Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodo de Las Potencias Teoria PDF
Metodo de Las Potencias Teoria PDF
TEMA 4:
CALCULO NUMERICO
DE AUTOVALORES
1
INTRODUCCION
Una primera posiblidad para el calculo de los autovalores es el calculo (mediante los llamados metodos
clasicos) de los coeficientes del polinomio caracterstico.
Una vez conocidos estos, el problema se reduce a la resolucion de una ecuacion algebraica por los metodos ya
estudiados.
Sin embargo, estos metodos no se usan habitualmente
debido a su gran inestabilidad numerica, derivada de
la gran sensibilidad de los ceros de un polinomio a los
cambios en sus coeficientes.
Ejemplo 1 .- (Wilkinson)
Sea A una matriz cuyo polinomio caracterstico es
P () = ( 1)( 2) . . . ( 20).
Si en el calculo de los coeficientes hubiesemos cometido un error en el coeficiente correspondiente a 19 de
orden 107 de modo que tuviesemos
Q() = P () 22319
los autovalores (que son 1, 2, . . . , 20) pasaran a ser
complejos con parte imaginaria grande: 2.81 i, 2.51 i . . .
Es decir, una pequena variacion en los datos origina
una gran variacion en los autovalores. Aparece entonces
la necesidad de medir el condicionamiento del problema
de autovalores.
116
Ejemplo 2 .- (Davis-Moller)
A=
149 50 154
27 9 25
Sp(A) = {1, 2, 3}
A + A =
149 50 154
27 9 25
118
Observaci
on 1 .1. Dado que toda matriz A normal es diagonalizable a traves de una matriz unitaria (Teorema de
Schur), si consideramos la norma matricial k.k2
se tiene que 2(A) = 1.
Por tanto, toda matriz normal es bien condicionada.
2. En el ejemplo de Davis-Moller, problema mal
condicionado, se tiene 2(A) = 1289.
3
M
etodo de Leverrier (1840).-
n
X
i=1
ki ,
k = 1, . . . , n.
r = 1, . . . , n.
k = 1, . . . , n.
r = 2, . . . , n.
M
etodo de Krylov (1931).-
i = 1, . . . , n, se tiene:
aiv i = Anu.
Consideremos la matriz V que tiene como columnas iesimas los vectores v i y el vector a que tiene como coordenadas los coeficientes ai, entonces la igualdad anterior
puede escribirse:
V a = Anu.
Si elegimos u de manera que el sistema {v 1, . . . , v n}
sea linealmente independiente y la matriz V facilmente
inversible, entonces los coeficientes del polinomio caracterstico son solucion del sistema lineal anterior.
Entonces, el metodo de Krylov consiste en:
120
k = n 1, . . . , 1.
a1 a2 . . . an1 an
1
0
.
.
.
0
0
A=
0
1
.
.
.
0
0
...
0
0 ...
1
0
121
EL METODO DE LA POTENCIA
Entre los metodos que no precisan del calculo del polinomio caracterstico destaca por su sencillez el metodo
de la potencia iterada (Wielandt - 1944) y todas sus
variantes.
4.1
El m
etodo de la potencia iterada.-
i = 1, . . . , n,
k = 0, 1, . . .
(Por tanto, 1 = , 2 = .)
Observaci
on 3 .- Tambien, si se elige u0 tal que
1p1 2p2 6= 0, entonces existe, al menos, un ndice
i {1, . . . , n} tal que:
u2k+3
lim i2k+1 = 21.
k ui
2 C.
D) |1| = |2| > |3| . . . |n|, 1 =
Se puede adaptar el metodo para calcular r y tales
que:
1 = rei
( 2 = rei )
124
Observaci
on 4 .- (Potencia normalizada)
Incluso en el caso mas sencillo |1| > |j |, j 6= 1,
si 1 es muy grande en modulo (o muy peque
no), al
calcular uk para k grande, este tiende en norma a
(o a 0) con los consiguientes problemas numericos.
Para evitar esta dificultad es conveniente trabajar
con el vector normalizado y k , esto es, para u0 C n
arbitrario, se definen:
u0
0
y = 0 ,
ku k
Ay k
y
=
, k = 0, 1, . . .
kAy k k
Se puede probar entonces que:
k+1
uk
y = k ,
ku k
k
k = 0, 1, . . .
Ademas:
lim y k = p,
lim (1)k y k = p,
4.2
Aceleraci
on de la convergencia.-
xtAx
Dado que 1 = max t , se prueba que la sucesion
x6=0 x x
k
{ } construida mediante:
(uk )tAuk (uk )tuk+1
k
=
=
, k = 0, 1, . . .
(uk )tuk
(uk )tuk
uk+1
converge a 1 mas rapidamente que la sucesion { i k }.
ui
4.3
C
alculo de autovalores intermedios: deflaci
on.-
Hemos visto que empleando el metodo de la potencia iterada podemos aproximar el autovalor dominante 1. Es
natural preguntarse si se puede utilizar el conocimiento
de 1 y de un autovector asociado p1 para calcular el
resto de los autovalores.
Una clase de metodos, que utilizan esta informacion
para transformar A en otra matriz donde se ha eliminado el autovalor dominante 1 sin variar el resto de los
autovalores, son los llamados metodos de deflacion, de
los cuales veremos dos ejemplos:
M
etodo de Hotelling.Si A es una matriz normal entonces el Teorema de Schur
asegura que existe una base ortonormal de autovectores
{p1, p2, . . . , pn}, esto es, tal que:
pi pj = ij ,
i, j = 1, . . . , n.
que verifica:
A1pj = 0,
A1pj = j pj ,
si j = 1,
si j 6= 1.
1 c
HAH 1 =
0 B
con B M(n1)(n1) tal que Sp(B) = {2, . . . , n}.
Aplicando el metodo de la potencia iterada a la matriz
B se obtiene su autovalor dominante, que es el autovalor
intermedio 2.
4.4
El m
etodo de la potencia inversa.-
i 6= s.
i 6= s.
k = 0, 1, . . .
METODOS DE REDUCCION
La idea fundamental de estos metodos consiste en transformar la matriz A en otra semejante (por lo tanto, con
los mismos autovalores) para la cual sea mas sencillo
calcular el polinomio caracterstico.
Se estudiara un metodo de reduccion a matrices mas
simples (Householder) y dos metodos para el calculo
del polinomio caracterstico de las matrices simplificadas
(Givens y Hyman).
131
5.1
El m
etodo de transformaci
on de Householder.-
+ + ...
+ + ...
+ ...
...
... +
... +
. . . ...
+ +
Dado que son matrices semejantes, sus polinomios caractersticos son iguales, y por tanto tambien lo son sus
autovalores.
Dada A Mnn(R), se determinaran (n 2) matrices
de Householder H1, . . . , Hn2 (ortogonales y simetricas)
tales que, partiendo de A1 = A, cada una de las matrices:
Ak+1 = Hk1Ak Hk = Hk Ak Hk ,
k = 1, . . . , n 2,
Observaci
on 6 .- Si la matriz A es simetrica, entonces tambien lo son todas las matrices Ak y, por
tanto, An1 es una matriz tridiagonal simetrica, pues
tambien tiene ceros por encima de la superdiagonal.
El paso de la matriz Ak a la matriz Ak+1 se realiza de
la siguiente manera:
Se toma el vector ak Rnk formado por los elementos de la columna k-esima de Ak a partir del subdiagonal (inclusive). Se elige la matriz de Householder
H(
vk ) M(nk)(nk)(R) tal que H(
vk )ak = kak k2e1.
Se construye entonces la nueva matriz de Householder:
Ik
0
= H(vk ),
Hk =
0 H(
vk )
con vk =
vk
Rn .
5.2
El m
etodo de Givens para matrices tridiagonales
sim
etricas.-
B=
b1 c1
0
c1 b2 c2
c2 . . . . . .
... b
n1 cn1
0
cn1 bn
134
i = 1, . . . , n.
5.3
El m
etodo de Hyman para matrices Hessenberg
superior.-
i = 1, . . . , n 1.
Consideremos la matriz:
B I = (p1|p2| . . . |pn).
Si k() es un polinomio cuyos coeficientes dependen de
B, el sistema lineal:
(B I) x = k()e1
se puede resolver de manera sencilla por sustitucion retrograda si elegimos arbitrariamente xn (por ej: xn = 1),
dado que B I sigue siendo Hessenberg superior.
Si es una raz de k() entonces se tiene (BI) x = 0,
de modo que es un autovalor de B y x un autovector
asociado. Por tanto k() es, salvo un factor, el polinomio
caracterstico det(B I).
Tomando xn = 1 es facil calcular det(B I) en funcion
de k():
(B I) x = k()e1
x1p1 + x2p2 + . . . + xn1pn1 + pn = k()e1
pn = k()e1
136
n1
X
i=1
x i pi
Entonces:
det(B I) = det(p1| . . . |pn1|pn)
= det(p1| . . . |pn1|k()e1
n1
X
i=1
x i pi )
= det(p1| . . . |pn1|k()e1)
b11 b12
b21
b22
b32
=
...
...
...
...
...
bn1,n2
b1,n1
k()
b2,n1
0
b3,n1
0
...
...
bn1,n1 0
bn,n1
0
= (1)n+1k()b21b32 . . . bn,n1
A fin de calcular k() el metodo mas sencillo es resolver por sustitucion retrograda el sistema lineal:
(b11 )x1
+b12x2
b21x1
+(b22 )x2
b32x2
...
con xn = 1.
137
+...
+b1nxn
+...
+b2nxn
+...
+b3nxn
...
...
bn,n1xn1 +(bnn )xn
= k()
=0
=0
...
=0
Entonces:
det(B I) = (1)n+1k()b21b32 . . . bn,n1,
donde:
k() = (b11 )x1() + b12x2() + . . . + b1nxn().
De esta forma se puede obtener k() y aproximar sus
races (los autovalores de B), por los metodos ya vistos
para polinomios.
METODOS DE FACTORIZACION
6.1
El m
etodo LR (Rutishauser - 1952) .-
Teorema 8 .- Sea A Mnn(R) una matriz inversible con todos sus autovalores de modulo diferente:
|1| > |2| > . . . > |n| > 0.
Existe, al menos, una matriz inversible P tal que
P 1AP = diag(i).
Supongamos que las matrices P y P 1 admiten factorizacion LU. Entonces, la sucesion {Ak } generada
por el metodo LR converge a una matriz triangular
superior. En particular:
lim (Ak )ii = i,
1 i n,
1 j < i n.
139
6.2
El m
etodo QR (Francis, Kublanovskaya - 1960) .-
Teorema 9 .- Sea A Mnn(R) una matriz inversible con todos sus autovalores de modulo diferente:
|1| > |2| > . . . > |n| > 0.
Existe, al menos, una matriz inversible P tal que
P 1AP = diag(i).
Supongamos que la matriz P 1 admite factorizacion
LU. Entonces, la sucesion {Ak } generada por el metodo QR verifica:
lim (Ak )ii = i,
1 i n,
1 j < i n.
140
Observaci
on 8 .- No se puede hablar en el caso
del algoritmo QR de la convergencia de la sucesion
{Ak }, ya que no se puede asegurar la existencia de
los lmites:
lim (Ak )ij ,
1 i < j n.
1 i < j n,
141
142