Calculul valorilor si vectorilor proprii
Calculul valorilor si vectorilor proprii
Calculul valorilor si vectorilor proprii
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
350 CAPITOLUL 4. VALORI ŞI VECTORI PROPRII<br />
Demonstraţie. Pentru orice matrice de vectori <strong>proprii</strong> V ∈ V A avem<br />
κ 2 (V) = ‖V‖·‖V −1 ‖ ≥ ‖VV −1 ‖ = 1.<br />
Prin urmare şi κ (2)<br />
Λ<br />
(A) ≥ 1. Dacă matricea A este normală, atunci este unitar<br />
diagonalizabilă, respectiv vectorii <strong>proprii</strong> sunt ortogonali, i.e. κ 2 (V) = 1 pentru<br />
toţi V ∈ V A . Rezultă κ (2)<br />
Λ<br />
(A) = 1.<br />
✸<br />
Prin urmare spectrele matricelor normale sunt perfect condiţionate.<br />
O altă problemă foarte importantă este legată de existenţa mijloacelor de îmbunătăţire<br />
şi de conservare a condiţionării numerice a spectrului de valori <strong>proprii</strong><br />
ale unei matrice date. Întrucât spectrul însuşi trebuie conservat, aceste mijloace se<br />
referălaexistenţaunortransformărideasemănareastfelîncâtmatriceaà = TAT−1<br />
să aibă κ Λ (Ã) ≤ κ Λ(A). În acest sens avem următorul rezultat.<br />
Propoziţia 4.5 Transformările unitare (în cazul real, ortogonale) de asemănare<br />
conservă numărul de condiţionare κ (2)<br />
Λ<br />
(A) al spectrului unei matrice.<br />
Demonstraţie. Conservarea numărului de condiţionare este urmare directă a<br />
conservării normei euclidiene la transformări unitare. Într-adevăr, fie à = UAUH<br />
unde U ∈ IC n×n este unitară, i.e. U H U = UU H = I n . Atunci, dacă V este o matrice<br />
arbitrarădevectori<strong>proprii</strong>liniarindependenţiaimatriceiA, Ṽ = UV esteomatrice<br />
(ne<strong>si</strong>ngulară) de vectori <strong>proprii</strong> a matricei Ã. Prin urmare, κ 2 (Ṽ) = ‖Ṽ‖·‖Ṽ −1 ‖ =<br />
= ‖UV‖·‖V −1 U H ‖ = κ 2 (V) de unde rezultă şi conservarea numărului de condiţionare<br />
min V ∈VA κ 2 (V), q.e.d.<br />
✸<br />
Implicaţiile importante ale propoziţiei de mai sus constau în utilizarea, practic<br />
exclu<strong>si</strong>vă, a transformărilor unitare (ortogonale) de asemănare în toţi algoritmii<br />
de calcul al <strong>valorilor</strong> <strong>proprii</strong> (vezi secţiunile precedente). De asemenea, rezultă<br />
că o eventuală ameliorare a condiţionării spectrului de valori al unei matrice nu<br />
este po<strong>si</strong>bilă decât prin recurgerea la transformări de asemănare neunitare, care să<br />
realizeze o ”apropiere” a matricei iniţiale de o matrice normală. Întrucât o matrice<br />
normală este caracterizată, printre altele, de faptul că este perfect echilibrată, i.e.<br />
are normele euclidiene ale liniilor şi coloanelorde acelaşi indice egale, procedurile de<br />
ameliorare a condiţionării spectrului unei matrice urmăresc o echilibrare a acesteia,<br />
aşa cum s-a prezentat în detaliu în secţiunea 4.4.<br />
B. Condiţionarea <strong>vectorilor</strong> <strong>proprii</strong> şi a subspaţiilor invariante<br />
La fel ca şi în cazul <strong>valorilor</strong> <strong>proprii</strong>, din motive de <strong>si</strong>mplitate, ne vom mărgini la<br />
analiza condiţionării <strong>vectorilor</strong> <strong>proprii</strong> asociaţi <strong>valorilor</strong> <strong>proprii</strong> <strong>si</strong>mple. De asemenea,<br />
precizăm de la început că subspaţiile invariante generate de vectori <strong>proprii</strong> rău<br />
condiţionaţipotaveaocondiţionaremult maibună. Acestaşiesteunuldin motivele<br />
principale pentru care în practica numerică nu se recomandă, în general, calculul<br />
explicit al <strong>vectorilor</strong> <strong>proprii</strong>, subspaţiile invariante de interes putând fi generate<br />
mult mai fiabil, de exemplu, de vectorii Schur.<br />
Fie matricea A ∈ IC n×n cu valorile <strong>proprii</strong> distincte λ k şi vectorii <strong>proprii</strong> asociaţi,<br />
de normă euclidiană unitară, x k , k = 1 : n. Con<strong>si</strong>derăm matricea perturbată