Escolar Documentos
Profissional Documentos
Cultura Documentos
Francisco Palacios
Escuela Politcnica Superior de Ingeniera de Manresa Universidad Politcnica de Catalua Abril 2009, Versin 1.7
Contenido 1. Deniciones y propiedades. 2. Mtodo de la potencia. 3. Mtodo de la potencia inversa. 4. Mtodo de la potencia inversa desplazada.
Deniciones y propiedades
Notaciones A matriz cuadrada n n. v vector de dimensin n. escalar. Objetivo Buscar escalares y vectores no nulos v tales que valor propio de A. A v = v = v vector propio asociado a . Polinomio caracterstico p() = det (A I) . Los valores propios de A son las races del polinomio caracterstico valor propio p() = 0. Clculo de vectores propios 1
Resumen y ejemplos
Para cada valor propio resolvemos el siguiente sistema de ecuaciones lineales (A I) v = 0, que debe ser un sistema compatible indeterminado. Espectro. Radio espectral El espectro de una matriz es el conjunto de sus valores propios, lo representamos por (A). (A) = { : es valor propio de A}. El radio espectral de la matriz es el mdulo mximo de sus valores propios, lo representamos por (A). (A) = max{|| : es valor propio de A}. Diagonalizacin Sea A una matriz n n. Si A tiene n valores propios distintos 1 , . . . , n y v1 , . . . , vn son vectores propios asociados, entonces D = V1 AV. D es matriz diagonal
1 0 . . . 0
0 2 . .. . . . 0
0 0 . . . n
V = (v1 |v2 | |vn ) tiene en columnas los vectores propios de A. Ejemplo 1.1 Dada la matriz 3 1 0 A = 1 2 1 , 0 1 3
calcula: (a) Valores propios. Radio espectral. (b) Vectores propios asociados. (d) Diagonaliza la matriz A.
( 25 16 = 2
5+3 2 53 2
= 4, = 1.
p() = ( 1)(3 )( 4). Los valores propios son las soluciones de la ecuacin caracterstica p() = 0. 1 = 1, 2 = 3, 3 = 4. El espectro de A es (A) = {1, 3, 4}. El radio espectral de A es (A) = 4. (b) Clculo de vectores propios. Para cada valor propio , tenemos que resolver el sistema (A I) v = 0. Vectores propios asociados a = 1. (A I) v = 0, 2 1 0 x 0 1 1 1 y = 0 , 0 1 2 z 0 2x y = 0, x + y z = 0, y + 2z = 0. y 2z = 0, x + y z = 0, y + 2z = 0.
Resumen y ejemplos
Eliminamos la tercera ecuacin y resolvemos paramtricamente x = t, y 2z = 0, y = 2t, x + y z = 0, z = t, t R. Los vectores propios asociados a = 1 son de la forma 1 2 . v = tv1 , con v1 = 1 (A 3I) v = 0, 0 1 0 x 1 1 1 y = 0 1 0 z x = t, x y z = 0, y = 0, y = 0. z = t.
t R.
Los vectores propios asociados a = 3 son de la forma 1 v = tv2 , con v2 = 0 . 1 Vectores propios asociados a = 4. Resolvemos (A 4I) v = 0, 1 1 0 x 0 1 2 1 y = 0 . 0 1 1 z 0 x y = 0, x y = 0, y z = 0, x 2y z = 0, (2a 1a ) (2a ) y z = 0. y z = 0. x = t, t R. x + y = 0, y = t, y + z = 0. z = t. 1 v = t v3 , con v3 = 1 . 1
B = (v1 , v2 , v3 ) . La matriz de cambio tiene en columnas los vectores propios 1 1 1 V = 2 0 1 . 1 1 1 Diagonalizacin. Se cumple D = V1 AV donde D es una matriz diagonal 1 0 0 D = 0 3 0 . 0 0 4
Vericamos la diagonalizacin 1 2 1 1/6 1/3 1/6 1 0 1/2 = 3 0 3 , V1 = 1/2 6 2 2 2 1/3 1/3 1/3 1 2 1 1 1 3 0 3 V AV = 6 2 2 2 1 2 1 1 = 3 0 3 6 2 2 2 3 1 0 1 2 1 0 1 3 1 3 4 6 1 2 0 4 = 0 6 1 3 4 0 1 0 0 V1 AV = 0 3 0 . 0 0 4
1 1 1 2 0 1 1 1 1 0 0 18 0 0 24
Resumen y ejemplos
Resulta
1 0 0 1 1 1 (2a 2 1a ) (2a ) 0 2 3 2 1 0 , a a a (3 1 ) (3 ) 0 2 0 1 0 1 1 0 0 1 1 1 (3a ) (2a ) 0 2 0 1 0 1 , a a (2 ) (3 ) 0 2 3 2 1 0 1 1 1 1 0 0 0 2 0 1 0 1 , a a a (3 + 2 ) (3 ) 0 0 3 1 1 1 1 0 0 1 1 1 1 2a (2a ) 0 1 0 0 1/2 , 1/2 2 1 a a 0 0 1 1/3 1/3 1/3 3 3 (3 ) 1 0 0 1 / 6 1 / 3 1 / 6 (1a 2a 3a ) (1a ) 0 1 0 0 1/2 , 1/2 0 0 1 1/3 1/3 1/3 V1 1/6 1/3 1/6 = 1/2 0 1/2 . 1/3 1/3 1/3
2
2.1
Mtodo de la potencia
Deniciones
Valor propio dominante Es el de mayor mdulo. Si |1 | > |2 | > > |n | , entonces 1 es el valor propio dominante. Vector normalizado Dado un vector v= v1 v2 . . . vn ,
decimos que la componente vj es una componente dominante si |vj | = kvk = max |vj | .
j
Resumen y ejemplos
Observa que un vector puede tener ms de una componente dominante, pero todas las componentes dominantes deben tener el mismo valor absoluto. Un vector est normalizado si sus componentes dominantes valen 1. Si vdom es una componente dominante de v, podemos obtener un vector normalizado v en la direccin de v v = Ejemplo 2.1 Dado el vector 1 2 v= 4 1 1 vdom v.
determina las componente dominantes y calcula un vector normalizado. La componente dominante es vdom = v3 = 4, vemos que |v3 | = kvk . Vector normalizado 1 1/4 1/2 1 1 2 = v = v= vdom 4 4 1 1 1/4 .
2.2
Mtodo de la potencia
Dada una matriz A matriz de dimensin n n, el objetivo es calcular el valor propio dominante y un vector propio asociado. Supondremos que la matriz A tiene valores propios distintos |1 | > |2 | > > |n | , con vectores propios asociados v1 , v2 , , vn . Tambin suponemos que tenemos un vector inicial x(0) que se puede escribir x(0) = 1 v1 + + n vn con 1 6= 0.
Si las hiptesis citadas son ciertas, entonces se cumple: La sucesin de escalares (cj ) tiende al valor propio dominante 1 c1 , c2 , , cj , 1 . La sucesin de vectores x(j ) tiende a un vector propio normalizado asociado a 1 . j 1 . x(1) , x(2) , , x(j ) v Ejemplo 2.2 Aproxima el valor propio dominante y un vector propio asociado de la matriz 3 1 0 A = 1 2 1 . 0 1 3 Inicia las iteraciones con x(0) Fase 1. y(1) = Ax(0) 1 = 1 . 1
j
(j +1) = Ax(j ) , y cj +1 = componente dominante de y(j +1) , x(j +1) = 1 y(j +1) Normalizado de y(j +1) .
cj +1
3 1 0 1 2 1 2 1 1 0 , = = 0 1 3 1 2 de y(0) ), 1 0 . 1
Fase 2.
x(2)
3 1 0 1 3 = 1 2 1 0 = 2 , 0 1 3 1 3
x(3) Fase 4.
y(4) = Ax(3)
x(4) Fase 5.
c4 = 3.9091,
y(5) = Ax(4)
x(5) = Fase 6.
1 (5) y c5
c5 = 3.9767,
y(6) = Ax(5)
x(6) = Fase 7.
1 (6) y c6
c6 = 3.9942,
1 = 0.9942 . 1
y(7) = Ax(6)
c7 = 3.9985.
1 = 0.9985 . 1
Resumen y ejemplos
x(7) = Fase 8.
1 (7) y c7
Fase 9.
3.9996 y(8) = Ax(7) = 3.9993 , 3.9996 c8 = 3.9996, 1 1 x(8) = y(8) = 0.9999 . c8 1 3.9999 y(9) = Ax(8) = 3.9998 , 3.9999 c9 = 3.9999, 1 1 x(9) = y(9) = 1 . c9 1
Fase 10.
En el Ejemplo 1.1, hemos visto que A tiene valores propios 1 = 4, 2 = 3, 3 = 1, y que los vectores propios asociados a 1 son de la forma 1 v = t 1 = tv1 1 v1 est normalizado.
1 = 1 . 1
Resumen y ejemplos
Objetivo. Calcular el valor propio de mdulo mnimo y un vector propio asociado. Es decir si los valores propios de A, que cumplen |1 | > |2 | > > |n | > 0, queremos calcular n . Valores propios de la matriz inversa Sean (, v) par valor-vector propio de A. A invertible. Entonces 1 , v es un par valor-vector propio de A1 . Demostracin. Sabemos que se cumple Av = v, premultiplicamos por la matriz inversa A1 (Av) = A1 (v) , In v = A1 v, v = A1 v. 1 1 v = v. A
Si una matriz es invertible, sus valores propios no pueden ser nulos (por qu?), por lo tanto podemos multiplicar la tima igualdad por 1/ y resulta
Es decir, = 1/ es un valor propio de A1 con vector propio asociado v. Mtodo Sea A matriz n n invertible con valores propios |1 | > |2 | > > |n | > 0 y vectores propios asociados v1 , . . . , vn . Segn hemos visto, la matriz B = A1 tiene valores propios j = 1 . j
resulta
Adems vj es un vector propio asociado a j . 1. Calculamos B = A1 2. Aplicamos el mtodo de la potencia a B y obtenemos el par max valor propio dominante de B = A1 , max , v v vector propio asociado a max . 3. Entonces 1 es el valor propio de mdulo mnimo de A min = max v es un vector propio asociado a . max A= 18 40 12 26 .
(a) Calcula el valor propio de mdulo mnimo y un vector propio asociado. Toma como vector inicial 1 (0) x = . 1 (b) Verica el resultado. (a) Empezamos calculando la inversa de A. 18 40 = 468 + 480 = 12 |A| = 12 26 A
1
1 = 12
Fase 0. =
1 1
= Bx
(0)
1 1
1. 1666 0. 5
= Bx
(2)
0. 5538 0. 2742
x(3) Fase 4. y
(4)
0. 5162 0. 2574
x(4) Fase 5. y
(5)
0. 5052 0. 2524
x(5) Fase 6 y
(6)
0. 5018 0. 2508
x(6)
= Bx
(6)
0. 5006 0. 2503
x(7) Fase 8. y
(8)
0. 5002 0. 2501
x(8) Fase 9. y
(9)
= Bx
0. 5001 0. 2501
x(9)
Entonces, el valor propio de mdulo mnimo de A ser min = con vector propio asociado v= 1 0.5 . = 1 = 2, 0.5
8+4 2 84 2
= 6, = 2.
El vector propio de mdulo mnimo es 2 = 2. Calculamos los vectores propios asociado al valor propio de mdulo mnimo. (A 2I) v = 0, 20 40 x 0 = , 12 24 y 0 20x + 40y = 0, x + 2y = 0, 12x + 24y = 0. x + 2y = 0. x = 2t, y = t, t R. Los vectores propios asociados a = 2 son de la forma 2 . v = tv1 , con v1 = 1 Un vector propio normalizado es v 1 = 1 1/2 .
Objetivo Aproximar un valor propio y un vector propio asociado a partir w . de una estimacin Valores propios de C = (AI) . Sea (, v) par de valor-vector propio de A
Fundamento del mtodo est prximo al valor propio de A entonces C = A I tiene un Si con | | pequeo y podemos aplicar el mtodo de la valor propio = . potencia inversa a C para determinar = Partimos de una matriz A de orden n n con valores propios |1 | > |2 | > > |j | > > |n | , y vectores propios asociados v1 , v2 , . . . , vn . Disponemos adems de una es w j . El objetivo es aproximar el valor de j y obtener timacin inicial un vector propio asociado. I que tiene un valor propio de mdulo mnimo 1. Calculamos C = A . min = j 1 min 2. Calculamos B = C1 que tiene un valor propio dominante max = = 1 j ,
y aplicamos el mtodo de la potencia a B para obtener max y un vector propio asociado v. 3. Entonces max = 1 j j = 1 max . +
tiene un valor propio = 2.8. Calcula el valor de y determina un vector propio asociado. Empieza las iteraciones con el vector 5 x(0) = 1 . 1
Resumen y ejemplos
Fase 1
Vamos a calcular el valor propio de mdulo mnimo de C aplicando el mtodo de la potencia inversa. Calculamos B = C1 . 2. 6852 . 46296 2. 3148 B = . 46296 9. 2593 102 . 46296 . 2. 3148 . 46296 2. 6852
5 2. 6852 . 46296 2. 3148 (0) 2 = Bx = . 46296 . 46296 9. 2593 10 1 2. 3148 . 46296 2. 6852 1 10. 648 = 2. 8704 , 9. 3518 1 (1) y c1 c1 = 10. 648, 10. 648 1.0 1 = 2. 8704 = . 26957 . 10. 648 9. 3518 . 87827
1.0 2. 6852 . 46296 2. 3148 = Bx(1) = . 46296 9. 2593 102 . 46296 . 26957 2. 3148 . 46296 2. 6852 . 87827 4. 843 = 3. 1396 102 , 4. 5483 c2 = 4. 843, 4. 843 1.0 1 3. 1396 102 = 6. 4828 103 . = 4. 843 4. 5483 . 93915
x(2)
x(3) Fase 4.
c3 = 4. 8621, 1.0 1 (3) = y = 5. 6706 103 . c3 . 99414 4. 9891 = 2. 1879 103 , 4. 9816
y(4) = Bx(3)
x(4) Fase 5.
c4 = 4. 9891, 1.0 1 (4) = y = 4. 3854 104 . c4 . 9985 4. 9967 = 6. 5383 104 , 4. 9958
y(5) = Bx(4)
x(5) Fase 6.
c4 = 4. 9967, 1.0 1 (5) = y = 1. 3085 104 . c5 . 99982 4. 9996 = 7. 1217 105 , 4. 9995
y(6) = Bx(5)
5.0 1 (6) x = 7. 9402 106 , = B 4. 9999 1 (7) y c7 1.0 = 1. 588 106 . . 99998 c7 = 5,
x(7) =
x(8)
Podemos tomar como valor propio de mdulo mximo de B = C1 max = 5, El vector propio asociado de max , con 4 decimales es 1 v = 0 . 1 = 2.8 es El valor propio de A prximo a = 1 = 1 + 2.8 = 3.0 + max 5 1 v = 0 . 1