Calculul numeric al valorilor proprii şi al vectorilor proprii 

 
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 =

= det (S ) det (A − λ I ) det (S ) = det (S S ) det (A − λ I )

−1
⋅ ⋅
−1
⋅ =  
= det (I ) ⋅ det (A − λ I ) = det (A − λ I ) .
Consecință:  Două  matrice  asemenea  au  aceleaşi  valori 
proprii. 
  Teorema  5.2:  Dacă  o  matrice  A  este  simplă,  atunci  ea  este 
asemenea cu matricea diagonală  Λ = diag(λ1 , λ 2 , K , λ n ) , adică: 

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 

S = [x1 x2 K x n ]  .          (5.10) 

Demonstrație:  Întrucât  x1,  x2,  …,  xn  sunt  valori  proprii,  se 
poate scrie următoarea succesiune de relații: 
[ A x1 A x 2 K A x n ] = [λ x1 λ x 2 K λ x n ] ⇔
⎡ λ1 0 K 0 ⎤
⎢0 λ 0 ⎥⎥
⇔ A [x1 x 2 K x n ] = [x1 x2 K xn ] ⋅ ⎢ 2
⇔
⎢K O ⎥
⎢ ⎥
⎣ 0 0 K λn ⎦
⇔ AS =S Λ.
 
Înmulțind la dreapta ultima relație cu S−1, se obține relația (5.9). 
Relația  (5.9)  foloseşte  calculului  valorilor  proprii  când  se 
cunosc vectorii proprii. 
  Observație:  Pentru  o  matrice  (superior  sau  inferior) 
triunghiulară  sau  diagonală  valorile  proprii  sunt  chiar  elementele 
diagonalei principale.  
Teorema 5.3: Dacă  Pn (λ )  este polinomul caracteristic (5.4) al 
matricei  A,  atunci  are  loc  identitatea  lui  Cayley‐Hamilton 
(demonstrată, de exemplu, în [Ş1] sau [N1]): 
Pn ( A) = c1 A n + c 2 A n −1 + K + c n A + c n +1I = 0  ,    (5.11) 
adică  polinomul  caracteristic  al  unei  matrice  este  polinomul  anulant 
al ei. 
  Metodele  de  determinare  a  valorilor  proprii  sunt 
categorisite astfel (de exemplu, [K2]): 
‐ după numărul valorilor proprii determinate: 
a) metode globale – determină toate cele “n” valori 
proprii şi toți cei “n” vectori proprii, 
b) metode  parțiale  –  determină  numai  anumite 
valori proprii şi vectorii proprii aferenți; 
‐ după natura algoritmului de calcul: 
a) metode  directe  –  determină  explicit  polinomul 
caracteristic  şi  calculează  valorile  proprii  prin 
rezolvarea ecuației caracteristice (5.4), 
b) metode indirecte sau iterative – evită rezolvarea 
ecuației  caracteristice  (5.4)  determinând 
valorile  proprii  prin  procedee  de  aproximații 

72 
 Calculul numeric al valorilor proprii şi al vectorilor proprii 

succesive  bazate  pe  transformări  de 

similaritate. 
Datorită faptului că prezintă interes metodele de localizare a 
valorilor  proprii  în  raport  cu  cele  de  de  determinare  a  acestora 
(categorisite  anterior),  în  cele  ce  urmează  se  face  prezentarea 
succintă a metodelor globale directe. 
  Pentru  studiul  celorlalte  metode  sunt  recomandate  lucrările 
[B1], [B2], [D2], [G1], [K2], [M1], [N1], [Ş2]. 

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

Algoritmul  metodei  Leverrier  presupune  parcurgerea 

următoarelor etape: 
I)  Determinarea  coeficienților  ci ,  i = 1, n + 1 ,  ai  polinomului 
caracteristic (5.4). Pentru acestea se parcurg etapele 1)…3): 
1) Se fixează pentru primul coeficient valoarea  c1 = 1 . 
2) Se  inițializează  matricea  ajutătoare  B  sub  forma 
următoare: 
1
B 1 = [bij ] i , j =1, n = A                        (5.1.2) 

73 
 Calculul numeric al valorilor proprii şi al vectorilor proprii 

(indicele  superior  corespunde  pasului  curent  de 

calcul) şi se determină valoarea coeficientului  c 2 : 
n
c 2 = −∑ bii  .  
1
                     (5.1.3) 
i =1

3) La  un  pas  oarecare  k,  k = 2, n ,  se  determină  valoarea 

curentă a matricei B: 
B k = A(B k −1 + c k I )                        (5.1.4) 
şi apoi se calculează valoarea coeficientului  c k +1 : 
n
c k +1 = −(1 / k ) ⋅ ∑ bii  . 
k
                   (5.1.5) 
i =1

II)  Calculul  valorilor  proprii  prin  rezolvarea  ecuației 

caracteristice (5.4). 
III)  Determinarea  vectorilor  proprii  corespunzători  valorilor 
proprii de la etapa II) prin parcurgerea etapelor (a) … (d) specificate 
anterior. 
Exemplul  5.1:  Să  se  calculeze  cu  metoda  Leverrier  valorile 
⎡1 1 3⎤
⎢ ⎥
proprii şi vectorii proprii pentru matricea  A = 1 5 1  . 
⎢ ⎥
⎢⎣3 1 1⎥⎦
  Soluție:  Se  parcurg  etapele  I)  …  III)  ale  algoritmului  metodei 
Leverrier. 
I)  1)     c1 = 1 . 
⎡1 1 3⎤
⎢ ⎥
2)     B1 = A = 1 5 1  ,   c2 = −(1 + 5 + 1) = −7  . 
⎢ ⎥
⎢⎣3 1 1⎥⎦
3) Pasul k=2. Se aplică relațiile (5.1.4) şi (5.1.5): 

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

L = U Li  ,   C = U C j  ,                     (5.2.5) 

i =1 j =1

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): 

µ(λ ) = det (λ I − A ) = a λn + a λn − 1 + K + a λ1 + a           (5.2.7) 

n n −1 1 0

(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

ri +1, j = ri −1, j +1 − bi ri , j +1 , i = 2, n ; j =1, 2, … .                 (5.2.9) 

Coeficienții  de  pe  coloana  1  sunt  esențiali  şi  se  numesc 
coeficienți  Routh.  În  tabelul  5.1  este  prezentată  schema  Routh.  Pe 
schemă  sunt  încadrate  atât  elementele  care  apar  în  ultimele  două 
relații  şi  care  contribuie,  astfel,  la  calculul  coeficienților  Routh  cât  şi 
coeficienții Routh. 
Tabelul 5.1. Schema Routh. 
  ⎡n + 2⎤
⎢ 2 ⎥
(0)  (1)  (2)  …  (j)  (j+1)  …  ⎣ ⎦
 
r11=  r12=  a0 
(1)  –  …  r1,j  r1,j+1  … 
an  an−2  sau 0 
0  
r21=  r22= 
(2)  b2  …  r2,j  r2,j+1  …  sau 
an−1  an−3 
a0 
(3)  b3  r31  r32  …  r3,j  r3,j+1  … 
…  …  …  …  …  …  …  … 
(i–1)  bi−1  ri−1,1  ri−1,2  …  ri−1,j  ri−1,j+1  … 
(i)  bi  ri,1  ri,2  …  ri,j  ri,j+1  … 
(i+1 )  bi+1  ri+1,1  ri+1,2  …  ri+1,j  ri+1,j+1  … 
    …   
(n)  bn  rn,1  rn,2(=0) 
b
(n+1)  n+ rn+1,1   
1 
 
  Enunțul  criteriului  Routh  este  următorul:  sistemul  dinamic 
liniar  cu  timp  continuu  cu  matricea  sistemului  A  este  stabil  (toate 
valorile proprii au partea reală strict negativă) dacă şi numai dacă toți 
coeficienții Routh sunt strict pozitivi. 
  Criteriul  este  avantajos  de  aplicat  pentru  valori  mari  ale  lui 
“n”. În plus, dacă elementele matricii A depind de anumiți parametrii, 

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). 

Exemplul  5.4:  Să  se  verifice  dacă  matricea  A = ⎡

− 0.8 3. 2 ⎤
 
⎢⎣− 0.4 − 2. 5 ⎥
⎦
are toate valorile proprii de modul subunitar. 

81 
 Calculul numeric al valorilor proprii şi al vectorilor proprii 

  Soluție:  Se  efectuează  calculele  conform  relațiilor  (5.2.10), 

(5.2.12)  şi  (5.2.13)  particularizate  pentru  n=2.  Se  obțin  următoarele 
rezultate intermediare: 

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 ⎥
⎦

(A − I )− 1 = det (A1 − I ) ⋅ (A − I )+ = ⎡⎢−00.053

.462 − 0.422⎤
− 0.238⎥
 ; 
⎣ ⎦
B = I + 2(A − I )− 1 = ⎡
1 0 ⎤ ⎡ − 0.924 − 0.844⎤ ⎡ − 0.076 − 0.844⎤
+ =  . 
⎢⎣0 1⎥⎦ ⎢⎣ 0.106 − 0.476⎥⎦ ⎢⎣ 0.106 − 0.524⎥⎦
Se  observă  că  nu  este  verificată  condiția  (5.2.13),  deci  este 
nevoie de calculul matricei B2: 

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

  Se  presupune  că  următoarele  iterații  sunt  calculate  pe  baza 

relației: 
u 1 = A u 0 , u 2 = A u 1 , ..., u k = A u k −1 ,  .                (5.3.2) 
Efectuând substituţii repetate din (5.3.2) în (5.3.1) şi ţinând seama de
relaţia de tip (5.1) corespunzătoare valorilor proprii λi:
A x i = λ i x i , i = 1, n  ,                    (5.3.3) 
se  obține  expresia  vectorului  propriu  corespunzător  valorii  proprii 
dominante la iterația k: 
n
u k = λ i [α 1 x1 + ∑ α i (λ i /λ 1 ) k x i ]  . 
k
              (5.3.4) 
i =2

  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

  Prin  urmare,  algoritmul  constă  în  parcurgerea  repetată  a 

relațiilor (5.3.9) până la atingerea convergenței, adică până când este 
satisfăcută condiția de terminare a procesului iterativ de calcul: 
k +1 k
max {| u
j
j − u j |} ≤ ε, i = 1, n  ,                (5.3.10) 

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 

Remarcă:  Viteza  de  convergență  a  algoritmului  este  cu  atât 

mai mare cu cât rapoartele (λi/λ1),  i = 2, n , sunt mai mici. Algoritmul 
este eficient în cazul matricelor nesimetrice [P2]. 

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: 
ƒ lambda=eig(A)
ƒ [S,lambda]=eig(A)
ƒ lambda=eig(A,B)
ƒ [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