4. Autovalores y autovectores 4.1 Ejercicios resueltos Ejercicio 4.1 Realizar la descomposici´on de Schur de la matriz
Views 117 Downloads 1 File size 261KB
4. Autovalores y autovectores 4.1
Ejercicios resueltos
Ejercicio 4.1 Realizar la descomposici´on de Schur de la matriz 1 0 1 A= 0 1 1 −1 0 −1 ´ n: El polinomio caracter´ıstico de Solucio λ−1 0 p(λ) = det(λI − A) = 0 λ−1 1 0
la matriz A es −1 −1 = λ3 − λ2 = λ2 (λ − 1) λ+1
por lo que los autovalores de A son 1 simple y 0 doble. Para λ = 1 el autovector asociado viene dado por la 0 0 1 0 (A − I)v = 0 ⇐⇒ 0 0 1 v = 0 −1 0 −2 0
soluci´on del sistema 0 =⇒ v = 1 0
Para ampliar hasta una base ortonormal de R3 podemosutilizar 0 1 de la base can´onica para obtener la matriz de paso P = 1 0 0 0 que 1 0 1 P −1 AP = P T AP = 0 1 1 0 −1 −1 53
losvectores 0 0 , por lo 1
´ Algebra Num´erica
54
! 1 1 La submatriz tiene como autovalores el 0 doble y un autovec−1 −1 tor asociado a ´el es el vector (1 − 1)T que puede ser ampliado hasta una base ortogonal de R2 con el vector (1 1)T por lo que una base ortonor2 mal de por ambos vectores normalizados y, por tanto R es le constituida 1 0 0 √1 √1 obteni´ Q= 0 endose que 2 2 1 1 √ 0 − √2 2
√
1 − 22 QT P T AP Q = U T AU = 0 0 0 0
√
2 2
2 0
que es una forma de Schur de la matriz A con
√1 2
0
U = PQ = 1 0 1 0 − √2
√1 2
0
√1 2
! 0.6 0.8 Ejercicio 4.2 Comprobar que la matriz U = es unitaria (or−0.8 0.6 togonal) y obtener, bas´andose en ella, una matriz normal A que tenga por autovalores 2 y 3i. Calcular la conmutatriz de A y comprobar que sus componentes herm´ıticas conmutan. ´ n: Solucio U ∗U = U T U =
0.6 −0.8 0.8 0.6
!
0.6 0.8 −0.8 0.6
! =
1 0 0 1
! =I
Por tanto, la matriz es unitaria. Si A debe ser normal y ha de tener los autovalores 2 y 3i, tiene que ser diagonalizable unitariamente y, la matriz diagonal tendr´a a los autovalores en su diagonal. U ∗ AU = D =
2 0 0 3i
! =⇒ A = U DU ∗
4.1. EJERCICIOS RESUELTOS
55
Podemos utilizar cualquier matriz unitaria, por ejemplo, la del enunciado del ejercicio. ! ! ! 0.6 −0.8 2 0 0.6 0.8 A = 0.8 0.6 0 3i −0.8 0.6 0.72 + 1.92i −0.96 + 1.44i −0.96 + 1.44i 1.28 + 1.08i
=
! .
Hallemos, por u ´ltimo, la conmutatriz de la matriz A. C(A) = AA∗ − A∗ A = 2i(H2 H1 − H1 H2 ) 0.72 −0.96 −0.96 1.28
1 H1 = (A + A∗ ) = 2 0 0 0 0
H1 H2 =
!
1.92 1.44 1 H2 = (A − A∗ ) = 2i 1.44 1.08 ! 0 0 H2 H1 = = Θ =⇒ H1 H2 = H2 H1 0 0
! =Θ
!
Por tanto, C(A) = Θ. Ejercicio 4.3 Probar, bas´andose en el teorema de Gerschgorin, que la matriz: A=
9 0 −1 1
1 −2 8 1 0 7 0 0
1 1 0 1
tiene, al menos, dos autovalores reales. ´ n: Solucio Los c´ırculos de Gerschgorin por filas son: a11 = 9
r1 = 1 + 2 + 1 = 4
a22 = 8
r2 = 1 + 1 = 2
a33 = 7
r3 = 1
a44 = 1
r4 = 1
El c´ırculo C4 (1, 1) es disjunto con los dem´as:
1
'$ 7 9 &%
´ Algebra Num´erica
56
|a44 − a11 | = 8 > r4 + r1 |a44 − a22 | = 7 > r4 + r2 |a44 − a33 | = 6 > r4 + r3 Por tanto, en ´el hay un autovalor λ1 y los otros tres se encuentran en C1 ∪ C2 ∪ C3 . El autovalor λ1 debe ser real ya que, si fuese complejo, su conjugado λ1 tambi´en ser´ıa autovalor de la matriz1 y deber´ıa pertenecer a C4 cosa que no sucede, pues en C4 s´olo existe un autovalor. En conclusi´on: la matriz tiene, al menos, un autovalor real λ1 con 0 ≤ λ1 ≤ 2. Los tres autovalores restantes no pueden ser complejos ya que P (λ) es una ecuaci´on polin´omica de grado cuatro con coeficientes reales, por lo que debe existir, al menos, otra ra´ız real de P (λ) y, por tanto, la matriz A tiene, al menos, dos autovalores reales.
Ejercicio 4.4 Dada la matriz A =
2 + 3i 1 + 2i 1 + 2i 2 + 3i
! se pide:
a) Comprobar que es normal sin calcular la matriz conmutatriz. b) Calcular sus autovalores a partir de los de sus componentes herm´ıticas. c) Comprobar que estos autovalores est´an en el dominio de Gerschgorin. ´ n: Solucio ! 2 1 1 a) H1 = (A + A∗ ) = 2 1 2 ! 8 7 H1 H2 = H2 H1 = 7 8 A es normal.
! 3 2 1 H2 = (A − A∗ ) = 2i 2 3 ! 8 7 =⇒ H1 H2 = H2 H1 =⇒ 7 8
b) Calculemos, en primer lugar los autovalores y autovectores de sus componentes herm´ıticas H1 y H2 . 1
En una matriz real, P (λ) tiene coeficientes reales y, por tanto, sus ra´ıces o son reales o son complejas conjugadas.
4.1. EJERCICIOS RESUELTOS
57
• Componente H1 λ − 2 −1 P (λ) = = λ2 − 4λ + 3 = (λ − 1)(λ − 3) =⇒ −1 λ − 2 λ11 = 1 y λ12 = 3 Los autovectores viene dados por las soluciones de los sistemas: – Para λ11 = 1 =⇒ (I − H1 )x = 0 ! ! ! −1 −1 x1 0 = ⇒ x1 + x2 = 0 ⇒ u11 = −1 −1 x2 0
1 −1
– Para λ12 = 3 =⇒ (3I − H1 )x = 0 ! ! ! 1 −1 x1 0 = ⇒ x1 − x2 = 0 ⇒ u12 = −1 1 x2 0
1 1
!
!
• Componente H2 Los autovectores son los mismos que los de H1 . Sus autovalores vienen dados por λ21
uT11 H2 u11 =1 = uT11 u11
λ22
uT12 H2 u12 = =5 uT12 u12
La matriz A tiene, por tanto, los autovectores v1 = (1, −1)T y v2 = (1, 1)T asociados, respectivamente, a los autovalores λ1 = 1 + i y λ2 = 3 + 5i. c) Dominio de Gerschgorin. a11 = 2 + 3i
r1 = |1 + 2i| =
√ 5
a22 = 2 + 3i
r1 = |1 + 2i| =
√ 5
√ =⇒ C1 ∪ C2 ≡ C(2 + 3i, 5).
d(λ1 , 2 + 3i) = |(1 + i) − (2 + 3i)| =
√
d(λ2 , 2 + 3i) = |(3 + 5i) − (2 + 3i)| =
5
√ =⇒ 5
Ambos se encuentran en la frontera del dominio.
6 2 5 Ejercicio 4.5 Dada la matriz A = 2 2 3 se pide: 5 3 6
´ Algebra Num´erica
58
a) Utilizar el m´etodo de la potencia simple para aproximar su autovalor T dominante partiendo del vector z0 = 1 1 1 b) Hacer uso del m´etodo de la potencia inversa para, partiendo de z0 , aproximar el autovalor minimante de la matriz A. c) Sabiendo que una aproximaci´on del tercer autovalor de la matriz A es 1.5, aproximarlo haciendo uso del m´etodo de la potencia inversa con desplazamiento. ´ n: Solucio a) Escalando los vectores zn por su coordenada de mayor valor absoluto (renombrados como wn ) y haciendo zn+1 = Awn obtenemos:
13.0000 z1 = 7.0000 14.0000 11.7039 z5 = 5.8753 12.2273
11.5714 z2 = 5.8571 12.1429 11.7042 z6 = 5.8754 12.2275
11.6824 z3 = 5.8706 12.2118 11.7042 z7 = 5.8754 12.2275
11.7013 z4 = 5.8748 12.2254
por lo que z7T Az7 ' 12.22753579693696 z7T z7
λ1 '
b) Escalando los vectores zn (renombrados como wn ) y resolviendo los sistemas Azn+1 = wn :
0.5000 z1 = 1.5000 −1.0000 1.9140 z5 = 4.7777 −4.1278 1.9145 z9 = 4.7785 −4.1287
1.6667 z2 = 4.3333 −3.6667 1.9144 z6 = 4.7784 −4.1285
1.8846 z3 = 4.7308 −4.0769 1.9145 z7 = 4.7785 −4.1286
por lo que λ3 '
z9T Az9 ' 0.20927063325837 z9T z9
1.9106 z4 = 4.7724 −4.1220 1.9145 z8 = 4.7785 −4.1287
4.1. EJERCICIOS RESUELTOS
59
c) Escalando los vectores zn (renombrados como wn ) y resolviendo los sistemas (A − 1.5 I)zn+1 = wn : −3.1429 z1 = 2.5714 2.0000 −15.8244 z5 = 13.7280 8.5508
−15.8701 z2 = 13.8442 8.5455 −15.8244 z6 = 13.7279 8.5508
−15.8499 z3 = 13.7466 8.5663 −15.8244 z7 = 13.7279 8.5508
−15.8233 z4 = 13.7272 8.5501
por lo que λ2 '
z7T Az7 ' 1.56319356980456 z7T z7
Ejercicio 4.6 Dada la matriz A =
1 + i −2 + i 2−i 1+i
! se pide:
! −i a) Comprobar que es normal y que v1 = es un autovector de su 1 primera componente herm´ıtica H1 asociado al autovalor λ1 = 0. b) Calcular el otro autovalor (y un autovector asociado) de la matriz H1 aplicando el m´etodo de la potencia simple. ! x y c) Consid´erese la matriz real y sim´etrica S = . Probar que la y x ! cos α sen α transformaci´on de Jacobi Qt SQ con Q = y α = π/4 − sen α cos α nos anula los elementos extradiagonales. d) Transformar el problema del c´alculo de los autovalores de la matriz H2 (segunda componente herm´ıtica de la matriz A) al del c´alculo de los autovalores de una matriz C sim´etrica real y comprobar que son suficientes dos transformaciones de Jacobi Q1 y Q2 , del tipo de las del apartado anterior, para diagonalizar dicha matriz C y obtener los autovalores de H2 . e) Obtener, a partir de las columnas de la matriz Q = Q1 Q2 , los autovectores de la matriz H2 . ¿Cu´ales son los autovalores de la matriz A?
´ Algebra Num´erica
60
´ n: Solucio a)
!
A∗ A =
1−i 2+i −2 − i 1 − i
!
AA∗ =
1 + i −2 + i 2−i 1+i
1 + i −2 + i 2−i 1+i
!
1−i 2+i −2 − i 1 − i
!
! ! =⇒ 7 6i −6i 7
7 6i −6i 7
= =
A∗ A = AA∗ , por lo que la matriz es normal. ! 1 i A + A0 A − A0 H1 = = y H2 = = 2 2i −i 1 H1
−i 1
!
1 −i
=
i 1
!
−i 1
! =
0 0
! =0·
1 −2i −i 1
2i 1
!
!
lo que prueba ! que λ1 = 0 es una autovalor de H1 asociado al autovector −i v1 = . 1 1 1
!
b) Partiendo, por ejemplo, de z0 = obtenemos w0 = z0 ! ! i 1+i z1 z1 = H1 w0 = =⇒ w1 = = 1−i 1−i 1 z2 = H1 w1 =
2i 2
!
z2 = =⇒ w2 = 2
i 1
! .
Hemos obtenido que w2 = w1 , por lo que v2 =
i 1
! es un autovector
de H1 asociado al autovalor λ2 =
v2∗ H1 v2 =2 v2 ∗ v2 y(cos2 α − sen2 α)
∗
c) QT SQ =
por lo que, para
2
2
y(cos α − sen α) ∗ α = π/4, se anulan los elementos extradiagonales.
4.1. EJERCICIOS RESUELTOS
61
! 1 0 d) Hacemos M = real(H2 ) = y N = imag(H2 ) = 0 1 para construir la matriz sim´etrica y real C=
M −N N M
!
=
1 0 0 −2
0 2 −2 0
!
0 −2 2 0 1 0 0 1
0 1 2 0
Las transformaciones que debemos realizar son Q1 =
√ 2
/2 0 0 √ − 2/2
0 1 0 0
0 0 1 0
√ 2
/2 0 0 √ 2/ 2
Q2 =
y
3 0 0 −1 y obtenemos QT CQ = 0 0 0 0 de H2 son -1 y 3.
0 √ 2/ 2 √ 2/ 2 0
0 0 0 1
√ 2/ /2 0 0 2 √ √ 0 2/ 2/ 0 2 2 = √ √ 2 2 0 − /2 /2 0 √ √ 2/ − 2/2 0 0 2 0 0 por lo que los autovalores 0
Es decir, la transformaci´on Q = Q1 Q2
√
1 0 √ 2/ 0 2 √ 2 0 − /2 0 0
2
0 0 3 0 −1
e) Las columnas de Q son los autovectores de C asociados, respectivamente, a los autovalores 3, −1, 3 y -1, por lo que los autovectores de C asociados 0 1 ! 1 0 −i a −1 son de y , que nos definen el autovector −1 0 1 0 1 la matriz H2 asociado al autovalor -1. 1 0 De manera an´aloga, los autovectores de C asociados a 3 son y 0 −1
´ Algebra Num´erica
62
0 1 , que nos definen el autovector 1 0 al autovalor 3.
i 1
! de la matriz H2 asociado
Los autovalores de A son, visto todo lo anterior, −i ! y 2 + 3i, asociados, ! −i i respectivamente, a los autovectores y . 1 1 Ejercicio 4.7 Justifica todas tus respuestas. a) Se considera el proceso iterado xn+1 = ϕ(xn ) = xn − 1 +
2 . exn
a.1) ¿Se puede garantizar que, partiendo de cualquier n´ umero real x0 ∈ [0.5, 1], el proceso converger´a a un punto fijo? a.2) En caso de converger, ¿cu´al es el punto fijo de la sucesi´on? a.3) Utiliza la figura adjunta para justificar, geom´etricamente, la convergencia del proceso para cualquier valor inicial x0 ∈ [0.5, 1].
a.4) Si el proceso xn+1 = φ(xn ) verifica que |φ0 (x)| < 0.1 en el intervalo [0.5, 1] ¿cu´al de los dos procesos anteriores tendr´a una convergencia m´as r´apida? 0 1/2 1/3 b) Se considera la matriz A = 1/4 0 1/5 1/6 α 0 b.1) A la vista de los c´ırculos de Gerschgorin, ¿converger´a el proceso xn+1 = Axn para cualquier valor de α ∈ [0, 1/2] y cualquier vector inicial x0 ?
4.1. EJERCICIOS RESUELTOS
63
b.2) Probar que si α ∈ [0, 1/2], A no puede tener el autovalor 1. b.3) ¿Cu´al es el vector x (punto fijo) l´ımite de la sucesi´on (xn ) del proceso anterior? b.4) Para α = 1/2, los autovalores de A son 0.6130 y −0.3065 ± 0.0352 i. ¿Se puede calcular el autovalor real aplicando el m´etodo de la potencia simple? Si no se realiza ning´ un tipo de escalado de los vectores y trabajamos con un ordenador que cualquier n´ umero menor que 10−10 lo hace cero (tolerancia del ordenador), ¿qu´e ocurrir´ıa con el vector xN si hacemos un excesivo n´ umero N de iteraciones? ¿Ocurrir´ıa lo mismo haciendo ese n´ umero N de iteraciones escalando los vectores? ¿Por qu´e es una buena estrategia escalar por la coordenada de mayor m´odulo de los vectores que se obtienen?
´ n: Solucio 2 a) a.1) Tenemos un m´etodo de la forma xn+1 = ϕ(xn ) con ϕ(x) = x−1+ x . e 2 0 ϕ (x) = 1 − x . e 2 Dado que ϕ00 (x) = x es siempre positiva, sabemos que ϕ0 (x) es e creciente pasando de ϕ0 (0.5) = −0.2131 a ϕ0 (1) = 0.2642 es decir |ϕ0 (x)| ≤ 0.2642 < 1 por lo que la funci´on es contractiva y el m´etodo es convergente a un punto fijo. 2 a.2) Aplicando l´ımites, y llamando lim xn = x, se obtiene x = x − 1 + x e de donde 2 = 1 =⇒ ex = 2 =⇒ x = ln 2 ex a.3) Basta ver el comportamiento de la red que se forma al ir de la gr´afica a la recta, de la recta a la gr´afica y as´ı sucesivamente.
´ Algebra Num´erica
64
a.4) Teniendo en cuenta que ϕ0 (ln 2) = 0 es decir, que la tangente en dicho punto es horizontal, el m´etodo tiene una convergencia de segundo orden. Si φ0 (ln 2) 6= 0 el proceso xn+1 = φ(xn ) tendr´a una convergencia de primer orden y ser´a m´as lento, y s´olo ser´a m´as r´apida su convergencia si φ0 (ln 2) = 0 y adem´as es |φ00 (x)| < |ϕ00 (x)| en dicho intervalo. b) b.1) Para que el m´etodo sea convergente ha de ser el radio espectral de la matriz A menor que 1. Los c´ırculos de Gerschgorin de la matriz A vienen dados por C1 : centro en el origen y radio
1 1 5 + = 2 3 6
C2 : centro en el origen y radio
1 1 9 + = 4 5 20
C2 : centro en el origen y radio α +
1 6
Como el radio del tercer c´ırculo puede oscilar en el intervalo [0 + 1/6, 1/2 + 1/6] = [ 1/6, 2/3] los dos u ´ltimos est´an incluidos dentro del primero, por lo que el m´odulo de cualquiera de sus autovalores es menor que 5/6 < 1, es decir, el radio espectral de la matriz A es ρ(A) < 1 y, por tanto, el m´etodo es convergente. b.2) Dado que, a la vista de los c´ırculos de Gerschgorin, los autovalores tienen m´odulos menores o iguales a 5/6 < 1, la matriz A no puede tener el autovalor 1. b.3) El m´etodo nos dice que si x es el vector al que converge, se verifica que x = Ax ⇐⇒ Ax = 1 · x
4.2. EJERCICIOS PROPUESTOS
65
por lo que si converge a un vector x 6= 0 resultar´ıa que dicho vector ser´ıa un autovector de la matriz A asociado al autovalor 1 y, dado que 1 no es autovalor de la matriz, el m´etodo no puede converger a ning´ un vector no nulo, por lo que lim xn = 0 es decir, el m´etodo converge al vector nulo. b.4) Al ser |0.6130| > | − 0.3065 ± 0.0352 i|, el autovalor real es dominante y, por tanto, podemos aproximarlo mediante el m´etodo de la potencia simple. Al aplicar el m´etodo de la potencia simple (sin escalar los vectores), es evidente que converger´a al vector nulo, por lo que si hacemos un n´ umero excesivo de iteraciones podr´ıa el ordenador ir anulando todas sus coordenadas, obtener en dicha iteraci´on el vector nulo y no permitir el c´alculo del autovalor. Si escalamos los vectores evitamos que converja al vector nulo, por lo que lo har´a a un vector que tiene la direcci´on del autovector asociado al autovalor dominante y podremos calcular este u ´ltimo. Al escalar por la coordenada de mayor valor absoluto el proceso permite calcular el autovalor y la sucesi´on de vectores que obtenemos tendr´a siempre su mayor coordenada igual a 1.
4.2
Ejercicios propuestos
Ejercicio 4.8 Realizar la descomposici´on de Schur de la matriz
−6 A = −2 −4
√
0
Sol : 0 0
0 − 7√14 5 0
− √175
0
−1
9 3 6
3 1 . 2
√ √ 14 6 2 5 √ 1 5 −3 5 . con U = √ 0 √ √ 70 2 14 −3 − 5
a 1 1 Ejercicio 4.9 Dada la matriz A = 1 a 1 donde a es un n´ umero com1 1 a plejo cualquiera, se pide:
´ Algebra Num´erica
66
a) Obtener su polinomio caracter´ıstico. Sol : P (λ) = λ3 − 3aλ2 + 3(a2 − 1)λ − (a3 − 3a + 2). b) Probar que tiene por autovalores: λ = a − 1 doble y λ = a + 2 simple. c) Calcular los autovectores y comprobar que no dependen de a. Sol : v1 = (1, 0, −1)T , v2 = (0, 1, −1)T , v3 = (1, 1, 1)T .
2−i 0 −2 + 4i Ejercicio 4.10 Dada la matriz A = 0 4 − 5i 2 − 4i , se pide: −2 + 4i 2 − 4i 3 − 3i a) Probar que es normal. b) Obtener su primera componente herm´ıtica H1 y calcular el polinomio caracter´ıstico de dicha componente. 2 0 −2 Sol : H1 = 0 4 2 , P (λ) = λ3 − 9λ2 + 18λ. −2 2 3 c) Calcular los autovalores y los autovectores de H1 . T λ1 = 0 v1 = (2, −1, 2) Sol : λ2 = 3 v2 = (2, 2, −1)T . λ3 = 6 v3 = (−1, 2, 2)T d) Teniendo en cuenta que estos autovectores tambi´en lo son de la matriz H2 (segunda componente herm´ıtica), calcular sus autovalores. Sol : µ1 = 3, µ2 = −3, µ3 = −9. e) Obtener, a partir de los resultados anteriores, los autovalores y autovectores de A, as´ı como la matriz de paso unitaria U tal que U ∗ AU = D. T 2/3 2/3 − 1/3 λ1 = 3i v1 = (2, −1, 2) 2/3 2/3 . Sol : U = − 1/3 λ2 = 3 − 3i v2 = (2, 2, −1)T 2/3 − 1/3 2/3 λ3 = 6 − 9i v3 = (−1, 2, 2)T
Ejercicio 4.11 Dada la matriz A =
2 1 1 0
! se pide:
4.2. EJERCICIOS PROPUESTOS
67
a) Calcular su polinomio caracter´ıstico por el m´etodo interpolatorio. Sol : λ2 − 2λ − 1. b) Tomar una aproximaci´on, con dos cifras decimales exactas, del mayor de los autovalores y afinarla con el cociente de Rayleigh. √ Sol : λ = 1 + 2 ' 2.41 =⇒ λ ' 2.41421.
1 2 3 Ejercicio 4.12 Dada la matriz A = 2 2 3 3 3 3 a) Hallar sus autovalores mediante el algoritmo QR. Sol : Se obtienen con MatLab 7.5165, −1.1776, −0.3389. b) Hallar el autovalor de mayor valor absoluto, por el m´etodo de la potencia, partiendo del vector (10, 11, 1) Sol : 7.51653848519179, kEk ≤ 6.280369834735101 · 10−15 . Ejercicio 4.13 Sea λ = α + iβ, α, β ∈ R, autovalor de la matriz ! 2i −2 A= . 2 2i a) Utilizar el teorema de Gerschgorin para probar que el u ´nico autovalor real de la matriz A s´olo puede ser λ = 0. b) Probar que A∗ = −A y deducir, a partir de ello, que A es una matriz normal. ¿Puede no ser diagonalizable una matriz compleja que verifique esa relaci´on? Sol : No. Siempre es diagonalizable. c) Utilizar la descomposici´on herm´ıtica de la matriz, A = H1 + iH2 , para deducir que la parte real de los autovalores de A tiene que ser α = 0. Sol : Basta observar que H1 es la matriz nula. d) Hallar el autovalor dominante de la componente herm´ıtica H2 aplicando el m´etodo de la potencia. ¿Qui´en es el autovalor dominante de A?
´ Algebra Num´erica
68
Sugerencia: Iniciar el m´etodo con el vector v1 = (1, 0)T . Sol : 4i en ambos casos. e) Si se perturba la matriz A en la matriz A + δA =
(2 − 10−3 ) i −2 2 (2 + 10−2 ) i
! ,
hallar la norma eucl´ıdea de la matriz δA. ¿Puedes encontrar una cota del error E = |µ − λ|, transmitido al autovalor dominante? Indicaci´on: |µ − λ| ≤ kP k kP −1 k kδAk, siendo P −1 AP diagonal. Sol : kδAk = 10−2 , |λ − µ| ≤ 10−2 . Ejercicio 4.14 a) Probar que las ra´ıces del polinomio bλ + cλ2 + λ3 son los P (λ) = a + 0 1 0 autovalores de la matriz A(p) = 0 0 1 . −a −b −c Sol : P (λ) es el polinomio caracter´ıstico de A(p). b) Si el m´etodo de la potencia simple aplicado a la matriz A(p) converge a un vector v, ¿qu´e relaci´on tiene v con las ra´ıces del polinomio P (λ)? Sol : La ra´ız de mayor m´odulo de P (λ) viene dada por
v T A(p)v . vT v
c) Si el algoritmo QR aplicado a la matriz A(p) converge a una matriz triangular T , ¿qu´e relaci´on tiene T con las ra´ıces del polinomio P (λ)? Sol : Sus elementos diagonales son las ra´ıces del polinomio. d) Si se puede obtener la factorizaci´on LU de la matriz P A(p), siendo P una matriz de permutaci´on, ¿qui´enes tienen que ser P, L y U ? 0 0 1 −a −b −c Sol : P = 1 0 0 , L = I y U = 0 1 0 . 0 0 1 0 0 1 Ejercicio 4.15 Sean el polinomio p(x) = x3 +2x2 −2x−4 y su correspondiente matriz A = A(p), definido en el ejercicio 4.14
4.2. EJERCICIOS PROPUESTOS
69
a) Utilizar una sucesi´on de Sturm para probar que el polinomio p(x) tiene sus ra´ıces reales y que s´olo una de ellas, que denotaremos α, es positiva. Sol : α ∈ [1, 2]. b) Utilizar el m´etodo de Newton para obtener una aproximaci´on de la ra´ız α, garantizando 5 cifras decimales exactas. Sol : α = 1.41421, ε ≤ 8.481 · 10−9 . c) Obtener la pseudosoluci´on, β, del sistema (A2 v)x = A3 v, determinando la norma del error, para v = (1, 1, 1)T . ¿Deber´ıa ser β una aproximaci´on de α? Sol : β = −1.71428, kEk ≤ 14.6385. A2 vx = A3 v ⇐⇒ Av = xv β hubiese sido una aproximaci´on de α si v lo hubiese sido del autovector asociado a α. d) Obtener la matriz de Householder que transforma el vector a = (0, 0, 4)T en el vector b = (4, 0, 0)T . ¿Se pod´ıa haber predicho el resultado? 0 0 1 Sol : H = 0 1 0 y se podr´ıa haber predicho. 1 0 0 e) Obtener la factorizaci´on QR de la matriz A, utilizando el m´etodo de Householder. (Sugerencia: ¡el apartado anterior!) 4 2 −2 Sol : Q = H, R = 0 1 0 . 0 0 1 f) Dar el primer paso del algoritmo QR aplicado a la matriz A. Indicar c´omo podr´ıa el m´etodo de Gram-Schmidt utilizarse para los sucesivos pasos del algoritmo y si esto ser´ıa una buena decisi´on para obtener las ra´ıces del polinomio p(x). −2 4 2 Sol : A1 = 0 0 1 . Gram-Schmidt no es una buena opci´on. 1 0 0 Ejercicio 4.16
´ Algebra Num´erica
70
a) ¿Qu´e pasos se dan para calcular los autovalores de una matriz cuadrada A mediante el algoritmo QR? y ¿que forma tiene la matriz a la que converge el algoritmo en los siguientes casos? a.1) Si todos sus autovalores tienen distinto m´odulo. a.2) Si existen autovalores de igual m´odulo.
−4 2 −4 3 1 0 0 0 b) El polinomio caracter´ıstico de la matriz A = es 0 1 0 0 0 0 1 0 4 3 2 el polinomio del Ejercicio 1.11 P (x) = λ +4λ −2λ +4λ−3. Calculando sus autovalores mediante el algoritmo QR el proceso converge a la matriz
−4.64575131106459 0 0 0
4.07664693269566 −0.24888977635522 1.22575806673700 0
1.32820441231845 −0.86635866374600 0.24888977635522 0
−2.21143157264058 0.58988079050108 0.03848978825890 0.64575131106459
Calcular, a partir de dicha matriz, las ra´ıces del polinomio (autovalores de A). Sol : −4.64575131106459, 0.64575131106459, i, −i. c) Al aplicar el m´etodo de la potencia y comenzando el proceso con el vec 1 1 −0.2152 1 tor x = se obtiene en la cuarta iteraci´on el vector . 0.0463 1 −0.0100 1 Determinar una aproximaci´on de la ra´ız de mayor valor absoluto del polinomio P (x) (autovalor correspondiente) utilizando el cociente de Rayleigh. Sol : −4.64565808596372. Ejercicio 4.17 Sean las matrices A, An y B definidas como: 0 1 0 1.671 0.242 2.164 0 1 0 A = 0 0 1 , An = 0.00 −0.50 1.47 y B = 0 0 1 . 3 1 0 0.00 −0.81 −1.16 3 1 0.1
4.2. EJERCICIOS PROPUESTOS
71
a) Aplicando el algoritmo QR real a la matriz A se obtiene (iterando suficientemente), como aproximaci´on “aceptable” del m´etodo, la matriz An . ¿Por qu´e las matrices A y An deben tener los mismos autovalores? Hallar las aproximaciones de los autovalores de la matriz A que se obtienen de An . Sol : 1.671, −0.83 + 1.04 i, −0.83 − 1.04 i. b) Tomando v0 aleatoriamente, ¿se debe esperar convergencia o divergencia en el m´etodo de la potencia aplicado a la matriz A? Empezar en v0 = (1, 1, 1)T y determinar los tres primeros vectores v1 , v2 y v3 que proporciona el m´etodo. Hallar la mejor aproximaci´on del autovalor dominante de A, en norma k k2 , que se obtiene con v3 . Sol : Se espera convergencia. v1 = (0.25, 0.25, 1)T , v2 = (0.25, 1, 1)T , v3 = (0.5714, 0.5714, 1)T y una aproximaci´on del autovalor dominante es 1.9259. c) Estudiar si A es una matriz normal. Si se perturba A en la matriz B = A + δA, hallar la medida de la perturbaci´on kδAk2 . ¿Se podr´ıa asegurar que los autovalores dominantes de las matrices A y B difieren, a lo m´as, en 0.1? Sol : No es normal. kδAk2 = 0.1. No se puede asegurar.
Ejercicio 4.18 J =
0 −1 0 0 −1 1
1 1 Sean A = 0 1 1 −1 −2 −1 . 0
0 2 1 con 0 < ε ≤ 1, b = −1 y ε 2
a) Obtener la factorizaci´on A = LU . Utilizar la factorizaci´on obtenida para resolver el sistema Ax = b. 1 1 2 1 0 0 Sol : L = 0 1 0 , U = 0 1 1 , x = (1, −1, 0)T . 1 −2 1 0 0 ε
´ Algebra Num´erica
72
b) Hallar el n´ umero de condici´on κ∞ (A) de la matriz A para la norma k k∞ . Razonar si el resultado del apartado anterior, obtenido con aritm´etica de ordenador, podr´ıa ser considerado fiable para ε pr´oximo a cero. 16 Sol : κ∞ (A) = 8 + . No, mientras m´as peque˜ no sea ε, peor condicioε nada. c) Para ε = 1, comprobar que J es la matriz de la iteraci´on xn+1 = J · xn + c que se obtiene al aplicar el m´etodo de Jacobi al sistema Ax = b. Determinar c y, empezando en x1 = (1, 0, 0)T , hallar el vector x3 . Sol : x3 = (−1, −2, 1)T . d) Hallar la aproximaci´on λ3 del autovalor dominante λ de la matriz J utilizando el m´etodo de la potencia, con v0 = (1, 0, 0)T , y el cociente de Rayleigh para determinar λ3 con el valor obtenido para v3 . Sabiendo que λ3 tiene una cota de error estimada en e < 0.5. ¿Es suficiente dicha aproximaci´on para analizar la convergencia de la sucesi´on (xn ) del m´etodo de Jacobi? Sol : λ3 = −1.5. Jacobi no converge. e) Para ε = 0, hallar la soluci´on en m´ınimos cuadrados del sistema A0 x = b que se obtiene al suprimir la primera columna de A, utilizando las ecuaciones normales. Determinar el error y justificar el resultado obtenido. Sol : x = (−2, 1)T , kEk = 0 pues se trata de un sistema compatible determinado f) Analizar si es posible encontrar la matriz H de Householder que transforma la segunda columna de A0 en el vector b. En caso afirmativo, ¿es normal la matriz H resultante? Sol : Es posible encontrarla y adem´as es normal.
3 0 −1 Ejercicio 4.19 Consid´erese la matriz A = 1 −2 2 . −1 −1 8 a) Hacer uso de los c´ırculos de Gerschgorin para estudiar el n´ umero de autovalores reales que posee.
4.2. EJERCICIOS PROPUESTOS
73
Obtener su polinomio caracter´ıstico P (λ) y un intervalo de amplitud 1 que contenga a su autovalor dominante. Sol : Los tres son reales. P (λ) = λ3 − 9λ2 + 3λ + 39. [8, 9]. b) Comprobar que la f´ormula de Newton-Raphson asociada a dicho polinomio es 2λ3 − 9λ2n − 39 λn+1 = ϕ(λn ) = n2 . 3λn − 18λn + 3 Sabiendo que la gr´afica de la funci´on y = ϕ0 (λ) en el intervalo [8, 9] viene dada por la figura adjunta, ¿podemos garantizar la convergencia del m´etodo de Newton partiendo de cualquier punto λ0 ∈ [8, 9]?
Nota: ϕ(λ) es la funci´on que aparece en la f´ormula de Newton-Raphson. Sol : Si, ϕ(x) es contractiva. c) Si tomamos λ0 = 8 ¿con qu´e error se obtiene la aproximaci´on λ1 ? Sol : ε1 ≤ 1.1323 · 10−4 . d) ¿Existe alg´ un vector v0 para el que podamos garantizar la convergencia del m´etodo de la potencia simple aplicado a la matriz A? ¿Qu´e aproximaci´on se obtiene para el autovalor dominante aplicando el cociente de Rayleigh al vector v1 si partimos de v0 = (1 0 0)T ? Sol : Cualquiera no nulo. λ1 = 3.7272. e) Aplicando el m´etodo QR para el c´alculo de los autovalores de A, con una aritm´etica de ordenador con una precisi´on de cuatro decimales, el m´etodo se estabiliza en la matriz An en la que hemos omitido dos de sus elementos x e y 8.0195 −0.5134 2.7121 An = 0 2.7493 1.5431 0 x y
´ Algebra Num´erica
74
¿Puede ser nulo el elemento x?, ¿se pueden determinar los elementos que faltan sin necesidad de volver a aplicar el algoritmo QR? ¿Sabr´ıas decir cu´al es la aproximaci´on obtenida para los otros dos autovalores de la matriz A? ´ n: x = 0, y = −1.7461, λ2 = 2.7493, λ3 = −1.7461. Solucio
0 1 0 Ejercicio 4.20 Se considera la matriz A = 0 0 1 . −0.25 −0.125 1 a) Demostrar que las ra´ıces del polinomio P (x) = 2+x−8x2 +8x3 coinciden con los autovalores de A. Acotar y separar las ra´ıces de P (x), indicando cu´antas ra´ıces reales y complejas tiene. Comparar los resultados con la informaci´on que se desprende del estudio de los c´ırculos de Gerschgorin. Sol : La ecuaci´on caracter´ıstica es P (x)/8 = 0 ⇐⇒ P (x) = 0. S´olo una real en (−1, 0). Gerschgorin no mejora la informaci´on. b) Determinar un intervalo de amplitud 0.5 con un extremo entero que contenga a la ra´ız negativa de P (x). Razonar si se verifican en dicho intervalo las condiciones de Fourier. Aproximar por el m´etodo de NewtonRaphson dicha ra´ız con 2 cifras decimales exactas. Sol : En [−0.5, 0] se verifican las condiciones de Fourier. x = −0.38. c) Tomando como vector inicial z0 = (0, 1, 0)T , realizar dos iteraciones del m´etodo de la potencia inversa. Por medio del cociente de Rayleigh asociado al vector hallado, determinar una aproximaci´on del autovalor de A correspondiente. ¿Qu´e relaci´on existe entre ´este valor y la aproximaci´on hallada en el apartado anterior? ¿Puede haber autovalores de la matriz A en el c´ırculo de centro 0 y radio 14 ? Razonar las respuestas. Sol : λ = −0.3768. No existen autovalores en dicho c´ırculo. d) Al aplicar el algoritmo QR a la matriz A se obtiene como salida la matriz T = Q∗ AQ, para cierta matriz unitaria Q. ¿Puede ser T una matriz triangular superior? Justificar la respuesta. Sol : T no puede ser triangular. Ejercicio 4.21
4.2. EJERCICIOS PROPUESTOS
75
a) Utilizar el m´etodo interpolatorio para determinar el polinomio caracter´ıstico P (λ) de la matriz
2 −1 A = 0 −2 1 0
0 1 5
Sol : P (λ) = λ3 − 5λ2 − 4λ + 21. b) A la vista de los c´ırculos de Gerschgorin, ¿se puede garantizar que el algoritmo QR aplicado a la matriz A converger´a a una matriz triangular con sus autovalores en la diagonal? ¿Se puede garantizar la convergencia del m´etodo de la potencia simple si comenzamos a iterar con el vector v = (1 1 1)T ? Sol : Gerschgorin no nos garantiza una triangular pero s´ı la convergencia del m´etodo de la potencia simple. c) Haciendo uso de los c´ırculos de Gerschgorin, determinar cu´antos autovalores reales posee y calcular un intervalo de amplitud 1 y extremos enteros que contenga al autovalor dominante. Sol : Los tres son reales y el dominante se encuentra en (4, 5). d) Comprobar que, en dicho intervalo, se verifican las hip´otesis de Fourier para la convergencia del m´etodo de Newton. ¿En qu´e extremo deber´ıamos comenzar a iterar? Sol : x0 = 5 e) Tomando x0 = 5 y aplicando el m´etodo de Newton, ¿con cu´antas cifras exactas se obtiene x1 ? Sol : Dos cifras decimales exactas. Ejercicio 4.22 Dado el polinomio P (x) = x3 − 3x2 + 3x + 5 a) Probar, mediante una sucesi´on de Sturm, que s´olo tiene una ra´ız real y determinar α ∈ Z para que dicha ra´ız est´e contenida en el intervalo [α, α + 1]. Sol : α = −1.
´ Algebra Num´erica
76
b) Comprobar, mediante las condiciones de Fourier, que el m´etodo de Newton converge tomando como valor inicial x = α. c) Si tomamos como aproximaci´on de la ra´ız el valor x = −0.50 ¿se tiene garantizada alguna cifra decimal exacta? Sol : No. d) Utilizar el m´etodo interpolatorio para comprobar que el polinomio carac 3 −3 −5 ter´ıstico de la matriz A = 1 0 0 es el polinomio P (x) dado. 0 1 0 e) Para resolver el sistema (A + 0.5 · I3 )x = (1, −1, 1)T observamos que resulta m´as c´omodo llevar la primera ecuaci´ ´ltimo lugar, es decir, on al u 0 1 0 multiplicar el sistema por la matriz P = 0 0 1 . ¿Se altera de 1 0 0 esta forma el condicionamiento del sistema? Comprueba que la soluci´on 1 (−50, 58, −74)T . es el vector x = 21 Sol : No se altera el condicionamiento por ser P ortogonal. f) Tomando −0.50 como una primera aproximaci´on de su autovalor real, partiendo del vector z0 = (1, −1, 1)T y trabajando s´olo con dos cifras decimales, realizar una iteraci´on del m´etodo de la potencia inversa con desplazamiento para calcular, mediante el cociente de Rayleigh, una nueva aproximaci´on de dicho autovalor. ¿Se puede garantizar ahora alguna cifra decimal exacta? Sol : λ = −0.83. La primera cifra decimal es exacta. Ejercicio 4.23 Sean A, B y C las matrices definidas por ! ! ! 1 i 2 + 2i 0 −1 − i 3 − 3i 1 C= A= B=√ i 1 0 −4 − 4i −3 + 3i −1 − i 2 a) Probar que A∗ = −iA y que B ∗ = B −1 . ¿Es normal la matriz BCB ∗ ? Sol : BCB ∗ es normal. b) Comprobar que se verifica la igualdad A = BCB ∗ . Hallar los autovalores y autovectores de las componentes herm´ıticas de la matriz A.
4.2. EJERCICIOS PROPUESTOS
77
Sol : H1 = H2 . Autovalores 2 y -4. Autovectores (1, i)T y (i, 1)T . c) Probar que si una matriz M verifica la propiedad M ∗ = −iM , entonces es normal y sus autovalores son de la forma α + iα, con α ∈ R. ¿Puede la matriz M tener u ´nicamente autovalores reales? Indicaci´on: De M = QDQ∗ , deducir D∗ = −iD. Sol : M tendr´a todos sus autovalores reales s´olo si es la matriz nula. d) Se perturba la matriz A en A+δA, de modo que ||δA||2 ≤ 10−6 . Razonar si los autovalores de A + δA, obtenidos con MatLab, pueden ser muy diferentes de los de la matriz A. ¿Suceder´ıa lo mismo para una matriz M , con M ∗ = −iM y dimensi´on elevada? Sol : No, |µ − λ| ≤ 10−6 y no depende de la dimensi´on de M . e) Hallar la aproximaci´on del autovalor dominante de A que se obtiene con un paso del m´etodo de la potencia, partiendo de q0 = (1, 0)T , y utilizando el cociente de Rayleigh. Explicar c´omo se aplicar´ıa el algoritmo QR para obtener aproximaciones de los autovalores y autovectores de la matriz A. ¿Cu´al ser´ıa la forma de Schur de A? Sol : −2.8 − 2.8 i. T es diagonal. Ejercicio 4.24 En R4 se considera el vector a = (1, −1, 1, −1)T . a) Determinar el valor que debe tomar β ∈ R − {0} para que la matriz Q = I − βaaT verifique la igualdad Q2 = I. Probar que, entonces, Q es una matriz normal. Sol : β = 1/2. b) Utilizar las ecuaciones normales para obtener la soluci´on en m´ınimos cuadrados del sistema superdeterminado S1 ≡ Ax = −a, donde x = (x, y)T y la matriz de coeficientes A = [a1 a2 ] est´a formada por las dos primeras columnas a1 , a2 de la matriz B = 2I − aaT . ¿Est´a mal condicionada la matriz AT A para la norma || ||∞ ? Sol : (1/2, −1/2)T . No puede estar mejor condicionada, kAT Ak∞ = 1.
´ Algebra Num´erica
78
c) Hallar la matriz H de Householder que transforma el vector a2 , definido en el apartado anterior, en un vector de la forma r = (0, σ, 0, 0)T , con σ > 0. Partir del sistema S2 ≡ HAx = −Ha, para evaluar el error en el sistema S1 del apartado anterior utilizando, en caso necesario, transformaciones unitarias. Justificar que los sistemas S1 y S2 tienen la misma pseudosoluci´on y el mismo error. √ Sol : H = Q (primer apartado). kEk = 2. Al tratarse de transformaciones unitarias los dos sistemas son equivalentes. d) Para calcular un autovector de la matriz H del apartado anterior, aplicar el m´etodo de la potencia simple partiendo del vector x = (1, 2, 3, 4)T . ¿Por qu´e no funciona el m´etodo en este caso? Describir c´omo se aplica el algoritmo QR a la matriz H. En este caso, ¿por qu´e no converge a la forma de Schur de H? Indicaci´ on: ¿Cu´ al es la factorizaci´on QR de cualquier matriz ortogonal?
Sol : H no tiene un autovalor dominante. Sus autovalores son 1, 1, 1, −1 todos de igual m´odulo. La sucesi´on resultante es x, Hx, x, Hx, . . . que s´olo es convergente si se parte de un autovalor asociado al autovalor 1. El algoritmo QR no converge a la forma de Schur (una diagonal) ya que la sucesi´on que se obtiene es constante igual a H. e) Probar que Ha = −a y que si v es ortogonal al vector a, entonces Hv = v. En virtud de esto, encontrar razonadamente los autovalores de H y un autovector v1 asociado al autovalor negativo. Si {v1 } se completara a una base {v1 , v2 , v3 , v4 } formada por autovectores de H, ¿c´omo se podr´ıa ortonormalizar dicha base de una forma computacionalmente estable? Sol : -1 simple con autovector a y 1 triple. Se deber´ıa ortonormalizar mediante transformaciones unitarias (ortogonales). Ejercicio 4.25
0 3 0 a) Calcular el polinomio caracter´ıstico de la matriz A = 3 28 4 0 4 5 mediante el m´etodo interpolatorio. ¿Puede no ser real alguno de sus
4.2. EJERCICIOS PROPUESTOS
79
autovalores? Sol : P (λ) = λ3 − 33λ2 + 115λ + 45. No, ya que A sim´etrica. b) Haciendo uso de los c´ırculos de Gerschgorin, estudiar si resultar´a convergente el m´etodo de la potencia simple aplicado a la matriz A partiendo de un vector arbitrario z0 . Sol : Converger´a por existir un autovalor dominante. c) Realizar la factorizaci´on QR de la matriz A mediante transformaciones de Householder. (Dar las matrices Q y R). 0 0.6 0.8 3 28 4 Sol : Q = 1 0 0 R= 0 5 4 . 0 0.8 −0.6 0 0 −3 d) Utilizar la factorizaci´on anterior para resolver el sistema Ax = b con b = (−3, 6, 1)T . Sol : x = (10, −1, 1)T . e) Comenzando por el vector z0 = (−3, 6, 1)T calcular el vector z2 del m´etodo de la potencia inversa (al ser s´olo dos pasos no merece la pena escalar el vector, es decir, dividir en cada paso por su norma infinito) y aproximar el autovalor de menor valor absoluto de la matriz A mediante el cociente de Rayleigh. Sol : z2 = (−28.1555, 3.3333, −2.4666)T , λ ' −0.3548 f) Teniendo en cuenta que el autovalor de menor valor absoluto es negativo, determinar, haciendo uso del polinomio caracter´ıstico, una cota del error de la aproximaci´on obtenida en el apartado anterior. Sol : ε ≤ 4.8 · 10−5 . Ejercicio 4.26 Se considera el polinomio P (x) = x3 + 3x2 + 3ax + a con a ∈ R. a) Hacer uso de una sucesi´on de Sturm para determinar, en funci´on del par´ametro “ a”, el n´ umero de ra´ıces reales de dicho polinomio as´ı como su multiplicidad.
´ Algebra Num´erica
80
Sol :
a