Metodos Numericos-Valor y Vector Numerico

UNIVERSIDAD NACIONAL DE SAN
CRISTOBAL DE HUAMANGA
Facultad de Ingeniera de Minas,Geologa y Civil
Departamento Acadmico de Ingeniera de Minas
CLCULO DE VALORES Y VECTORES

PROPIOS
DOCENTE:
Ing. Darwin
INTEGRANTES
ACOSTA GUIZADO, Nicanor Jesus
ESPINOZA BULEJE, Albert Jeerson
MANCILLA LLANTOY, Jhon Gilber
NOA ANGULO, Franklin
NUEZ VARGAS, Joel
QUISPE QUISPE, Mike
RAMIREZ HUAA, Kevin Roy
Ayacucho-18 de Julio 2017

CLCULO DE VALORES Y VECTORES PROPIOS
ndice
1. RESUMEN 2
2. INTRODUCCIN 3
3. CUERPO DEL INFORME 4
3.1. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.1.1. Localizacin de Valores y Vectores Propios . . . . . . . . . . . . . . . . . . . 4
3.1.2. Mtodos de clculo del polinomio caracterstico . . . . . . . . . . . . . . . . 10
3.1.3. Casos sencillos para calcular el polinomio caracterstico . . . . . . . . . . . . 16
3.1.4. Mtodos de reduccin a matriz tridiagonal y a matriz Hessenberg . . . . . . 19
3.2. rea de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3. Metodologas Aplicadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5. Anlisis de los resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.7. Recomendaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.8. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.9. Anexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Mtodos Numericos Aplicado(MI-345) 1

1. RESUMEN
El presente informe est organizado en ... captulos, el primer captulo detalla....

2. INTRODUCCIN
sdddsfsdfds

3. CUERPO DEL INFORME
3.1. Estado del arte
3.1.1. Localizacin de Valores y Vectores Propios
Denicion
Dada una matriz cuadrada A de orden 3 se dice que el nmero es un valor propio de A si
existe un vector columna tridimensional c no nulo tal que:
Ac = c
El vector c se llama vector propio de A asociado al valor propio

Otras terminologas equivalentes:
Por denicin, un vector propio c debe ser un vector columna distinto de:

0

0= 0

0
Buscamos y c tales que
c = Ac
Esta ecuacin es equivalente a
I3 c = Ac
Siendo la matriz unidad de orden:

1 0 0

I3 = 0 1 0

0 0 1

Entonces la ecuacin:
I3 c = Ac
Es equivalente a
(I3 A) c = 0
Si c ha de ser distinto de cero, entonces necesariamente el determinante tiene que ser 0
|I3 A| = 0
Una posible manera de hallar el () que buscamos es construir el polinomio P ()
P () := |I3 A| = 0
El polinomio P () en la variable () es de grado 3 y se llama el polinomio caracterstico de A.
Debemos resolver la ecuacin en la incgnita ()
P () := |I3 A| = 0
A continuacin si P () es una raz de esta ecuacin, se resuelve el sistema Homogneo indetermi-
nado.
c 0
1
|I3 A| c2 = 0

c3 0
En las incgnitas c1; c2; c3. Una solucin de (3) con no todas las componentes c1; c2; c3 nulas,
proporciona uno de los vectores buscados.

c1

c = c2

c3
Ejemplo 1
1 0 0

A= 2 3

4

1 1 2
Vamos a hallar un valor propio y un vector propio asociado. Es preciso resolver la ecuacin en ()
utilizando la ecuacin:
|I3 A| = 0


1 0 0

|I3 A| = 3 = ( (1 ) (3 ) (2 + ) + 0) (4 (1 )) = 0

2 4

1 1 2
0 = ( 1) (3 ) (2 + ) + 4 (1 )
0 = (1 ) ( 3) (2 + ) + 4 (1 )
0 = (1 )(2 2)
0 = (1 )( 2)( + 1)
Por lo tanto: = 1, = 2, = 1
Para =1
Para encontrar un vector propio u

x
1
u = x2

x3
Resolvemos el sistema homogneo de ecuaciones lineales:

0 0 0 x 0
1
|I3 A| u = 2 2 x2 = 0

4

1 1 3 x3 0
Escribimos este sistema en la forma:
(0) x1 + (0) x2 + (0) x3 = 0
(2) x1 + (2) x2 + (4) x3 = 0
(2) x1 + (1) x2 + (3) x3 = 0
Parametrizando la ecuacin haciendo x1 = t; entonces
x1 = t; x2 = 5t; x3 = 2t
Dndole al parmetro t=1 obtenemos un vector propio asociado

1

u = 5

2

Para =2
Para encontrar un vector propio v
y
1
v = y2

y3

1 0 0 y 0
1
|I3 A| v = 2 y2 = 0

1 4

1 1 4 y3 0
(1) y1 + (0) y2 + (0) y3 = 0
(2) y1 + (1) y2 + (4) y3 = 0
(1) y1 + (1) y2 + (4) y3 = 0
Parametrizando la ecuacin haciendo y3 = t ; entonces
y1 = 0; y2 = 4t; y3 = t

0

v = 4

1
Para = 1
Para encontrar un vector propio w

z
1
w = z2

z3

2 0 0 z 0
1
|I3 A| w = 2 4 z2 = 0

4

1 1 1 z3 0

(2) z1 + (0) z2 + (0) z3 = 0
(2) z1 + (4) z2 + (4) z3 = 0
(1) z1 + (1) z2 + (1) z3 = 0
Parametrizando la ecuacin haciendo z3 = t ; entonces
z1 = 0; z2 = t; z3 = t

0

w = 1

1
Ejemplo 2
Sea la matriz
1 1 4

|A| = 3 2 1

2 1 1
Vamos hallar un valor propio y un vector propio asociado es preciso resolver la ecuacin
|I1 A| = 0
1 0 0

|I| = 0 1 0

0 0 1
I=Matriz Ideal
Reemplazando

1 0 0 1 1 4

|I A| = 0 1 0 3 1 = 0

2

0 0 1 2 1 1
Multiplicando por tenemos

0 0 1 1 4 1 1 4

0 0 3 2 1 = 3 2 1 = 3 22 5 + 6 = 0 . . . ..(n)

0 0 2 1 1 2 1 + 1

De la ecuacin (n) aplicando runi obtenemos ya raz de =1

Comprobando la ecuacin
3 22 5 + 6 = 0 > 13 2 12 5 1 + 6 = 0

c
1
Para encontrar un vector propio c = c2 asociamos a este con = 1 en la matriz

c3

1 1 4 0 1 4 c 0
1
c 3 2 1 = 3 1 1 c2 = 0

2 1 + 1 2 1 2 c3 0
Obtenemos
c1 c2 4c3 = 0
3c1 c2 c3 = 0
2c1 c2 2c3 = 0
De las ecuaciones se obtiene de que
c2 = 4c3
3c1 c2 = c3
Damos a c( 3) un valor arbitrario c( 3) = 1 reemplazando obtendramos
c1=1
c2 = 4
c3 = 1

c1

De esa manera se obtiene un vector propio asociado a =1 es c = c2 que vendra a ser igual

c3

1

a = 4 .

1

3.1.2. Mtodos de clculo del polinomio caracterstico
Denotamos de forma general el polinomio caracterstico de la matriz A:
Esta matriz a veces se dene con los coecientes del polinomio dispuestos en la ultima columna.
Siel trmino de mayor grado del polinomio no fuera 1 , la matriz se dene, siendo a el coeciente
de mayor grado:
Esto se puede usar para calcular las races de un polinomio, ya que los autovalores de esa matriz
son las races del polinomio. Es lo que hace la funcin roots de Matlab.
Slo nos falta poder calcular los pi.

Ejemplo 1
Dadas las matrices A1 y A2
Con = 10100 y siendo I99 la matriz identidad de dimensiones 99 99. Si calculamos los autova-
lores:
Se trata de un problema inestable, ya que un pequeo cambio en los datos provoca un gran cambio
en el resultado.

Nmero de condicin para el clculo de autovalores
Slo para matrices diagonalizables:
Las matrices simtricas son bien condicionadas, ya que hemos dicho antes que toda matriz real
simtrica (o compleja hermtica) es diagonalizable por semejanza ortogonal, por lo que
Mtodo de Le-Verrier
Utiliza la relacin entre las races de una ecuacin y sus coecientes (relaciones de Newton):

Que, trasladado a nuestro polinomio caracterstico:
Los Sk se obtienen como suma de los autovalores de potencias de la matriz A.
El orden de este mtodo es de O(n4 ) operaciones.
El gran problema de este mtodo es calcular las potencias de la matriz A.
Se puede seguir el siguiente esquema:
1. Determinar las potencias de la matriz A.
2. Calcular las trazas como la suma de los elementos de la diagonal principal de A.
3. A continuacin se obtienen los coecientes del polinomio caracterstico de la forma
Seguidamente se incluye el cdigo en Matlab que implementa este mtodo.

Algoritmo:Mtodo de Le-Verrier para calcular el polinomio caracterstico
Mtodo de Faddeev-Souriau
Es una modicacin del mtodo anterior que reorganiza el clculo. Partiendo B0 = In :
Al nal del proceso, en virtud del teorema de Cayley-Hamilton,Bk = 0.

A continuacin vemos el algoritmo en Matlab para el mtodo de Faddeev-Souriau.

Algoritmo: Mtodo de Faddeev-Souriau para calcular el polinomio caracterstico
Ejemplo 2
Dada la matriz A
Calculamos el polinomio caracterstico con el mtodo de Faddeev-Souriau:
1. .

2. .
3. .
4. .
5. .

Mtodo de Danilevski
Slo como mencin. Consiste en transformar la matriz A en una equivalente (por semejanza)
cuyo polinomio caracterstico sea fcil de determinar. Se transforma a una matriz de Frobenius:
3.1.3. Casos sencillos para calcular el polinomio caracterstico
Si A es tridiagonal
Entonces, queda, para los polinomios sucesivos:

Ejemplo 3
Para una matriz A 33 genrica,
Se tiene
Para que funcione el mtodo, deben ser todos los b 6= 0.Si hay algn bk = 0 se hace por bloques:
Ejemplo 4

Si A es Hessenberg superior
Una matriz Hessenberg superior es una matriz triangular superior que tambin tiene elementos
en la subdiagonal principal:
Con todos los bi 6= 0 para i = 2 : n.

Al resolver el problema de autovalores (para n = 4):
Se tiene un sistema compatible indeterminado. Por tanto, lo que se hace es darle un valor a x4 ,
por ejemplo
Seguimos resolviendo y tenemos
Siendo c una constante por determinar. El coeciente de n que nos queda es
y como queremos que sea 1, entonces

Si alguno de los bi es nulo, se puede hacer como en el caso de tridiagonal, por bloques. Lo que
hemos hecho se llama mtodo de Hyman, que, para el caso general, queda la siguiente recurrencia
Si bk 6= 0.
De esta forma, se obtiene:
Si se tiene bi = 0 para algn i, se pueden hacer las recurrencias de las submatrices cuadradas
principales.
3.1.4. Mtodos de reduccin a matriz tridiagonal y a matriz Hessenberg
Reduccin por semejanza con el mtodo de Givens
La reduccin por semejanza de una matriz a tridiagonal (si es simtrica) o Hessenberg superior
(en otro caso)se puede hacer por los mtodos de Givens y Householder:
Ahora vamos a ver con algo ms de detalle el mtodo de Givens, y posteriormente el de Householder.
Se hacen rotaciones para anular elementos por debajo de la subdiagonal principal. Ilustramos el
mtodo con una matriz 44 genrica:

Usando el ndice i para las columnas y el q para las las, para i=1 usamos la matriz G23 para
anular el elemento (q; i) = (3; 1), y se hace
Recordemos que la matriz G23 es
Hay que premultiplicar y postmultiplicar para que sean matrices semejantes.
Siguiendo con i = 1, para anular el elemento (4; 1) se usa la matriz G24
Ahora tendremos ceros en la primera columna, las 3 y 4:
Se pasa a la segunda columna, i = 2, y se anula el elemento (4; 2) con G34
Por tanto, el mtodo ser:
Anular columnas i = 1:n 2 haciendo rotaciones Gi+1,q , para anular el elemento (q, i) con
q = i + 2 :n

Si la matriz es simtrica, entonces al anular el elemento (q, i) se anula tambin el (i, q), por lo que
la matriz se reduce a tridiagonal.
Reduccin por semejanza con el mtodo de Householder
Cuando aplicamos el mtodo de Householder a una matriz, hacamos ceros por debajo de la
diagonal principal. Ahora nos interesa hacerlos por debajo de la subdiagonal principal, por lo que
hay que modicar ligeramente el mtodo:
La matriz queda igual que antes
El vector w(i) es ahora
mientras que el vector v (i) ) se construye de forma similar al mtodo de Householder tradi-
cional:
Esto es, en lugar de empezar en el elemento de la diagonal principal como se haca con
los sistemas lineales, se empieza a construir el vector v con los elementos de la subdiagonal
principal. As se eliminan los elementos de la columna i1 en las las i+1 hasta la n.
De nuevo, habr que postmultiplicar y premultiplicar, de forma que en general se tiene

Y si la matriz A es simtrica se obtendr una matriz tridiagonal.
A continuacin vemos la implementacin en Matlab de este mtodo, que slo representa unas pe-
queas variaciones con respecto al mtodo de Householder para sistemas lineales.
Algoritmo: Mtodo de Householder para reducir una matriz a Hessenberg superior o

tridiagonal
Ejemplo 5
Dada la matriz
Al hacer ceros debajo de la subdiagonal principal en la primera columna, tenemos que usar

Por tanto, la primera matriz de Householder es
Aplicando el algoritmo visto arriba se obtiene nalmente la siguiente matriz reducida a Hessenberg
superior:
3.2. rea de estudio
3.3. Metodologas Aplicadas

3.4. Resultados

3.5. Anlisis de los resultados

3.6. Conclusiones

3.7. Recomendaciones

3.8. Bibliografa

3.9. Anexos

Metodos Numericos-Valor y Vector Numerico

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Metodos Numericos-Valor y Vector Numerico

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL DE SAN

Departamento Acadmico de Ingeniera de Minas

CLCULO DE VALORES Y VECTORES

ESPINOZA BULEJE, Albert Jeerson

MANCILLA LLANTOY, Jhon Gilber

NOA ANGULO, Franklin

NUEZ VARGAS, Joel

QUISPE QUISPE, Mike

RAMIREZ HUAA, Kevin Roy

Ayacucho-18 de Julio 2017

3. CUERPO DEL INFORME 4

3.1. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3.1.1. Localizacin de Valores y Vectores Propios . . . . . . . . . . . . . . . . . . . 4

3.1.2. Mtodos de clculo del polinomio caracterstico . . . . . . . . . . . . . . . . 10

3.1.3. Casos sencillos para calcular el polinomio caracterstico . . . . . . . . . . . . 16

3.1.4. Mtodos de reduccin a matriz tridiagonal y a matriz Hessenberg . . . . . . 19

3.2. rea de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.3. Metodologas Aplicadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.5. Anlisis de los resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

Mtodos Numericos Aplicado(MI-345) 1

El presente informe est organizado en ... captulos, el primer captulo detalla....

Mtodos Numericos Aplicado(MI-345) 2

Mtodos Numericos Aplicado(MI-345) 3

3. CUERPO DEL INFORME

3.1. Estado del arte

3.1.1. Localizacin de Valores y Vectores Propios

existe un vector columna tridimensional c no nulo tal que:

El vector c se llama vector propio de A asociado al valor propio

Buscamos y c tales que

Esta ecuacin es equivalente a

Siendo la matriz unidad de orden:

Mtodos Numericos Aplicado(MI-345) 4

Si c ha de ser distinto de cero, entonces necesariamente el determinante tiene que ser  0

Una posible manera de hallar el () que buscamos es construir el polinomio P ()

El polinomio P () en la variable () es de grado 3 y se llama el polinomio caracterstico de A.

Debemos resolver la ecuacin en la incgnita ()

A continuacin si P () es una raz de esta ecuacin, se resuelve el sistema Homogneo indetermi-

proporciona uno de los vectores buscados.

Mtodos Numericos Aplicado(MI-345) 5

Escribimos este sistema en la forma:

(0) x1 + (0) x2 + (0) x3 = 0

(2) x1 + (2) x2 + (4) x3 = 0

(2) x1 + (1) x2 + (3) x3 = 0

Parametrizando la ecuacin haciendo x1 = t; entonces

Dndole al parmetro t=1 obtenemos un vector propio asociado

Mtodos Numericos Aplicado(MI-345) 6

Escribimos este sistema en la forma:

(1) y1 + (0) y2 + (0) y3 = 0

(2) y1 + (1) y2 + (4) y3 = 0

(1) y1 + (1) y2 + (4) y3 = 0

Parametrizando la ecuacin haciendo y3 = t ; entonces

Dndole al parmetro t=1 obtenemos un vector propio asociado

Mtodos Numericos Aplicado(MI-345) 7

Escribimos este sistema en la forma:

(2) z1 + (0) z2 + (0) z3 = 0

(2) z1 + (4) z2 + (4) z3 = 0

(1) z1 + (1) z2 + (1) z3 = 0

Parametrizando la ecuacin haciendo z3 = t ; entonces

Dndole al parmetro t=1 obtenemos un vector propio asociado

Mtodos Numericos Aplicado(MI-345) 8

De la ecuacin (n) aplicando runi obtenemos ya raz de =1

Damos a c( 3) un valor arbitrario c( 3) = 1 reemplazando obtendramos

Mtodos Numericos Aplicado(MI-345) 9

ESPINOZA BULEJE, Albert Jeerson

Si c ha de ser distinto de cero, entonces necesariamente el determinante tiene que ser 0

De la ecuacin (n) aplicando runi obtenemos ya raz de =1

3. A continuacin se obtienen los coecientes del polinomio caracterstico de la forma

Es una modicacin del mtodo anterior que reorganiza el clculo. Partiendo B0 = In :

Al nal del proceso, en virtud del teorema de Cayley-Hamilton,Bk = 0.

Siendo c una constante por determinar. El coeciente de n que nos queda es

Ahora tendremos ceros en la primera columna, las 3 y 4:

hay que modicar ligeramente el mtodo:

principal. As se eliminan los elementos de la columna i1 en las las i+1 hasta la n.