Chapitre V Valeurs et Vecteurs Propres

Les premiers vecteurs et valeurs propres viennent des equations diff rentielles (Lagrange 1759, e dans le but de calculer les perturbations th orie du son ; Lagrange 1781, des matrices e s culaires des orbites des 6 plan` tes connues a l poque, Oeuvres V, p. 125-490). Aujourdhui, e e ` e le calcul des valeurs et vecteurs propres est indispensable dans toutes les branches de la science, en particulier pour la solution des syst` mes des equations diff rentielles lin aires, en th orie e e e e de stabilit , pour les questions de convergence de processus it ratifs, et en physique et chimie e e (m canique, circuits, cin tique chimique, equation de Schr dinger). e e o

F IG . V.1: Une application lin aire comme champ de vecteurs (` gauche) ; transform e sur la base e a e des vecteurs propres (` droite). a Observons en gure V.1 (` gauche) le champ de vecteurs dune equation diff rentielle a e . Deux directions sautent aux yeux : ce sont les directions o` le vecteur u prend la m me direction e que le vecteur , i.e., o` u ou (0.1) Si cette equation est v ri e, e e sappelle valeur propre de la matrice et ( ) est le vecteur propre correspondant. L quation (0.1) poss` de une solution non nulle si et seulement e e si (0.2) Le polyn me o est le polyn me caract ristique de la matrice o e sont alors les z ros du polyn me caract ristique. e o e . Les valeurs propres de

! #"

A$ 962$ @ 8 5 7 4

  

$ #!

   

 0( 3 21$)&

 0(  RD&

!'

! ' QPIG#E& ' DB HF 0 C

57 4 62& $& $ %#!

      

0 C E& ' EB

114 Bibliographie sur ce chapitre

Valeurs et Vecteurs Propres

B.N. Parlett (1980): The Symmetric Eigenvalue Problem. Prentice-Hall, Englewood Cliffs, NJ. B.T. Smith, J.M. Boyle, Y. Ikebe, V.C. Klema & C.B. Moler (1970): Matrix Eigensystem Routines: EISPACK Guide. 2nd ed., Springer-Verlag, New York. J.H. Wilkinson (1965): The Algebraic Eigenvalue Problem. Clarendon Press. [MA 65/72] J.H. Wilkinson & C. Reinsch (1971): Handbook for Automatic Computation, Volume II, Linear Algebra. Springer-Verlag, New York.

V.1 La condition du calcul des valeurs propres

A cause des erreurs darrondi, les el ments dune matrice , pour laquelle on cherche les valeurs e propres, ne sont pas exacts. Ils sont plut t egaux a o ` avec eps (eps, la pr cision de lordinateur, est suppos e etre tr` s petite). Il est alors tr` s important d tudier e e e e e linuence de ces perturbations sur les valeurs propres et sur les vecteurs propres de la matrice. Pour montrer ceci, consid rons la famille de matrices e

(souvent, la derni` re hypoth` se va etre remplac e par e e e

).

(avec des el ments dans Th or` me 1.1 (Gershgorine) Soit une matrice e e e a) Si est une valeur propre de , alors il existe un indice tel que

ou dans

(1.2)

c.-` -d. que toutes les valeurs propres de a lunion des disques

se trouvent dans

1 vp
1 2

2 vp
3 4

1 vp
5

consiste de b) Si une composante connexe de disques, elle contient exactement valeurs propres de .

D monstration. Soit e un vecteur propre et choisissons lindice tel que tout . La ligne de l quation e donne

pour

En divisant par

et en utilisant lin galit de triangle, on obtient e e

Lafrmation (b) est vraie si est une matrice diagonale. Le cas g n ral est obtenu par un e e argument de continuit en faisant tendre les el ments en dehors de la diagonale vers z ro (voir le e e e cours Analyse II concernant la d pendance continue de racinces dun polyn me en fonction dun e o param` tre). e

57

d d rW $ d U $ d

(y

d U d fd U rXWVuTtsrXWqpid

o` u

eps

et

fgYWeU b d d

U 0 XWU ca YXWVT XWVT b ` ' U !

! U d U dYXWVuTd sW f UW $ ghXWUVT sW fXUVT & d U U $ U$  U $e0 eUUdT & ' W $ XWVT sW U U $& $ "%! @ $ ! U 8U  YXWVuTd sW YXUVT & d " U d U U f d U &

U sW ! urXWVpTd W YXUVT & d d U fd U 8 ! x x ! v ! twv 7 v v f

f Yd b d

 SS

Tous les livres cit s dans le chapitre IV, et en plus e

b ! 7 h` "#0 b ' !

(1.1)

).

&

Valeurs et Vecteurs Propres Th or` me 1.2 Soit e e et soit

115

une matrice diagonalisable, i.e., il existe avec . Alors, pour chaque valeur propre de , il existe un

D monstration. Nous transformons la matrice e forme sous forme diagonale :

Si lon d note par e les el ments de e dun indice tel que

ce qui d montre lafrmation du th or` me, car e e e

La condition du calcul des valeurs propres depend de la condition de la matrice de transformation . Si la matrice est sym trique ( est orthogonale), le probl` me est bien conditionn . e e e Toutefois, observons quon obtient seulement une estimation pour lerreur absolue et non pour lerreur relative. une racine simple de . Th or` me 1.3 (diff rentiabilit des valeurs propres) Soit e e e e Alors, pour sufsamment petit, la matrice poss` de une valeur propre unique e proche de . La fonction est diff rentiable (m me analytique) et on a e e

o` est le vecteur propre a droite ( u ` On peut supposer que D monstration. Soit e

le th or` me des fonctions implicites garantie lexistence dune fonction diff rentiable e e e (m me e analytique), tel que et . Il existe donc un vecteur tel que

La matrice dans (1.4) etant de rang , on peut xer une composante a et appliquer la r` gle ` e de Cramer. Ceci montre que les autres composantes sont des fonctions rationnelles des el ments e de la matrice et donc diff rentiables. Apr` s la normalisation a e e ` , la fonction reste diff rentiable. e Pour calculer , nous pouvons d river l quation (1.4) par rapport a et poser ensuite e e ` . Ceci donne (1.5) En multipliant cette relation par , on obtient et d montre la formule (1.3). e , ce qui permet de calculer

b ! 7 v` u90 b ' !  Sv 7 Dg 0 tis)pd b tYU & 0 b ' & d r v ' rqg d fd U ' '   o &l F j 0b ! i 0b & 0 8 & SS & ' YnmIG i ! ki
avec ) et est le vecteur propre a gauche ( ` . . Comme et

' $ '  0 b 0 b $

0 C D& ' EB

& "!

' 0 b S &

i rSv j }sS%}v #0 isDq iv rv i ' r 9S2}vkSv v r i v g d f r v rv i r iv g d d U W 7 Sv j }Dpd b t~S2i 7 j }Dpd b tf YeWuyd d U U d f U YeWuyd sW d tYd eUy b i b 7 j i0 h`  i 7 j i x` 0 8 & SS & ' YnmIw i 0 b '  o lF b

0 b $ @ '

e$00 ' & ' (  s e$0 ' & 7 7 ' ` 0 ' 1$( & ! ' 0( 0 0 ' & ' 0 b S $ ( ' 0 b S & 7 ~` ! b  x  s #0 b $ (0 b & 0 b ' ! ' ' #0 b 0 b S & R0 & ' ' & '

R0 q & @ 90 & ' & ' 0( D& 7 x` ! ' QPIG#E& ' sEB R0 b & HF 0 C ' b v v v $ v $  ! & $ ' 0 b ' h` $ $ g bh` &#0 b p & 7 ' 0 b S &

b ! ' &7 w` 0 b !

{ zg |m U spd d f d b tYU & 0 b ' & d U & ' 0 b ' & d eWy U

! j i

b ! 7 h` "#0 b ' ! ! & d bd i

par la m me matrice, qui transe

, le th or` me de Gershgorine implique lexistence e e . Lin galit de triangle donne alors e e

(condition de ).

0 ' &

' 0 b S & b $

(1.3) ).

(1.4)

116

Valeurs et Vecteurs Propres

Cons quences. La formule (1.3) du th r` me pr c dent montre que le plus le vecteur propre de e oe e e droite est parall` le au vecteur propre de gauche, le mieux la valeur propre correspondante est bien e conditionn e (par exemple, pour les matrices sym triques les deux vecteurs sont identiques) ; le e e plus ils se rapprochent de lorthogonalit , le plus la valeur propre est mal conditionn e. e e Si la matrice nest pas sym trique (ou normale), le calcul de (valeur propre simple) peut etre e mal conditionn . Consid rons par exemple la matrice e e o` u

Dans cette situation, la formule (1.3) nous donne de est mal conditionn si est grand. e

Exemple 1.4 Consid rons la matrice (bote de Jordan) e

Le polyn me caract ristique de o e

satisfait

Si , les termes et sont n gligeables par rapport a e ` propres de sont alors approximativement donn es par les racines de e c.-` -d. a

(observer que

donne

valeurs complexes distinctes multiples des racines de lunit ). e

Exp rience num rique. Prenons la matrice (1.6) avec e e et . Les el ments de la matrice sont des e nombres al atoires dans lintervalle e . Le dessin ci-contre montre les valeurs propres de pour . Lerreur est pour et pour , ce qui correspond a la ` formule (1.7) pour . Cons quence. Si la dimension dune bote de Jordan e est plus grande que , le calcul de la valeur propre de cette matrice est tr` s mal conditionn . e e

.9

Condition du calcul des vecteurs propres

e Consid rons la situation o` toutes les valeurs propres de sont distinctes. La d monstration du e u th or` me sur la diff rentiabilit des valeurs propres montre (voir formule (1.4)) que les vecteurs e e e e propres normalis s e de sont des fonctions diff rentiables de . Pour etudier la condition e du calcul des vecteurs propres, nous exprimons dans la base des vecteurs propres (de droite)

8 g b i  0 d & & Eg b ' d

' ' 0 b ' ` 0 i p1ig b & 0 b S &  xh `  $  i 8 0 8 g b ' b x ! & 

.. ... .
.1 .1

x i 8 0 8 Yg b ' 8 g b g 8 0  ' 8 D& & ' i & 0 ` & b 7 x` ! 8 i d 0 d & & )g b ' 0 b ' @ 0( PH h` 0 b ' x` 8 g b g 8 0  ' 8 0D& & ' RD& 7 h` ! ' }F i b b 7 x` !

&

 U U $ U R0 ' $ 8 0 ' $

b j 7 b` ! |  7

&  &

' b 7 ` ! 0 b U $

 x  x j    j Yj j b  SS p Yj   Yj   b 

~!  x  &  &

et le calcul

(1.6)

. Les valeurs

(1.7)

1.1

(1.8)

Valeurs et Vecteurs Propres La formule (1.5) donne alors

117

En multipliant (1.9) par le vecteur propre de gauche (observer que pour ), on obtient (pour ) de la relation . La normalisation donne (en la d rivant) e et on en d duit que e . Si lon ins` re les e formules pour dans (1.8), on obtient pour la relation

De cette formule, on voit que la condition du calcul du vecteur propre d pend de la grandeur e (comme cest le cas pour la valeur propre; voir la formule (1.3)) et aussi de la distance entre et les autres valeurs propres de .

Un algorithme dangereux

La premi` re m thode (d j` utilis e par Lagrange) pour calculer les valeurs propres dune matrice e e ea e est la suivante: calculer dabord les coefcients du polyn me caract ristique o e et d terminer e ensuite les z ros de ce polyn me. Si la dimension de est tr` s petite (disons e o e ) ou si lon fait le calcul en arithm tique exacte, cet algorithme peut etre tr` s utile. Par contre, si lon fait le calcul e e en virgule ottante, cet algorithme peut donner des mauvaises surprises. Consid rons, par exemple, le probl` me de calculer les valeurs propres de la matrice diagonale e e

dont le polyn me caract ristique est o e

Les coefcients calcul s satisfont e avec eps. Cette perturbation dans les coefcients provoque une grande erreur dans les z ros de (1.12). Les r sultats num riques pour e e e (avec eps , simple pr cision) sont dessin s dans la gure V.2. e e

Conclusion. Eviter le calcul des coefcients du polyn me caract ristique. Un tel algorithme est o e num riquement instable. e

2 0 2 2 0 2

F IG . V.2: Z ros de (1.12) avec des coefcients perturb s e e

'  v 0 b S $ v @ !

 x f 0 C E& ' DB

! $ U U U ' U  0 b ' h` 0 U $ $ $ U $ ' $ 0 $ & U & h` 0 b $ $ ' 8 b 7 ' ' b $ S ' U U 0 b h` 0 $ h` 0 b $ $ $ U 8U U U U U U ' s0 ' $ $  $ 7 ` $ 0 & & W $ U U W   $0 ' & 7 ' ` W $ W 0 & W & ' 0( 8 Yj  g fd U d 'U U 0 U b ` dT dT  T ` & T ` pS `# j b & j 8 T j g & j 8 T & 0  tx8 Eg Sp g `D& w ' E& 9`  ' 8 E& 8  '  0 8 0 0 0 D& x  0 q SS    ' snm"! o lF  s x  x ! ' 0 C  ' RE& ' EB

(1.9)

    s G x 

 x

" x

(1.10)

U $ U &

(1.11)

(1.12)

118

Valeurs et Vecteurs Propres

V.2 La m thode de la puissance e

Un algorithme simple pour calculer les valeurs propres dune matrice

o` est un vecteur arbitraire. Dans le th or` me suivant, on d montre que u e e e la puissance) tend vers un vecteur propre de et que le quotient de Rayleigh approximation dune valeur propre de .

Th or` me 2.1 Soit une matrice diagonalisable de valeurs propres e e et de vecteurs propres (normalis s par e ). Si , les vecteurs de lit ration (2.1) v rient e e (2.2) ) (2.3)

(le nombre

est d ni par e

). Le quotient de Rayleigh satisfait (si

a Si est une matrice normale (c.-` -d. que les vecteurs propres sont orthogonaux), lerreur dans (2.3) est . D monstration. Exprimons le vecteur de d part e e . Par r currence, on voit que e dans la base des vecteur propres, c.-` -d., a

ce qui d montre la formule (2.2). De cette relation, on d duit que e e

Si

, la formule (2.3) est une cons quence de e

Pour une matrice normale, le deuxi` me terme dans les formules (2.5) et (2.6) est absent et lexpression e peut etre remplac e par e dans (2.7) et dans (2.3).

Exemple 2.2 Consid rons la matrice e

dont la valeur propre la plus grande

est sance nous donnent

. Quelques it rations de la m thode de la puise e

et une premi` re approximation de e

est obtenue par

 d #! as !

  s  s !    & 0   ' 0  ' 0   '  sssY s     asr ' spv '  &    00 `       G! d & d d & d 0 V Y & ' 0 s & ' 0  q0 d & d ' d d d S s & ' hh g Eg d & Dg d Vd uTd  '` 0 d d 0 & ' ` g Eg pTd #! s & xh & & @ T  W $ U $ W & U deTVT sU ` U & d fVpTd U  W U W d dU & W 8 W U sU d d U U $ U $ W & U & WdeTVT ` U & U & d fVpTd 8  xs! U $ & UVT U T & U U VT U ! U U & 8 ` $ G $ & 8 "s U $ VT 8U U d d 0 V & ' s & !  & & s & h` " ! @ T U $ dT U U T 0q0 d Y & ' h` $ 1T' "s & d & d 8 t SS sd & tYd uY d d  d d d s  v & 8 $ & SS $ &  fU $ v !

 8 & pS &

est bas sur lit ration e e (2.1)

! ! # 

(m thode de e est une

(2.4)

(2.5) (2.6)

(2.7)

Valeurs et Vecteurs Propres

119

croissent exponentiellement avec . Il est alors recomRemarques. Les el ments du vecteur e mand de normaliser e apr` s chaque it ration, c.-` -d. de remplacer e e a par . Sinon, on risque un overow. Si est proche de , la convergence est tr` s lente. Pour acc l rer la e ee convergence, on utilise la modication suivante.

M thode de la puissance inverse de Wielandt e

Supposons quon connaisse une approximation de la valeur propre cherch e e (il nest pas n cessaire de supposer que e soit la plus grande valeur propre de ). Lid e est dappliquer e lit ration (2.1) a la matrice e ` . Les valeurs propres de cette matrice sont . Si est proche de , on a pour

Apr` s avoir calcul la d composition LR de la matrice e e e plus cher quune de (2.1).

e e Exemple 2.3 Pour la matrice de lexemple pr c dent, choisissons Deux it rations de (2.8) nous donnent e

et on obtient

De cette relation, on calcule chiffres sont corrects.

La m thode de la puissance (et celle de Wielandt) est importante pour la compr hension e e dautres algorithmes. Si lon veut calculer toutes les valeurs propres dune matrice, on utilise des m thodes encore plus sophistiqu es. En pratique, on proc` de de la mani` re suivante: e e e e on distingue les cas: sym trique ou quelconque. e on cherche telle que devienne une matrice de Hessenberg (ou une matrice tridiagonale, si est sym trique); voir V.3. e on applique lalgorithme QR a la matrice (voir V.6). ` si est une matrice tridiagonale et sym trique, on peut egalement appliquer la m thode de e e bissection (voir V.4).

V.3 Transformation sous forme de Hessenberg (ou tridiagonale)

devient

Donc, les valeurs propres de et de sont les m mes et les vecteurs propres e de se transforment par . Le but de ce paragraphe est de trouver une matrice telle que devienne plus simple. La situation id ale serait trouv e si e e devenait diagonale ou triangulaire mais une telle transformation n cessiterait d j` la connaissance des valeurs propres. e ea

U$

i ! j i

 i ! j i &

Avec la transformation

  ssssY   & h  s           YssssYssss j ( ! '   & 0   s Y     sss   s   sYssEsY  Ys     s Y        s   s sY  ss    s Y E Y        sss Yss  s     0     '   !

et on obtient lapproximation

(o` u

est une matrice inversible) le probl` me e

( !  0  e(

et la convergence va etre tr` s rapide. Lit ration devient alors e e

, une it ration de (2.8) ne co te pas e u et .

. Les

j0 U &' &

v s v Ys  0  j (

! '  

d g U & d g & d d   0 j ( ! ' &

U i U$ i ! j i ! $ &"%$ i! %$

t i ! j i

!'

d & s & d !

! i

&

i ! j i

ou (2.8)

premiers

120

Valeurs et Vecteurs Propres tel que

c.-` -d., a

pour

. Pour arriver a ce but, nous consid rons deux algorithmes. ` e

e a) A laide des transformations el mentaires

Comme pour l limination de Gauss, nous utilisons les transformations pour faire apparatre les e z ros colonne par colonne dans (3.1). e Dans un premier pas, nous choisissons tel que pour et nous permutons les lignes et , c.-` -d., nous formons a o` est une matrice de permutation convenable. Pour u ne pas changer les valeurs propres, il faut egalement permuter les colonnes et (ceci correspond au calcul de car et donc ). Si , on a aussi pour et le premier pas est termin . Sinon, nous d terminons e e

. . .

. . .

..

..

telle que

. . .

. . .

Pour ceci, on d nit e

. Une multiplication a droite avec `

. . .

. . .

..

..

ne change pas la premi` re colonne de e . On r p` te la m me proc dure avec la sous-matrice de e e e e de dimension , et ainsi de , cet algorithme co te deux fois plus cher que u suite. A cause des multiplications a droite avec ` op rations). e l limination de Gauss (donc e Exemple. Pour la matrice

et on obtient

Cet exemple montre un d savantage de cet algorithme : si lon part avec une matrice sym trique e e , la matrice de Hessenberg , obtenue par cet algorithme, nest plus sym trique en g n ral. e e e



puis

 G

  

Ys    

on prend

 8 T 8 T

U T

 SS SS  SS   SS

 

T T T T

  SS SS
.. ... ... . .. ... . . . .

dW d d pVuTts pTd

 x jU j ! !   SS 8 j

j !

 !

" i ! j i T U T U   SS 8 w     ( j ! #!              `     h! XW U ~! !

Alors, on cherche

i ! i j

soit sous forme de Hessenberg

(3.1)

. . .

Valeurs et Vecteurs Propres

121

b) A laide des transformations orthogonales

Il est souvent pr f rable de travailler avec des r exions de Householder (voir le paragraphe IV.7). ee e Commencons par une r exion pour les coordonn es e e laissant xe la premi` re coore donn e : e ( ) tel que o` u . En posant et , la matrice contient des z ros dans la premi` re e e colonne a partir du troisi` me el ment. La multiplication a droite avec ` e e ` ne change pas cette colonne :

Dans le pas suivant, on applique la m me proc dure a la sous-matrice de dimension e e ` Finalement, on arrive a la forme de Hessenberg (3.1) avec la tranformation ` qui est une matrice orthogonale (c.-` -d., a ). Nous avons un double avantage avec cet algorithme : il ne faut pas faire une recherche de pivot ; si A est sym trique, alors e est aussi sym trique, et donc tridiagonale. e

V.4 M thode de bissection pour des matrices tridiagonales e

Consid rons une matrice sym trique tridiagonale e e

On observe tout dabord que si un el ment est nul, la matrice est d j` d compos e en deux e ea e e sous-matrices du m me type, qui ensemble fournissent les valeurs propres de . e On peut donc supposer, sans restreindre la g n ralit , que e e e pour

Pour cette matrice, il est possible de calculer la valeur connatre ses coefcients. En effet, si lon pose

et si lon d nit e

, on obtient

La formule de r currence dans (4.3) est obtenue en d veloppant le d terminant de la matrice e e e par rapport a la derni` re ligne (ou colonne). ` e En principe, on peut maintenant calculer les valeurs propres de (c.-` -d. les z ros de a e ) de la mani` re suivante : chercher un intervalle o` e u change de signe et localiser une racine de par bissection. Les evaluations de sont faites a laide de la formule (4.3). Mais il ` existe une astuce interessante qui permet dam liorer cet algorithme. e

0 E& ' 8 ( D& U !

 g g Sp j 8 j i  x  g ! g T T j T  ! 0 8 S SS eT' ! Vy q S S  ! x   Sp !  q SS  x  y y y y g! 0 D& '  q SS EB x  C ! ! 8 8y  8y

.. ... . .. ... .

0E& ' j 0 ' j U 0 U 0 'U U y E& S E& U ' RE& ' & RE& SE 0 0 '  RE& s 0( D& U ! ' }Iwn#E&  PH F 0 'U y y ! 0 ' !

0 D& ' 8 0 E& ' 8

y y y y

i i j U y

T T T T T T !g T TT T T  (  0 '  v v ( i ! i j ! @ y U

, etc. ,

#E& ' 8 0

(4.1)

(4.2)

du polyn me caract ristique sans o e

(4.3)

122 Th or` me 4.1 Si (4.2) est v ri , les polyn mes e e e e o a) b) c) si ( ); si pour un ne change pas de signe sur .

Valeurs et Vecteurs Propres

D monstration. Lafrmation (c) est triviale. e pour un , la formule de r currence (4.3) donne lin galit e e e Si . Pour d montrer (b), il suft dexclure le cas e . Si deux valeurs cons cutives de la suite e sont nulles, la formule de r currence montre que e pour tout , ce qui contredit . Nous d montrons par r currence que e e toutes les racines de sont r elles, simples et s par es par celles de e e e

U s SS ' ' '  0 SS&  & 0 & ' U 0 & ' U 0E& S  0 ' U W 0 ' W S  ` U & U 0  ' D& j S ` 0 Sj 0  & ' U ' U W 0  ' 0 W & S j 0 ' E& S U 0 U &  D& ' U G pS &  ~`  j 0 ' U D& S 0 'U E& '  E& #E & U 0 0 ' f ' j ' U 0 & p 'UU 0 p E%E& E& x  q SS  4 0

Il ny a rien a d montrer pour ` e . Supposons la propri t vraie pour et montrons quelle est ee encore vraie pour . Comme les z ros e de sont s par s par ceux de e e et comme , nous avons sign . Alors, on d duit de (b) que e sign . Ceci et le fait que montrent que poss` de un z ro r el dans chacun des intervalles ouverts e e e , . Lafrmation (a) est maintenant une cons quence de (b) et de (4.4); voir la gure V.3. e

F IG . V.3: Suite de Sturm D nition 4.2 (suite de Sturm) Une suite e de polyn mes a coefcients r elles o e ` 1 sappelle une suite de Sturm , si elle v rie les conditions (a), (b), (c) du Th or` me 4.1. e e e Th or` me 4.3 Consid rons une suite de Sturm e e e

. Si lon d nit e

nombre de changements de signes de

alors le polyn me o

poss` de exactement e

z ros dans lintervalle e

(si

, on d nit sign e

sign

D monstration. Par continuit , lentier e e peut changer sa valeur seulement si une valeur des fonctions devient nulle. La fonction ne change pas de signe. Supposons alors que pour un . La condition (b) et la continuit de e montrent que seulement les deux situations suivantes sont possibles ( petit):
1

Jacques Charles Francois Sturm (1803 1855), n le 29 septembre 1803 a Gen` ve. e ` e

'U R0E&  jU ' U 0E& 'S  0E& S 

 ' 0  D& ' 8 } SS 0E& pEq 0E& '  0 8 q SS Eqt'

0 'W D& Y

j 0 ' U D& S

0 E& ' 0E& ' 0E& ' 0E& ' 0 ' E& E

0 'U #E& 

(y 0 'j D&  0 'U  xq SS  4 #& & S jU D& S 0 ' 0 ' U y 2& RD& ' 8 #D& S 8 & ' 8 ( 4 0 0 ' 0  0 8 q SS Eqt' b 0 eT' 0 e'  ' 0E&  0 E& '  #D& 0 'U  xq SS  4 0 SuT 0 D& ' 8 0 RE& ' 0 'U D&

0 'U E&

d nis par (4.3) satisfont e ;

(4.4)

(4.5)

(4.6) ).

E& 0 'U

Valeurs et Vecteurs Propres

123

M thode de bissection. Si lon applique ce th or` me a la suite (4.3), la diff rence e e e ` e est . On obtient toutes les valeurs egale au nombre de valeurs propres de (4.1) dans lintervalle propres de de la mani` re suivante: e

on pose et on calcule indiquent combien de valeurs propres de

. Les diff rences e et sont dans et combien sont dans

on continue a diviser les intervalles qui contiennent au moins une valeur propre de . `

On peut facilement modier cet algorithme pour calculer la valeur propre la plus petite ou la eme ` plus grande valeur propre, etc. Pour eviter un overow dans le calcul de avec (si et sont grands), il vaut mieux travailler (4.7)

et utiliser le fait que

nombre d l ments n gatifs parmi ee e

(attention: si est z ro, on pose e ; cette valeur compte pour un el ment n gatif). e e Pour une programmation de lalgorithme, on utilise la r currence e

eps

La formule pour le cas est une cons quence de (4.3). Si e (c.-` -d., a ), on remplace cette valeur par eps. Ceci correspond a ajouter la perturbation ` eps a ` .

! i 0 S|ui 0 SuT 0 ei' 0 e' 0 eT' 0 ei' x R0 e' R0 eT'

on cherche un intervalle qui contienne toutes les valeurs propres de quant le th or` me de Gershgorin). On a donc que e e et .

(p.ex., en appli-

si si

0 1T' 0 1'

jU gdU puyd E& p j gdU sfpyd 0 ' U @ 0 ' j ' j 0E& S U D& U j dU uyd 0 ' #E S U aE&& S j U 0 S j U U y & U RE& U 0 ' ' @ 0 ' E& & RE& 0 ' j 0 ' RD& U 0 ' U E& S  0 ' 0 E& ' 8 SS D& 0 RE& ' j  xq pS 0 ' U 0 'U 0 ' E& S  E& RD& U  & x D& ' 8 0

0 SpT

'8

c.-` -d., a et augmente de sa valeur si

. Ceci d montre que la fonction e traverse un z ro de e .

0 E& 0 E& ' 0 E& ' j8 ` 0 ' E& S 8 b h` & & b &

est constante par morceaux

0 D& ' 8

Chaque fois, on a un z ro de e pour Il reste a etudier la fonction ` implique que pour les signes de

et la valeur de

ne change pas si

. dans un voisinage dun z ro de e . La propri t (a) ee on a seulement les deux possibilit s suivantes: e

&

b x` & & b & `

traverse . (4.8) (4.9)

` `

& 0 E& '

' U 0D& ' 0 D& jU 0 ' U D&

! 0 1i'

0b

&  b  G` 0 b & ' x#0 ` & ' 0 ` D' & ' j8 0 ` ` ` D& S 8 b x` & & b & 0 'W D& d 0 '   D& qx SS  4 E& 0 'U & ' G& ' wg0 ~` & ' 0 b ' U 0 & ' DD& U j 0 0 ' U ` ` ` D& b h` & & b & ppT  0 ` eT' i !

124

Valeurs et Vecteurs Propres

V.5 Lit ration orthogonale e

Dans ce paragraphe, nous allons g n raliser la m thode de la puissance (voir le paragraphe V.2) e e e ) valeurs propres dominantes en m me temps. Cette e an de pouvoir calculer les deux (trois, g n ralisation motivera lit ration QR qui constitue lalgorithme le plus important pour le calcul e e e des valeurs propres dune matrice. G n ralisation de la m thode de la puissance (pour calculer les deux valeurs propres domie e e nantes). Consid rons une matrice dont les valeurs propres satisfont e

La m thode de la puissance est bas e sur lit ration e e e (voir (2.1)) et nous permet dobtenir une approximation de a laide du quotient de Rayleigh. Pour calculer (en m me ` e temps) la deuxi` me valeur propre , nous prenons deux vecteurs et satisfaisant e et nous consid rons lit ration e e

o` u

Ceci signie que le calcul de correspond a la m thode de la puissance appliqu e a , com` e e ` bin e avec une orthogonalisation (projection de e sur le compl ment orthogonal de ). e En exprimant les vecteurs initiaux dans la base de vecteurs propres de la matrice (on suppose ),

les vecteurs

deviennent

(5.5)

, le terme Comme nous lavons constat dans le paragraphe V.2, pour e dans (si ) et on obtient une approximation du premier vecteur propre dire pour la suite ? La condition (5.4) dorthogonalit implique que e

est dominant . Que peut-on

Cette relation d nit . Comme le terme avec e Par la suite, nous allons supposer que et obtient

 0 d Y& ' h` 0 d s & ' x` $ $ 0 T eT 0 s & ' xR 0 T |eT ' d d d d ` & ' & & & & @ | T T @ T T &  W W ' U W U $ U $ W & U & 0 VT QW1VT 8 8

(5.6) . , on

est dominant, on voit que . En divisant (5.6) par

$ $ & T U U $ U 0 dT QUe' &U 8

 

U $ U & VT U

U  8

v  U $ v

S 

@ T

o` u

est d termin par la condition e e

. Par induction, on voit que

est tel que

U U U U U $ QU $ VT 8 8  8 $ pS $ !   !  " " ! !  ! #  && s!    d d d 8 & SS Yd & Y & d d

 SS

(5.1)

(5.2)

(5.3)

(5.4)

Valeurs et Vecteurs Propres Maintenant, on peut ins rer cette formule dans (5.5) et on en d duit e e

125

sapproche (pour Visiblement, le vecteur projection orthogonale de a lhyperplan ` suivant. Th or` me 5.1 Consid rons les vecteurs e e e

(observer que

D monstration. L l ment (1,1) de la matrice e ee est le quotient de Rayleigh (2.3) qui converge vers . En utilisant (5.7), on voit que l l ment (2,2) satisfait ee

De facon similaire, on obtient pour l l ment (2,1) ee

Finalement, l l ment (1,2) de ee

Cette expression est en g n ral non nulle. e e

Remarque. Avec la notation (5.8), lit ration (5.2) peut etre ecrite sous la forme e

o` u

est une matrice

M thode de la puissance (pour le calcul de toutes les valeurs propres) ou simplement it ration e e orthogonale. La g n ralisation de lalgorithme pr c dent au cas o` lon veut calculer toutes les e e e e u valeurs propres dune matrice est evidente: on choisit une matrice orthogonale , c.-` -d., on a choisit vecteurs orthogonaux (les colonnes de ) qui jouent le r le de o , etc. Puis, on effectue lit ration e for (d composition QR) e ,

@ | T

T @ T

end Si (5.1) est v ri et si la matrice e e est bien choisie ( g n ralisation du th or` me pr c dent donne la convergence de e e e e e e

$ $ $ g $ $ $  & d d & d & 0 d sS& ' h` 0 s & ' h` $ g $ $ $ 0 T 1'

). Si (5.1) est v ri , on a que e e

(5.7)

) dun multiple de , qui est la . Concernant les valeurs propres, on a le r sultat e donn s par (5.2) et notons e (5.8)

 & d d $ d $ d '  0 g $ g $ $ $ ' 0 ' $ g g $ $ $ ' ' 0 $ $  & 0 $ $ $ & $ & 0 $ $ $ $ ! &

v v v v V $ g $ $ $ Dg V $ v v pDg v s v  d $ $ d  $ $e0 & & ' 0 $ g $ $ & $ & ' $ ! ! v v v v v Dg v pv  s V Dg V g v $ $ & 0 $ g $ $ $ $ $ $ ' $ ss!

satisfait

qui est triangulaire sup rieure. e

0 v pv Y v  v rs ' S  y 3 ! !  i ! & &

pour

!  

y j 3Y S S "  !

( "

(5.9)

(5.10)

, etc), une (5.11)

126

Valeurs et Vecteurs Propres

vers une matrice triangulaire dont les el ments de la diagonale sont les valeurs propres de . On e a donc transform en forme triangulaire a laide dune matrice orthogonale (d composition de e ` e Schur). Il y a une possibilit int ressante pour calculer de (5.11) directement a partir de e e ` . Dune part, on d duit de (5.10) que e

(5.12a)

Dautre part, on a

(5.12b)

On calcule la d composition QR de la matrice e d composition pour obtenir . e

et on echange les deux matrices de cette

V.6 L algorithme QR
La m thode QR, due a J.C.F. Francis et a V.N. Kublanovskaya, est la m thode la plus courame ` ` e ment utilis e pour le calcul de lensemble des valeurs propres e (P.G. Ciarlet 1982) the QR iteration, and it forms the backbone of the most effective algorithm for computing the Schur decomposition. (G.H. Golub & C.F. van Loan 1989)

La version simple du c l` bre algorithme QR nest rien dautre que la m thode du paragraphe ee e et si lon commence lit ration avec e , les pr c dent. En effet, si lon pose e e formules (5.11) et (5.12) nous permettent d crire lalgorithme pr c dent comme suit: e e e for

(d composition QR) e

end

Les qui sont les m mes que dans le paragraphe V.5, convergent (en g n ral) vers une matrice e e e triangulaire. Ceci nous permet dobtenir toutes les valeurs propres de la matrice car les ont les m mes valeurs propres que (voir (5.11)). e Cet algorithme important a et d velopp ind pendamment par J.G.F. Francis (1961) et par e e e e V.N. Kublanovskaya (1961). Un algorithme similaire, qui utilise la d composition LR a la place e ` de la d composition QR, a et introduit par H. Rutishauser (1958). e e Exemple num rique. Appliquons la m thode QR a la matrice e e `

On peut montrer (voir exercice 14) que, pour une matrice de Hessenberg , toutes les matrices sont aussi sous forme de Hessenberg. Pour etudier la convergence vers une matrice triangulaire, il suft alors de consid rer les el ments e e ( ) de la sous-diagonale. On constate que

(6.2)

ji

 d j ' 0 y  r j ' y0 ! 

         

U& U &  xq SS 

i j i j j !  ! i j j j ! i U Q U U QS U U U Q j % ! !

yG i j i 33 y  SS  r  )i ! "

(6.1)

Valeurs et Vecteurs Propres

127

100

104 106 0

10 20 30 40 F IG . V.4: Convergence de la m thode QR (sans shift) e

Remarques. (a) Comme le calcul de la d composition QR dune matrice pleine est tr` s co teux e e u ( op rations), on applique lalgorithme QR uniquement aux matrices de Hessenberg. Dans e cette situation une it ration n cessite seulement e e op rations. e (b) La convergence est tr` s lente en g n ral (seulement lin aire). Pour rendre efcace cet e e e e algorithme, il faut absolument trouver un moyen pour acc l rer la convergence. ee (c) Consid rons la situation o` est une matrice r elle qui poss` de des valeurs propres come u e e plexes (lhypoth` se (5.1) est viol e). Lalgorithme QR produit une suite de matrices e e qui sont toutes r elles. Dans cette situation, les e ne convergent pas vers une matrice triangulaire, mais deviennent triangulaires par blocs (sans d monstration). Comme la dimension des blocs dans la e diagonale vaut en g n ral ou , on obtient egalement des approximations des valeurs propres. e e

Acc l ration de la convergence ee

Dapr` s lobservation (6.2), nous savons que e

. Une id e g niale e e La convergence vers z ro de cet el ment ne va etre rapide que si e e est dappliquer lalgorithme QR a la matrice ` o` u . Comme les valeurs propres de sont , on a la propri t ee pour et l l ment ee va converger rapidement vers z ro. Rien ne nous emp che dam liorer lapproximation apr` s e e e e chaque it ration. Lalgorithme QR avec shift devient alors: e for

d terminer le param` tre e e

(d composition QR) e

end Les matrices de cette it ration satisfont e

Ceci implique que, ind pendamment de la suite , les matrices e ont toutes les m mes valeurs e propres que . Pour d crire compl` tement lalgorithme QR avec shift, il faut encore discuter le choix du e e e e e param` tre et il faut donner un crit` re pour arr ter lit ration. e

j 8 8

U Q U

d U Q U d

( , , , vergent, pour , lin airement vers e en fonction du nombre de lit ration). e

). Comme , les el ments e con(voir la gure V.4, o` les valeurs u sont dessin es e

x   q SS  d S j 8 & d d 8 & d

! " i i  i ( j ` y ( j ` yY ' 3 j i 0 i j y G i (j ` j i 33 r y j (  SS   )i ! "

d &  U s U & d

d d U & d Y 8 & d 8 & ( ! j  d j & d 0 p 8 s 8 & ' S8 8

50

102

0 x'

 

i !  

0 x'  & Y &  &   & 

U&

(6.3)

(6.4)

128

Valeurs et Vecteurs Propres

Choix du shift-param` tre. On a plusieurs possibilit s: e e : ce choix marche tr` s bien si les valeurs propres de la matrice sont r elles. e e on consid` re la matrice e

Si les valeurs propres de (6.5) sont r elles, on choisit pour celle qui est la plus proche de e Si elles sont de la forme avec (donc complexes), on prend dabord pour lit ration suivante e . Crit` re pour arr ter lit ration. Lid e est dit rer jusqu` ce que e e e e e a isamment petit. Plus pr cis ment, on arr te lit ration quand e e e e eps pour

ou

Si (6.6) est v ri pour e e , on accepte comme approximation de et on continue lit ration avec la matrice e . Si (6.6) est v ri pour e e , on accepte les deux valeurs propres de (6.5) comme approxet et on continue lit ration avec la matrice e . imations de Exemple num rique. Nous avons appliqu lalgorithme QR a la matrice (6.1) avec le shift e e ` . La convergence de vers z ro est illustr e dans la gure V.5. Une comparaison avec la e e gure V.4 nous montre que la convergence est beaucoup plus rapide (convergence quadratique). Apr` s it rations, on a e e . Encore it rations pour la matrice de dimension donnent e . Il ne reste plus que it rations a faire pour la matrice de dimension pour avoir e ` . En tout, it rations ont donn toutes les valeurs propres avec une pr cision de e e e chiffres.

100 103

109 1012 1015 0

5 10 F IG . V.5: Convergence de la m thode QR (avec shift) e

Le double shift de Francis

Dans la situation o` est une matrice r elle ayant des valeurs propres complexes, il est recomu e mand de choisir un shift-param` tre qui soit complexe. Une application directe de lalgorithme e e pr c dent n cessite un calcul avec des matrices complexes. Lobservation suivante permet d viter e e e e ceci. Lemme 6.1 Soit une matrice r elle, e et d compositions dans lalgorithme QR de mani` re a ce que e e `

. Alors, on peut choisir les soit r elle. e

106



8&  x j 8 Q j 8 j 8 8 ` 8 8
ou

j 8 W U XW U t'

0 S

@ j  8 8 8 8 8 Q j 8 j 8 Q j 8 2 `

x 8j W U 0 XWU ' x 8 8 j j d ' 0 d d ` d Q Eg

  j  fYd d U Q U

j8& 8&

f Yd j d

j j 

8 p 8

(6.5) . et

soit suff-

(6.6)

f sd d f)d d  8 p 8

Valeurs et Vecteurs Propres Remarque. La d composition QR dune matrice est unique sauf quon peut remplacer e o` u avec . D monstration. La formule (6.4) montre que e

129

Il suft alors de d montrer que le produit e pour donne

est r el. Une manipulation a laide de formules e `

On a donc trouv une d composition QR de la matrice e e qui, en cons quence des hypoth` ses du e e lemme, est une matrice r elle. Si, dans lalgorithme QR, la d composition est choisie de mani` re e e e a ce que les el ments diagonaux de ` e et soient r els, alors, a cause de lunicit de la e ` e d composition QR, les matrices e et sont r elles. e Une possibilit de calculer e a partir de est de calculer de (6.8), de faire une d compo` e sition QR (r elle) de e et de calculer a laide de (6.7). Cet algorithme nest pas pratique car ` le calcul de n cessite e op rations, m me si e e est sous forme de Hessenberg. Il y a une astuce int ressante pour obtenir e a partir de ` en op rations. Elle est e bas e sur la propri t suivante. e ee

o` est orthogonale et est sous forme de Hessenberg satisfaisant u pour Alors, et sont d termin es de mani` re unique par la premi` re colonne de . e e e e Remarque. On a unicit dans le sens suivant: si e orthogonale satisfaisant , alors D monstration. Notons les colonnes de e

est de type Hessenberg avec une matrice o` u avec .

par . Alors, la relation (6.9) implique

Si est x , la valeur e est donn e par la deuxi` me formule de (6.10). Avec cette valeur, on e e obtient de la premi` re formule de (6.10) que est un multiple de e . Ceci d termine e a une unit ` e pr` s. Maintenant, les valeurs e sont d termin es et est un multiple de e e , etc. Si les hypoth` ses du lemme pr c dent sont v ri es, on peut calculer la matrice r elle e e e e e e op rations de la mani` re suivante: e e calculer , la premi` re colonne de e (formule (6.8)); d terminer une matrice de Householder e telle que ; transformer sous forme de Hessenberg a laide de matrices de Householder ` (voir le paragraphe V.3); c.-` -d., calculer a o` u . en

 j 8 g SS g Y i %  pS ' Vy R0 Vy S

x  q SS  @ j U | U

d  U d

 eU| U W W W U feUf W qi i W U U q  Vy Vy 0 8 pS ' oYnmlIFG i

S d Si

p dS

j8 d i % Vy 0 x' S i

Th or` me 6.2 Soit e e

une matrice donn e et supposons que e (6.9) .

0( d i' 0 ( r ` y0 (

0 x'

' ` r 0( #y p '

 0 ' i0 ' i  o lF d 0 8 SS ' smIG  U d i i' i i 0 x' i i i y yy y  I( ` y 0 ' y 0 tiS (

i 0 ` ' i ' ` 0 y ' y y i

0y j ' 0 ' S

par

(6.7)

(6.8)

(6.10)

130

Valeurs et Vecteurs Propres

pour , la premi` re colonne de est un multiple de celle de e Comme (observer que ). Par la formule (6.8), la premi` re colonne de e est aussi un multiple de . Par cons quent, pour un bon choix des d compositions e e et , on a et la matrice obtenue par cet algorithme est egale a ` (voir (6.7)).

Etude de la convergence

Supposons d tre d j` proche de la limite et consid rons, par exemple, la matrice e ea e

o` est un nombre petit. Avec le choix u

pour le shift-param` tre, on obtient e

si si

est sym trique (c.-` -d., e a

nest pas sym trique (p.ex. e

Ces propri t s restent vraies pour des matrices g n rales (sans d monstration). ee e e e

V.7 Exercices
1. Calculer les valeurs propres de la matrice tridiagonale (dimension ,

.. . .. .

..

Indication. Les composants du vecteur propre . V rier que e nies avec

R sultat. e

2. Consid rer la matrice e

Dapr` s le th or` me 1.3 cette matrice poss` de une valeur propre de la forme e e e e

1 2 

Calculer

et dessiner la tangente a la courbe `

   21   1   0 '   %$#   W   & " ! ( )'            8  W  8  W  V W 8

satisfont une equation aux diff rences e o` u

au point

 21

1 

1 

6 5 7  1 

j 8 8  T j 8 8 b T (  hi y

et

) on a

, donc convergence cubique. , donc convergence quadratique.

) on a

i y y
)

y s s

0 b' 0 b'  s hh b `

T b

s s s s   ! )i

1 2  3 4

x  q SS  %V y T b

(  i

V y VyU

Valeurs et Vecteurs Propres

3. (a) Calculer par la m thode de la puissance, la plus grande valeur propre de la matrice e

131

(b) Pour acc lerer consid rablement la vitesse de convergence, appliquer la m thode de la puise e e avec un choix intelligent de . sance a la matrice `

4. Consid rons la matrice tridiagonale e

..

6. (Schur, 1909). Soit une matrice sym trique. Montrer que pour chaque indice il existe une valeur e propre de telle que Indication. Appliquer lexercice 5 avec une 7. Soit convenable.

Indication. Consid rer les parties r elles et complexes de lit ration de Wielandt. On obtient alors e e e

8. Consid rons la matrice de Hilbert, e

(a) Transformer

en une matrice tridiagonale ayant les m mes valeurs propres. e

(b) En utilisant une suite de Sturm, montrer que toutes les valeurs propres sont positives et quune valeur propre est plus petite que 0.001. (c) Calculer approximativement la condition de

pour la norme Euclidienne.

 ` ` ` ` 

p e i e  ge h

 

i e ge h f e 

ge h f e  e 

` `  ` ` 

(o` u

et

) permet de calculer la valeur propre

et le vecteur propre correspondant.

` `

U V3

 

une matrice r elle avec pour valeur propre e

. Montrer que lit ration e

E 

F  

Indication. Montrer lexistence dun vecteur

tel que

. En d duire que e

F G

5. Soit une matrice sym trique et quelconque. Montrer que pour chaque valeur propre e de telle que existe une valeur propre

U H XWU H sW

E  j Q Q Q Q E  RPH F   Q I

U V3

Indication. Trouver

diag

telle que

j D

I TH

WU

Montrer que, si

pour

, toutes les valeurs propres de soit sym trique. e

 YB   W

UeU

CH  E C 5 D C8 5   3 U U

F  

 

WU XB  W

RSQ Q I

(c) Avec quel choix de

obtient-on la valeur propre la plus petite?

sont r elles. e de il

9 8 @

 

8 8

B @ CA

E 

j
U

WU

F  

 a cbW 

RI Q

132
9. La formule de r currence e

Valeurs et Vecteurs Propres

pour les polyn mes de Legendre (voir aussi (I.4.5)) ressemble a o `

pour les polyn mes o . Trouver une matrice tridiagonale valeurs propres de sont les racines de .

de dimension

10. Soit un polyn me de degr et supposons que toutes les racines soient simples. D montrer que o e e la suite d nie par lalgorithme dEuclid, e

est une suite de Sturm. Pour le polyn me o

(a) d terminer le nombre de racines r elles. e e (b) Combien de racines sont complexes?

(c) Combien de racines sont r elles et positives? e

si , si si et si et sinon,

sappelle rotation de Givens. a) Montrer quelle est orthogonale.

12. La m thode de Jacobi (1846) pour le calcul des valeurs propres dune matrice sym trique: e e i) on choisit ( ) tel que ii) on d termine e comme dans lexercice 11.

Montrer que, si on r p` te cette proc dure, on a convergence vers une matrice diagonale, dont les e e e el ments sont les valeurs propres de . e Indication. Montrer que 13. On consid` re la matrice e

dont on cherche a calculer les valeurs propres. `

(a) Faire une it ration de lalgorithme QR sans shift. e (b) Faire une it ration de lalgorithme QR avec shift. e

9 t  i W W H H  H eWU H YVU H XWU H YVU

XWU H YVU h H H W

Resultat.

ctg

e e b) Soit une matrice sym trique. D terminer sannule.

tel que le (

)-i` me el ment de e e

q ' 4 q' 4 ' 3 q ' 4'

, o` u

43 q 3 ' 3 ' 3

&

 e 

& $ %"

XWU 

q

11. Pour un

donn notons e

et

. La matrice

, d nie par e

 3

s 2
telle que les

j r q

 2 r s  q  s 

 j U @ U t

9  s   s  s  s  s 2 @ f f i s @ s2 j U U A j 2s j U @ 2s U 2s U @ s s s 2 @y s2 8 @ 2 @ 2 8 @ s 2 r 8 wv B   U xPu j U @   U 5  U @  

2s r 

q  

s 2 @

Valeurs et Vecteurs Propres

(c) Estimer la position des valeurs propres de (d) Calculer les valeurs propres de

133

a laide du polyn me caract ristique. ` o e

14. Montrer que si la matrice est une matrice de Hessenberg (ou tridiagonale), alors les matrices , , construites par lalgorithme sont egalement des matrices de Hessenberg (tridiago nales). 15. Donner une estimation grossi` re du nombre dop rations qui sont n cessaires pour effectuer la d composition e e e e QR dune matrice de Hessenberg et pour calculer ensuite le produit RQ. 16. Soit une matrice de Hessenberg dont tous les el ments de la sous-diagonale sont non-nuls. Montrer e e que, si est une valeur propre de , une it ration de lalgorithme QR avec shift donne .

peut etre effectu sans soustraire (et additionner) explicitement la matrice e

Indication. Laissez-vous inspirer par le double shift algorithme de Francis.

B j @ j@  d e

@ B j g j e

17. Expliquer, comment le calcul de

a partir de `

j 8 8

a laide du Th or` me de Gershgorine. ` e e

e fd

4q