Auto Valor Es

Typeset by GMNI & FoilT
E
X
M
ETODOS NUM
ERICOS PARA
PROBLEMAS DE AUTOVALORES
F. Navarrina, I. Colominas, H. G omez, J. Pars, M. Casteleiro
GMNI GRUPO DE M ETODOS NUM ERICOS EN INGENIERIA
Departamento de M etodos Matem aticos y de Representaci on
Escuela T ecnica Superior de Ingenieros de Caminos, Canales y Puertos
Universidad de A Coru na, Espa na
e-mail: fnavarrina@udc.es
p agina web: http://caminos.udc.es/gmni
UNIVERSIDAD DE A CORU NA GRUPO DE M ETODOS NUM ERICOS EN INGENIERIA
INDICE
Problema Est andar y Problema Generalizado
T
ECNICAS AUXILIARES
Reducci on de Autovalores
Traslaci on de Autovalores
Inversi on de Autovalores
Cociente de Rayleigh
An alisis de Rayleigh-Ritz
M
ETODO DE MISES
Fundamentaci on Te orica
Programaci on
Variantes
M
ETODO DE JACOBI
Fundamentaci on Te orica
CLASIFICACI

ON DE M
ETODOS
Problema Est andar y Problema Generalizado (I)
PROBLEMA EST
ANDAR [A
e
real sim etrica] (
*
)
A
u
i
=
i
u
i
u
T
i
u
j
=
ij
_
i , j = 1 . . . , n.
= U
T
U
= I
_
con
_
_
U
= [ u
1
u
2
. . . u
n
] ,
=
_
2
.
.
.
n
_
_
.
(
**
)
(
*
) Si A
e
es DEF+ 0 <
1

2
. . .
n
.
Si A
e
es SemiDEF+ 0 =
1

2
. . .
n
.
(
**
) Luego: U
e
T
A
e
U
e
=
e
.
Problema Est andar y Problema Generalizado (II)
PROBLEMA GENERALIZADO [K
e
y M
e
reales sim etricas, M
e
DEF+] (
*
)
K
u
i
=
i
M
u
i
u
T
i
M
u
j
=
ij
_
i , j = 1 . . . , n.
= M
T
M
= I
_
con
_
_
U
= [ u
1
u
2
. . . u
n
] ,
=
_
2
.
.
.
n
_
_
.
(
**
)
(
*
) Si K
e
es DEF+ 0 <
1

2
. . .
n
.
Si K
e
es SemiDEF+ 0 =
1

2
. . .
n
.
(
**
) Luego: U
e
T
K
e
U
e
=
e
.
Problema Est andar y Problema Generalizado (IIIa)
Equivalencia Prob. Est andar Prob. Generalizado
Sea el problema
K
u = M
u, con
_
K
real, sim etrica,

M
real, sim etrica, DEF+.

Siempre se puede factorizar
M
= L
T
. (
*
)
(
*
) Factorizaci on de Cholesky (2.
o
parcial).
Problema Est andar y Problema Generalizado (IIIb)
Luego
K
u = M
u = L
T
u L
1
K
u = L
T
u
1
K
T
. .
c
K
T
u
. .
u
= L
T
u
. .
u
u = u, con
_

K
= L
1
K
T
, (
*
)
u = L
T
u.
(
*
) Si K
e
es real, sim etrica
b
K
e
real, sim etrica.
Si K
e
es real, sim etrica y semiDEF+ / DEF+
b
K
e
real, sim etrica y semiDEF+ / DEF+.
Problema Est andar y Problema Generalizado (IIIc)
Por tanto,
u
i
=
i
u
i
u
T
i
u
j
=
ij
_
i , j = 1 . . . , n,
y deniendo
u
i
= L
T
u
i
u
i
= L
T
u
i
obtenemos
_
L
T
u
i
_
=
i
_
L
T
u
i
_
_
L
T
u
i
_
T
_
L
T
u
j
_
=
ij
_
_
_
i , j = 1 . . . , n.
Problema Est andar y Problema Generalizado (IIId)
En consecuencia,
L
T
u
i
=
i
L
T
u
i
u
T
i
L
T
u
j
=
ij
_
i , j = 1 . . . , n,
u
i
=
i
M
u
i
u
T
i
M
u
j
=
ij
_
i , j = 1 . . . , n.
T
ECNICAS AUXILIARES: Reducci on de Autovalores (Ia)

PROBLEMA EST
ANDAR [A
e
real sim etrica]
Sea el problema
A
u
i
=
i
u
i
u
T
i
u
j
=
ij
_
i , j = 1 . . . , n.
Se pretende reducir (
*
) el autovalor
k
. Para ello se dene
A
= A
k
_
u
k
u
T
k
= A
u
i
=
_
_
_
i
u
i
, si i = k,
0 u
i
, si i = k.
(
*
) Convertir el autovalor
k
en 0, sin modicar los restantes autovalores ni los
autovectores.
T
ECNICAS AUXILIARES: Reducci on de Autovalores (Ib)

Pues
A
u
i
=
_
A
k
_
u
k
u
T
k
_
u
i
= A
u
i
k
_
u
k
u
T
k
u
i
=
i
u
i
k
u
k
_
u
T
k
u
i
_
=
i
u
i
k
u
k

ki
=
_
i
u
i
, si i = k
0 u
i
, si i = k
T
ECNICAS AUXILIARES: Reducci on de Autovalores (IIa)

e
y M
e
e
DEF+]
Sea el problema
K
u
i
=
i
M
u
i
u
T
i
M
u
j
=
ij
_
i , j = 1 . . . , n.
Se pretende reducir (
*
) el autovalor
k
. Para ello se dene
K
= K
k
_
(M
u
k
) (M
u
k
)
T
_
M
= M
= K
u
i
=
_
i
M
u
i
, si i = k,
0 M
u
i
, si i = k.
(
*
) Convertir el autovalor
k
en 0, sin modicar los restantes autovalores ni los
autovectores.
T
ECNICAS AUXILIARES: Reducci on de Autovalores (IIb)

Pues
K
u
i
=
_
K
k
_
(M
u
k
) (M
u
k
)
T
__
u
i
= K
u
i
k
_
(M
u
k
) (M
u
k
)
T
_
u
i
=
i
M
u
i
k
(M
u
k
)
_
u
T
k
M
u
i
_
=
i
M
u
i
k
(M
u
k
)
ki
=
_
i
M
u
i
, si i = k
0 M
u
i
, si i = k
T
ECNICAS AUXILIARES: Reducci on de Autovalores (IIIa)

Obtenci on de la expresi on para el Prob. Generalizado
Se sabe que dado el problema
K
u = M
u, con
_
K
real, sim etrica,

M
real, sim etrica, DEF+,

siempre se puede factorizar M
e
= L
e
L
e
T
.
Luego
K
u = M
u

K
u = u, con
_

K
= L
1
K
T
,
u = L
T
u.
Dado el autovector u
i
del problema generalizado, su correspondiente del problema
est andar equivalente ser a b u
i
= L
e
T
u
i
y se vericar a
b
K
e
b u
i
=
i
b u
i
.
T
ECNICAS AUXILIARES: Reducci on de Autovalores (IIIb)

Para reducir el autovalor
k
de este problema, se dene
b
K
e
=
b
K
e
k
h
b u
k
b u
T
k
i
=
b
K
e
b u
i
=
(
i
b u
i
, si i = k,
0 b u
i
, si i = k.
Pero
b
K
e
b u = b u
h
b
K
e
k
h
b u
k
b u
T
k
ii
b u = b u
L
e
1
K
e
L
e
T
L
e
T
u
k

L
e
T
u
k

L
e
T
u
L
e
T
u
L
e
L
e
1
K
e
L
e
T
L
e
T
u
k

L
e
T
u
k

L
e
T
u
= L
e
L
e
T
u
K
e
M
e
T
u
k

M
e
T
u
k
| {z }
K
e
u = M
e
u.
T
ECNICAS AUXILIARES: Traslaci on de Autovalores (Ia)

PROBLEMA EST
ANDAR [A
e
real sim etrica]
Sea el problema
A
u
i
=
i
u
i
u
T
i
u
j
=
ij
_
i , j = 1 . . . , n.
Se pretende trasladar (
*
) los autovalores
i
una distancia . Para ello se dene
A
= A
+ I
= A
u
i
= (
i
+) u
i
.
(
*
) Convertir cada autovalor
i
en (
i
+ ), sin modicar su correspondiente
autovector.
T
ECNICAS AUXILIARES: Traslaci on de Autovalores (Ib)

Pues
A
u
i
= (A
+ I
) u
i
= A
u
i
+ I
u
i
=
i
u
i
+ u
i
= (
i
+) u
i
.
T
ECNICAS AUXILIARES: Traslaci on de Autovalores (IIa)

e
y M
e
e
DEF+]
Sea el problema
K
u
i
=
i
M
u
i
u
T
i
M
u
j
=
ij
_
i , j = 1 . . . , n.
Se pretende trasladar (
*
) los autovalores
i
una distancia . Para ello se dene
K
= K
+ M
= M
= K
u
i
= (
i
+) M
u
i
.
(
*
i
en (
i
+ ), sin modicar su correspondiente
autovector.
T
ECNICAS AUXILIARES: Traslaci on de Autovalores (IIb)

Pues
K
u
i
= (K
+ M
) u
i
= K
u
i
+ M
u
i
=
i
M
u
i
+ M
u
i
= (
i
+) M
u
i
.
T
ECNICAS AUXILIARES: Inversi on de Autovalores (Ia)

PROBLEMA EST
ANDAR [A
e
real sim etrica, no-singular]
Sea el problema
A
u
i
=
i
u
i
u
T
i
u
j
=
ij
_
i , j = 1 . . . , n.
Se pretende invertir (
*
) los autovalores
i
. Para ello se dene
A
= A
1
= A
u
i
= (
i
)
1
u
i
.
(
*
i
en (
i
)
1
, sin modicar su correspondiente autovector.
T
ECNICAS AUXILIARES: Inversi on de Autovalores (Ib)

Pues
A
u
i
=
i
u
i
, det(A
= 0) =
i
= 0
1
A
u
i
=
i
A
1
u
i
u
i
=
i
A
1
u
i
(
i
)
1
u
i
= A
1
u
i
.
T
ECNICAS AUXILIARES: Inversi on de Autovalores (IIa)

e
y M
e
reales sim etricas, K
e
no singular, M
e
DEF+]
Sea el problema
K
u
i
=
i
M
u
i
u
T
i
M
u
j
=
ij
_
i , j = 1 . . . , n.
Se pretende invertir (
*
) los autovalores
i
. Para ello se dene
K
= M
= K
= K
u
i
= (
i
)
1
M
u
i
.
(
*
i
en (
i
)
1
, sin modicar su correspondiente autovector.
T
ECNICAS AUXILIARES: Inversi on de Autovalores (IIb)

Pues
K
u
i
=
i
M
u
i
, det(K
= 0) =
i
= 0
(
i
)
1
K
u
i
= M
u
i
.
T
ECNICAS AUXILIARES: Cociente de Rayleigh (Ia)

PROBLEMA EST
ANDAR [A
e
real sim etrica]
Sea el problema
A
u
i
=
i
u
i
u
T
i
u
j
=
ij
_
i , j = 1 . . . , n.
Se dene el COCIENTE DE RAYLEIGH ( v) de un vector cualquiera v como
( v) =
v
T
A
v
v
T
v
.
En lo sucesivo supondremos que los autovalores
i
se ordenan de forma que
1

2
. . .
n
.
T
ECNICAS AUXILIARES: Cociente de Rayleigh (Ib1)

PROPIEDADES DEL COCIENTE DE RAYLEIGH
1. RANGO:
1
( v)
n
v.
2. IDENTIFICACI
ON DE AUTOVALORES:
v = u
i
=( v) =
i
.
3. APROXIMACI
ON DE AUTOVALORES:
v = u
i
+ x,
con x
T
x = 1, x
T
u
i
= 0,
_
= ( v) =
i
+O
_
(/)
2
_
.
T
ECNICAS AUXILIARES: Cociente de Rayleigh (Ib2)

4. CARACTERIZACI
ON MINI-MAX:
r
= max
{ w
1
,..., w
r1
}
_
min
v
_
( v) | v
T
w
k
= 0 para k = 1, . . . , r 1
_
_
.
5. SEPARACI
ON DE AUTOVECTORES:
Sean las submatrices principales A
e
k
=
"
a
11
. . . a
1k
.
.
.
.
.
.
a
k1
. . . a
kk
#
, k = 1, . . . , n.
Denimos los problemas
A
e
k
u
k
i
=
k
i
u
k
i
con
u
k
i
T
u
k
j
=
ij
, para i , j = 1 . . . , k.
En estas condiciones, los autovalores
k
i
verican
k+1
1

k
1

k+1
2

k
2
. . .
k
k1

k+1
k

k
k

k+1
k+1
,
que es lo que se denomina una secuencia de STURM.
T
ECNICAS AUXILIARES: Cociente de Rayleigh (Ic1)

Demostraci on de las propiedades del Cociente de Rayleigh
1. Rango
Los autovectores forman una base. Por tanto, cualquier vector v puede escribirse
en la forma v =
n
X
i=1
i
u
i
. Luego
( v) =
v
T
A
e
v
v
T
v
=
n
X
i=1
i
u
i
!
T
A
e
n
X
i=1
i
u
i
!
n
X
i=1
i
u
i
!
T

n
X
i=1
i
u
i
!
=
n
X
i=1
n
X
j=1
i

j
u
T
i
A
e
u
j
n
X
i=1
n
X
j=1
i

j
u
T
i
u
j
Pero u
T
i
A
e
u
j
= u
T
i
(
j
u
j
) =
j
ij
. Por tanto,
( v) =
n
X
i=1
n
X
j=1
i

j

j

ij
n
X
i=1
n
X
j=1
i

j

ij
=
n
X
i=1
2
i

i
n
X
i=1
2
i
8
>
>
>
>
>
<
>
>
>
>
>
:

2
1

1
+
2
2

1
+ . . . +
2
n

1
2
1
+
2
2
+ . . . +
2
n
=
1
,

2
1

n
+
2
2

n
+ . . . +
2
n

n
2
1
+
2
2
+ . . . +
2
n
=
n
.
T

2. Identicaci on de autovalores
Si v = u
i
entonces
( v) =
v
T
A
e
v
v
T
v
=
( u
i
)
T
A
e
( u
i
)
( u
i
)
T
( u
i
)
=
u
T
i
A
e
u
i
2
`
u
T
i
u
i
=
u
T
i
A
e
u
i
u
T
i
u
i
Pero u
T
i
A
e
u
i
= u
T
i
(
i
u
i
) =
i
. Por tanto
( v) =
i
.
T

3. Aproximaci on de autovalores
Si v = u
i
+ x entonces
( v) =
v
T
A
e
v
v
T
v
=
( u
i
+ x)
T
A
e
( u
i
+ x)
( u
i
+ x)
T
( u
i
+ x)
=
u
T
i
A
e
u
i
+
2
x
T
A
e
x
+ 2
x
T
A
e
u
i
2
`
u
T
i
u
i
+
2
`
x
T
x
+ 2
`
x
T
u
i
.
Pero u
i
y x son vectores unitarios y ortogonales entre s.
Luego u
T
i
A
e
u
i
= ( u
i
), x
T
A
e
x = ( x), y x
T
A
e
u
i
=
i
x
T
u
i
= 0.
Por tanto
( v) =

2
( u
i
) +
2
( x)
2
+
2
=

i
+ (/)
2
( x)
1 + (/)
2
=
h
i
+ (/)
2
( x)
i h
1 (/)
2
+ (/)
4
(/)
8
. . .
i
=
i
+ (/)
2
[( x)
i
] +O
(/)
4
=
i
+O
(/)
2
.
T
ECNICAS AUXILIARES: Cociente de Rayleigh (II)

e
y M
e
e
DEF+]
Sea el problema
K
u
i
=
i
M
u
i
u
T
i
M
u
j
=
ij
_
i , j = 1 . . . , n.
Se dene el COCIENTE DE RAYLEIGH ( v) de un vector cualquiera v como
( v) =
v
T
K
v
v
T
M
v
,
con id enticas propiedades a las expuestas en el caso del problema est andar.
T
ECNICAS AUXILIARES: Cociente de Rayleigh (IIIa)

K
u = M
u, con
_
K
real, sim etrica,

M

= L
T
.
Luego
K
u = M
u

K
u = u, con
_

K
= L
1
K
T
,
u = L
T
u.
T
ECNICAS AUXILIARES: Cociente de Rayleigh (IIIb)

Dado el vector v del problema generalizado,
su correspondiente del problema est andar equivalente ser a v = L
T
v,
cuyo cociente de Rayleigh ser a
( v) =
v
T

K
v
v
T
v
=
_
L
T
v
_
T
_
L
1
K
T
_
L
T
v
_
_
L
T
v
_
T
_
L
T
v
_
=
v
T
_
L
1
K
T
L
T
_
v
v
T
_
L
T
_
v
=
v
T
K
v
v
T
M
v
= ( v)
T
ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (Ia)

e
y M
e
reales sim etricas, K
e
no singular, M
e
DEF+]
Sea el problema
K
u
i
=
i
M
u
i
u
T
i
M
u
j
=
ij
_
i , j = 1 . . . , n.
Dados los q vectores linealmente independientes {
}
=1,...,q
(en general q << n),
buscamos aproximaciones a los autovectores u
i
y a los autovalores
i
del tipo
u
i
u
R
=
q
=1
, con
_
=
_
1
.
.
.
2
.
.
. . . .
.
.
.
q
_
,
=
_
2
.
.
.
q
_
_
.
i

R
= ( u
R
)
T
ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (Ib)

Para ello, planteamos
d( u
R
)
d
k
= 0, k = 1, . . . , q
_
d( u
R
)
d
_
T
=

0,
lo que equivale a resolver el problema reducido (
*
)
K
R
=
T
K
R
=
T
M
= K
R
=
R
M
R
.
(
*
) N otese que las matrices reducidas K
e
R
y M
e
R
son de orden q << n.
T
ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (II)

El planteamiento anterior (en t erminos de la minimizaci on del cociente
de Rayleigh) se fundamenta en que. . .
1. El cociente de Rayleigh tiene un extremo en cada autovector:
_
d( v)
d v
_
T
v= u
i
=

0.
2. El c alculo de extremos de ( u
R
) equivale al problema reducido:
_
d( u
R
)
d
_
T
=

0 = K
R
=
R
M
R
.
3. Si el subespacio { u
R
} contiene un autovector u
i
el an alisis de
Rayleigh-Ritz lo detecta:
u
i
=
= K
=
i
M
.
T
ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (IIIa)

Demostraciones:
1. El cociente de Rayleigh tiene un extremo en cada autovector:
Pues
( v) =
v
T
K
e
v
v
T
M
e
v
=
d( v)
d v
=
2( v
T
K
e
)( v
T
M
e
v) 2( v
T
M
e
)( v
T
K
e
v)
( v
T
M
e
v)
2
=
2
v
T
M
e
v
h
( v
T
K
e
) ( v) ( v
T
M
e
)
i
,
y por tanto
d( v)
d v
T
=
2
v
T
M
e
v
[K
e
v ( v) M
e
v] .
Luego
_
d( v)
d v
_
T
v= u
i
=
2
u
T
i
M
u
i
[K
u
i
( u
i
) M
u
i
] = 2 [K
u
i
i
M
u
i
] =

0.
T
ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (IIIb)

2. El c alculo de extremos de ( u
R
) equivale al problema reducido:
Pues
( u
R
) = ( v)
v= u
R
=
d( u
R
)
d
=
d( v)
d v
v= u
R
d
d
(
e
)
=
d( v)
d v
v= u
R
[
e
] .
y por tanto
d( u
R
)
d
!
T
=
e
T
d( v)
d v
v=
e

=
2

T
e
T
M
e
e
T
h
K
e
e
( u
R
) M
e
e

i
=
2

T
M
e
R

h
K
e
R

R
M
e
R

i
.
Luego
_
d( u
R
)
d
_
T
=

0 = K
R
=
R
M
R
.
T
ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (IIIc)

3. Si el subespacio { u
R
} contiene un autovector u
i
el an alisis de
Rayleigh-Ritz lo detecta:
Pues
u
i
=
e
= K
e
R
=
h
e
T
K
e
e
i

=
e
T
K
e
=
e
T
K
e
u
i
=
e
T
[K
e
u
i
] =
e
T
[
i
M
e
u
i
] =
i

e
T
M
e
u
i
=
i

e
T
M
e
=
i
h
e
T
M
e
e
i

=
i
M
e
R
.
M
ETODO DE MISES: Fundamentaci on Te orica (I)

PROBLEMA EST
ANDAR [A
e
real sim etrica]
Sea el problema
A
u
i
=
i
u
i
u
T
i
u
j
=
ij
_
i , j = 1 . . . , n.
Dado un vector arbitrario v
0
, el M
ETODO DE MISES DIRECTO consiste en:

v
k+1
=
A
v
k
|A
v
k
|
k+1
= ( v
k+1
)
_
_
k = 0, . . . , (hasta convergencia)
Si
MAX
es el mayor autovalor en valor absoluto,
=
_
_
_
lim
k
v
k
= | A
=
MAX
,
lim
k
k
= ( ) =
MAX
.
[en general, y casi siempre]
M
ETODO DE MISES: Fundamentaci on Te orica (IIa)

FUNCIONAMIENTO DEL M
ETODO
Observamos que
8
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
:
v
1
=
A
e
v
0
|A
e
v
0
|
=
A
e
1
v
0
A
e
1
v
0
v
2
=
A
e
v
1
|A
e
v
1
|
=
A
e
A
e
1
v
0
A
e
1
v
0
A
e
A
e
1
v
0
A
e
1
v
0
=
A
e
2
v
0
A
e
2
v
0
v
3
=
A
e
v
2
|A
e
v
2
|
=
A
e
A
e
2
v
0
A
e
2
v
0
A
e
A
e
2
v
0
A
e
2
v
0
=
A
e
3
v
0
A
e
3
v
0
.
.
.
v
k
=
A
e
v
k1
A
e
v
k1
=
A
e
A
e
k1
v
0
A
e
k1
v
0
A
e
A
e
k1
v
0
A
e
k1
v
0
=
A
e
k
v
0
A
e
k
v
0

M
ETODO DE MISES: Fundamentaci on Te orica (IIb)

Los autovectores forman una base. Por tanto, el vector inicial v
0
puede escribirse
en la forma v
0
=
n
X
i=1
i
u
i
. Luego
v
k
=
A
e
k
v
0
A
e
k
v
0
=
n
X
i=1
i
A
e
k
u
i
n
X
i=1
i
A
e
k
u
i
.
Pero A
e
k
u
i
= A
e
k1
(A
e
u
i
) =
i
A
e
k1
u
i
= A
e
k
u
i
=
k
i
u
i
. Por tanto
v
k
=
n
X
i=1
i

k
i
u
i
n
X
i=1
i

k
i
u
i
=

1

k
1
u
1
+
2

k
2
u
2
+ . . . +
n

k
n
u
n
1

k
1
u
1
+
2

k
2
u
2
+ . . . +
n

k
n
u
n
.
M
ETODO DE MISES: Fundamentaci on Te orica (IIc)

Casos m as importantes:
1. Hay un s olo autovalor predominante
|
n
| > |
i
| i < n.
2. Hay un autovalor predominante con orden de multiplicidad p
n
=
n1
= . . . =
n(p1)
, |
n
| > |
i
| i n p.
3. Hay dos autovalores predominantes de signos opuestos
1
=
n
, |
n
| |
i
| i.
M
ETODO DE MISES: Fundamentaci on Te orica (IId1)

1. Hay un s olo autovalor predominante
Sea |
n
| > |
i
| i < n.
Escribimos v
k
=
X
i<n
k
u
i
X
i<n
k
u
i
=
X
i<n
k
u
i
+
n
u
n
X
i<n
k
u
i
+
n
u
n
.
Luego
8
<
:
lim
k
v
k
= u
n
,
lim
k
k
= ( u
n
) =
n
.
[si
n
= 0]
Notas:
En el caso
n
= 0 el m etodo converger a en general (falsamente) al mayor autovalor en valor
absoluto cuyo coeciente sea distinto de cero. (
*
)
Por este motivo conviene repetir el c alculo con distintos vectores iniciales v
0
.
(
*
) Si se permite al m etodo iterar sucientemente, es probable que los errores de redondeo introduzcan una componente
seg un u
n
que acabe conduciendo a la soluci on correcta.
M
ETODO DE MISES: Fundamentaci on Te orica (IId2)

2. Hay un autovalor predominante con orden de multiplicidad p
Sea
n
=
n1
= . . . =
n(p1)
, |
n
| > |
i
| i n p.
Escribimos v
k
=
X
inp
k
u
i
+
X
i>np
i
u
i
X
inp
k
u
i
+
X
i>np
i
u
i
.
Luego
8
<
:
lim
k
v
k
= | A
e
=
n
,
lim
k
k
= ( ) =
n
.
[si
i
= 0 para alg un i > n p]
Notas:
En el caso
i
= 0 i > n p el m etodo converger a en general (falsamente) al mayor
autovalor en valor absoluto cuyo coeciente sea distinto de cero. (
*
)
0
.
(
*
seg un
n
u
n
, u
n1
, . . . , u
n(p1)
o
M
ETODO DE MISES: Fundamentaci on Te orica (IId3a)

3. Hay dos autovalores predominantes de signos opuestos
Sea
1
=
n
, |
n
| |
i
| i.
Supongamos que
8
>
>
<
>
>
:
n
=
n1
= . . . =
n(p1)
1
=
2
= . . . =
q
,
|
n
| = |
1
| > |
i
| para q < i n p.
Escribimos v
k
=
X
iq
i
(1)
k
u
i
+
X
q<inp
k
u
i
+
X
i>np
i
u
i
X
iq
i
(1)
k
u
i
+
X
q<inp
k
u
i
+
X
i>np
i
u
i
.
Luego
8
>
>
>
>
>
>
<
>
>
>
>
>
>
:
lim
k
v
k
=
q
+
p
,
8
>
<
>
:
A
e

q
=
n

q
,
A
e

p
=
n

p
,
lim
k
k
= (
q
+
p
) =
n
.
[si
i
= 0 para alg un i > n p y para alg un i q]
M
ETODO DE MISES: Fundamentaci on Te orica (IId3b)

Notas:
Obs ervese que el m etodo no converger a a un autovector, sino que oscilar a entre dos vectores
que ser an combinaci on lineal de dos autovectores (
p
y
q
).
A partir de los valores entre los que oscila el m etodo es posible obtener los correspondientes
autovectores y sus autovalores.
En el caso
i
= 0 i > n p i q el m etodo converger a en general (falsamente) al mayor
autovalor en valor absoluto cuyo coeciente sea distinto de cero. (
*
)
0
.
(
*
seg un
n
u
n
, u
n1
, . . . , u
n(p1)
o
M
ETODO DE MISES: Fundamentaci on Te orica (IIIa)

OBSERVACIONES
En el estudio anterior se observa que el m etodo converge en general al autovector
u
n
asociado al mayor autovalor en valor absoluto
n
.
Una vez calculado el autovalor predominante, puede aplicarse una reducci on de autovalores
para obtener el autovalor siguiente.
Este procedimiento no puede aplicarse para obtener todos los autovalores, ya que los errores
se acumulan y los resultados se degradan considerablemente cada vez que se realiza una
reducci on.
Conviene repetir el c alculo con distintos vectores iniciales antes de aceptar una
soluci on como buena.
El m etodo tiene orden de convergencia lineal, con factor asint otico de convergencia
FAC =
n1
.
Cuando los autovalores est an muy separados, es decir |
n
| >> |
n1
|, la velocidad de
convergencia ser a muy elevada.
Cuando los autovalores est an muy juntos, es decir |
n
| |
n1
|, la velocidad de
convergencia ser a muy baja.
M
ETODO DE MISES: Fundamentaci on Te orica (IIIb)

OBSERVACIONES (continuaci on)
La aproximaci on del autovalor se obtiene mediante el Cociente de Rayleigh. Por
este motivo, la convergencia al autovalor tambi en es lineal, pero con factor
asint otico de convergencia
FAC =
n1
2
.
La aproximaci on del autovalor ser a mucho mejor que la aproximaci on del autovector.
M
ETODO DE MISES: Fundamentaci on Te orica (IVa)

K
u = M
u, con
_
K
real, sim etrica,

M

e
= L
e
L
e
T
.
Luego
K
u = M
u

K
u = u, con
_

K
= L
1
K
T
,
u = L
T
u.
A cada vector v del problema generalizado, le corresponde un vector del problema
est andar equivalente v = L
T
v.
M
ETODO DE MISES: Fundamentaci on Te orica (IVb)

Por tanto, al vector unitario arbitrario v
0
del problema est andar le corresponder a el vector
v
0
del problema generalizado, que verica b v
0
= L
e
T
v
0
, v
T
0
M
e
v
0
= 1.
Al aplicar el M etodo de Mises al problema est andar equivalente se obtiene
v
k+1
=

K
v
k
|
v
k
|
k+1
= ( v
k+1
)
_
_
Al vector v
k
del problema est andar le corresponder a el vector v
k
del problema
generalizado, que verica b v
k
= L
e
T
v
k
, v
T
k
M
e
v
k
= 1. Por tanto, lo anterior es equivalente a
L
e
T
v
k+1
=
L
e
1
K
e
L
e
T
`
L
e
T
v
k
L
e
1
K
e
L
e
T
`
L
e
T
v
k
|
=
L
e
1
K
e
v
k
|L
e
1
K
e
v
k
|
k+1
= (v
k+1
)
9
>
>
=
>
>
;
M
ETODO DE MISES: Programaci on (Ia)

PROBLEMA EST
ANDAR [A
e
real sim etrica]
Algoritmo:
Dado v
0
v
T
0
v
0
= 1
Para k = 0, 1, . . . (hasta convergencia)
8
>
>
>
>
<
>
>
>
>
:
calcular v
k+1
=
A
e
v
k
|A
e
v
k
|
[= v
T
k+1
v
k+1
= 1]
calcular
k+1
= ( v
k+1
) =
v
T
k+1
A
e
v
k+1
v
T
k+1
v
k+1
= v
T
k+1
A
e
v
k+1
M
ETODO DE MISES: Programaci on (Ib)

PROBLEMA EST
ANDAR [A
e
real sim etrica]
PROGRAMACI
ON:
Dado v
0
v
T
0
v
0
= 1
_
calcular w
0
= A
v
0
calcular
0
= v
T
0
w
0
_
_
calcular v
k+1
=
w
k
| w
k
|
calcular w
k+1
= A
v
k+1
calcular
k+1
= v
T
k+1
w
k+1
M
ETODO DE MISES: Programaci on (IIa)

e
y M
e
e
DEF+]
Algoritmo:
Dado v
0
v
T
0
M
e
v
0
= 1
8
>
>
>
>
>
<
>
>
>
>
>
:
resolver L
e
T
v
k+1
=
L
e
1
K
e
v
k
|L
e
1
K
e
v
k
|
[= v
T
k+1
M
e
v
k+1
= 1]
calcular
k+1
= ( v
k+1
) =
v
T
k+1
K
e
v
k+1
v
T
k+1
M
e
v
k+1
= v
T
k+1
K
e
v
k+1
Para ello se habr a factorizado previamente la matriz M
en la forma
M
e
= L
e
L
e
T
.
M
ETODO DE MISES: Programaci on (IIb)

e
y M
e
e
DEF+]
PROGRAMACI
ON:
Dado v
0
v
T
0
M
v
0
= 1
_
calcular w
0
= K
v
0
calcular
0
= v
T
0
w
0
_
_
resolver L
z
k+1
= w
k
resolver L
T
y
k+1
= z
k+1
calcular v
k+1
=
y
k+1
| z
k+1
|
calcular w
k+1
= K
v
k+1
calcular
k+1
= v
T
k+1
w
k+1
M
ETODO DE MISES: Programaci on (III)

Criterio de Convergencia
CONVERGENCIA =
_
| v
k+1
v
k
| max(e
u
, r
u
| v
k+1
|)
_
.AND.
_
|
k+1
k
| max(e
, r
|
k+1
|)
_
La convergencia suele ser mucho m as r apida en el caso del autovalor que en el
caso del autovector, debido a la 3.
a
propiedad del Cociente de Rayleigh.
M
ETODO DE MISES: Variantes (I)

M
ETODO DE MISES INVERSO [K

e
y M
e
reales sim etricas y DEF+]
Se aplica el M etodo de Mises al problema inverso.
Si se trata de un problema generalizado, se permutan las matrices K
e
y M
e
.
El problema est andar se considera generalizado con K
e
= A
e
, M
e
= I
e
.
Hay que factorizar la matriz K
en lugar de la matriz M
.
Se suele realizar en cualquier caso, por lo que el proceso no se encarece.
(ejemplo: problemas de c alculo de estructuras, MEF, etc.).
Converge al autovector asociado al menor autovalor (en m odulo).
ES LO QUE NORMALMENTE SE REQUIERE EN INGENIER
IA.
La convergencia suele ser muy r apida.
El inverso del menor autovalor suele estar separado del inverso del siguiente.
(por ejemplo
1
= 0.001 y
2
= 0.01).
M
ETODO DE MISES: Variantes (II)

M
ETODO DE MISES AJUSTABLE [K

e
y M
e
reales sim etricas y DEF+]
Dado el problema generalizado
K
e
u
i
=
i
M
e
u
i
u
T
i
M
e
u
j
=
ij
)
i , j = 1 . . . , n.
Se pretende hallar el autovalor m as pr oximo al valor . Para ello se dene
K
e
= M
e
M
e
= K
e
M
e
= K
e
u
i
= (
i
)
1
M
e
u
i
.
que equivale a realizar una traslaci on de valor seguida de una inversi on.
El mayor autovalor de este problema ser a max
i=1,...,n
|(
i
)
1
| =
min
i=1,...,n
|
i
|
1
.
Al aplicar el M etodo de Mises Directo a este problema obtendremos el valor buscado.
M
ETODO DE JACOBI: Fundamentaci on Te orica (I)

PROBLEMA EST
ANDAR [A
e
real sim etrica]
Sea el problema
A
e
U
e
= U
e
e
U
e
T
U
e
= I
e
)
con
8
>
>
>
>
<
>
>
>
>
:
U
e
= [ u
1
u
2
. . . u
n
] ,
e
=
2
6
4
2
.
.
.
n
3
7
5
.
El M
ETODO DE JACOBI consiste en:

A
o
= A
k+1
=
_
Q
k+1
_
1
A
k
Q
k+1
P
o
= I
k+1
= P
k
Q
k+1
_
_
Si,
Q
e
1
k+1
= Q
e
T
k+1
(matrices ortogonales)
las Q
e
k+1
se eligen ADECUADAMENTE
_
=
_
_
_
lim
k
A
k
= A
,
lim
k
P
k
= P
= U
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (IIa)

Algunas demostraciones previas
DP1. Las matrices semejantes entre s tienen los mismos autovalores:
A
e
u = u
B
e
= P
e
1
A
e
P
e
)
=
8
>
>
>
<
>
>
>
:
A
e
= P
e
B
e
P
e
1
,
P
e
B
e
P
e
1
u = u,
B
e
P
e
1
u
P
e
1
u
,
9
>
>
>
=
>
>
>
;
=
(
B
e
v = v,
con v = P
e
1
u.
DP2. Las matrices semejantes entre s tienen la misma traza:
B
e
= P
e
1
A
e
P
e
con P
e
1
= X
e
)
=
8
>
>
>
>
>
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
>
>
>
>
>
:
b
ij
=
X
,
x
i
a
p
j
,
tr(B
e
) =
X
i
b
ii
=
X
i
X
,
x
i
a
p
i
=
X
,
a
X
i
p
i
x
i
=
X
,
a
=
X
= tr(A
e
).
M
ETODO DE JACOBI: Fundamentaci on Te orica (IIb)

DP3. Los cuadrados de matrices semejantes entre s tambi en son semejantes entre s:
B
e
= P
e
1
A
e
P
e
= B
e
2
=
h
P
e
1
A
e
P
e
i h
P
e
1
A
e
P
e
i
= P
e
1
A
e
2
P
e
.
DP4. La traza del cuadrado de una matriz sim etrica es igual a la suma de los cuadrados
de sus coecientes:
Y
e
= X
e
2
con X
e
T
= X
e
)
=
8
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
:
y
ij
=
X
x
i
x
j
,
tr(Y
e
) =
X
=
X
=
X
,
x
2
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (IIIa)

FUNCIONAMIENTO DEL M
ETODO
1. Las matrices
P
e
k+1
k=0,...,
son ortogonales:
P
e
k+1
= Q
e
1
. . . Q
e
k
Q
e
k+1
= P
e
1
k+1
= P
e
T
k+1
. (ortogonalidad)
2. Las matrices
A
e
k+1
k=0,...,
son semejantes a la matriz A
e
y sim etricas:
A
e
k+1
= P
e
1
k+1
A
e
P
e
k+1
(semejanza ortogonal) = A
e
T
k+1
= A
e
k+1
.
3. Las matrices
A
e
k+1
k=0,...,
tienen los mismos autovalores que la matriz A
e
:
A
e
U
e
= U
e
e
= A
e
k+1
U
e
k+1
= U
e
k+1

e
, con U
e
k+1
= P
e
1
k+1
U
e
.
4. Si las Q
e
k+1
se eligen ADECUADAMENTE, el m etodo converge:
lim
k
X
=
a
k
2
= 0 =
8
<
:
lim
k
A
e
k
= A
e
=
e
,
lim
k
P
e
k
= P
e
= U
e
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (IVa)

Demostraciones
1. Las matrices
P
e
k+1
k=0,...,
son ortogonales.
Pues
P
e
k+1
= P
e
k
Q
e
k+1
=
h
P
e
k1
Q
e
k
i
Q
e
k+1
=
hh
. . .
h
P
e
o
Q
e
1
i
. . .
i
Q
e
k
i
Q
e
k+1
=
h
Q
e
1
. . . Q
e
k
Q
e
k+1
i
.
Por tanto,
P
e
1
k+1
=
h
Q
e
1
. . . Q
e
k
Q
e
k+1
i
1
= Q
e
1
k+1
Q
e
1
k
. . . Q
e
1
1
= Q
e
T
k+1
Q
e
T
k
. . . Q
e
T
1
=
h
Q
e
1
. . . Q
e
k
Q
e
k+1
i
T
= P
e
T
k+1
. (ortogonalidad)
M
ETODO DE JACOBI: Fundamentaci on Te orica (IVb)

2. Las matrices
A
e
k+1
k=0,...,
son semejantes a la matriz A
e
y sim etricas.
Pues
A
e
k+1
= Q
e
1
k+1
A
e
k
Q
e
k+1
= Q
e
1
k+1
h
Q
e
1
k
A
e
k1
Q
e
k
i
Q
e
k+1
= Q
e
1
k+1
h
Q
e
1
k
h
. . .
h
Q
e
1
1
A
e
o
Q
e
1
i
. . .
i
Q
e
k
i
Q
e
k+1
=
h
Q
e
1
k+1
Q
e
1
k
. . . Q
e
1
1
i
A
e
h
Q
e
1
. . . Q
e
k
Q
e
k+1
i
= P
e
1
k+1
A
e
P
e
k+1
. (semejanza ortogonal)
Por tanto,
A
e
T
k+1
=
h
P
e
1
k+1
A
e
P
e
k+1
i
T
=
h
P
e
T
k+1
A
e
P
e
k+1
i
T
=
h
P
e
T
k+1
A
e
P
e
k+1
i
=
h
P
e
1
k+1
A
e
P
e
k+1
i
= A
e
k+1
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (IVc)

3. Las matrices
A
e
k+1
k=0,...,
tienen los mismos autovalores que la matriz A
e
.
Pues
A
e
U
e
= U
e
e
=
h
P
e
k+1
A
e
k+1
P
e
1
k+1
i
U
e
= U
e
e
= A
e
k+1
h
P
e
1
k+1
U
e
i
=
h
P
e
1
k+1
U
e
i

e
= A
e
k+1
U
e
k+1
= U
e
k+1

e
, con U
e
k+1
= P
e
1
k+1
U
e
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (Va)

Elecci on de las matrices Q
k+1
1. Se explora la parte superior de A
e
k
para hallar a
ij
k
= a
ji
k
= max
i<j
{ |a
k
ij
| }.
A
e
k
=
2
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
4
a
k
11

a
k
1i

a
k
1j

a
k
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
k
i1

a
k
ii
a
k
ij

a
k
in
la i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
k
j1
a
k
ji
a
k
jj
a
k
jn
la j
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
k
n1

a
k
ni
columna i

a
k
nj
columna j

a
k
nn
3
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
5
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (Vb)

2. Se calculan
p = 2 a
k
ij
sgn(a
k
ii
a
k
jj
)
q = | a
k
ii
a
k
jj
|
r =
_
p
2
+q
2
_
_
=
_
_
tan(2) =
p
q
,
cos(2) =
q
r
,
sen(2) =
p
r
,
cos() =
_
1
2
_
1 +
q
r
_
,
sen() =
p
2 r cos()
.
(
*
)
(
*
) Lo que equivale a
tan(2 ) =
2 a
k
ij
a
k
ii
a
k
jj
=
1
2
arctan
2 a
k
ij
a
k
ii
a
k
jj
!
, con
4

4
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (Vc)

3. Se construye
Q
e
k+1
=
2
6
6
6
6
6
6
6
6
6
6
6
6
6
6
4
1
.
.
.
1
cos() sen() la i
1
.
.
.
1
sen() cos() la j
columna i
columna j
1
.
.
.
1
3
7
7
7
7
7
7
7
7
7
7
7
7
7
7
5
.
Estas matrices verican Q
e
1
k+1
= Q
e
T
k+1
= Q
e
k+1
(son AUTOINVERSAS).
M
ETODO DE JACOBI: Fundamentaci on Te orica (VIa)

OBSERVACIONES
1. Debido a la FORMA de Q
e
k+1
, entre A
e
k
y A
e
k+1
=
Q
e
k+1
1
A
e
k
Q
e
k+1
s olo
cambian los componentes de las las i y j.
2. En particular
a
k+1
ii
= a
k
ii
cos
2
+ a
k
jj
sen
2
+ 2 a
k
ij
sen cos ,
a
k+1
jj
= a
k
ii
sin
2
+ a
k
jj
cos
2
2 a
k
ij
sen cos ,
a
k+1
ij
=
a
k
ii
a
k
jj
sen cos a
k
ij
cos
2
sen
2
,
a
k+1
ji
= a
k+1
ij
.
3. Para el valor elegido de se verica
a
k+1
ij
= a
k+1
ji
= 0.
M
ETODO DE JACOBI: Fundamentaci on Te orica (VIb)

Por tanto,
A
e
k+1
=
2
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
4
a
k
11

a
k+1
1i

a
k+1
1j

a
k
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
k+1
i1
a
k+1
ii

0
a
k+1
in
la i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
k+1
j1

0
a
k+1
jj
a
k+1
jn
la j
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
k
n1

a
k+1
ni
columna i

a
k+1
nj
columna j

a
k
nn
3
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
5
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (VIc)

4. Para el valor elegido de se verica
a
k+1
ii
2
+
a
k+1
jj
2
=
a
k
ii
2
+
a
k
jj
2
+ 2
a
k
ij
2
.
5. Luego, si D
k
=
X
=
a
k
2
, entonces
D
k+1
= D
k
+ 2
_
a
k
ij
_
2
D
k
. (
*
)
(
*
) Pues a
k+1
= a
k
para /
i, j
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (VId)

6. Luego, si
k
=
X
=
a
k
2
, entonces
k+1
0,
k+1
=
k
2
_
a
k
ij
_
2

k
. (
*
)
(
*
) Pues tr
A
e
2
k+1
= tr
A
e
2
k
= tr
A
e
2
por ser semejantes.

Adem as, si Y
e
= X
e
2
con X
e
= X
e
T
, entonces tr (Y
e
) =
X
,
2
=
X
=
2
+
X
=
2
(por DP4).
Por tanto, D
k+1
+
k+1
= D
k
+
k
= tr
A
e
2
.
M
ETODO DE JACOBI: Fundamentaci on Te orica (VIe)

7. Adem as,
a
k
ij

k
n
2
n
, pues el m aximo es mayor o igual que la media.
8. En consecuencia
k+1
0,
k+1
=
k
2
a
k
ij
2

k
n
2
n 2
n
2
n
!
| {z }
1
,
9
>
>
>
>
>
>
=
>
>
>
>
>
>
;
=
8
>
<
>
:
lim
k
k
= 0,
lim
k
D
k
= tr
A
e
2
.

Auto Valor Es

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Auto Valor Es

Hochgeladen von

Copyright:

Verfügbare Formate

Typeset by GMNI & FoilT

real, sim etrica,

real, sim etrica, DEF+.

ECNICAS AUXILIARES: Reducci on de Autovalores (Ia)

ECNICAS AUXILIARES: Reducci on de Autovalores (Ib)

ECNICAS AUXILIARES: Reducci on de Autovalores (IIa)

ECNICAS AUXILIARES: Reducci on de Autovalores (IIb)

ECNICAS AUXILIARES: Reducci on de Autovalores (IIIa)

real, sim etrica,

real, sim etrica, DEF+,

ECNICAS AUXILIARES: Reducci on de Autovalores (IIIb)

ECNICAS AUXILIARES: Traslaci on de Autovalores (Ia)

ECNICAS AUXILIARES: Traslaci on de Autovalores (Ib)

ECNICAS AUXILIARES: Traslaci on de Autovalores (IIa)

ECNICAS AUXILIARES: Traslaci on de Autovalores (IIb)

ECNICAS AUXILIARES: Inversi on de Autovalores (Ia)

ECNICAS AUXILIARES: Inversi on de Autovalores (Ib)

ECNICAS AUXILIARES: Inversi on de Autovalores (IIa)

ECNICAS AUXILIARES: Inversi on de Autovalores (IIb)

ECNICAS AUXILIARES: Cociente de Rayleigh (Ia)

ECNICAS AUXILIARES: Cociente de Rayleigh (Ib1)

ECNICAS AUXILIARES: Cociente de Rayleigh (Ib2)

ECNICAS AUXILIARES: Cociente de Rayleigh (Ic1)

ECNICAS AUXILIARES: Cociente de Rayleigh (Ic2)

ECNICAS AUXILIARES: Cociente de Rayleigh (Ic3)

ECNICAS AUXILIARES: Cociente de Rayleigh (II)

ECNICAS AUXILIARES: Cociente de Rayleigh (IIIa)

real, sim etrica,

real, sim etrica, DEF+,

ECNICAS AUXILIARES: Cociente de Rayleigh (IIIb)

ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (Ia)

ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (Ib)

ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (II)

ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (IIIa)

ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (IIIb)

ECNICAS AUXILIARES: An alisis de Rayleigh-Ritz (IIIc)

ETODO DE MISES: Fundamentaci on Te orica (I)

ETODO DE MISES DIRECTO consiste en:

ETODO DE MISES: Fundamentaci on Te orica (IIa)

UNIVERSIDAD DE A CORU NA GRUPO DE M ETODOS NUM ERICOS EN INGENIERIA

ETODO DE MISES: Fundamentaci on Te orica (IIb)

ETODO DE MISES: Fundamentaci on Te orica (IIc)

ETODO DE MISES: Fundamentaci on Te orica (IId1)

ETODO DE MISES: Fundamentaci on Te orica (IId2)

ETODO DE MISES: Fundamentaci on Te orica (IId3a)

ETODO DE MISES: Fundamentaci on Te orica (IId3b)

ETODO DE MISES: Fundamentaci on Te orica (IIIa)

ETODO DE MISES: Fundamentaci on Te orica (IIIb)

ETODO DE MISES: Fundamentaci on Te orica (IVa)

real, sim etrica,

real, sim etrica, DEF+,

ETODO DE MISES: Fundamentaci on Te orica (IVb)

ETODO DE MISES: Programaci on (Ia)

ETODO DE MISES: Programaci on (Ib)

ETODO DE MISES: Programaci on (IIa)

ETODO DE MISES: Programaci on (IIb)

ETODO DE MISES: Programaci on (III)

ETODO DE MISES: Variantes (I)

ETODO DE MISES INVERSO [K

ETODO DE MISES: Variantes (II)

ETODO DE MISES AJUSTABLE [K

ETODO DE JACOBI: Fundamentaci on Te orica (I)

ETODO DE JACOBI consiste en:

ETODO DE JACOBI: Fundamentaci on Te orica (IIa)