Professional Documents
Culture Documents
CONTENIDO
Introducción
2. MÉTODOS
2.1 Método de Jacobi
3. OBSERVACIONES CONCLUSIONES
4. BIBLIOGRAFÍA
1. INTRODUCCIÓN
Ecuaciones diferenciales
Estabilidad de sistemas lineales
Sistemas eléctricos (componentes simétricas)
Polos y ceros de funciones transferencia
Diagonalización de matrices
(A - ) x = 0 (2)
Así el problema se transforma en el ya conocido sistema lineal
homogéneo Bx=0, el cual ya sabemos que tiene solución única x=0
cuando det(B)0. Justamente este es el caso que no nos interesa.
Para 1 = -1
Buscamos ahora los correspondientes vectores propios:
5 5 x1 0
(a 1 I ) x
2 2 x 2 0
El sistema obtenido tiene una infinidad de soluciones de la forma x= [x1, x1]t.
Así, por ejemplo x= [1 1]t es un vector propio correspondiente a 1 = -1.
Para 1 = 2
2 5 x1 0
(a 1 I ) x
2 5 x2 0
2. METODOS
Los métodos de Jacobi usan transformaciones de similitud para obtener una matriz
transformada con los mismos valores propios, pero con una estructura simple. Las
matrices de transformación que se usan son matrices ortogonales. Se puede
demostrar que estas son las más adecuadas para la minimización del error en el
proceso. La forma más sencilla que se puede lograr es la forma diagonal, ya que
los valores propios estarán disponibles directamente en los elementos diagonales.
El método de Jacobi esta ideado para dar una forma diagonal eliminando
sistemáticamente los elementos fuera de la diagonal. Esto, sin embrago, es un
proceso iterativo que requiere un gran número de pasos. Esto presenta dos
desventajas: primero, el proceso puede converger lentamente o no converger;
segundo, la necesidad de de truncar el proceso puede producir errores que
aceleren seriamente la solución correcta.
El esquema computacional es muy sencillo. Se forma una nueva matriz
A P11 AP1 utilizando una matriz p1 que introduce un elemento cero fuera de la
1
diagonal en A1 .se produce una matriz más A2 como A2 P2 AP2 , en la cual se
produce un nuevo cero fuera de la diagonal. Desafortunadamente, en el proceso
de Jacobi, la introducción de cada nuevo cero, en general, introduce un nuevo
elemento dentro de las posiciones previas dentro con ceros. El proceso continúa
trabajando sistemáticamente a lo largo de un renglón y luego el siguiente,
introduciendo elementos ceros, o de manera alterna, eliminando el elemento fuera
de la diagonal de módulo más grande en cada etapa. El proceso termina cuando
todos los elementos fuera de la diagonal son menores en módulo que alguna
cantidad pequeña especificada. De esta manera, los valores propios son los
elementos de la diagonal.
Debido a que el cálculo computacional se lleva a cabo con matrices ortogonales,
1
no se necesita calcular la inversa, que está dada por P 1 P2T .
a rr cos ......................................(8.48a)
a rs sen ....................................(8.48b)
a sr sen ......................................(8.48c)
a ss cos .......................................(8.48d )
1 0 0 0
0 c s 0
P1
0 s c 0
0 0 0 1
c cos
s sen ..................................................................................................................(8.49)
𝑁𝑑(𝐴) = ∑ ∑ 𝑎2 𝑖𝑗
𝑖=1 𝑗=1,𝑗≠1
𝑛 𝑛
𝑁𝑑(𝐵) = ∑ ∑ 𝑏 2 𝑖𝑗
𝑖=1 𝑗=1,𝑗≠1
x x 0 0 0
x x x 0 0
x x x 0
... ... ... ... ... ... ... ... ........................(8.56)
0 x x x
0 0 x x x
0 x
0 0 x
Los valores propios de una forma tridiagonal no se pueden encontrar de
manera automática, como Sin embargo, el método de solución es
bastante sencillo. Esto hace que en valga la pena el empleo de una
computadora. Es fácil ver que los ceros hace de manera sistemática en
todo el primer renglón, comenzando por en el caso de la forma diagonal.
La reducción a la forma tridiagonal se conservan si la eliminación es el
elemento (i, 3), y a continuación en todo el segundo renglón, empezando
con el elemento (2, 4), etcétera.
x x 0 0 0
x x x 0 0
x x x x 0
... ... ... ... ... ... ... ... .........................(8.57)
x x x x x x x x
x x x x x x x x x
x x
x x x x x x x
Hay que buscar una matriz de Householder H = I − 2ww T , ‖w‖ = 1 tal que
la primera columna de la matriz A1 = HAH sea de la forma
A11 = (a11 , α, 0, … ,0)T ,
Para ello, es suficiente elegir
n
1
α = −sign(a21 )(∑ a2j1 )2
j=2
1
r = ( ∗ α(α − a21 ))1/2
2
a21 − α ak1
w1 = 0, w2 = , wk = , k = 3,4, … , n
2r 2r
x1 x1
⋮ ⋮
xk xk
P k X = P k xk+1 = −S = Y … … … … … … … … (𝟖. 𝟔𝟑)
xk+2 0
⋮ ⋮
[ xn ] [ 0]
1 0 0 ⋯ 0
0 p22 p23 … p23
p32 p33
P = 0
1
p42 ⋱
0
⋮ ⋮
[0 pn2 pnn ]
a11 u1 0 ⋯ 0
0 z1 w23 … w2n
0 w32 w33 w3n
A1 = P1 AP1 = 0 w42 ⋱
⋮ ⋮
[0 wn2 wnn ]
1 0 0 0 … 0
0 1 0 0 … 0
0 p33 p34 p3n
P = 0
1
0 0 p43 p44
⋮ ⋮ ⋮
[0 0 pn3 pnn ]
a11 u1 0 0 ⋯ 0
u1 z1 u2 0 … 0
u2 z2 w34 w3n
A1 = P1 AP1 = 0 w43 w43
0 0
⋮ ⋮ ⋱
[ 0 0 wn3 wnn ]
1 0 0 0 … 0
0 1 0 0 … 0
0 ⋱ ⋮
Pn−2 = 0 0
0 0 1
⋮ ⋮ pn−1,n−1 pn−1,n
[0 0 … pn,n−1 pn,n ]
0
a11 u1 0 0 ⋯ 0
u1 z1 u2 0 … 0
u2 z2 ⋱ ⋮
An−2 = Pn−2 An−3 Pn−2 = 0 ⋱ un−2 0
0 0 ⋱ ⋱
⋮ ⋮ ⋱ un−2 zn−2 wn−1,n
[ 0 0 ⋯ 0 wn,n−1 wn,n ]
T I
, [W k ] = ( 0 … 0 (xk+1 + S) xk+2 ⋯ xn )
R
Donde
K es el número de transformación
n
S = sign(xk+1 )√ ∑ (xj )2
j=k+1
R = √2 ∗ S ∗ (xk+1 + S)
[X1 ]T = ( 8 2 5 2 7 2)
S = (1)√22 + 52 + 22 + 72 + 22
0 0
2 + 9.2736 0.7796
1
W1 = 5 = 0.3458
14.4601 2 0.1383
7 0.4841
[ 2 ] [ 0.1383]
1 0 0 0 0 0
0 −0.2157 −0.5392 −0.2157 −0.7548 −0.2157
1
P = I − 2W 1 [W1 ]T
= 0 −0.5392 0.7609 −0.0957 −0.3348 −0.0957
0 −0.2157 −0.0957 0.9617 −0.1339 −0.0383
0 −0.7548 −0.3348 −0.1339 0.5313 −0.1339
[0 −0.2157 −0.0957 −0.0383 −0.1339 0.9617 ]
8 −9.2736 0 0 0 0
−9.2736 17.2209 1.2562 −6.5282 7.7757 −4.0481
A1 = P1 AP1 = 0 1.2562 2.1622 −4483 2.4924 −2.7918
0 −6.5282 −4.4483 −2.1846 −1.7215 4.0780
0 7.7757 2.4924 −1.7215 6.4608 −6.8024
[ 0 −4.0481 −2.7918 4.0780 −6.8024 4.3406 ]
0 0
0 0
2
1 1.2562 + 11.0020 0.7464
W = =
16.4234 −6.5282 −0.3975
7.7757 0.4735
[ −4.0481 ] [ −0.2465]
1 0 0 0 0 0
0 1 0 0 0 0
2
P = I − 2W 2 [W 2 ]T
= 0 0 −0.1142 0.5934 −0.7068 0.3679
0 0 0.5934 0.6840 0.3764 −0.1960
0 0 −0.7068 0.3764 0.5517 0.2334
[0 0 0.3679 −0.1960 0.2334 0.8785 ]
8 −9.2736 0 0 0 0
−9.2736 17.2209 −11.002 0 0 0
2 2 1 2
A =P A P = 0 −11.0020 11.0757 −6.9921 2.2504 3.6115
0 0 −6.9921 −2.0032 −0.1950 −0.0597
0 0 2.2504 −0.1950 2.5672 −0.7935
[ 0 0 3.6115 −0.0597 −0.7935 −0.8607]
0 0
0 0
3
1 0 0
W = =
15.7625 −6.9921 − 8.1851 −0.9629
2.2504 0.1428
[ 3.6115 ] [−0.2291]
1 0 0 0 0 0
0 1 0 0 0 0
P 3 = I − 2W 3 [W 3 ]T = 0 0 1 0 0 0
0 0 0 −0.8542 0.2749 0.4412
0 0 0 0.3764 0.9592 −1.1304
[0 0 0 0.4412 −0.0654 0.8950 ]
8 −9.2736 0 0 0 0
−9.2736 17.2209 −11.002 0 0 0
3 3 2 3
A =P A P = 0 −11.0020 11.0757 8.1851 0 0
0 0 8.1851 −1.4912 0.9853 0.1961
0 0 0 0.9853 2.2059 −1.1304
[ 0 0 0 0.1961 −1.1304 −1.0114]
0 0
0 0
3
1 0 0
W = =
1.9995 0 0
0.9853 + 1.0046 0.9952
[ 0.1961 ] [0.0981]
1 0 0 0 0 0
0 1 0 0 0 0
4
P = I − 2W 4 [W 4 ]T
= 0 0 1 0 0 0
0 0 0 1 0 0
0 0 0 0 −0.9808 −0.1952
[0 0 0 0 −0.1952 0.9808 ]
8 −9.2736 0 0 0 0
−9.2736 17.2209 −11.002 0 0 0
4 4 3 4
A =P A P = 0 −11.0020 11.0757 8.1851 0 0
0 0 8.1851 −1.4912 −1.0046 0
0 0 0 −1.0046 1.6505 1.6602
[ 0 0 0 0 1.6602 −04560]
En Matlab
Los métodos iterativos son más adecuados para problemas en los que
se necesitan encontrar sólo una o dos raíces, aunque hay forma de
extender estos métodos para encontrar cualquier cantidad de raíces.
Aquí se supone que lodos los valores propios son distintos. Por tanto los
vectores propios son linealmente independientes. Así un vector arbitrario
se puede expresar en la forma
n
Y a r X ( r ) .................................................(8.64)
r 1
n
Y ( k ) A ( k )Y ( 0) A ( k ) a r ik X ( r ) .............................(8.65)
r 1
Así ,
k
2 2 (n)
k
a1 X a 2 X ... n
k 1
X ...........(8.66)
1 1
i
k
r
El valor de (r 0) tiende a cero cuando k tiende a ∞ y así todos
1
los términos son despreciables, excepto el primero de ellos. Entonces,
y(k) tiende aun escalar múltiplo de x(l) y la relación de un elemento y(k+1)
para el elemento correspondiente y(k) tiende a , cuando se incrementa
k.
Se puede observar que la convergencia será más rápida si el vector
inicial contiene una gran componente de x(1) si las componentes de x(1)
son completamente erróneas, por ejemplo, a,=0, entonces parece que la
secuencia no puede converger al vector propio dominante, sin embargo,
los errores de redondeo normalmente van a producir una componente de
x(1) amplificada que, finalmente, será a dominante.
yk 1
yk 1 Axk 1 , xk
yk 1
En MATLAB:
A = Q1 R1
EN MATLAB:
Donde B es una matriz de orden n − 1 cuyos valores propios son 2,. . . , n.
Después se trabaja con B para calcular el siguiente valor propio 2,etc.
Las dificultades numéricas de esta forma de actuar según avanza el proceso son
importantes.
3 CONCLUSIONES Y OBSERVACIONES
4 BIBLIOGRAFÍA