Documente Academic
Documente Profesional
Documente Cultură
Calculul Numeric Al Valorilor Proprii Si PDF
Calculul Numeric Al Valorilor Proprii Si PDF
Cap. 5. CALCULUL NUMERIC AL VALORILOR PROPRII
ŞI AL VECTORILOR PROPRII
Se consideră o matrice A pătratică de ordinul n cu elemente
reale. Un număr λ ∈ C se numeşte valoare proprie a matricei A dacă
există un vector x ∈ R n , x ≠ 0 , astfel încât:
A x = λ x , (5.1)
iar vectorul x se numeşte vector propriu al matricei A asociat valorii
λ.
Relația (5.1) poate fi scrisă sub forma:
( A − λ I) x = 0 , (5.2)
cu I – matricea unitate de ordinul n.
Ecuația matriceală (5.2) poate fi exprimată şi în variantă
dezvoltată sub forma:
⎡a11 − λ a
12
... a
1n
⎤ ⎡ x1 ⎤ ⎡ 0 ⎤
⎢ a a −λ ... a ⎥ ⎢x ⎥ ⎢ ⎥
⎢ 21 22
0
2 n ⎥ ⋅ ⎢ 2 ⎥ = ⎢ ⎥ . (5.3)
⎢ ... .... ... ... ⎥ ⎢ ... ⎥ ⎢...⎥
⎢ a a ... a − λ ⎥ ⎢ x ⎥ ⎢⎣ 0 ⎥⎦
⎣ n1 n2 nn ⎦ ⎣ n⎦
Pentru ca sistemul liniar şi omogen (5.3) să admită şi soluții
nebanale, altfel spus pentru ca matricea A să aibă valori proprii şi
vectori proprii, este necesar şi suficient ca determinantul sistemului
să fie nul, adică:
det( A − λ I ) = Pn (λ) = c1λn + c 2 λn −1 + K + c n λ + c n +1 = 0 . (5.4)
Ecuația (5.4) este numită ecuația caracteristică a matricei A,
iar polinomul (de fapt, funcția polinomială) Pn (λ ) se numeşte
polinomul caracteristic al matricei A.
Observație: În relația (5.4) este cunoscută valoarea
coeficientului dominant, c1 = (−1) n . În practică este utilizată şi o altă
formă a ecuației caracteristice şi, corespunzător, a polinomului
caracteristic; această formă este obținută prin înmulțirea relației (5.4)
cu (–1):
' ' ' ' '
det(λ I − A) = Pn (λ ) = c1 λn + c 2 λn −1 + K + c n λ + c n +1 = 0 , (5.5)
70
Calculul numeric al valorilor proprii şi al vectorilor proprii
'
în care c1 = 1 .
Ansamblul valorilor proprii ale matricei A formează spectrul
matricei A:
σ( A) = {λ1 , λ 2 ,K, λ n } , (5.6)
iar numărul:
ρ( A) = max | λ i | , (5.7)
λ i ∈A
se numeşte raza spectrală a lui A.
Dacă matricea A are n vectori proprii liniar independenți,
atunci ea se zice simplă sau nedefectivă; în caz contrar, se zice
defectivă. O matrice simplă este caracterizată prin faptul că are toate
valorile proprii simple.
Două matrice pătratice de ordinul n A şi B sunt asemenea sau
similare dacă există o a treia matrice pătratică S, de ordinul n şi
nesingulară, astfel încât:
B = S −1 A S . (5.8)
Se notează A ~ B şi relația (5.8) se numeşte transformare de
similaritate.
Teorema 5.1: Două matrice asemenea au acelaşi polinom
caracteristic.
Demonstrație: Fie matricele A şi B astfel încăt A ~ B . Atunci
este valabilă următoarea succesiune de operații:
(5.8)
( ) [ ]
det (B − λ I ) = det S − 1A S − λ S − 1I S = det S − 1 (A − λ I )S =
Λ = S −1 A S , (5.9)
unde matricea S are pe coloane cei n vectori proprii:
71
Calculul numeric al valorilor proprii şi al vectorilor proprii
72
Calculul numeric al valorilor proprii şi al vectorilor proprii
5.1. Metode globale directe
Aceste metode sunt caracterizate prin faptul că determină
toate valorile proprii ale matricei A prin obținerea explicită a ecuației
caracteristice (5.4), care poate fi rezolvată apoi cu unul din algoritmii
ce vor fi prezentați în capitolul următor. După determinarea valorii
proprii λi se parcurg următoarele etape pentru determinarea
vectorului propriu xi:
(a) Se înlocuieşte λi în sistemul (5.3), care este liniar şi omogen, de
ordinul “n”, cu matricea coeficienților singulară.
(b) Se fixează arbitrar valoarea unei variabile (de regulă, x1 = 1).
(c) Se înlocuieşte valoarea fixată în sistemul de la (a) şi se renunță la
ecuația corespunzătoare valorii proprii respective, λi.
(d) Se rezolvă sistemul liniar de ordinul “n–1” de la punctul (c)
aplicând una din metodele prezentate în capitolul anterior.
În cadrul metodelor globale directe va fi prezentată în
continuare metoda Leverrier (de exemplu, [K2]), bazată pe noțiunea
de urmă a unei matrice B = [bij ]i , j =1, n , notată cu tr(B) şi definită
astfel:
n
tr (B) = ∑ bii , (5.1.1)
i =1
73
Calculul numeric al valorilor proprii şi al vectorilor proprii
74
Calculul numeric al valorilor proprii şi al vectorilor proprii
⎛ ⎡1 1 3⎤ ⎡− 7 0 0 ⎤⎞
⎜⎢ ⎟
B = A(B + c 2 I ) = A⎜ ⎢1 5 1⎥ + ⎢ 0 − 7 0 ⎥⎥ ⎟ =
2 1 ⎥ ⎢
⎜ ⎢3 1 1⎥ ⎢ 0 0 − 7 ⎥⎦ ⎟⎠
⎝⎣ ⎦ ⎣
⎡1 1 3⎤ ⎡− 6 1 3⎤ ⎡ 4 2 − 14⎤
⎢ ⎥ ⎢
= ⎢1 5 1⎥ ⋅ ⎢ 1 − 2 1 ⎥ = ⎢ 2⎥ ⎢ − 8 2 ⎥⎥ ,
⎢⎣3 1 1⎥⎦ ⎢⎣ 3 1 − 6⎥⎦ ⎢⎣− 14 2 4 ⎥⎦
1
c 3 = − ( 4 − 8 + 4) = 0 .
2
Pasul k=3. Se aplică din nou relațiile (5.1.4) şi (5.1.5):
⎡1 1 3⎤ ⎡ 4 2 − 14⎤
B 3 = A(B 2 + c3 I ) = ⎢⎢1 5 1⎥⎥ ⋅ ⎢⎢ 2 − 8 2 ⎥⎥ =
⎢⎣3 1 1⎥⎦ ⎢⎣− 14 2 4 ⎥⎦
⎡− 36 0 0 ⎤
1
= ⎢⎢ 0 − 36 0 ⎥⎥ , c 4 = − (−36 − 36 − 36) = 36 .
3
⎢⎣ 0 0 − 36⎥⎦
II) S‐a obținut, deci, următoarea ecuație caracteristică:
P3 (λ ) = λ3 − 7λ2 + 36 = 0 , cu soluțiile: λ1 = −2, λ 2 = 3, λ 3 = 6 .
III) Prin urmare, sistemul (5.3) are expresia:
⎧(1 − λ) x1 + x 2 + 3 x3 = 0
⎪
⎨ x1 + (5 − λ) x 2 + x3 = 0 .
⎪3 x + x + (1 − λ) x = 0
⎩ 1 2 3
Se calculează pentru început vectorul propriu x1
corespunzător valorii proprii λ1 = −2 . Pentru aceasta se fixează x1 =
1, se renunță la prima ecuație din sistem şi se fac înlocuirile în
⎧7 x2 + x3 = −1
celelalte rezultând: ⎨ . Se rezolvă sistemul şi se obțin
⎩ x2 + 3 x3 = −3
⎡1⎤
⎢ ⎥
soluțiile x 2 = 1, x3 = 0 . Deci, primul vector propriu este: x1 = 0 .
⎢ ⎥
⎢⎣− 1⎥⎦
75
Calculul numeric al valorilor proprii şi al vectorilor proprii
Apoi, se fixează x1 = 1 , se renunță la a doua ecuație din sistem
⎧ x2 + 3 x3 = 2
şi se fac înlocuirile în celelalte rezultând: ⎨ . Se rezolvă
⎩ x2 − 2 x3 = −3
sistemul de două ecuații cu două necunoscute obținându‐se soluțiile
⎡1⎤
x2 = −1, x3 = 1 . Deci: x 2 = ⎢⎢− 1⎥⎥ .
⎢⎣ 1 ⎥⎦
În final, se calculează vectorul propriu x3 corespunzător
valorii proprii λ 3 = 6 . Se fixează x1 = 1 , se renunță la a treia ecuație
⎧ x 2 + 3 x3 = 5
şi se fac înlocuirile în primele două: ⎨ . Se rezolvă
⎩− x 2 + x3 = −1
sistemul şi se obțin soluțiile x 2 = 2, x3 = 1 . Prin urmare, a fost
⎡1 ⎤
⎢ ⎥
obținut şi al treilea vector propriu, x 3 = 2 .
⎢ ⎥
⎢⎣1 ⎥⎦
5.2. Metode de localizare a valorilor proprii. Aplicații la analiza
stabilității sistemelor dinamice liniare
Se consideră o matrice pătratică reală A de ordinul “n”. Se
pune problema localizării tuturor celor “n” valori proprii ale acestei
matrice fără a le calcula în mod distinct. Acest mod de punere a
problemei este utilizabil în cazul analizei stabilitații sistemelor
dinamice liniare la care A reprezintă matricea sistemului (de
exemplu, [R1], [V2], [D3], [P3]). În această situație este suficientă
determinarea unor domenii ale planului complex unde se găsesc cu
siguranță toate valorile proprii ale matricei A (adică, polii sistemului).
În cadrul acestor metode de localizare, este prezentată
pentru început metoda bazată pe discurile lui Gershgorin (de
exemplu, [D2]). Pentru aceasta, se definesc două tipuri de discuri:
{ }
Li = λ ∈ C λ − aii ≤ li , i = 1, n , (5.2.1)
cu:
n
l i = ∑ | a ij | (5.2.2)
j =1
j ≠i
76
Calculul numeric al valorilor proprii şi al vectorilor proprii
(interiorul cercului cu centrul în elementul diagonal aii şi de rază li);
{ }
C j = λ ∈ C λ − a jj ≤ r j , j = 1, n , (5.2.3)
cu:
n
r j = ∑ | a ij | (5.2.4)
i =1
i≠ j
(interiorul cercului cu centrul în elementul diagonal ajj şi de rază rj).
Se poate demonstra (a se vedea, de exemplu, [D2]) că fiecare
valoare proprie a matricii A se află în cel puțin unul din discurile Li şi
în cel puțin unul din discurile Cj. Introducând notațiile:
n n
se obține rezultatul esențial privind localizarea valorilor proprii:
σ( Α) ⊆ L I C , (5.2.6)
cu precizarea că egalitatea are loc numai pentru matrice diagonale
(pentru care razele discurilor sunt nule).
Exemplul 5.2: Utilizând metoda discurilor lui Gershgorin, să
se determine un domeniu al planului complex în care se află valorile
proprii ale matricei din exemplul 5.1.
Soluție: Discurile au următoarele expresii conform relațiilor
(5.2.1) … (5.2.4):
{ } {
L1 = λ ∈ C λ − 1 ≤ 1 + 3 = 4 , L2 = λ ∈ C λ − 5 ≤ 1 + 1 = 2 , }
L3 = {λ ∈ C λ − 1 ≤ 3 + 1 = 4}= L , C = {λ ∈ C λ − 1 ≤ 1 + 3 = 4} = L ,
1 1 1
C2 = {λ ∈ C λ − 5 ≤ 1 + 1 = 2} = L , C = {λ ∈ C λ − 1 ≤ 3 + 1 = 4} = L .
2 3 3
Domeniul cerut se află în interiorul zonelor haşurate
reprezentate în fig.5.1.
77
Calculul numeric al valorilor proprii şi al vectorilor proprii
Fig.5.1. Domeniul din planul complex în care se află valorile proprii ale
matricei din exemplele 5.1 şi 5.2.
Ca aplicație a metodelor de localizare a valorilor proprii se
cunosc metodele de analiză a stabilității sistemelor dinamice liniare
cu timp continuu la care matricea sistemului este A. Aceste metode
oferă condiții necesare şi suficiente pentru stabilitatea sistemului,
adică pentru ca toate valorile proprii ale lui A (polii sistemului) să fie
situate strict în semiplanul complex stâng (să aibă partea reală strici
negativă, zona haşurată din fig.5.2).
Fig.5.2. Domeniul din planul complex în care trebuie să se afle valorile
proprii ale matricei unui sistem dinamic liniar stabil cu timp continuu.
În cadrul acestor metode este prezentat criteriul de
stabilitate Routh. Pentru aplicarea criteriului se începe cu calculul
polinomului caracteristic al matricei A (al sistemului):
(este esențial ca an>0).
78
Calculul numeric al valorilor proprii şi al vectorilor proprii
Criteriul este bazat pe construirea schemei Routh, cu, “n+1” linii şi
⎡n + 2⎤
⎢ 2 ⎥ coloane. Primele linii se completează cu coeficienții lui µ(λ ) ,
⎣ ⎦
iar restul schemei pe baza formulelor:
r
i − 1,1
bi = , i = 2, n + 1 , (5.2.8)
r
i ,1
79
Calculul numeric al valorilor proprii şi al vectorilor proprii
se pot determina condiții pe care trebuie să le satisfacă aceşti
parametri pentru ca sistemul sa fie stabil.
Exemplul 5.3: Să se determine condițiile pe care trebuie să le
⎡ 0 2 0 ⎤
satisfacă parametrul “a” pentru ca matricea A = ⎢ −1 1 − 3⎥ să aibă
⎢⎣a −1 1 − 2⎥
⎦
toate valorile proprii cupărțile reale strict negative.
Soluție: Se va particulariza criteriul Routh în cazul n = 3.
Polinomul caracteristic al matricei A are expresia:
λ −2 0
µ(λ ) = det (λ I − A ) =
λ −1 3 1 3
1 λ −1 3 =λ +2 =
−1 λ+2 a −1 λ + 2
− a +1 −1 λ+2
=λ (λ + λ + 1)+ 2(λ + 2 + 3a − 3) = λ + λ + 3λ + 6a − 2 .
2 3 2
Deci coeficienții polinomului caracteristic sunt: a3=1, a2=1, a1=3,
a0=6a–2.
În continuare, se construieşte schema Routh ca o
particularizare a tabelului 8.1 Rezultă schema Routh din tabelul 5.2.
Tabelul 5.2. Schema Routh aferentă exemplului 5.2.
(0) (1) (2)
(1) ___ r11 = 1 3
(2) 1 r21 = 1 6a–2
b2 = = 1
1
(3) 1 r = 3 − 1(6a − 2) = 5 − 6a 0
b3 = 31
5 − 6a
(4) 1
r41 = 6a − 2 − ⋅ 0 = 6a − 2
5 − 6a
Prin urmare, condițiile cerute sunt:
⎧r31 > 0 ⎧5 − 6a > 0 ⎛1 5⎞
⎨ ⇔⎨ ⇒ a ∈ ⎜ , ⎟.
⎩r41 > 0 ⎩6a − 2 > 0 ⎝3 6⎠
O altă aplicație a metodelor de localizare a valorilor proprii
este constituită de metodele de analiză a stabilității sistemelor
dinamice liniare cu timp discret la care matricea sistemului este A.
Aceste metode oferă condițiile şi suficiente pentru stabilitatea
sistemului, adică pentru ca toate valorile proprii ale lui A (polii
sistemului) să fie situate strict în interiorul discului centrat în origine
80
Calculul numeric al valorilor proprii şi al vectorilor proprii
şi de rază unitate (să aibă modulul subunitar, zona haşurată a
fig.5.3).
Fig.5.3. Domeniul din planul complex în care trebuie să se afle valorile
proprii ale matricei unui sistem dinamic liniar stabil cu timp discret.
Pentru analiza stabilității unor astfel de sisteme poate fi
definită mai întâi matricea transformată B:
Β = I + 2(A − I ) .
−1
(5.2.10)
Criteriul de stabilitate bazat pe şirul puterilor matricei B este
formulat astfel (de exemplu, [V2]): sistemul dinamic liniar cu timp
discret cu matricea sistemului A este stabil (are toate valorile proprii
de modul subunitar) dacă şi numai dacă:
B k → 0 pentru k → ∞ . (5.2.11)
În practică, ridicarea matricei B la putere se efectuează astfel
încât fiecare matrice să fie pătratul celei precedente, adică:
B k = ⎡b ( k ) ij ⎤
m m −1 m −1
= B 2 = B 2 ⋅ B 2 = K . (5.2.12)
⎢⎣ ⎥⎦ i , j =1,n
În continuare, pentru ca sistemul să fie stabil este suficient să existe
k ∈ N * astfel încât:
1
| b ( k ) ij | ≤ , i, j = 1, n . | (5.2.13)
n
Prin urmare, calculele se întrerup atunci când este satisfăcută
condiția (5.2.13).
81
Calculul numeric al valorilor proprii şi al vectorilor proprii
A−I=⎡ ⎤ (A − I )T ⎡− 1.8
− 1.8 3.2 − 0.4⎤
; = ;
⎢⎣− 0.4 − 3.5⎥
⎦ ⎢⎣ 3.2 − 3.5⎥
⎦
det(A − I ) = 6.3 + 1.28 = 7.58 ;
(A − I )+ =
⎡− 3.5 − 3.2⎤
;
⎢⎣ 0.4 − 1.8 ⎥
⎦
B2 = ⎡
− 0.076 − 0.844⎤ ⎡ − 0.076 − 0.844⎤ ⎡ − 0.083 − 0.506⎤
⋅ = .
⎢⎣ 0.106 − 0.524⎥⎦ ⎢⎣ 0.106 − 0.524⎥⎦ ⎢⎣ 0.064 − 0.186⎥⎦
Se observă că din nou nu este verificată condiția (5.2.13),
deci va fi calculată matricea B4:
B4 = B2 ⋅ B2 = ⎡
− 0.083 − 0.506⎤ ⎡− 0.083 − 0.506⎤
⋅ =
⎢⎣ 0.064 − 0.186⎦ ⎢
⎥ ⎣ 0.064 − 0.186⎥
⎦
.
=
⎡− 0.025 − 0.052⎤.
⎢⎣ 0.007 − 0.003⎥⎦
Condiția suficientă (5.2.13) este de data aceasta verificată,
ceea ce conduce la concluzia că toate valorile proprii au modulul
subunitar.
Pentru studiul altor criterii de analiză a stabilității sistemelor
liniare cu timp discret sunt recomandate lucrările [R1], [V1], [D3],
[P3].
5.3. Metode parțiale iterative
După cum a fost prezentat în subcapitolul 5.1, metodele
parțiale pentru determinarea valorilor şi vectorilor proprii sunt
utilizate în situațiile în care nu se cer toate valorile proprii ale unei
82
Calculul numeric al valorilor proprii şi al vectorilor proprii
matrice ci numai unele dintra acestea şi nici nu se determină
polinomul caracteristic.
Prin valoare proprie principală (dominantă) a unei matrice
se înțelege valoarea proprie care are modulul maxim. Pentru calculul
valorii proprii dominante, al vectorului propriu asociat acesteia şi al
razei spectrale ale unei matrice este prezentată în continuare o
variantă modificată a metodei puterii directe (a lui Rayleigh) [K2]
referită şi sub denumirea de metoda puterii (de exemplu, [N1] sau
[P2]) sau metoda iterativă directă [P2].
Se consideră vectorul u0 ca fiind o primă iterație a soluției
reprezentând vectorul propriu corespunzător valorii proprii
dominante. Acest vector este o combinație liniară necunoscută (de
coeficienți αi) a vectorilor proprii xi presupuşi liniar independenți ai
matricei A:
n
u 0 = ∑ α i x i . (5.3.1)
i =1
Presupunând că valorile proprii ale matricei A sunt ordonate
astfel încât să verifice următoarea condiție (eventual se poate face o
permutare a lor):
|λ1| > |λ2| > … > |λn| , (5.3.5)
rezultă că pentru un număr suficient de iterații (adică, pentru un k
suficient de mare) raportul (λi/λ1)k va converge către zero, cu
consecința că suma din (5.3.4) va converge către zero, ceea ce
implică:
k k
u k → λ 1 α 1 x1 = p k x1 , cu p k = λ 1 α 1 . (5.3.6)
83
Calculul numeric al valorilor proprii şi al vectorilor proprii
Prin urmare, uk va deveni proporțional cu x1 şi raportul celor
doi coeficienți ai lui uk şi uk−1 va converge către λ1:
(pk/pk−1) → λ1 . (5.3.7)
În final, raza spectrală va avea expresia (a se vedea definiția (5.7)):
ρ(A) = | λ1 | . (5.3.8)
Trebuie remarcat faptul că relațiile anterioare nu pot fi
implementate în forma prezentată. De regulă, după fiecare iterație
se execută o normare a vectorului uk prin împărțire cu elementul de
modul maxim. Acest lucru poate fi exprimat matematic sub forma:
vk = A uk , uk+1 = [1/max(vk)]∙vk , k = 0, 1, 2, … , (5.3.9)
unde max(v ) reprezintă elementul de modul maxim al vectorului vk.
k
cu eroarea ε > 0 prestabilită.
Odată satisfăcută condiția (5.3.10), max(vk) va reprezenta
valoarea proprie principală iar modulul său va fi raza spectrală.
În baza rezultatelor prezentate, algoritmul metodei puterii
directe constă în parcurgerea următoarelor etape:
1) Se inițializează x1 cu u0 (arbitrar ales):
x1 = uk , (5.3.11)
unde indicele superior corespunde numărului iterației curente:
2) La un pas oarecare k al procesului iterativ de calcul, k = 0, 1,
2, … , se determină valoarea curentă a vectorului vk şi noua valoare a
vectorului x1, notată cu uk+1, aplicând relația (5.3.9).
3) Calculul este considerat terminat atunci când se stabilizează
vectorul propriu x1, adică este verificată condiția (5.3.10) de
terminare a procesului iterativ de calcul.
4) Valoarea proprie principală este determinată ca egală cu
ultimul factor de normare:
λ1 = max(vk) , (5.3.12)
k+1
vectorul propriu corespunzător este ultimul vector u :
x1 = uk+1 , (5.3.13)
iar raza spectrală este obținută aplicând formula (5.3.8).
84
Calculul numeric al valorilor proprii şi al vectorilor proprii
5.4. Aplicații în Matlab
Pentru calculul numeric al valorilor proprii şi al vectorilor
proprii în Matlab este utilizată funcția eig, apelabilă în cel puțin patru
forme având următoarele sintaxe:
lambda=eig(A)
[S,lambda]=eig(A)
lambda=eig(A,B)
[S,lambda]=eig(A)
în care lambda reprezintă vectorul valorilor proprii ale matricei A
pentru prima şi a treia formă şi o matrice diagonală cu valorile proprii
generalizate ale matricelor A şi B pentru a doua şi a patra formă, iar S
este o matrice ale cărei coloane sunt vectorii proprii corespunzători
valorilor proprii (eventual generalizate) de tip (5.10).
Prin valoare proprie generalizată a perechii de matrice A şi B
pătratice de ordinul n se înțelege un număr λ ∈ C pentru care există
un vector x ∈ R n , x ≠ 0 , astfel încât (de exemplu, [G2]):
A x = λ B x . (5.4.1)
În continuare este prezentat un exemplu de aplicare a
funcției eig.
Exemplul 5.5: Să se calculeze valorile proprii şi vectorii proprii
⎡0 2 0⎤
⎢
pentru matricea A = 0 0 0.5⎥⎥ .
⎢
⎢⎣− 6 − 22 − 6⎥⎦
Soluție: Se execută următoarea secvență de program Matlab:
% Matricea A:
A=[0 2 0; 0 0 0.5; -6 -22 -6];
% Solutia:
[S,lambda]=eig(A)
S =
-0.6667 0.2357 -0.1089
0.3333 -0.2357 0.1634
-0.6667 0.9428 -0.9805
lambda =
-1.0000 0 0
85
Calculul numeric al valorilor proprii şi al vectorilor proprii
0 -2.0000 0
0 0 -3.0000
Deci, au fost obținute valorile proprii: λ1 = –1, λ2 = –2, λ3 = –3,
împreună cu vectorii proprii aferenți:
x1 = [–0.6667 0.3333 –0.6667]T , x2 = [0.2357 –0.2357 0.9428]T ,
x3 = [–0.1089 0.1634 –0.9805]T .
Pentru calculul valorii proprii dominante, al vectorului
propriu corespunzător acesteia şi al razei spectrale este utilizat
algoritmul metodei puterii directe prezentat în subcapitolul anterior.
Pe baza algoritmului metodei puterii directe poate fi
dezvoltată funcția Matlab eigit [P1] care implementează algoritmul
metodei iterative matriceale în vederea calculului valorii proprii
dominante, al vectorului propriu asociat acesteia şi al razei spectrale.
Această funcție Matlab este prezentată în cele ce urmează:
function [lambda,x,rho]=eigit(A,eps)
% A – matrice pătratică, eps – eroare,
% lambda – valoare proprie dominantă,
% u – vector propriu sociat,
% rho – rază spectrală
[n,n]=size(A);
u0=ones(n,1);
eroare=100*eps;
iter=0;
while eroare>=eps
v=A*u0;
u1=(1/max(v))*v;
eroare=max(abs(u1-u0));
u0=u1;
iter=iter+1;
end
x=u0;
lambda=max(v);
rho=abs(lambda);
Funcția prezentată va fi aplicată în cadrul exemplului 5.6 [P1],
[P2].
Exemplul 5.6: Să se calculeze valoarea proprie dominantă,
vectorul propriu asociat acesteia şi raza spectrală ale matricei
⎡1 2 3⎤
⎢
A = ⎢2 5 − 6⎥⎥ .
⎢⎣3 − 6 9 ⎥⎦
86
Calculul numeric al valorilor proprii şi al vectorilor proprii
Soluție: Se execută următoarea secvență de program Matlab:
% Matricea A:
A=[1 2 3; 2 5 -6; 3 -6 9];
% Eroarea:
eps=0.00001;
% Soluţia:
[lambda,x,rho]=eigit(A,eps)
lambda =
13.4627
x =
0.1319
-0.6778
1.0000
rho =
13.4627
Prin urmare, au fost obținute rezultatele:
λ1 = 13.4627 , x1 = [0.1319 –0.6778 1]T , ρ(A) = 13.4627 .
Pentru aprofundarea de către cititor a unor detalii
suplimentare legate de aplicații în Matlab este recomandat studiul
lucrărilor [G2], [M1] şi [P2].
5.5. Rezumat
Metodele de determinare a valorilor proprii sunt categorisite astfel:
după numărul valorilor proprii determinate:
‐ metode globale – determină toate valorile proprii şi
toți vectorii proprii,
‐ metode parțiale – determină numai anumite valori
proprii şi vectorii proprii aferenți;
după natura algoritmului de calcul:
‐ metode directe – determină explicit polinomul
caracteristic şi calculează valorile proprii prin
rezolvarea ecuației caracteristice,
‐ metode indirecte (iterative) – evită rezolvarea
ecuației caracteristice determinând valorile proprii
prin procedee de aproximații succesive bazate pe
transformări de similaritate.
Metoda Leverrier este o metodă globală directă cu algoritmul bazat
pe noțiunea de urmă a unei matrice.
La metodele de localizare a valorilor proprii se pune problema
localizării tuturor celor “n” valori proprii ale acestei matrice fără a le
87
Calculul numeric al valorilor proprii şi al vectorilor proprii
calcula în mod distinct. Un exemplu de astfel de metode este metoda
bazată pe discurile lui Gershgorin.
Un caz particular al metodelor de localizare a valorilor proprii este
reprezentat de metodele de analiză a stabilității sistemelor
dinamice liniare cu timp continuu la care matricea sistemului este A.
Aceste metode oferă condiții necesare şi suficiente pentru
stabilitatea sistemului, adică pentru ca toate valorile proprii ale lui A
(polii sistemului) să fie situate strict în semiplanul complex stâng (să
aibă partea reală strici negativă). Una din aceste metode este criteriul
de stabilitate Routh.
Un alt caz particular al metodelor de localizare a valorilor proprii este
reprezentat de metodele de metodele de analiză a stabilității
sistemelor dinamice liniare cu timp discret la care matricea
sistemului este A. Aceste metode oferă condițiile şi suficiente pentru
stabilitatea sistemului, adică pentru ca toate valorile proprii ale lui A
să fie situate strict în interiorul discului centrat în origine şi de rază
unitate (să aibă modulul subunitar). Una din aceste metode
suficiente este criteriul de stabilitate bazat pe şirul puterilor matricei
ajutătoare B.
După cum a fost prezentat în subcapitolul 5.1, metodele parțiale
pentru determinarea valorilor şi vectorilor proprii sunt utilizate în
situațiile în care nu se cer toate valorile proprii ale unei matrice ci
numai unele dintra acestea şi nici nu se determină polinomul
caracteristic.
Prin valoare proprie principală (dominantă) a unei matrice se
înțelege valoarea proprie care are modulul maxim. O metodă parțială
iterativă pentru calculul valorii proprii dominante, al vectorului
propriu asociat acesteia şi al razei spectrale ale unei matrice este
metoda puterii directe (a lui Rayleigh) (metoda puterii, metoda
iterativă directă).
5.6. Probleme propuse
1. Să se calculeze valorile proprii, vectorii proprii şi raza
spectrală pentru următoarele matrice:
⎡0 2 0⎤ ⎡0 2 1 ⎤
⎢
a) A = 0 0 ⎥ ⎢
0.5⎥ ; b) A = ⎢ 2 15 10 ⎥⎥ ;
⎢
⎢⎣− 6 − 22 − 6⎥⎦ ⎢⎣− 4 − 29 − 19⎥⎦
88
Calculul numeric al valorilor proprii şi al vectorilor proprii
⎡0 1 0⎤ ⎡1 2 3⎤
⎢
c) A = 0 0 1 ⎥ ; d) A = ⎢⎢0.5 5 0.5⎥⎥ .
⎥
⎢
⎢⎣− 6 − 11 − 6⎥⎦ ⎢⎣ 3 2 1 ⎥⎦
2. Să se determine domenii ale planului complex (inclusiv
reprezentări grafice aferente) în care se află spectrele următoarelor
matrice:
⎡2 1 3 ⎤ ⎡2 − 2 2 ⎤
⎢ ⎥ ⎢
a) A = 1 5 − 2 ; b) A = 2 4 1 ⎥⎥ ;
⎢ ⎥ ⎢
⎢⎣3 1 1 ⎥⎦ ⎢⎣1 − 1 10⎥⎦
⎡− 5 2 − 1⎤ ⎡ − 5 1 − 2⎤
⎢ ⎥ ⎢
c) A = 1 2 3 ; d) A = − 2 2 3 ⎥⎥ .
⎢ ⎥ ⎢
⎢⎣ 2 3 8 ⎥⎦ ⎢⎣ 1 − 3 8 ⎥⎦
3. Să se determine condițiile pe care trebuie să le satisfacă
parametrul real k pentru ca următoarele matrice să aibă toate
valorile proprii cu părți reale strict negative:
⎡ 0 k +2 0 ⎤ ⎡ 0 1 0⎤
⎢
a) A = − 1 1 − 3⎥ ; b) A = ⎢⎢ 0
⎥ 0 1 ⎥⎥ ;
⎢
⎢⎣ 1 − 1 − 2⎥⎦ ⎢⎣− 0.5k −k − 1⎥⎦
⎡0 − 1 k − 1⎤ ⎡ 0 0 − 5k ⎤
⎢
c) A = 2 1 1 ⎥ ; d) A = ⎢⎢1 0 − 2 ⎥⎥ .
⎥
⎢
⎢⎣0 − 3 − 2 ⎥⎦ ⎢⎣0 1 − 3 ⎥⎦
89