CÁLCULO DE AUTOVALORES CÁLCULO DE AUTOVALORES Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es 1. INTRODUCCIÓN 1. INTRODUCCIÓN Problema estándar Problema generalizado λ autovalor / valor propio v autovector / vector propio · 2 v autovector / vector propio ÁLGEBRA LINEAL: los autovalores son las raíces del polinomio característico Inconvenientes: 1. Cálculo de determinantes (∼n! operaciones), agrupación de términos 2. Acumulación de errores de redondeo 3. No se aprovechan las cualidades de las matrices (simetría, definición positiva, estructura especial...) · 3 Necesidad de algoritmos alternativos Necesidad de algoritmos alternativos más eficientes más eficientes Aplicaciones en ingeniería civil Aplicaciones en ingeniería civil – Cálculo dinámico de estructuras: sismos, vibraciones, viento... – Análisis de pandeo – Problemas de ondas: ingeniería marítima, problemas · 4 medioambientales (contaminación acústica) – Herramientas auxiliares para la resolución de sistemas de ecuaciones: número de condición (si SDP máx λ i / mín λ i ), radio espectral (máx λ i ),
10
Embed
CÁLCULO DE AUTOVALORES - portal.camins.upc.edu · ¿Cómo son los autovalores del problema generalizado? simétricas ⇒⇒⇒⇒autovalores reales Ejemplo : · 9 con los autovalores
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
CÁLCULO DE AUTOVALORESCÁLCULO DE AUTOVALORES
Laboratori de Càlcul Numèric (LaCàN)Departament de Matemàtica Aplicada III
Universitat Politècnica de Catalunya (Barcelona)http://www-lacan.upc.es
Laboratori de Càlcul Numèric (LaCàN)Departament de Matemàtica Aplicada III
Universitat Politècnica de Catalunya (Barcelona)http://www-lacan.upc.es
1. INTRODUCCIÓN1. INTRODUCCIÓN
�Problema estándar
�Problema generalizado
λ autovalor / valor propio
v autovector / vector propio
· 2
v autovector / vector propio
ÁLGEBRA LINEAL: los autovalores son las raíces del polinomio característico
Inconvenientes:1. Cálculo de determinantes (∼n! operaciones), agrupación de
términos2. Acumulación de errores de redondeo3. No se aprovechan las cualidades de las matrices (simetría,
definición positiva, estructura especial...)
· 3
Necesidad de algoritmos alternativos Necesidad de algoritmos alternativos más eficientesmás eficientes
Aplicaciones en ingeniería civilAplicaciones en ingeniería civil
– Cálculo dinámico de estructuras: sismos, vibraciones, viento...
– Análisis de pandeo
– Problemas de ondas: ingeniería marítima, problemas
· 4
– Problemas de ondas: ingeniería marítima, problemas medioambientales (contaminación acústica)
– Herramientas auxiliares para la resolución de sistemas de ecuaciones: número de condición (si SDP máx λi / mín λi), radio espectral (máx λi),
2.1 Problema estándar
Teorema 1 [Teorema espectral del álgebra]: Si es simétrica, entonces diagonaliza (con autovalores reales) en una base ortonormal.
2. FUNDAMENTOS2. FUNDAMENTOS
· 5
n autovectores ortonormales
n autovalores tales que
� En forma matricial
· 6
� U es ortogonal diagonalización de A
Si A es simétrica y definida positiva (SDP)
Si A es simétrica y semidefinida positiva
2.2 Problema generalizado2.2 Problema generalizado
Aplicación: Análisis modal en dinámica estructural
El desplazamiento en la viga se interpola a partir de los valores nodales
Ecuación de equilibrio (oscilaciones libres):
nodalesnodales
MM: matriz de masa (SDP): matriz de masa (SDP)KK: matriz de rigidez: matriz de rigidez
Se busca una solución de la forma con φ vector de desplazamientos nodales constante (modo) y ω frecuencia de vibración (frecuencia propia)
· 8
Sustituyendo en la ecuación de equilibrio
¿Cómo son los autovalores del problema generalizado?¿Cómo son los autovalores del problema generalizado?
� simétricas ⇒⇒⇒⇒ autovalores reales
Ejemplo:
· 9
con
los autovalores son
Teorema 2: si son simétricas y M es definida positiva, entonces existen n autovalores reales
y n autovectores
• M-ortonormales:
• K-ortogonales:
· 10
• K-ortogonales:
2.3 Reducción del problema generalizado al problema estándar
2.3 Reducción del problema generalizado al problema estándar
1. M invertible:
Aunque M y K sean simétricas, A* puede ser no simétrica.
· 11
Aunque M y K sean simétricas, A* puede ser no simétrica.
Sólo es simétrica si K y M-1 conmutan ����
2. K y M simétricas, y M definida positiva:
• Si M SDP � descomposición de Cholesky
A*A* v*v* v*v*= = λλλλλλλλ
con
Se conserva la simetría
· 12
Se conserva la simetría
Sin embargo, a veces no conviene transformar el problema. Por ejemplo, si M y K son matrices en banda, L es en banda pero L-1 es una matriz llena � A* es llena. ����
Demostración del Teorema 2Demostración del Teorema 2
� K y M simétricas, y M definida positiva � A* real y simétrica
� Por el Teorema 1 (Teorema espectral del álgebra), A* diagonaliza en una base ortonormal• autovalores reales λi
• autovectores ortonormales
· 13
� El problema generalizado tiene autovalores λi y autovectores que cumplen• M-ortonormales:
• K-ortogonales:
3. PROPIEDADES GENERALES de matrices simétricas
3. PROPIEDADES GENERALES de matrices simétricas
PROBLEMA ESTÁNDAR:
La matriz verifica
Solución propiaSolución propia
3.1 Deflación3.1 Deflación
· 14
Demostración:
uukk pasa a tener pasa a tener autovalor 0autovalor 0
� PROBLEMA GENERALIZADO:
La matriz verifica
Solución propiaSolución propia
uukk pasa a tener pasa a tener
· 15
Demostración: (ejercicio)
uukk pasa a tener pasa a tener autovalor 0autovalor 0
3.2 Traslación3.2 Traslación
� PROBLEMA ESTÁNDAR:con autovalores λi y autovectores ui
tiene los mismos autovectores ui, pero con autovalores
· 16
Demostración:
� PROBLEMA GENERALIZADO:
con tiene los mismos autovectores ui, con autovalores
3.3 Cociente de Rayleigh3.3 Cociente de Rayleigh
� PROBLEMA ESTÁNDAR: A real, simétrica
Expresión alternativa en la base de autovectores:
Cociente de RayleighCociente de Rayleigh
· 17
Expresión alternativa en la base de autovectores:
Demostración:
· 18
utilizando
Propiedades del cociente de RayleighPropiedades del cociente de Rayleigh
1. -
2. -
3. Si con
· 19
3. Si con
Demostración 1.Demostración 1.
Caso 1: A definida positiva
a)
· 20
b)
Caso 2: A no definida definida positiva
Se considera p tal que y la traslación
• El cociente de Rayleigh cumple
· 21
• B tiene autovalores
B definida positiva B definida positiva (caso 1)(caso 1)
Demostración 2.Demostración 2.
Demostración 3.Demostración 3.
· 22
convamos a comprobar que
==λλiiuu
ii
· 23
� PROBLEMA GENERALIZADO:
· 24
Cociente de RayleighCociente de Rayleigh
4. MÉTODOS DE ITERACIÓN VECTORIAL (von Mises o de las potencias)
4. MÉTODOS DE ITERACIÓN VECTORIAL (von Mises o de las potencias)
4.1 Método de iteración vectorial directaLa Iteración Vectorial Directa (IVD) proporciona el autovalordominante (el más alejado de cero) y el autovector asociado
� PROBLEMA ESTÁNDAR: A real, simétrica
Atención a la Atención a la nueva numeraciónnueva numeración
· 25
� PROBLEMA ESTÁNDAR: A real, simétrica• vector inicial casi-arbitrario v0
• iteraciones
• Convergencia: tal que
Autovalor dominante (con su signo)
Algoritmo IVD problema estándarAlgoritmo IVD problema estándar
Caso general: λn autovalor dominante con multiplicidad p
· 28
ObservacionesObservaciones
� Existen otras versiones del algoritmo. Los vectores se pueden normalizar dividiendo por su norma, pero hay otras opciones. Por ejemplo,
· 29
� El vector inicial no es totalmente arbitrario
� Convergencia
� PROBLEMA GENERALIZADO:
• vector inicial casi-arbitrario v0
• iteraciones
y utilizar IVD
· 30
• Convergencia: tal que
AlgoritmoAlgoritmo
yykk
ωωk+1k+1
· 31
yykkωωk+1k+1
El algoritmo se simplifica obviando el cálculo de vk
Algoritmo IVD problema generalizadoAlgoritmo IVD problema generalizado
· 32
4.2 Método de iteración vectorial inversaLa Iteración Vectorial Inversa (IVI) proporciona el autovalormás cercano a cero (el mínimo en valor absoluto, con su signo) y el autovector asociado
� PROBLEMA ESTÁNDAR:
· 33
tiene los mismo autovectores con autovalores
IVD con AIVD con A--11
Algoritmo IVI problema estándarAlgoritmo IVI problema estándar
ωωk+1k+1
En la práctica no se calcula A-1
· 34
calcula A-1
??
� La convergencia se puede acelerar con una traslación
ObservacionesObservaciones
IVI paraIVI para
· 35
� Cálculo del autovalor más cercano a un valor dado (o del autovector asociado a un autovalor conocido)
� PROBLEMA GENERALIZADO:
IVI para A � IVD para A-1
yykk
ωωk+1k+1
· 36
yykk
zzk+1k+1
ωωk+1k+1
AlgoritmoAlgoritmo
· 37
(versión 1)(versión 1)(versión 2)(versión 2)
Algoritmo IVI problema generalizadoAlgoritmo IVI problema generalizado