2. Eigenvalores y Eigenvectores
Cálculo de los eigenvalores para (2 × 2) y (3 × 3)
Matrices grandes
Eigenvalores complejos
Introducción a Sistemas Lineales
¿Dónde se encuentran los sistemas lineales?
.5T1 + T2 = R1 = f1
.866T1 = −R2 = −.433f1 − .5f2
−.5T1 + .5T3 + T4 = −f1
.866T1 + .866T3 = 0 (1.1)
−T2 − .5T3 + .5T5 + T6 = 0
.866T3 + .866T5 = f 2
−T4 − .5T5 + .5T7 = 0,
x1 − 2x2 + 3x3 = 4
2x1 − 5x2 + 12x3 = 15
2x2 − 10x3 = −10,
Av = λ v (1.3)
A v − λ v = 0. (1.4)
A v − λ v = A v − λ Iv
= (A − λ I)v (1.5)
=0
Eigenvalores y Eigenvectores
Cálculo de los eigenvalores para (2 × 2) y (3 × 3)
det (A − λ I) = 0 (1.6)
Teorema 1
Suponga que A es una matriz cuadrada. Los siguientes son todos
equivalentes:
1. La ecuación Ax = b tiene 0 o ∞ soluciones dependiendo de b.
2. det(A) = 0
3. A no tiene inversa.
4. La ecuación Ax = 0 tiene otras soluciones además de x = 0.
5. Las columnas de A son linealmente dependientes como
vectores.
6. Los renglones de A con linealmente dependientes.
Eigenvalores y Eigenvectores
Cálculo de los eigenvalores para (2 × 2) y (3 × 3)
El determinante de (A − λ I) es entonces
det(A − λ I) = (1 − λ )(5 − λ ) − 4 · 3
(1.8)
= −7 − 6λ + λ 2 .
Eigenvalores y Eigenvectores
Cálculo de los eigenvalores para (2 × 2) y (3 × 3)
3x − 2y = 0,
tenemos
2
v1 = .
3
Esto se obtiene al notar que (x, y) = (2, 3) es una solución de
3x − 2y = 0.
Eigenvalores y Eigenvectores
Cálculo de los eigenvalores para (2 × 2) y (3 × 3)
λ1,2 = α ± jβ . (1.11)
w = u ± jv. (1.12)
2. Eigenvalores y Eigenvectores
Cálculo de los eigenvalores para (2 × 2) y (3 × 3)
Matrices grandes
Eigenvalores complejos
Sesión 2: Eigenvalores, Parte II
Sesión del día
Figura 1: Sistema de dos masas unidas entre sí y fijas a las paredes por resortes iguales.
Una Aplicación de Eigenvectores: Modos vibracionales
x- = −Ax, (1.15)
donde
k k 2 −1
A= mB = m . (1.16)
−1 2
Una Aplicación de Eigenvectores: Modos vibracionales
Av1 = mk Bvi = mk λi vi .
I Repita los tres últimos comandos una y otra vez hasta que los
valores dejen de cambiar.
Métodos Numéricos para Eigenvalores
Método de la potencia
I Repita los tres últimos comandos una y otra vez hasta que los
valores dejen de cambiar.
Métodos Numéricos para Eigenvalores
Método de la potencia
I Repita los tres últimos comandos una y otra vez hasta que los
valores dejen de cambiar.
Métodos Numéricos para Eigenvalores
Método de la potencia
I Repita los tres últimos comandos una y otra vez hasta que los
valores dejen de cambiar.
Métodos Numéricos para Eigenvalores
Método de la potencia
x0 = v1 + v2
x1 = Av1 + Av2
(1.18)
= 31 v1 + 2v2 .
x1 = Axk−1
= Ak x0 (1.19)
= 31 v1 + 2k v2 .
5. Método QR
6. Método de Newton
Q−1 = Q0
y R es triangular superior.
I El método QR consiste de los siguientes pasos iterativos:
1. Transforme A en una matriz tridiagonal H.
2. Descomponga H en Q y R.
3. Multiplique Q y R en orden inverso para formar una nueva H.
I La diagonal de H convergerá a los eigenvalores.
Método QR
Q−1 = Q0
y R es triangular superior.
I El método QR consiste de los siguientes pasos iterativos:
1. Transforme A en una matriz tridiagonal H.
2. Descomponga H en Q y R.
3. Multiplique Q y R en orden inverso para formar una nueva H.
I La diagonal de H convergerá a los eigenvalores.
Método QR
Q−1 = Q0
y R es triangular superior.
I El método QR consiste de los siguientes pasos iterativos:
1. Transforme A en una matriz tridiagonal H.
2. Descomponga H en Q y R.
3. Multiplique Q y R en orden inverso para formar una nueva H.
I La diagonal de H convergerá a los eigenvalores.
Método QR
Q−1 = Q0
y R es triangular superior.
I El método QR consiste de los siguientes pasos iterativos:
1. Transforme A en una matriz tridiagonal H.
2. Descomponga H en Q y R.
3. Multiplique Q y R en orden inverso para formar una nueva H.
I La diagonal de H convergerá a los eigenvalores.
Método QR
Q−1 = Q0
y R es triangular superior.
I El método QR consiste de los siguientes pasos iterativos:
1. Transforme A en una matriz tridiagonal H.
2. Descomponga H en Q y R.
3. Multiplique Q y R en orden inverso para formar una nueva H.
I La diagonal de H convergerá a los eigenvalores.
Método QR
Q−1 = Q0
y R es triangular superior.
I El método QR consiste de los siguientes pasos iterativos:
1. Transforme A en una matriz tridiagonal H.
2. Descomponga H en Q y R.
3. Multiplique Q y R en orden inverso para formar una nueva H.
I La diagonal de H convergerá a los eigenvalores.
Método QR
2. Eigenvalores y Eigenvectores
5. Método QR
Parte II
f (x0 )
x ≈ x0 − . (2.3)
f 0 (x0 )
Método de Newton
f (xi )
xi+1 ≈ xi − , (2.4)
f 0 (xi )
Error en el paso n = en = xn − x∗
Error en el paso n = en = xn − x∗
Error en el paso n = en = xn − x∗
5. Método QR
6. Método de Newton
8. Método de Bisección
Ejemplo: Suponga
√ f (x) = x4 − 5 para la cual la solución verdadera
es x∗ = 4 5. La gráfica de la función revelaría que la solución
está alrededor de 1.25. Si hacemos x0 = 1 y x1 = 2 sabemos
que la raíz está entre x0 y x1 . Ahora tenemos que y0 = f (1) − 4
y y1 = f (2) = 11. Podemos calcular x2 de la fórmula (2.6):
2−1 19
x2 = 2 − 11 = ≈ 1.26666 . . . (2.7)
11 − (−4) 15
∆x = x1 − x0 (2.12)
Funciones Vectoriales No Lineales – Método de Newton
Aproximación lineal para funciones vectoriales
I En el caso de una sola variable, el método de Newton se derivó
considerando la aproximación lineal de la función f alrededor
de la condición inicial x0 . Del Cálculo, la aproximación lineal de
f alrededor de x0 , para vectores y funciones vectoriales, es:
f(x) ≈ f(x0 ) + [J f(x0 )] (x − x0 ). (2.13)
I [J f(x0 )] es una matriz Jacobiana de n × n cuyas entradas son
las derivadas parciales de las componentes de f:
∂ f1 ∂ f1 ∂ f1 ∂ f1
· · ·
∂ x1 x0 ∂ x2 x0 ∂ x3 x0 ∂ xn x
0
∂ f2 ∂ f2 ∂ f2 ∂ f2
[J f(x0 )] = ∂ x1 x0 ∂ x2 x0 ∂ x3 x0 · · · ∂ xn x0 . (2.14)
. .. .. ..
. ..
. . . . .
∂f ∂ fn ∂ fn
· · · ∂∂xfnn
n
∂ x1
x0 ∂ x2 x0 ∂ x3 x0 x0
Funciones Vectoriales No Lineales – Método de Newton
Método de Newton
x1 = x0 + ∆x.
x3 + y = 1
(2.16)
y3 − x = −1.
Figura 4: Gráfica de las ecuaciones x3 + y = 1 y y3 − x = −1. Existe una y sólo una intersección; en
(x, y) = (1, 0)
Funciones Vectoriales No Lineales – Método de Newton
Ejercicio
f1 (x1 , x2 ) = x13 + x2 − 1
(2.17)
f2 (x1 , x2 ) = x22 − x1 + 1,
o, equivalentemente
3
x1 + x2 − 1
f(x) = 3 . (2.18)
x2 − x1 + 1
Funciones Vectoriales No Lineales – Método de Newton
Ejercicio
6. Método de Newton
8. Método de Bisección