De la Wikipedia, enciclopedia liberă.
În matematică , prin rădăcina pătrată a unei matrice pătrate {\ displaystyle A} ne referim la orice matrice pătrată {\ displaystyle X} astfel încât pătratul său este {\ displaystyle X \ cdot X = A} . În general, o matrice nu are o singură rădăcină pătrată.
Procedura numerică
Un proces de obținere dintr-o matrice {\ displaystyle A} o rădăcină pătrată a acesteia este cea numită iterație pentru rădăcina pătrată Denman-Beavers . Să se dea matricea pătrată {\ displaystyle A} in marime {\ displaystyle n} , și vrei să obții {\ displaystyle A ^ {\ frac {1} {2}}} . Procedura iterativă utilizează o succesiune de perechi de matrice {\ displaystyle \ langle Y_ {i}, Z_ {i} \ rangle} . Ei se definesc:
- {\ displaystyle Y_ {0}: = A {\ mbox {e}} Z_ {0}: = I}
unde este {\ displaystyle I} denotă matricea identității {\ displaystyle n \ times n} . Procedăm pentru un număr adecvat de iterații definite de:
- {\ displaystyle Y_ {k + 1}: = (Y_ {k} + Z_ {k} ^ {- 1}) / 2 \ qquad Z_ {k + 1}: = (Z_ {k} + Y_ {k} ^ {-1}) / 2}
Se constată că:
- {\ displaystyle \ lim _ {k \ rightarrow + \ infty} Y_ {k} = A ^ {\ frac {1} {2}}}
În unele cazuri, o procedură mai eficientă pentru obținerea {\ displaystyle A ^ {\ frac {1} {2}}} este următorul: se construiește matricea {\ displaystyle V} ale căror coloane sunt constituite din vectorii proprii ai matricei date {\ displaystyle A} . Apoi se găsește matricea {\ displaystyle V ^ {- 1}} invers de {\ displaystyle V} și calculăm:
- {\ displaystyle D: = V ^ {- 1} AV}
Aceasta este o matrice diagonală ale cărei elemente diagonale sunt valorile proprii ale {\ displaystyle A} . Înlocuiește fiecare element diagonal al {\ displaystyle D} cu rădăcina sa pătrată pentru a obține matricea {\ displaystyle {\ sqrt {D}}} și obținem matricea necesară ca:
- {\ displaystyle {\ sqrt {A}} = V {\ sqrt {D}} V ^ {- 1}}
Cu calculatorul grafic de astăzi, această procedură este, în general, mai eficientă decât cea precedentă. Această abordare este fezabilă numai pentru matricele diagonalizabile . Pentru matricile care nu sunt diagonalizabile, este posibil să se procedeze cu o descompunere Jordan combinată cu o expansiune în serie similară cu cea descrisă pentru logaritmul unei matrice .
Soluție explicită pentru matrici 2 × 2
Pentru teorema Hamilton-Cayley o matrice generică {\ displaystyle A} 2 × 2 satisface polinomul caracteristic :
- {\ displaystyle x ^ {2} - \ mathrm {tr} (A) x + \ det (A)}
acesta este:
- {\ displaystyle A ^ {2} - \ mathrm {tr} (A) A + \ det (A) I = 0}
Indicând pentru concizie {\ displaystyle \ mathrm {tr} (A)} cu {\ displaystyle t} Și {\ displaystyle \ det (A)} cu {\ displaystyle d} avem:
- {\ displaystyle A ^ {2} -tA + dI = 0}
Mutarea termenului intermediar la al doilea membru și completarea pătratului oferă:
- {\ displaystyle A ^ {2} \ pm 2 {\ sqrt {d}} A + dI = tA \ pm 2 {\ sqrt {d}} A}
adică:
- {\ displaystyle \ left (A \ pm {\ sqrt {d}} I \ right) ^ {2} = \ left (t \ pm 2 {\ sqrt {d}} \ right) A}
Extragând rădăcina pătrată pe ambele părți obținem (apare un radical dublu ):
- {\ displaystyle \ pm \ left (A \ pm {\ sqrt {d}} I \ right) = {\ sqrt {t \ pm 2 {\ sqrt {d}}}} {\ sqrt {A}}}
din care obținem:
- {\ displaystyle {\ sqrt {A}} = \ pm {\ frac {A \ pm {\ sqrt {d}} I} {\ sqrt {t \ pm 2 {\ sqrt {d}}}}}}
Rețineți că semnul {\ displaystyle \ pm} care apare înainte ca fracția să fie independentă de celelalte două, care în schimb sunt dependente una de cealaltă. Numărul total de rădăcini pătrate ale unei matrice pătrate {\ displaystyle 2 \ times 2} este deci {\ displaystyle 4} , iar dintre acestea cel cu toate cele trei semne pozitive este rădăcina principală. Cu alte cuvinte:
- {\ displaystyle {\ sqrt {\ begin {pmatrix} a & b \\ c & d \\\ end {pmatrix}}} _ {1} = {\ frac {1} {\ sqrt {a + d + 2 { \ sqrt {ad -bc}}}} {\ begin {pmatrix} a + {\ sqrt {ad-bc}} & b \\ c & d + {\ sqrt {ad-bc}} \\\ end { pmatrix}}}
- {\ displaystyle {\ sqrt {\ begin {pmatrix} a & b \\ c & d \\\ end {pmatrix}}} _ {2} = {\ frac {1} {\ sqrt {a + d-2 { \ sqrt {ad -bc}}}} {\ begin {pmatrix} a - {\ sqrt {ad-bc}} & b \\ c & d - {\ sqrt {ad-bc}} \\\ end { pmatrix}}}
- {\ displaystyle {\ sqrt {\ begin {pmatrix} a & b \\ c & d \\\ end {pmatrix}}} _ {3} = - {\ frac {1} {\ sqrt {a + d + 2 {\ sqrt {ad-bc}}}}} {\ begin {pmatrix} a + {\ sqrt {ad-bc}} & b \\ c & d + {\ sqrt {ad-bc}} \\\ end {pmatrix}}}
- {\ displaystyle {\ sqrt {\ begin {pmatrix} a & b \\ c & d \\\ end {pmatrix}}} _ {4} = - {\ frac {1} {\ sqrt {a + d-2 {\ sqrt {ad-bc}}}}} {\ begin {pmatrix} a - {\ sqrt {ad-bc}} & b \\ c & d - {\ sqrt {ad-bc}} \\\ end {pmatrix}}}
Bibliografie
- ( FR ) Bourbaki, Nicolas (2007), Théories spectrales , chapitres 1 și 2, Springer, ISBN 3540353313
- (EN) Sheung Hun Cheng, Nicholas J. Higham, Charles S. Kenney și Alan J. Laub, „ Aproximarea logaritmului unei matrici la precizia specificată, depusă la 3 septembrie 2006 în arhiva Internet .” SIAM Journal on Matrix Analysis and Aplicații, vol. 22 (2001), nr. 4, pp. 1112-1125.
- ( EN ) Higham, Nicholas (2008), Funcțiile matricilor. Teorie și calcul , SIAM, ISBN 978-0-89871-646-7
- (EN) Horn, Roger A.; Johnson, Charles R. (1994), Topics in Matrix Analysis , Cambridge University Press, ISBN 0521467136
- (EN) Rudin, Walter (1991), Analiza funcțională, Seria internațională în matematică pură și aplicată (ediția a doua), McGraw-Hill, ISBN 0070542368
Elemente conexe