unic, sub forma

n
R v , u , iv u x e + =
unde i este unitatea imaginar. Mulimea tuturor matricelor cu elemente complexe avnd m linii i n
coloane va fi notat
n m
C

. Dei spaiile liniare
n
R i
n
C au foarte multe proprieti comune, induse de
axiomele comune ale corpurilor de numere complexe i reale, exist i diferene cum sunt cele datorate
definirii diferite a produsului scalar standard a doi vectori i a normei vectoriale induse de acesta. Pentru
evidenierea unora dintre aceste diferene vom nota conjugatul transpusului (i.e. conjugatul hermitic al)
unui vector
n
C x e prin
T H
x x = ,
unde bara superioar semnific operaia de conjugare complex iar indicele
T
transpunerea.
Dac
n
C y , x e , definim produsul scalar al celor doi vectori prin numrul complex
x y y x
H
= , .
Evident, avem
y x x y , , = .
Cu ajutorul produsului scalar putem defini conceptul de ortogonalitate n
n
C . Vom spune c doi
vectori sunt ortogonali dac produsul lor scalar este nul, i.e.
. 0 = = x y y x
H H

De asemenea, plecnd de la observaia c scalarul x x
H
este un numr real pozitiv, oricare ar fi vectorul
nenul
n
C x e , se poate defini urmtoarea norm pe
n
C
x x x R C
H n
=
+
2 2
, : ,
numit norm euclidian.
Mai general, foarte multe rezultate referitoare la norme pe
n
R pot fi extinse la norme corespunztoare pe
n
C .
Rolul matricelor reale simetrice este jucat n
n n
C

de matricele hermitice. O matrice
n n
C A

e se numete
hermitic dac
A A
H
= .
Dac
n n
C A

e este hermitic, atunci scalarul Ax x
H
= o este real, oricare ar fi
n
C x e , fapt care ne
permite definirea matricelor pozitiv-definite n
n n
C

. O matrice hermitic
n n
C A

e este pozitiv-definit
dac
0 , 0 = e > x C x x A x
n H
.
n sfrit, n analogie cu matricele reale ortogonale, vom spune despre o matrice
n n
C Q

e c este unitar
dac are coloanele ortogonale i de norm euclidian (7) unitar, respectiv dac

n
H
I Q Q = .
Vom introduce acum conceptele de valoare proprie i vector propriu asociat. Dei vom considera mai
ales cazul matricelor reale, aceste noiuni pot fi definite n cadrul mai general al matricelor complexe.

Definiia 9.1 Fie
n n
C A

e . Un numr C e se numete valoare proprie a matricei A dac exist un
vector nenul
n
C x e , numit vector propriu asociat valorii proprii C e , astfel nct
. x x A =

Sistemul liniar omogen (11) admite soluii nenule dac i numai dac
( ) ( ) . 0 det = = A I p
n

Polinomul monic p() de gradul n se numete polinom caracteristic al matricei ( )
n
C E c , iar ecuaia
se numete ecuaie caracteristic.
Prin urmare, valorile proprii ale unei matrice sunt zerourile polinomului caracteristic. Dac lum n
considerare multiplicitile, numrul valorilor proprii este egal cu ordinul matricei. Mulimea
( ) { }
n
A , , ,
2 1
=
a valorilor proprii ale matricei A poart numele de spectrul (de valori proprii al) matricei A . Numrul
real
( )
( )
( )
i
A
i
A
e
= max
se numete raza spectral a matricei A .
Dac A este o matrice real atunci valorile proprii complexe apar n perechi complex conjugate.
Valorile proprii ale unei matrice satisfac relaiile
( ), tr ) , (
1 1
A i i A
n
i
n
i
i
= =

= =

( ), det
1
A
n
i
i
=
[
=

unde tr(A) este, prin definiie, urma matricei A (vezi problema rezolvat R9.1).
Dac
n
C x e este un vector propriu asociat valorii proprii ( ) A e atunci oricare ar fi C e =o 0
vectorul x y o = este de asemenea un vector propriu al matricei A asociat aceleiai valori proprii. n
consecin, vectorii proprii asociai unei valori proprii nu sunt unic determinai dect ca direcii. Mai mult,
se arat c mulimea vectorilor proprii asociai unei valori proprii ( ) A e genereaz un subspaiu liniar
( )
n
C E c numit subspaiul propriu al valorii proprii . Subspaiile proprii sunt subspaii A -invariante
n sensul urmtoarei definiii.

Definiia 9.2 Fie o matrice
n n
C A

e . Un subspaiu liniar
n
C V c se numete subspaiu -invariant al
matricei A sau, pe scurt, subspaiu A -invariant dac
. i.e. , V x V Ax V V A e e c

O matrice
n n
C A

e care admite n vectori proprii liniar independeni se numete simpl. Se arat c o
matrice care are cele n valori proprii distincte este simpl, dar reciproca nu este, n general, adevrat.
Cei n vectori proprii liniar independeni ai unei matrice simple formeaz o baz a spaiului
n
C , numit
baza proprie asociat matricei A .
Ordinul de multiplicitate
i
n al rdcinii
i
a polinomului caracteristic se numete multiplicitate algebric
a valorii proprii ( ) A
i
e . Dac 1 =
i
n valoarea proprie se numete simpl. Dimensiunea ) ( dim
i
E a
subspaiului propriu al valorii proprii ( ) A
i
e se numete multiplicitatea geometric a valorii proprii
i
. n general, avem
( ) . dim
i i
n E s
ncheiem acest paragraf cu un set de proprieti ale subspaiilor invariante i, n particular, ale subspaiilor
proprii ale unei matrice.

Teorema 1 Fie matricea
n n
C A

e .
a) Dac
p
x x x , , ,
2 1
sunt vectori proprii ai matricei A i notm | |
p n
p
C x x x X

e =
2 1
, atunci
subspaiul liniar
{ } Xz y C z C y X S
n n
= e - e = = incat astfel Im
este A -invariant, i.e. orice subspaiu generat de vectori proprii ai unei matrice este un subspaiu
invariant al acelei matrice.
b) Dac
n
C S c este un subspaiu A -invariant p -dimensional i vectorii
p
x x x , , ,
2 1
formeaz o
baz a lui S , atunci exist o matrice
p p
C B

e cu
) ( ) ( A B c
astfel nct matricea | |
p n
p
C x x x X

e =
2 1
satisface condiia
XB AX = .
Matricea B se numete restricia matricei A la subspaiul A -invariant S i se noteaz S A B = .
c) Dac are loc o relaie de forma (20) atunci X S Im = este un subspaiu A -invariant.
d) Complementul ortogonal
n
C S T c =

al unui subspaiu A -invariant S este un subspaiu
H
A -
invariant.

Demonstraie. a) Pentru orice vector S y e exist un vector
p
C z e astfel nct Xz y = i, deci,
| | | | | | S w X
z
z
z
x x x z x x x z Ax Ax Ax z AX y A
p p
p p p p
e =
(
(
(
(
(

= = = =


2 2
1 1
2 1 2 2 1 1 2 1
, unde p i
i
: 1 , = sunt valorile
proprii ale matricei A asociate vectorilor proprii p i x
i
: 1 , = . Prin urmare, subspaiul S este A -
invariant. b) Coloanele matricei X formnd o baz a subspaiului S , orice vector S x e se scrie sub
forma
p
C y y X x e = , . Pe de alt parte S fiind un subspaiu A -invariant rezult c S x S Ax e e , , n
particular pentru toi p j : 1 e avem S Ax
j
e , i.e. exist vectorii p j C b
p
j
: 1 , = e astfel nct
j j
Xb Ax = . Rezult c matricea | |
p p
p
C b b b B

e =
2 1
satisface egalitatea (20). Mai mult, dac
p
C z e
este un vector propriu al matricei B asociat valorii proprii ) (B e atunci din (20) avem
Xz XBz AXz = = . Cum 0 = z iar X este o matrice monic (i.e. cu coloanele liniar independente)
rezult c 0 = = Xz y , adic y este vector propriu al matricei A (coninut n S ) i, deci, ) (A e .
Rezult ) ( ) ( A B c . c) Presupunem c are loc (20) pentru o matrice
p n
C X

e i o matrice
p p
C B

e .
Atunci avem
p
C z XBz AXz e = , , i.e. X Xz x X Xy Ax Im , Im e = e = , ceea ce nseamn c
X S Im = este un subspaiu A -invariant. d) Fie S x e i

= e S T y doi vectori arbitrari. Subspaiul S


fiind A -invariant avem S Ax e i, prin urmare, 0 ) ( = = x y A Ax y
H H H
. Cum x este un vector arbitrar
din S , rezult S y A
H
) ( , respectiv T y A
H
e pentru toi T y e , adic subspaiul T este
H
A -invariant.

Transformri de asemnare. Forma Jordan

Vom fi interesai n transformri ale matricei A care conserv spectrul de valori proprii. Astfel de
transformri sunt transformrile de asemnare.
Vom spune c dou matrice A i B sunt asemenea dac exist o matrice nesingular
n n
C T

e astfel
nct
.
1
= T A T B
Dac matricea de transformare T este unitar (n cazul real ortogonal) atunci matricele A i B se
numesc unitar (ortogonal) asemenea.

Dac
n n
C B A

e , sunt asemenea atunci au acelai spectru de valori proprii
( ), ) ( B A =
iar dac
n
C x e este un vector propriu al matricei A asociat valorii proprii , atunci vectorul
n
C y e ,
definit de
, x T y =
este un vector propriu al matricei B din (21) asociat aceleiai valori proprii .
Evident, valorile proprii ale unei matrice triunghiulare (n particular diagonale) sunt date de elementele
sale diagonale. De aceea suntem interesai de situaiile n care o matrice dat este asemenea cu o matrice
avnd o astfel de structur. O matrice asemenea cu o matrice diagonal se numete diagonalizabil.
Dac pentru toate valorile proprii distincte ale unei matrice date
n n
C A

e avem
( ) , dim
i i
n E =
atunci matricea A este diagonalizabil, respectiv exist o matrice nesingular
n n
C X T

e =
1
astfel nct
( ). , , , diag
2 1
1
n
X A X = A =


ntr-un astfel de caz matricea A este simpl, coloanele matricei de transformare X formnd un set de n
vectori proprii liniar independeni ai matricei A .
n cazul general, cea mai simpl structur care poate fi obinut prin transformri de asemnare este aa
numita form canonic Jordan definit n urmtoarea teorem.

Teorema 2 Oricare ar fi matricea
n n
C A

e exist o matrice nesingular
n n
C X

e astfel nct
( ), , , , diag
2 1
1
q
J J J X A X =


unde

i i
n n
i
i
i
i
i
C J

e
(
(
(
(
(
(

0 0 0
1 0 0 0
0 1 0
0 0 1

cu ( ) A
i
e i n n
q
i
i
=

=1
. Matricele J
i
se numesc blocuri Jordan.

Numrul i dimensiunile blocurilor Jordan asociate fiecrei valori proprii distincte din spectrul matricei
A sunt unice, dar ordonarea blocurilor n (26) poate fi arbitrar.
Forma canonic Jordan conine maximul de informaie structural privitoare la o matrice dat. Totui
structura Jordan (respectiv numrul i dimensiunile blocurilor) este foarte sensibil la perturbaiile
numerice n elementele matricei i, din acest motiv, calculul numeric al formei canonice Jordan ntmpin
dificulti serioase (vezi [5]) i nu este recomandat pentru calculul valorilor proprii ntr-o aritmetic
aproximativ.

9.1.3. Localizarea valorilor proprii. Cercurile lui Gershgorin

In unele aplicaii o localizare a valorilor proprii ntr-un domeniu al planului complex este suficient pentru
a evidenia anumite proprieti. Amintim, n acest context, problema aprecierii stabilitii sistemelor
dinamice liniare. De asemenea, o localizare a valorilor proprii permite stabilirea unor aproximaii ale
acestora utile pentru iniializrile necesare n diverse metode iterative.
Exist mai multe rezultate privitoare la localizarea valorilor proprii dintre care cel mai cunoscut este dat
de teorema cercurilor lui Gershgorin.

Teorema 3 Spectrul de valori proprii al unei matrice
n n
C A

e satisface condiia
( ) ,
1
i
n
i
D A
=
c
unde D
i
sunt discurile (sau cercurile) lui Gershgorin definite de .
1

)

s e =

=
=
n
i j
j
ij ii i
a a z C z D
Demonstraie. Fie ( ) A e i x un vector propriu asociat lui . Fie
i
x componenta de modul maxim a
lui x , i.e. 1 s
i
j
x
x
pentru toi n j : 1 e . Atunci linia i a relaiei de definiie x Ax = se poate scrie sub
forma , ) (
1

=
=
=
n
i j
j
j ij i ii
x a x a de unde rezult imediat inegalitile ,
1 1

=
=
=
=
s s
n
i j
j
ij
n
i j
j i
j
ij ii
a
x
x
a a q.e.d.
Se poate arta c dac unul din discurile lui Gershgorin este izolat de celelalte, atunci el conine o valoare
proprie a matricei A i numai una, oferind un mijloc de separare a valorilor proprii.
Alte metode de localizare a valorilor proprii ale unei matrice, n general mai fine dar mult mai puin
utilizate n practica curent, fac obiectul unor probleme rezolvate sau propuse (vezi seciunile 9.8 i 9.9).

9.1.4. Condiionarea numeric a valorilor i vectorilor proprii

Aa cum s-a menionat n primul capitol al lucrrii, acurateea rezultatelor obinute prin rezolvarea unei
probleme de calcul numeric ntr-un mediu de calcul aproximativ depinde esenial de doi factori. Pe de o
parte precizia obinut depinde de calitatea numeric a problemei, i.e. de sensibilitatea rezultatelor la
variaiile datelor problemei n ipoteza unor calcule exacte. Este vorba de aa numita condiionare
numeric a problemei. Pe de alt parte calitatea rezultatelor depinde de calitatea algoritmului utilizat,
exprimat prin aa numita stabilitate numeric a algoritmului respectiv. ntruct condiionarea numeric a
valorilor proprii este independent de modul de calcul al acestora, vom prezenta aici rezultatele eseniale
privitoare la aceasta, urmnd ca discuia despre calitile algoritmilor propui s aib loc n finalul
capitolului.
Aprecierea condiionrii numerice se face uzual prin stabilirea unor margini superioare pentru variaiile
rezultatelor n raport cu variaiile datelor de intrare. Chiar dac, de multe ori, aceste margini sunt
supraevaluate ele ofer posibilitatea detectrii situaiilor critice n care erorile au tendina de a iei de sub
control. Evaluarea sensibilitii valorilor i vectorilor proprii se bazeaz pe proprietile de continuitate ale
acestora n raport cu elementele matricei. Precizm de la nceput c ne vom ocupa n exclusivitate de cazul
valorilor proprii simple. Valorile proprii multiple sunt, n general, mult mai sensibile dect cele simple, iar
studiul analitic al sensibilitii lor ridic dificulti importante.

A. Condiionarea numeric a valorilor proprii

Fie o matrice
n n
C A

e , o valoare proprie simpl ) (A e i vectorii proprii de norm euclidian unitar
n
C y x e , la dreapta, respectiv la stnga, asociai valorii proprii . Prin urmare avem x Ax = i,
respectiv,
H H
y A y = . Considerm acum o perturbaie G E c = cu 1 = G a matricei A . Vom fi
interesai de evaluarea valorii proprii ) (c i a vectorului ) (c x a matricei perturbate E A A + =
~
.
Conform unor rezultate clasice [10], valoarea proprie ) (c i vectorul propriu ) (c x admit dezvoltri n
serie de puteri
+ + + =
2
2 1
) ( c c c
+ + + =
2
2 1
) ( c c c v v x x
convergente ntr-o vecintate a punctului 0 = c . Evident, avem = ) 0 ( i x x = ) 0 ( iar funciile ) (c i
) (c x sunt continue i derivabile n domeniul de convergen. Vom considera n cele ce urmeaz c
parametrul c este suficient de mic pentru a putea neglija puterile superioare ale acestuia i a ne mrgini la
aproximaiile liniare ale funciilor ) (c i ) (c x . n aceste condiii putem aprecia c sensibilitatea valorii
proprii ) (c pe direcia definit de matricea G este dat de
1
i c pentru toate direciile de
perturbare sensibilitatea sa poate fi definit prin numrul de condiionare

1
1
max k

=
e

=
G
C G
n n
.
Pentru a gsi o evaluare a acestui numr de condiionare considerm relaia ) ( ) ( ) ( ) ( c c c c x x G A = + care
derivat n raport cu c ne conduce, pentru 0 = c , la

1 1 1
v x Av Gx + = + .
nmulind aceast relaie la stnga cu
H
y rezult
1 1 1
v y x y Av y Gx y
H H H H
+ = + , i.e. x y x G y
H H
1
=
ntruct
H H
y A y = . innd seama acum de faptul c pentru valorile proprii simple avem 0 = x y
H
(vezi
problema rezolvat R9.5) obinem

x y x y
x G y
x y
x G y
H H H
H
1
1
=

s = .
Prin urmare, numrul de condiionare al unei valori proprii simple este

x y
H
G
C G
n n
1
max
1
1
= =
=
e

k

.
Valoarea minim a numrului de condiionare este 1 i se obine atunci cnd vectorii proprii la stnga i la
dreapta, asociai valorii proprii de interes, sunt coliniari (aceasta se ntmpl, de exemplu, la matricele
hermitice i, n particular, la matricele reale simetrice). Conform dezvoltrilor de mai sus, condiionarea

k indic nivelul de amplificare al erorilor absolute din datele iniiale care se regsesc n erorile absolute
ale valorilor proprii. Prin urmare, pentru valori proprii cu acelai numr de condiionare erorile relative
vor fi cu att mai mari cu ct valorile proprii sunt de modul mai mic.
n aplicaii prezint interes de multe ori condiionarea unui grup de valori proprii sau a ntregului spectru
al unei matrice date. O cale de a defini condiionarea unui grup de valori proprii este de a considera o
norm a vectorului condiionrilor numerice a valorilor proprii individuale care fac parte din grup. O alt
cale face apel la conceptul de proiector spectral care exprim condiionarea unui grup de valori proprii
prin poziia relativ a subspaiilor A-invariante i
H
A -invariante generate de vectorii proprii la dreapta
i la stnga asociai valorilor proprii din grup. Pentru detalii recomandm consultarea, de exemplu, a
lucrrilor [13], [29], [30].
ncheiem consideraiile noastre privitoare la condiionarea numeric a valorilor proprii prin prezentarea
teoremei Bauer-Fike care reprezint un rezultat important ce permite exprimarea condiionrii numerice a
spectrului unei matrice simple ntr-un context general.

Teorema 4 Considerm o matrice
n n
C A

e diagonalizabil i fie
n n
C X

e o matrice nesingular de
vectori proprii ai matricei A . Dac
n n
C E

e este o matrice de perturbaie arbitrar i
) ( E A+ e este o valoare proprie a matricei perturbate E A A + =
~
, atunci
E X e
A
s =
e
) ( min ) (
) (
k


unde

1
) (

= X X X k
este numrul de condiionare la inversare al matricei X a vectorilor proprii iar este orice
norm matriceal consistent care satisface condiia
) ( max ) , , , ( diag
: 1
2 1 i
n i
n
o o o o
=
=
(n particular, poate fi oricare din normele = , 2 , 1 , p
p
).

Demonstraia teoremei poate fi gsit n [13]. Aici ne vom mrgini la prezentarea unor succinte
comentarii. n primul rnd rezultatele specificate n teorem sunt valabile nu numai pentru perturbaii mici
ci pentru orice nivel al perturbaiilor. n al doilea rnd, trebuie evideniat rolul jucat de numrul de
condiionare la inversare al matricei vectorilor proprii n caracterizarea condiionrii valorilor proprii.
Interpretnd raportul
E
e ) (
drept sensibilitate (condiionare) numeric a valorii proprii a matricei A
pentru care se atinge minimul din (36) rezult c numrul de condiionare la inversare al matricei
vectorilor proprii este o margine superioar pentru numerele de condiionare ale tuturor valorilor proprii
i, n consecin, poate fi folosit drept msur pentru condiionarea ntregului spectru. Se pot face i alte
conexiuni ntre rezultatele din teorema Bauer-Fike i numerele de condiionare definite anterior [13].
ncheiem aceste scurte comentarii cu remarcarea faptului c teorema 9.4 confirm observaia c matricele
hermitice (simetrice n cazul real) au un spectru perfect condiionat numeric ntruct, dup cum vom vedea
n capitolul 11, acestea au un set complet de vectori proprii ortogonali, i.e. matricea vectorilor proprii este
unitar (ortogonal) i, deci, are n raport cu norma
2
numrul de condiionare la inversare egal cu 1
(cel mai mic posibil).

B. Condiionarea numeric a vectorilor proprii

Fie o matrice
n n
C A

e cu valorile proprii simple n k
k
: 1 , = i vectorii proprii asociai
n
k
C x e de
norm euclidian unitar. Considerm matricea perturbat E A A + =
~
, unde G E c = cu 1 = G i fie
) (c
k
, ) (c
k
x , n k : 1 = valorile proprii, respectiv vectorii proprii asociai ai matricei perturbate. La fel ca
n cazul valorilor proprii, pe baza dezvoltrii n serie de puteri (31) a funciei vectoriale ) (c x , n ipoteza
unor variaii c mici, putem aprecia c sensibilitatea vectorului propriu ) (c x pe direcia definit de
matricea G este dat de
1
v i c pentru toate direciile de perturbare sensibilitatea sa poate fi definit
prin numrul de condiionare

1
1
max v
G
C G
x
n n
=
e

= k .
Adaptnd notaiile la noul context, relaia (33) se poate scrie sub forma

) (
1
) (
1
) (
1
k
k k
k k
k
v x Av Gx + = + .
Deoarece, n ipotezele menionate, vectorii proprii n k x
k
: 1 , = formeaz o baz a spaiului
n
C , rezult c
putem exprima vectorul
) (
1
k
v n raport cu aceast baz prin relaia

=
=
n
i
i
k
i
k
x v
1
) ( ) (
1
care, introdus n (39),
produce

k n k i i k
n
k i
i
k
i
x I G x ) ( ) (
1
) (
=

=
=
.
nmulind la stnga ultima relaie cu
H
i
y , unde
i
y este vectorul propriu la stnga al matricei A asociat
valorii proprii
i
i, innd seama (vezi problema rezolvat R9.5) de faptul c j i x y
i
H
j
= = , 0 i
, 0 =
i
H
i
x y obinem
(42) k i n i
x y
Gx y
k
H
i i k
k
H
i k
i
= =

= , : 1 ,
) (
) (

,
cu care numrul de condiionare (39) devine
(43)

=
=
=
=
=
e
=
e

s

= =

n
k i
i
i
H
i i k
i
n
k i
i i
H
i i k
k
H
i
G
C G
k
G
C G
x
x y
x
x y
Gx y
v
n n n n k
1 1
1
) (
1
1
1
) (
max max


k .
Se observ din evaluarea (43) c sensibilitatea unui vector propriu la variaiile elementelor matricei
depinde att de sensibilitile tuturor celorlalte valori proprii ct i de deprtarea valorii proprii asociate de
celelalte valori proprii. n consecin, mai ales n cazul existenei unor valori proprii apropiate,
condiionarea numeric a vectorilor proprii este mult mai rea dect cea a valorilor proprii. De aceea n
literatura de specialitate se recomand evitarea calculului vectorilor proprii. Din fericire, n majoritatea
aplicaiilor, acetia pot fi nlocuii cu succes de vectorii Schur (vezi seciunea ce urmeaz).
Problema condiionrii unor grupuri de vectori proprii se formuleaz mai general sub forma condiionrii
subspaiilor invariante. Condiionarea subspaiilor invariante este influenat decisiv de localizarea
valorilor proprii asociate. Este ns posibil ca un subspaiu invariant generat de vectori proprii ru
condiionai s aib o condiionare foarte bun dac grupul corespunztor de valori proprii este bine
separat de restul valorilor proprii. Pentru detalii privitoare la cuantificarea condiionrii subspaiilor
invariante se poate consulta lucrarea [29].

9.2. Forma Schur real. Tehnici de deflaie

O modalitate de abordare a calculului valorilor proprii ce pare a fi natural, respectiv determinarea
polinomului caracteristic i rezolvarea ecuaiei caracteristice, este practic abandonat n calculul numeric
actual pentru dimensiuni de matrice ct de ct semnificative, pe de o parte din cauza sensibilitii ridicate
a rdcinilor n raport cu perturbaiile numerice n coeficienii ecuaiilor algebrice, iar pe de alt parte din
cauza complexitii relativ ridicate a algoritmilor disponibili pentru calculul coeficienilor polinomului
caracteristic. Din aceste motive, metodele numerice cele mai performante de calcul a valorilor proprii fac
apel la structuri (cvasi)triunghiulare, cum este forma Schur (real).
Baza teoretic a calculului performant al valorilor proprii ale unei matrice este dat de urmtoarea
teorem.

Teorema 4. Pentru orice matrice
n n
C A

e (n particular
n n
R A

e ) exist o matrice unitar
n n
C Q

e
~

astfel nct matricea unitar asemenea cu A
(44)
n n H
C Q A Q S

e =
~ ~ ~

este superior triunghiular.
n cazul real, pentru orice matrice
n n
R A

e exist o matrice ortogonal
n n
R Q

e astfel
nct matricea ortogonal asemenea cu A
(45)
n n T
R S Q A Q S

e = =
are o structur cvasisuperior triunghiular
(46)
(
(
(
(
(

=
qq
q
q
S
S S
S S S
S

0 0
0
2 22
1 12 11

unde blocurile diagonale q i S
ii
: 1 , = sunt matrice 1 1 sau 2 2 , cele de dimensiune 2 2 avnd
valorile proprii complexe.

Matricea S
~
din (27) poart numele de form Schur (FS) a matricei A dac A este complex i de form
Schur complex (FSC) a lui A dac A este real. Matricea S din (45), (46) poart numele de form
Schur real (FSR) a matricei A. Coloanele n j e Q q
j j
: 1 ,
~
~
= = ale matricei Q
~
(respectiv coloanele
n j e Q q
j j
: 1 , = = ale matricei Q) se numesc vectori Schur ai lui A i formeaz o baz unitar a spaiului
n
C (respectiv, o baz ortogonal a spaiului
n
R ) numit baza Schur asociat lui A . n multe aplicaii
vectorii Schur pot nlocui cu succes vectorii proprii. Evident, elementele diagonale ale matricei S
~
sunt
valorile proprii ale matricei A , iar n cazul formei Schur reale avem
(47) ( ) ( ) ( )
ii
q
i
S S A
1 =
= =
i, n consecin, n acest caz calculul spectrului de valori proprii se reduce la rezolvarea unui set de
ecuaii algebrice de grad cel mult doi.

Demonstraia teoremei9.4. Aceast demonstraie pune n eviden o tehnic procedural numit deflaie,
care st la baza algoritmului fundamental de reducere a unei matrice reale date la forma Schur real printr-
un ir de transformri ortogonale de asemnare.
a) Mai nti artm cum se pune n eviden, printr-un pas de deflaie, o valoare proprie real.
Dac ( ) A e este real, fie
n
R x e
1
un vector propriu asociat. Fr restrngerea generalitii putem
presupune 1
2
1
= x . Considerm o matrice ortogonal
1
Q a crei prim coloan este
1
x , i.e.
(48) | |
( ) 1
1 1
,

e =
n n
R Y Y x Q
(o astfel de matrice exist ntotdeauna: de exemplu
1
Q poate fi un reflector elementar care anuleaz
elementele n : 2 ale vectorului
1
x ). Evident, avem
(49) 0
1
= Y x
T

i, innd seama de faptul c
1 1 1
x x A = , rezult
(50)
1 1 1 1 1 1
= = x x x A x
T T
, , 0
1 1 1
= = x Y x A Y
T T

de unde obinem matricea
(51)
(

=
(

= =
B
g
AY Y
AY x
AQ Q A
T
T
T
T
0 0
1 1 1 1
1 1 1


care este n form Schur real n prima coloan.
b) Un pas de deflaie corespunztor unei perechi de valori proprii complex conjugate
(52) 0 ,
2 , 1
= = | | o i
pune n eviden un bloc diagonal 2 2 din forma Schur real. ntr-adevr nu este greu de artat c
vectorii proprii asociai valorilor proprii (52) pot fi alei complex conjugai
(53) iv u x =
2 , 1

cu
n
R v u e , liniar independeni. Din relaia de definiie
(54) ( ) ( ) ( ) iv u i iv u A = | o
rezult imediat
(55) | | | | .
(

=
o |
| o
v u v u A
Vectorii u i v fiind liniar independeni genereaz un subspaiu liniar | | v u S Im = bidimensional. Fie
S y y e
2 1
, o baz ortonormal a acestui subspaiu i
( ) 2
e
n n
R Z o completare pn la o matrice
ortogonal a matricei | |
2
2 1

e =
n
R y y Y respectiv astfel nct matricea
(56) | | Z Y Q =
1

este ortogonal. n raport cu baza de mai sus vectorii S v u e , se pot scrie
(57)
2 21 1 11
y t y t u + = , ,
2 22 1 12
y t y t v + =
respectiv
(58) | | T Y v u =
unde
2 2
eR T este nesingular, ntruct u i v sunt liniar independeni. n consecin, din (55) avem
(59)
11
1
S Y T T Y AY =
(

=

o |
| o

unde matricea
(60)
2 2 1
11

e
(

= R T T S
o |
| o

are valorile proprii complex conjugate
2 , 1
. Prin urmare din (56), (59) avem
(61)

=
=
0
11
Y A Z
S Y A Y
T
T
,
de unde
(62)
(

=
(

= =
B
G S
AZ Z
AZ Y S
Q A Q A
T
T
T
0 0
11 11
1 1 1

iniiindu-se reducerea la forma Schur real prin punerea n eviden a unui bloc diagonal 2 2 .
Procesul de deflaie iniializat n (51) sau (62) poate fi continuat acionnd ca mai sus asupra matricei B,
ceea ce este echivalent cu aciunea asupra matricei
1
A prin transformri ortogonale de asemnare definite
de matrice de forma ) , ( diag
2 2
Q I Q = . n final, dup q pai de deflaie se obine forma Schur real.
Matricea cumulat a transformrilor ortogonale este dat de
(63) .
2 1 q
Q Q Q Q =
Teorema 9.4 este demonstrat.
n continuare ne vom limita universul de investigaie la clasa de matrice predominant n practica
numeric i anume cea a matricelor reale. Dac n cazul complex apar numai deflaii de tipul a), n cazul
real avantajul principal const n faptul c forma Schur real a unei matrice reale poate fi calculat
utiliznd exclusiv o aritmetic real. n acest fel, n procesul de calcul al valorilor proprii ale unei matrice
reale numerele complexe apar numai n final, la calculul valorilor proprii ale blocurilor diagonale 2 2 .

Aplicarea procedurii de deflaie presupune cunoaterea la fiecare pas al procedurii, a unui vector propriu
de norm unitar (respectiv a unei perechi complex conjugate de vectori proprii) asociat valorii proprii
corespunztoare. Calculul unui vector propriu, n absena informaiei privitoare la valoarea proprie
asociat, nu este posibil, pentru matrice de ordin superior lui patru, printr-o secven finit de operaii
elementare, pentru c s-ar contrazice un rezultat fundamental din algebr conform cruia rezolvarea
ecuaiilor de grad superior lui patru nu este posibil printr-un numr finit de operaii aritmetice elementare
i extrageri de radical.
De aceea procedura de deflaie trebuie s fie completat cu o procedur de determinare a unui vector
propriu, fr cunoaterea valorii proprii asociate. O astfel de procedur va furniza, inerent, o aproximaie
mai mult sau mai puin precis a vectorului propriu, att datorit erorilor de trunchiere, ct i erorilor de
rotunjire. n acest context este important de tiut care este cea mai bun aproximaie a valorii proprii
asociate unui vector propriu cunoscut aproximativ. Fie
n
R x e un astfel de vector propriu aproximativ i
considerm drept cea mai bun aproximaie a valorii proprii asociate soluia n sensul celor mai mici
ptrate a sistemului de n ecuaii i necunoscuta scalar
(64) , x A x =
i.e. acel care minimizeaz norma euclidian a reziduului de ecuaie ( ) . x x A r = Conform celor
artate n capitolul 3 avem
. ) (
1
Ax x x x x A x
T T
= =
+

Numrul
(65) ,
x x
x A x
T
T
=
se numete ctul Rayleigh asociat perechii ) , ( x A i joac un rol esenial n calculul (aproximativ) al
valorilor proprii. Pentru nceput s observm c, aplicarea procedurii de deflaie, cu transformarea (48), n
care
1
x este un vector propriu aproximativ, de norm unitar, conduce la
(66)
(

= =
B h
g
Q A Q A
T
T 1
1 1


avnd dat de (65) i vectorul
1
x A Y h
T
= de norm euclidian mic. Prin urmare, aplicarea
transformrii (48) reprezint, n condiiile date, un pas de deflaie optim ntruct este cea mai bun
aproximaie de care dispunem. O concluzie asemntoare se poate stabili i n cazul unei perechi de valori
proprii complex conjugate.
Observaiile de mai sus evideniaz necesitatea unei proceduri de calcul a unui vector propriu. Dintre
metodele cele mai folosite n acest scop sunt tehnicile iterative cunoscute sub denumirile de metoda
puterii i metoda puterii inverse.