Clase Teórico Práctica II

Presentación del tema: "Clase Teórico Práctica II"— Transcripción de la presentación:

1 Clase Teórico Práctica II
Cálculo de valores y vectores propios Diapositivas Dr. Manuel Alvarez Blanco Profesor Titular

2 Valor propio de A Si A es una matriz cuadrada de orden n, se dice que el número  es un valor propio de A si existe algún vector x no nulo de Rn tal que Ax = x

3 Vector propio de A Si  es un valor propio de A, a todos los vectores x que satisfacen la condición: Ax = x se les llama vectores propios de A asociados al valor propio 

4 Vector propio de A Si  es un valor propio de A, a todos los vectores x que satisfacen la condición: Incluido el nulo Ax = x se les llama vectores propios de A asociados al valor propio 

5 Ejemplo

6 Ejemplo

7 Ejemplo = 2x

8 Ejemplo  = 2 es un valor propio de A

9 Ejemplo

10 Ejemplo son vectores propios de A asociados a  = 2, porque todos cumplen que Ax = 2x

11 Algunas aplicaciones

12 Algunas aplicaciones El método de Jacobi converge si y solo si el mayor valor propio de la matriz M es menor que 1.

13 Algunas aplicaciones El método de Jacobi converge si y solo si el mayor valor propio de la matriz M es menor que 1. La forma en que vibra una estructura está dada por los vectores propios de la matriz de rigidez.

14 Algunas aplicaciones La frecuencia con que vibra una estructura está dada por los valores propios de la matriz de rigidez.

15 Algunas aplicaciones La frecuencia con que vibra una estructura está dada por los valores propios de la matriz de rigidez. La composición por edades de una población que se mantiene estable, está dada por los vectores propios de la matriz de transición de edades.

16 Algunas aplicaciones Una superficie cuádrica con centro en el origen se puede representar como xTAx = 0 y los vectores propios de A señalan los ejes de la superficie.

17 Algunas aplicaciones El mal condicionamiento del sistema lineal Ax = b puede medirse mediante donde max es el mayor valor propio de A y min, el menor.

18 Sub espacios propios Puede demostrarse que el conjunto de los vectores propios asociados a un mismo valor propio  forman un espacio vectorial, que se denomina sub espacio propio.

19 Sub espacios propios Puede demostrarse que el conjunto de los vectores propios asociados a un mismo valor propio  forman un espacio vectorial, que se denomina sub espacio propio. Se obtiene resolviendo el sistema homogéneo Ax = x

20 Polinomio característico

21 Polinomio característico
Ax = x

22 Polinomio característico
Ax = x Ax - x = 0

23 Polinomio característico
Ax = x Ax - x = 0 Ax - Ix = 0

24 Polinomio característico
Ax = x Ax - x = 0 Ax - Ix = 0 (A - I)x = 0

25 Polinomio característico
Ax = x Ax - x = 0 Ax - Ix = 0 (A - I)x = 0 Como este sistema es indeterminado: det(A - I) = 0

26 Polinomio característico
Ax = x Ecuación característica Ax - x = 0 Ax - Ix = 0 (A - I)x = 0 Como este sistema es indeterminado: det(A - I) = 0

27 Polinomio característico
Ax = x Polinomio característico Ax - x = 0 Ax - Ix = 0 (A - I)x = 0 Como este sistema es indeterminado: det(A - I) = 0

28 Ejemplo Hallar los valores propios de la matriz y uno de los sub espacios propios.

29 Solución Ecuación característica: det(A - I) = 0

30 Solución Ecuación característica: det(A - I) = 0

31 Solución Ecuación característica: det(A - I) = 0

32 Solución Ecuación característica:

33 Solución Ecuación característica: Valores propios:  = 1  = 2  = 0

34 Solución Sub espacio propio asociado a  = 2: (A - 2I)x = 0

35 Solución Sub espacio propio asociado a  = 2: (A - 2I)x = 0

36 Solución Sub espacio propio asociado a  = 2: (A - 2I)x = 0

37 Solución Sub espacio propio asociado a  = 2: (A - 2I)x = 0

38 Solución Sub espacio propio asociado a  = 2: (A - 2I)x = 0

39 Solución Sub espacio propio asociado a  = 2: (A - 2I)x = 0

40 Localización de los autovalores

41 Localización de los autovalores
Si A es una matriz simétrica, todos sus valores propios son reales.

42 Localización de los autovalores
Si A es una matriz simétrica, todos sus valores propios son reales. Todos los valores propios de cualquier matriz A satisfacen la condición:

43 Localización de los autovalores
Los valores propios de cualquier matriz A satisfacen la condición: 1 + 2 +…+ n = a11 + a22+…+ ann = Traza(A)

44 Localización de los autovalores
Los valores propios de cualquier matriz A satisfacen la condición: 12 …n = det(A)

45 Ejemplo Valores propios:  = 1  = 2  = 0

46 Ejemplo Valores propios:  = 1  = 2  = 0 Traza(A) = 3 =

47 Ejemplo Valores propios:  = 1  = 2  = 0 Traza(A) = 3 = det(A) = 0 = (1)(2)(0)

48 Un problema muy difícil
Hallar el polinomio característico de una matriz requiere de muchas operaciones simbólicas y es una operación sumamente laboriosa y difícil de automatizar.

49 Un problema mas fácil Evaluar el polinomio característico de una matriz para un valor de la variable requiere de operaciones numéricas y es fácil de automatizar.

50 Ejemplo Hallar con 4 cifras decimales exactas el valor propio positivo más pequeño de la matriz:

51 Solución: Como la matriz es de orden 4, el polinomio característico es de cuarto grado.

52 Solución: Como la matriz es de orden 4, el polinomio característico es de cuarto grado. Como la matriz es simétrica todos los valores propios son reales.

53 Solución: Como la matriz es de orden 4, el polinomio característico es de cuarto grado. Como la matriz es simétrica todos los valores propios son reales. La matriz tiene cuatro valores propios, todos reales.

54 Solución

55 Solución Los cuatro valores propios están entre - 8 y 8.

56 Polinomio característico
P() = det(A - I)

57 Polinomio característico
P() = det(A - I) P(-8) = det(A - 8I) = 4357

58 Valores del polinomio P(-8) = 4357 P(-7) = 2346 P(-6) = 1053 P(-5) = 298 P(-4) = -75 P(-3) = -198 P(-2) = -179 P(-1) = -102 P(0) = -27 P(1) = 10 P(2) = -3 P(3) = -54 P(4) = -107 P(5) = -102 P(6) = 45 P(7) = 442 P(8) = 1221

59 Gráfico del polinomio

60 Separación del valor propio
El valor propio positivo más pequeño se encuentra en [0; 1]

61 Cálculo del valor propio
El valor propio positivo más pequeño se encuentra en [0; 1] Utilizando el método de la bisección se obtuvo:  =

62 Estudio Independiente
Método de la potencia para determinar el valor propio real de mayor valor absoluto asociado a una matriz A.

63 Bibliografía Texto: Sección 3.5

64 Ejercicios Recomendados
Sección 3.5: 1, 2, y 4