ANÁLISIS NUMÉRICO
PARA INGENIEROS
CIVILES CI 708
2023-01
TEMARIO
UNIDAD 1 UNIDAD 2 UNIDAD 3
INTRODUCCIÓ SISTEMA DE AUTOVALORE
N A MATLAB ECUACIONES SY
LINEALES AUTOVECTOR
ES
TEMARIO
UNIDAD 4 UNIDAD 5 UNIDAD 6 UNIDAD 7
RAICES DE APROXIMACIÓN INTEGRACIÓN ECUACIONES
ECUACIONES NO DE FUNCIONES NUMÉRICA DIFERENCIALE
LINEALES. S
CONTENIDO
1. INTRODUCCIÓN
2. VALORES Y VECTORES PROPIOS DE UNA MATRIZ
3. PROPIEDADES DE LOS VALORES Y VECTORES PROPIOS
4. CÁLCULO DE LOS VALORES Y VECTORES PROPIOS DE UNA
MATRIZ (DE MANERA ANALÍTICA)
5. APROXIMACIÓN NUMÉRICA DEL VALOR Y VECTOR PROPIO
DOMINANTE DE UNA MATRIZ: MÉTODO DE LA POTENCIA
6. APROXIMACIÓN NUMÉRICA DE TODOS LOS VALORES Y
VECTORES PROPIOS DE UNA MATRIZ: FUNCIÓN EIG DE MATLAB..
INTRODUCCIÓN
Las estructuras que vibran, como edificios, puentes y carreteras, a veces experimentan
una oscilación peligrosa, llamada resonancia, que causa la destrucción parcial o total de
las estructuras.
Algunos eventos clásicos y recientes que posiblemente podrían haber sido causados
por resonancias:
La caída del puente Tacoma Narrows en el estado de Washington en los Estados
Unidos.
La caída del puente colgante de Broughton en Inglaterra.
El tambaleo del Millennium Bridge sobre el río Támesis en Londres
(https://youtu.be/eAXVa__XWZ8).
INTRODUCCIÓN
El comportamiento de un sistema vibratorio se puede analizar conociendo las
frecuencias y los modos.
Los valores propios y los vectores propios de la matriz del modelo
matemático del sistema están relacionados con las frecuencias y los modos.
Específicamente, las frecuencias son las raíces cuadradas de los valores
propios y los modos son los vectores propios.
VALORES Y VECTORES PROPIOS DE UNA MATRIZ
Problema:
Dada A, una matriz cuadrada de n n, encontrar un escalar y un
vector no nulo x en Rn tal que:
Ax = x.
El escalar es llamado un valor propio (autovalor) y el
vector x su correspondiente vector propio (autovector).
λ puede ser complejo, aún si es real.
El espectro de , denotado por es el conjunto de todos los
autovalores de
El radio espectral de es:
ρ(|λ|: λ ϵ λ
VALORES PROPIOS Y VECTORES PROPIOS DE UNA MATRIZ
Si x es un vector propio asociado con el valor propio λ, entonces
Ax = x, por lo que la matriz A transforma el vector x en un
múltiplo escalar de sí mismo.
Si λ es real y entonces A tiene el efecto de expandir x en un
factor de λ.
Si entonces A comprime x en un factor de λ.
Si los efectos son similares, pero en dirección contraria.
EJEMPLO 1
,
donde .
CÁLCULO DE VALORES PROPIOS Y VECTORES PROPIOS
La ecuación Ax = x puede expresarse como:
Ax – x = 0
o bien
(A – In)x = 0.
La expresión anterior es un sistema de ecuaciones lineales
homogéneo el cual tiene solución no cero, si y solo si, su matriz
asociada A – In es singular.
Para obtener los valores propios de A, se debe resolver la ecuación
det(A – In) = 0.
Note que det(A – In) es un polinomio en de grado n. Este polinomio
es llamado polinomio característico de A y se denota como λ).
La ecuación det(A – In) = 0 es llamada la ecuación característica de A.
El Teorema Fundamental del Álgebra indica que si es una matriz de
siempre tiene valores propios, pero ellos pueden reales o complejos.
EJEMPLO 2
Encuentra los valores propios de la matriz:
1 4
A .
2 3
Solución:
1. Calculemos el polinomio característico de A.
1 4 1 0 1 4
A I 2
2 3 0 1 2 3
p( ) det( A I 2 ) (1 )(3 ) 8 2 4 5.
2. Resolvemos la ecuación característica de A.
2 4 5 0 ( 5)( 1) 0 1 ó 5.
Los valores propios de A son y .
EJEMPLO 3
Encuentra los vectores propios de la matriz:
1 4
A .
2 3
Solución:
Los correspondientes vectores propios se hallan usando los valores de
en la ecuación (A – I)x = 0.
Note que existen infinitos vectores propios asociados a cada autovalor.
Para = –1
Resolvemos el sistema de ecuaciones lineales homogéneo
(A + 1I2)x = 0 para hallar x.
1 4 1 0 2 4
A 1I 2 1
2 3 0 1 2 4
Obtenemos el sistema:
2 4 x1
2 4 x 0
2
EJEMPLO 3
Para resolver el sistema:
2 4 x1
2 4 x 0
2
podemos usar eliminación Gaussiana. Formamos la matriz ampliada y
la llevamos a su forma escalonada:
2 4 0 2 4 0
2 4 0 0 0 0
F2 F1 F2
De la primera ecuación nos queda que 2x1 + 4x2 = 0, o bien x1 = –2x2.
Así, la solución del sistema es:
x1 2 x2 2 2
x x2 s con s .
x2 x2 1 1
Por lo tanto, los vectores propios de A correspondiente a = –1 son los
vectores no nulos de la forma
2 2
x s con s cualquier escalar. Podríamos escoger x .
1 1
EJEMPLO 3
Para = 5
Resolvemos el sistema de ecuaciones lineales homogéneo
(A 5I2)x = 0 para hallar x.
El sistema a resolver es:
4 4 x1
2 2 x 0
2
Llevamos a su forma escalonada a la matriz ampliada y obtenemos:
4 4 0 1 4 4 0
2 2 0 0 0 0
F2 F1 F2
2
De la primera ecuación nos queda que -4x1 + 4x2 = 0, o bien x1 = x2.
Por lo tanto, los vectores propios de A correspondiente a = 5 son los
vectores no nulos de la forma
x1 x2 1 1
x x2 s con s .
x2 x2 1 1
1
Así, podríamos escoger x .
1
EJEMPLO 4
Encuentre los valores y vectores propios de la matriz:
5 4 2
A 4 5 2
2 2 2
Solución:
1. Calculemos el polinomio característico de A.
[ ]
5−𝜆 4 2
𝑝(𝜆)= 𝐴 − 𝜆 𝐼 3= 4 5− 𝜆 2
2 2 2−𝜆
p( ) det( A I 3 ) 3 122 21 10 ( 10)( 1) 2 .
Los valores propios de A son:
1 10, 2 1 y 3 1.
EJEMPLO 4
Para = 10
Resolvemos el sistema de ecuaciones lineales homogéneo
(A - 10I3)x = 0 para hallar x.
5 4 2
A 10 I 3 4 5 2
2 2 8
Obtenemos el sistema:
5 4 2 x1 0
4 5 2 x 0
2
2 2 8 x3 0
Podemos resolver el sistema usando la función rref de Matlab:
5 4 2 0 1 0 2 0
4 5 2 0 rref
0 1 2 0
2 2 8 0 0 0 0 0
De las dos primeras ecuaciones nos queda que x1 = 2x3 y x2 = 2x3 .
EJEMPLO 4
Así, la solución del sistema es:
x1 2 x 3 2 2
x x2 2 x3 x3 2 s 2 con s .
x3 x 3 1 1
Por lo tanto, un vector propio de A correspondiente a = 10 es
2
x 2 .
1
Para λ
Resolvemos el sistema de ecuaciones lineales homogéneo
(A - 1I3)x = 0 para hallar x.
4 4 2
A 1I 3 4 4 2
2 2 1
EJEMPLO 4
Obtenemos el sistema:
4 4 2 x1 0
4 4 2 x 0
2
2 2 1 x3 0
Usamos la función rref de Matlab para resolver el sistema:
1 1
4 4 2 0 1 0
2
4 4 2 0 rref
0
0 0 0
2 2 1 0 0 0 0 0
De la primera ecuación queda que x1 .
Así, la solución del sistema es de la forma:
x1 x 2 1 / 2 x 3 x2 1 / 2 x3 1 1 / 2
x x2 x2 x 0 s 1 t 0
2
x3 x3 0 x3 0 1
con s, t .
EJEMPLO 4
Por lo tanto, el vector propio de A correspondiente a = 1 es un
subespacio bidimensional de vectores en de la forma:
1 1 / 2
x s 1 t 0 , con s, t .
0 1
con base
1 1 / 2
, .
1 0
0 1
Si un valor propio aparece como una raíz repetida veces de la ecuación
característica, decimos que es de multiplicidad . Así, λ tiene
multiplicidad 1, mientras que tiene multiplicidad 2 en este ejemplo.
PROPIEDADES DE LOS VALORES PROPIOS Y VECTORES PROPIOS
Sea una matriz cuadrada de
Si A es una matriz diagonal o triangular superior o triangular inferior,
entonces los elementos diagonales de A son sus valores propios.
Si A es invertible y λ es un valor propio de A con vector propio x, entonces
1/λ es un valor propio de con vector propio x.
Si λ es un valor propio de A, entonces λ es un valor propio de pero con
vectores propios diferentes.
La suma de los valores propios de A es igual a la traza de A (tr(A)).
El producto de los valores propios de A es igual al det(A).
Una matriz es singular si y solo si uno de sus valores propios es igual a
cero.
MÉTODOS NUMÉRICOS PARA VALORES Y VECTORES PROPIOS
El polinomio característico es una poderosa herramienta teórica pero
generalmente no es útil computacionalmente, sobretodo cuando la matriz es
cuadrada de orden , con
A continuación veremos el Método de la Potencia que permite hallar al valor
propio dominante y su correspondiente vector propio.
El Método de la Potencia es una técnica iterativa muy sencilla que
permite hallar el valor propio dominante de la matriz y su
correspondiente vector propio.
También veremos una herramienta que nos brinda Matlab para calcular los
valores y vectores propios de una matriz: la función eig.
VALOR PROPIO DOMINANTE
Sea una matriz de con valores propios es llamado valor propio
dominante si
> para .
Los vectores propios correspondientes a son llamados vectores
propios dominantes.
Observación: No toda matriz tiene un valor propio dominante.
1 0
Ejemplo 1: A
0 1
Los valores propios de son y por lo tanto, no tiene valor propio
dominante.
2 0 0
Ejemplo 2: B 0 2 0
0 0 1
Los valores propios de son y por lo tanto, no tiene valor propio
dominante.
MÉTODO DE LA POTENCIA
Para aplicar el método de la potencia, suponemos que la matriz de
tiene valores propios con un conjunto asociado de vectores propios
linealmente independientes {}.
Además, suponemos que tiene exactamente un valor propio , que
es más grande en magnitud, por lo que:
>.
Se escoge un iterado inicial
El método de la potencia genera dos sucesiones: ; la primera
converge al valor propio dominante y la segunda converge al vector
propio dominante.
MÉTODO DE LA POTENCIA
Algoritmo del Método de la Potencia Normalizado:
Se escoge un vector columna inicial (puede ser cualquier vector no nulo).
Para hasta que se satisfaga el criterio de parada hacer:
Normalizar :
Escoger la componente de con mayor valor absoluto ()
Fin Para
Criterios de Parada:
(estimado del error absoluto)
ó (estimado del error relativo)
donde es un número dado (la tolerancia exigida) y la norma infinito se
define como .
MÉTODO DE LA POTENCIA
function [sol,iter,e_rel]=potencia(A,x0,tol,maxiter)
% Esta función calcula el valor propio y un vector propio dominante de A.
% Datos de Entrada:
% A : matriz cuadrada de nxn
% x0: iterado inicial
% tol: tolerancia exigida para el criterio de parada (estimado del error relativo)
% maxiter: número máximo de iteraciones a realizar.
% Salida:
% sol: matriz de (n+2)xiter que contiene las aproximaciones al vector propio dominante
% y al valor propio dominante.
iter = 0;
e_rel = 100;
sol = [iter x0' 0];
while (iter <= maxiter) && (e_rel > tol)
y = A*x0;
[maximo,posicion]=max(abs(y));
c=y(posicion); % aproximación al valor propio
x =(1/c)*y; % aproximación al vector propio normalizado
iter = iter + 1;
e_rel = norm((x-x0)/x,Inf); % estimado del error relativo
sol = [sol; iter x' c];
x0=x;
end
EJEMPLO 5
Use el método de la potencia para hallar una aproximación al valor
propio dominante de la matriz
1 4
A .
2 3
𝑘 𝑐 𝑘 𝑥 𝑘𝑇 𝑒 𝑟𝑒𝑙 𝑘
0 0.0000000 [1.0000000 0.0000000] 100.000000
1 2.0000000 [0.5000000 1.0000000] 1.00000000
2 4.5000000 [1.0000000 0.8888889] 0.50000000
3 4.6666667 [0.9761905 1.0000000] 0.11111111
4 4.9761905 [1.0000000 0.9952153] 0.02380952
5 4.9856459 [0.9990403 1.0000000] 0.00478469
6 4.9990403 [1.0000000 0.9998080] 0.00095969
7 4.9994241 [0.9999616 1.0000000] 0.00019198
8 4.9999616 [1.0000000 0.9999923] 0.00003840
9 4.9999770 [0.9999985 1.0000000] 0.00000768
10 4.9999985 [1.0000000 0.9999997] 0.00000154
11 4.9999991 [0.9999999 1.0000000] 0.00000031
EJEMPLO 6
Use el método de la potencia para hallar una aproximación al valor propio dominante
de la matriz 4 14 0
A 5 13 0
1 0 2
𝑘 𝑐 𝑘 𝑥 𝑘 𝑇 𝑒 𝑟𝑒𝑙 𝑘
0 0.0000000 [1.0000000 1.0000000 1.0000000] 100.0000000
1 10.0000000 [1.0000000 0.8000000 0.1000000] 0.90000000
2 7.2000000 [1.0000000 0.7500000 -0.1111111] 0.21111111
3 6.5000000 [1.0000000 0.7307692 -0.1880342] 0.07692308
4 6.2307692 [1.0000000 0.7222222 -0.2208505] 0.03281629
5 6.1111111 [1.0000000 0.7181818 -0.2359147] 0.01506422
6 6.0545455 [1.0000000 0.7162162 -0.2430949] 0.00718024
7 6.0270270 [1.0000000 0.7152466 -0.2465876] 0.00349261
8 6.0134529 [1.0000000 0.7147651 -0.2483058] 0.00171822
9 6.0067114 [1.0000000 0.7145251 -0.2491566] 0.00085078
10 6.0033520 [1.0000000 0.7144054 -0.2495794] 0.00042286
11 6.0016750 [1.0000000 0.7143455 -0.2497901] 0.00021065
12 6.0008373 [1.0000000 0.7143156 -0.2498952] 0.00010508
13 6.0004186 [1.0000000 0.7143007 -0.2499476] 0.00005246
14 6.0002093 [1.0000000 0.7142932 -0.2499738] 0.00002621
15 6.0001046 [1.0000000 0.7142895 -0.2499869] 0.00001309
16 6.0000523 [1.0000000 0.7142876 -0.2499935] 0.00000654
17 6.0000262 [1.0000000 0.7142866 -0.2499967] 0.00000327
18 6.0000131 [1.0000000 0.7142862 -0.2499984] 0.00000164
19 6.0000065 [1.0000000 0.7142859 -0.2499992] 0.00000082
LA FUNCIÓN EIG DE MATLAB
La función eig de Matlab nos permite hallar aproximaciones de
todos los valores propios de una matriz de y sus
correspondientes vectores propios.
La función eig devuelve dos matrices de . Cada columna de la
primera matriz es un vector propio de la matriz. La segunda
matriz es una matriz diagonal, donde cada elemento en diagonal
principal, es un valor propio de la matriz (en el mismo orden).
EJEMPLO 7
Para la matriz del EJEMPLO 5:
A = [1 4; 2 3]
[V,D] = eig(A)
Para la matriz del EJEMPLO 6:
A = [-4 14 0; -5 13 0; -1 0 2]
[V,D] = eig(A)
, .
EJERCICIO
Vibración de un edificio.
Considere un edificio de dos pisos con piso rígido (figura (a)). Se supone que la
distribución del peso del edificio se puede representar en forma de peso concentrado en
cada nivel de piso, como se muestra en la figura (b), y las rigideces de las columnas de
soporte se representan mediante las constantes de resorte . Calcule la vibración del
edificio en los 2 modos.
