INFORME

LABORATORIO 1
Edwin Callejas Pinto
3 de diciembre de 2015

INFORME
LABORATORIO 1
1.

de matrices en funcion
de la
Implementar los seis algoritmos de multiplicacion
n de una matriz cuadrada que debe generar aleatoriamente y calcular
dimension
de cada uno de los mismos con tic y toc y presentar un
los tiempos de ejecucion
grafico comparativo de los tiempos estimados para n = 100; 200; 300; 400; 500; 600.

El programa principal se denomina matxmatrun.m es:

Solucion.% archivo matxmatrun.m
clc
clear all
ncols = 10*[1,2,3,4,5,6];
ns=length(ncols); %n
umero de ns proporcionado
tp1=zeros(ns,1); tp2=tp1; tp3=tp1; tp4=tp1; tp5=tp1; tp6=tp1; tp7=tp1;
for i=1:ns
tp1(i)=matxmat(ncols(i),1);
tp2(i)=matxmat(ncols(i),2);
tp3(i)=matxmat(ncols(i),3);
tp4(i)=matxmat(ncols(i),4);
tp5(i)=matxmat(ncols(i),5);
tp6(i)=matxmat(ncols(i),6);
tp7(i)=matxmat(ncols(i),7);
end
tp = [tp1 tp2 tp3 tp4 tp5 tp6 tp7];
disp(tp);
plot(ncols,tp);
legend(ijk,jik,ikj,jki,kij,kji,cmd MATLAB,Location,northwest)
title(Gr
afico de comparaci
on de tiempos C = A * B)

matxmat.m es:
el programa de la funcion
%Sintaxis: [tp_ejec]=matxmat(n,op)
%Calcula el tiempo de ejecuci
on de los agoritmos de multiplicaci
on de
%matrices op=1: ijk, op=2: jik, op=3: ikj, op=4: jki, op=5: kij, op=6: kji
%op>=7: Comando MATLAB, n=dimensi
on de la matriz cuadrada.
%Maestria en Modelaje Matem
atico 1ra version 2015-2016 Carrera Matem
atica
%Autor: Dr. Porfirio Su~
nagua S. M
odulo: An
alisis Num
erico
function [tp_ejec]=matxmat(n,op)
if nargin<1

Lab 1

Edwin Callejas Pinto

A=[2 4 -1 5;0 1 3 5; -2 3 5 -1; 4 0 2 -3];
B=[3 5 7 1; 8 2 4 1; -3 -2 0 4; 2 5 7 1];
n=size(A,1);
else %A tiene entradas de 100 hasta 200, B entre 0 y 1
A=100+(200-100)*rand(n,n);
B=rand(n);
end
C=zeros(n,n);
tic
switch op
case 1 %ijk version fila
for i = 1:n
for j=1:n
s=0;
for k = 1:n
s=s+A(i,k)*B(k,j);
end
C(i,j)=s;
end
end
case 2 % version columna jik
for j = 1:n
for i=1:n
s=0;
for k = 1:n
s=s+A(i,k)*B(k,j);
end
C(i,j)=s;
end
end
case 3 %version gaxpy fila ikj
for i = 1:n
for k=1:n
aik=A(i,k);
for j = 1:n
C(i,j)=C(i,j)+aik*B(k,j);
end
end
end
case 4 %version gaxpy columna jki
for j = 1:n
for k=1:n
bkj=B(k,j);
for i = 1:n
C(i,j)=C(i,j)+A(i,k)*bkj;
end
end
end
case 5 %vesrion outer product fila kij
for k = 1:n
for i=1:n
aik=A(i,k);
for j = 1:n
C(i,j)=C(i,j)+aik*B(k,j);

Lab 1

Edwin Callejas Pinto

end
end
end
case 6 %version outer product columna kji
for k = 1:n
for j=1:n
bkj=B(k,j);
for i = 1:n
C(i,j)=C(i,j)+A(i,k)*bkj;
end
end
end
otherwise
C=A*B;
end %switch
tp_ejec=toc;
if nargin<1
disp(C);
end

de las matrices, por ejemplo para

se ha realizado pruebas con respecto al tamano
del comando a
el caso de ncols de 10, 20, hasta 60, con la modificacion
ncols = 10*[1,2,3,4,5,6];, en este caso muestra el grafico siguiente de las prue-

Grfico de comparacin de tiempos C = A * B

Grfico de comparacin de tiempos C = A * B

0.025

0.025
ijk
jik
ikj
jki
kij
kji
cmd MATLAB

0.02

0.015

0.02

0.015

0.01

0.01

0.005

0.005

0
10

15

20

25

ijk
jik
ikj
jki
kij
kji
cmd MATLAB

30

35

40

45

50

55

0
10

60

15

20

25

30

35

40

45

50

55

60

Figura 1: Graficos de tiempos de calculo de producto de matrices.

de la matriz
bas realizadas se verifica que de manera aleatoria cuando el tamano
esta entre 30 y 40, en el caso aplicando directamente el comando del MATLAB de
40 se muestra un
producto de matrices tal el caso del grafico que para el tamano
50 en ciertas ocasiones los tiempos de calculo son
tiempo mayor que en el tamano
mayores, tal como se observa en la figura de la izquierda.

Lab 1

Edwin Callejas Pinto

Retomando los valores iniciales de ncols = 100*[1,2,3,4,5,6];, es decir de 100
hasta 600, para un caso particular se obtiene los siguientes resultados:
0.0662
0.5195
1.7651
4.4598
8.5502
16.1720

0.0651
0.5198
2.0277
4.9600
9.8255
18.4805

0.0921
0.7489
2.9488
7.5394
17.0247
29.8210

0.0941
0.7323
2.4572
5.8426
11.3513
19.6858

0.0925
0.7483
2.9166
7.5418
16.7801
29.8428

0.0979
0.7435
2.4883
5.8981
11.4755
19.8160

0.0022
0.0088
0.0219
0.0668
0.1104
0.1864

cuyo grafico es:

Grfico de comparacin de tiempos C = A * B

30
ijk
jik
ikj
jki
kij
kji
cmd MATLAB

25

20

15

10

0
100

2.

150

200

250

300

350

400

450

500

550

600

Para cada matriz dada u otra generada, calcular los autovalores y autovectores
y comprobar si genera suficientes autovectores para autovalores repetidos.

Solucion.A=rand(10);
[V1,D1]=eig(A)
B=pascal(10);
[V2,D2]=eig(A)
C=diag([1 2 3 3 3 5 10 -1 2]);
[V3,D3]=eig(A)
Lo que proporciona el resultado
A =
0.5822
0.5407
0.8699

0.5447
0.6473
0.5439

0.4046
0.4484
0.3658

0.6963
0.0938
0.5254

0.3477
0.1500
0.5861

0.7363
0.3947
0.6834

0.8217
0.4299
0.8878

0.7904
0.9493
0.3276

0.5144
0.8843
0.5880

0.5341
0.0900
0.1117

Lab 1

Edwin Callejas Pinto

0.2648
0.3181
0.1192
0.9398
0.6456
0.4795
0.6393

0.7210
0.5225
0.9937
0.2187
0.1058
0.1097
0.0636

0.7635
0.6279
0.7720
0.9329
0.9727
0.1920
0.1389

0.5303
0.8611
0.4849
0.3935
0.6714
0.7413
0.5201

0.2621
0.0445
0.7549
0.2428
0.4424
0.6878
0.3592

0.7040
0.4423
0.0196
0.3309
0.4243
0.2703
0.1971

0.3912
0.7691
0.3968
0.8085
0.7551
0.3774
0.2160

0.6713
0.4386
0.8335
0.7689
0.1673
0.8620
0.9899

0.1548
0.1999
0.4070
0.7487
0.8256
0.7900
0.3185

0.1363
0.6787
0.4952
0.1897
0.4950
0.1476
0.0550

V1 =
Columns 1 through 6
-0.3700
-0.2933
-0.3484
-0.2891
-0.2993
-0.3195
-0.3603
-0.3422
-0.2885
-0.2240

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0610
0.5336
0.0046
-0.2199
-0.1471
0.0844
0.1001
-0.1448
-0.1012
-0.1239

+
+
+
+
+

0.0218i
0.0000i
0.2371i
0.4114i
0.1420i
0.1610i
0.1113i
0.1731i
0.4311i
0.2787i

0.0610
0.5336
0.0046
-0.2199
-0.1471
0.0844
0.1001
-0.1448
-0.1012
-0.1239

+
+
+
+
+
+
-

0.0218i
0.0000i
0.2371i
0.4114i
0.1420i
0.1610i
0.1113i
0.1731i
0.4311i
0.2787i

-0.1860
0.0617
0.0426
0.0635
-0.5054
0.2216
0.0693
-0.4467
0.3540
0.5671

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

+
+
+
+
+
+

0.1639i
0.1305i
0.1289i
0.2249i
0.2722i
0.0000i
0.0671i
0.0849i
0.0504i
0.0745i

-0.0279
0.3559
-0.1269
0.3642
-0.1039
0.2203
-0.7036
-0.1588
0.3793
-0.0163

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.4355
0.1326
-0.1343
-0.0481
0.0317
0.1845
-0.6515
-0.0734
-0.0104
0.5544

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0000
0.3300
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

+
+
+
+
+
+
+
+
+
+

0.0000i
0.7064i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0000
0.0000
0.3300
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.7064i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0000
0.0000
0.0000
-0.8767
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
-0.3482
0.0000
0.0000

+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.2559i
0.0000i
0.0000i

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.4063
0.0000

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.1888

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0978
-0.2559
0.5035
-0.1307
-0.0536
-0.0074
-0.3067
0.0623
0.0734
-0.1215

+
+
+
+
+
+
+

0.3509i
0.0554i
0.0000i
0.0050i
0.3823i
0.1152i
0.2849i
0.4069i
0.0255i
0.0151i

0.0978
-0.2559
0.5035
-0.1307
-0.0536
-0.0074
-0.3067
0.0623
0.0734
-0.1215

+
+
+
+
-

0.3509i
0.0554i
0.0000i
0.0050i
0.3823i
0.1152i
0.2849i
0.4069i
0.0255i
0.0151i

0.0000
0.0000
0.0000
0.0000
-0.3918
0.0000
0.0000
0.0000
0.0000
0.0000

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.5283i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

0.0000
0.0000
0.0000
0.0000
0.0000
-0.3918
0.0000
0.0000
0.0000
0.0000

+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.5283i
0.0000i
0.0000i
0.0000i
0.0000i

Columns 7 through 10
0.3802
0.2714
0.0550
0.3116
-0.0124
-0.6274
-0.1350
-0.2536
-0.0175
0.0073

+
+
+
+
+
-

0.1639i
0.1305i
0.1289i
0.2249i
0.2722i
0.0000i
0.0671i
0.0849i
0.0504i
0.0745i

0.3802
0.2714
0.0550
0.3116
-0.0124
-0.6274
-0.1350
-0.2536
-0.0175
0.0073

D1 =
Columns 1 through 6
5.1121
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i

Columns 7 through 10
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
-0.3482
0.0000
0.0000
0.0000

+
+
+
+
+
+
+
+
+
+

0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.0000i
0.2559i
0.0000i
0.0000i
0.0000i

B =

Lab 1

Edwin Callejas Pinto

1
1
1
1
1
1
1
1
1
1

1
2
3
4
5
6
7
8
9
10

1
3
6
10
15
21
28
36
45
55

1
4
10
20
35
56
84
120
165
220

1
5
15
35
70
126
210
330
495
715

1
6
21
56
126
252
462
792
1287
2002

1
7
28
84
210
462
924
1716
3003
5005

1
8
36
120
330
792
1716
3432
6435
11440

1
9
45
165
495
1287
3003
6435
12870
24310

1
10
55
220
715
2002
5005
11440
24310
48620

V2 =
0.0066
-0.0538
0.1965
-0.4223
0.5870
-0.5469
0.3413
-0.1375
0.0324
-0.0034

0.0385
-0.2125
0.4820
-0.5188
0.1232
0.3562
-0.4742
0.2790
-0.0840
0.0105

0.1458
-0.4778
0.5010
0.0488
-0.4232
0.0787
0.3806
-0.3795
0.1495
-0.0224

-0.4003
0.5734
0.0607
-0.3974
-0.1335
0.3297
0.1503
-0.3941
0.2089
-0.0372

0.7240
-0.0252
-0.3851
-0.2144
0.1792
0.2936
-0.0514
-0.3223
0.2321
-0.0483

0.5261
0.5444
0.2829
-0.1026
-0.3262
-0.1851
0.1897
0.2790
-0.2783
0.0664

-0.1259
-0.3063
-0.4676
-0.4848
-0.2748
0.0996
0.3736
0.1951
-0.3996
0.1182

0.0149
0.0639
0.1641
0.3106
0.4551
0.4978
0.3185
-0.1148
-0.5050
0.2184

-0.0010
-0.0062
-0.0234
-0.0654
-0.1482
-0.2817
-0.4500
-0.5710
-0.4305
0.4242

0.0000
0.0002
0.0012
0.0046
0.0145
0.0392
0.0951
0.2121
0.4411
0.8658

0
0.0000
0
0
0
0
0
0
0
0

0
0
0.0000
0
0
0
0
0
0
0

0
0
0
0.0000
0
0
0
0
0
0

0
0
0
0
0.0001
0
0
0
0
0

0
0
0
0
0
0.0002
0
0
0
0

0
0
0
0
0
0
0.0010
0
0
0

0
0
0
0
0
0
0
0.0095
0
0

0
0
0
0
0
0
0
0
0.1628
0

0
0
0
0
0
0
0
0
0
6.4461

D2 =
1.0e+04 *
0.0000
0
0
0
0
0
0
0
0
0
C =
1
0
0
0
0
0
0
0
0

0
2
0
0
0
0
0
0
0

0
0
3
0
0
0
0
0
0

0
0
0
3
0
0
0
0
0

0
0
0
0
3
0
0
0
0

0
0
0
0
0
5
0
0
0

0
0
0
0
0
0
10
0
0

0
0
0
0
0
0
0
-1
0

0
0
0
0
0
0
0
0
2

0
0
0
0
0
0
0
1
0

1
0
0
0
0
0
0
0
0

0
1
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
1

0
0
0
0
1
0
0
0
0

0
0
1
0
0
0
0
0
0

0
0
0
1
0
0
0
0
0

0
0
0
0
0
1
0
0
0

0
0
0
0
0
0
1
0
0

V3 =

D3 =

Lab 1

Edwin Callejas Pinto

-1
0
0
0
0
0
0
0
0

0
1
0
0
0
0
0
0
0

0
0
2
0
0
0
0
0
0

0
0
0
2
0
0
0
0
0

0
0
0
0
3
0
0
0
0

0
0
0
0
0
3
0
0
0

0
0
0
0
0
0
3
0
0

0
0
0
0
0
0
0
5
0

0
0
0
0
0
0
0
0
10

De los resultados se puede observar que a pesar de que en ciertos casos, tales

como el ultimo
que el autovalor = 2 tiene multiplidad 2 y el autovalor = 3
de la
tiene multiplicidad 3, la cantidad de autovectores corresponde al tamano
matriz, es decir los autovectores son linealmente independientes.
3.

Para cualquier matriz A calcule los autovalores de A y de A T .

Aplicando los comandos

Solucion.clc
clear all
A=rand(10);
[eig(A) eig(A)]
se obtiene:
5.2145
-1.1326
0.7957
0.7957
-0.1098
-0.1098
0.1692
0.1692
-0.1618
-0.4251

+
+
+
+
+
+
+

0.0000i
0.0000i
0.2932i
0.2932i
0.6297i
0.6297i
0.3706i
0.3706i
0.0000i
0.0000i

5.2145
-1.1326
0.7957
0.7957
-0.1098
-0.1098
0.1692
0.1692
-0.1618
-0.4251

+
+
+
+
+
+
+

0.0000i
0.0000i
0.2932i
0.2932i
0.6297i
0.6297i
0.3706i
0.3706i
0.0000i
0.0000i

genera dos columnas en las que se puede observar los autovalores de la matriz A
y de su transpuesta, comparando ambos se observa que son los mismos.

Lab 1
4.

Edwin Callejas Pinto

Verificar que los autovectores correspondientes a autovalores distintos son linealmente independientes.

Solucion.Para ello se construye el programa

A=[2 0 0; 1 1 1;-1 1 1]
[V,D]=eig(sym(A))
cuyos resultados son:
A =
2
1
-1

0
1
1

0
1
1

V =
[ 0, 1, -1]
[ -1, 1, 0]
[ 1, 0, 1]
D =
[ 0, 0, 0]
[ 0, 2, 0]
[ 0, 0, 2]
la independencia lineal se verifica mediante:

a V1 + b V2 + c V3 = 0

0
1
1

a 1 + b 1 + c 0 = 0
1
0
1

para lo cual necesariamente a = 0, b = 0 y c = 0.

5.

Genere una matriz simetrica que tenga autovalores repetidos y verifique la matriz
tiene n autovectores linealmente independientes.
Se han realizado pruebas y general las matrices con vectores columna o
Solucion.fila ordenados mayores a 3, son simetricas y tienen autovalores repetidos, ademas
generan autovectores linealmente independientes, por ejemplo:
A=[0:4;1:5;2:6;3:7;4:8]
[V,D]=eig((A))
>>

Lab 1

Edwin Callejas Pinto

A =
0
1
2
3
4

1
2
3
4
5

2
3
4
5
6

3
4
5
6
7

4
5
6
7
8

V =
0.7382
0.4368
0.1355
-0.1659
-0.4673

0.5759
-0.7950
0.0465
-0.0116
0.1842

0.2539
0.2477
-0.7926
-0.1736
0.4646

0.0620
-0.0809
-0.4118
0.8184
-0.3876

0.2346
0.3304
0.4262
0.5220
0.6178

D =
-2.2474
0
0
0
0

0
0.0000
0
0
0

0
0
0.0000
0
0

0
0
0
0.0000
0

0
0
0
0
22.2474

para verificar se ha implementado el siguiente programa, el mismo muestra que

la matriz es simetrica y tiene autovalores repetidos k = {0}k , donde k es el orden
y es de grado k = dim( A) 2
de repeticion
n=7
for i=1:n
for j=1:n
A(i,j)=i+j-1;
end
end
A
[V,D]=eig((A))
>>
n =
7
A =
1
2
3
4
5
6

2
3
4
5
6
7

3
4
5
6
7
8

4
5
6
7
8
9

5
6
7
8
9
10
9

6
7
8
9
10
11

7
8
9
10
11
12

Lab 1

Edwin Callejas Pinto

10

11

12

13

V =

6.

0.6450
0.4623
0.2797
0.0970
-0.0856
-0.2683
-0.4509

0.3788
0.1948
-0.8199
-0.1734
0.1164
0.3201
-0.0168

0.5330
-0.8025
-0.0019
0.2679
0.0127
-0.0069
-0.0023

-0.2029
0.1459
-0.3325
0.8486
-0.2968
-0.1341
-0.0281

-0.1444
-0.0343
-0.1495
0.1307
0.8399
-0.4366
-0.2059

0.2148
0.0997
-0.1278
-0.1345
-0.1189
-0.6349
0.7016

0.2198
0.2683
0.3168
0.3653
0.4138
0.4623
0.5108

D =
-3.7179
0
0
0
0
0
0

0
-0.0000
0
0
0
0
0

0
0
-0.0000
0
0
0
0

0
0
0
0.0000
0
0
0

0
0
0
0
0.0000
0
0

0
0
0
0
0
0.0000
0

0
0
0
0
0
0
52.7179

Generar matrices semejantes y comprobar que tienen los mismos autovalores y

de semejanza.
los autovectores son transformados por la matriz de transicion
Una matriz semejante a la matriz A se define mediante B = P1 A P, es
Solucion.decir para que exista semejanza es suficiente que cualquier matriz sea inversible,

en este caso la matriz P, tal como se muestra con el siguiente codigo,

B es la matriz
semejante:
clc
clear all
A=10*rand(5)
P=10*rand(5);
PI=inv(P);
B=PI*A*P
[VA,DA]=eig(A)
[VB,DB]=eig(B)
se obtiene:
A =
9.5163
9.2033
0.5268
7.3786
2.6912

4.2284
5.4787
9.4274
4.1774
9.8305

3.0145
7.0110
6.6634
5.3913
6.9811

6.6653
1.7813
1.2801
9.9908
1.7112

0.3260
5.6120
8.8187
6.6918
1.9043

B =
-41.4827

-35.7251

-37.8470

-42.7950

-31.3732

10

Lab 1

Edwin Callejas Pinto

-66.4118
4.4905
90.0798
45.4264

-40.2534
0.1533
66.2238
34.3489

-50.9012
-3.2697
78.2393
35.1604

-62.9559
0.4686
87.2882
42.6034

-25.8552
2.7521
57.9315
31.2711

VA =
-0.4029
-0.4521
-0.4174
-0.5646
-0.3745

-0.2771
0.4736
0.1749
0.2776
-0.7689

-0.0600
-0.4237
0.8259
0.0177
-0.3668

-0.6511
-0.2540
0.6406
0.2578
0.1862

-0.6670
-0.0694
0.6644
-0.1731
0.2809

DA =
27.0268
0
0
0
0

0
-5.3857
0
0
0

0
0
-2.1007
0
0

0
0
0
5.4679
0

0
0
0
0
8.5452

VB =
-0.3869
-0.4296
-0.0165
0.7380
0.3475

0.1816
0.7019
0.0063
-0.6604
-0.1957

0.3635
0.5219
0.0806
-0.7282
-0.2423

-0.2997
-0.5350
-0.2215
0.6935
0.3066

-0.3032
-0.7057
0.0628
0.4950
0.4014

DB =
27.0268
0
0
0
0

0
8.5452
0
0
0

0
0
5.4679
0
0

0
0
0
-2.1007
0

0
0
0
0
-5.3857

se puede observar los autovalores generados son los mismos, aunque vienen desordenados uno respecto del otro. Otras propiedades que cumplen las matrices
simetricas son:
Poseen el mismo rango.
Tienen el mismo determinante.
Tienen la misma traza.
Tienen los mismos valores propios (aunque los vectores propios, en general,
seran distintos).
Tienen el mismo polinomio caracterstico.
Tienen el mismo polinomio mnimo.
7.

Transcribir el programa que genera los crculos de Gerschgorin para diferentes

matrices. Se aconseja que el archivo se llame circulogersh.m, luego dada una
matriz A, ejecute circulogersh(A).

11

Lab 1

Edwin Callejas Pinto

Solucion.Transcribiendo el programa:
%---------------Pregunta7
function circulogersh(A)
n=size(A);
if n(1) ~= n(2)
error(Solo matrices cuadradas);
else
n=n(1);
circler=zeros(n,201);
circlec=circler;
end
center=diag(A);
radiic=sum(abs(A-diag(center)));
radiir=sum(abs(A-diag(center)));
one=ones(1,201);
cosisin=exp(1i*(0:pi/100:2*pi));
figure(1);
title(Circulos por Filas);
xlabel(Re); ylabel(Im); figure(2);
title(Circulos por Columnas);
xlabel(Re); ylabel(Im);
for k=1:n
circlec(k,:)=center(k)*one + radiic(k)*cosisin;
circler(k,:)=center(k)*one + radiir(k)*cosisin;
figure(1);
patch(real(circler(k,:)),imag(circler(k,:)),cyan);
hold on;
plot(real(circler(k,:)),imag(circler(k,:)),k-,...
real(circler(k,:)),imag(circler(k,:)),kx);
figure(2);
patch(real(circlec(k,:)),imag(circlec(k,:)),green);
hold on;
plot(real(circlec(k,:)),imag(circlec(k,:)),k-,...
real(circlec(k,:)),imag(circlec(k,:)),kx);
end
for k=1:n
figure(1);
plot(real(circler(k,:)),imag(circler(k,:)),k-,...
real(circler(k,:)),imag(circler(k,:)),kx);
figure(2);
plot(real(circlec(k,:)),imag(circlec(k,:)),k-,...
real(circlec(k,:)),imag(circlec(k,:)),kx);
end
figure(1); axis image; hold off;
12

Lab 1

Edwin Callejas Pinto

figure(2); axis image; hold off

return
y luego se ejecuta desde el promp, o tambien se hace otro programa, que tenga la
lnea de comando
clc
A=[30 1 2 3;4 15 -4 -2; -1 0 3 5; -3 5 0 -1];
circulogersh(A)
cuyo resultado muestra el siguiente grafico:
Circulos por Filas

Circulos por Columnas

10

10

Im

Im

5
0
5

10
10

10

15
Re

20

25

30

10

35

10

15
Re

20

25

30

35

Figura 2: Crculos de Gershgorin.

Otro ejemplo para una matriz simetrica sera:
A=[0:3;1:4;2:5;3:6]
circulogersh(A)
cuyo grafico es:

Circulos por Filas

10

10

Im

Im

Circulos por Columnas

10

10
5

10

15

Re

10

15

Re

Figura 3: Crculos de Gershgorin para matrices simetricas con autovalores repetidos.

13