Licenciatura en Electrnica y Computacin: Mtodos Numricos CIICAp

VALORES Y VECTORES PROPIOS

Los valores y vectores propios se conocen tambin como eigenvalores y
eigenvectores. Estos valores y vectores propios se utilizan generalmente en sistemas
lineales de ecuaciones homogneos que representan a problemas de ingeniera. El problema
de determinar los eigenvalores de una matriz se presenta en problemas de equilibrio
dinmico (vibraciones, elasticidad, sistemas oscilatorios). Un sistema lineal homogneo
tiene la forma general:

[A] {X} = 0 (1)

En el sistema de ecuaciones mostrado en (1) en forma matricial, se pueden obtener
soluciones no triviales (donde el vector X es distinto de cero). Generalmente estas
soluciones no son nicas, ya que las ecuaciones simultneas en (1) establecen relaciones
entre las x, las cuales pueden crear vectores {X} con distintos valores, cada vector puede
satisfacer al sistema (1), esto es, puede existir ms de un vector solucin.

El sistema matricial en (1), se puede representar en la forma general de un sistema de
ecuaciones:

( )
( )
( ) 0
0
0
2 2 1 1
2 2 22 1 21
1 2 12 1 11
=
=
=
+ +
+ +
+ + +
M
L
M M M M
L
L
n nn n n
n n
n n
x a x a x a
x a x a x a
x a x a x a

(2)

En (2), es un valor desconocido llamado valor propio (eigenvalor).Una solucin
{X} para el sistema (2), se conoce como vector propio (eigenvector). El sistema de
ecuaciones en (2) se puede expresar como:


[ ] [ ] [ ]{ } 0 = X I A
(3)

Para resolver (3) se requiere conocer , y para que exista una solucin no trivial, el
determinante de la matriz [A]= [ ] [ ] [ ] I A debe ser igual a cero. El desarrollo del
determinante igualndolo a cero, da como resultado un polinomio (conocido como
ecuacin caracterstica) de grado n (tamao de la matriz) y las races de este polinomio
son las soluciones de los eigenvalores, pudiendo ser estos con valor repetido. Esta ecuacin
caracterstica es de la forma:


0
1
2
2
1
1 0
= + + + + +


n n
n n n
a a a a a L
(4)

Al sustituir uno de los eigenvalores en la matriz [A], se obtiene un sistema lineal de
ecuaciones homogneas con solucin diferente de la trivial. Para resolver el sistema se da a
una de las incgnitas de {X} un valor arbitrario, por ejemplo x
1
= 1, con esto se obtienen
Marco A. Cruz Chvez mcruz@buzon.uaem.mx
Licenciatura en Electrnica y Computacin: Mtodos Numricos CIICAp
los valores de las otras incgnitas en trminos de x
1
al resolver el sistema resultante. Con la
solucin del sistema se obtendr el eigenvector correspondiente al eigenvalor utilizado.


Mtodo de Leverrier-Faddeev para la obtencin de la ecuacin caracterstica.

Este mtodo hace uso de la traza de una matriz (tr[A]), esta es la suma de los
elementos de la diagonal principal. El mtodo se expresa por el siguiente conjunto de
ecuaciones concurrentes:


1
1
1
trB
b = , en donde A B =
1
,

k
trB
b
k
k
= , en donde ( ) I b B A B
k k k 1 1
+ =

k = 2, 3, 4, , n




(5)

Donde, b
1
, b
2
,, b
n
, son las constantes a
1
,, a
n-1,
a
n
, de la ecuacin caracterstica (4), a
0
=
1.

Ejemplo 1. Resolver el sistema matricial [A] {X} = 0 utilizando eigenvalores:

a) Obtener los coeficientes de la ecuacin caracterstica de la matriz [A], usando el
mtodo de Leverrier-Faddeev.
b) Obtener los eigenvalores (races) de la ecuacin caracterstica.
c) Obtener los {X} eigenvectores resultantes del sistema matricial.

[ ]

=
1 1 0
1 3 2
0 2 5
A

[ ]

= =
1 1 0
1 3 2
0 2 5
1
A B

9 ) 1 3 5 (
1 1
= + + = = trB b

( )

= + =
9 0 0
0 9 0
0 0 9
1 1 0
1 3 2
0 2 5
1 1 0
1 3 2
0 2 5
1 1 2
I b B A B
Marco A. Cruz Chvez mcruz@buzon.uaem.mx
Licenciatura en Electrnica y Computacin: Mtodos Numricos CIICAp

( )

= + =
8 1 0
1 6 2
0 2 4
1 1 0
1 3 2
0 2 5
1 1 2
I b B A B

=
7 5 2
5 13 2
2 2 16
2
B

18 ) 7 13 16 (
2
1
2
1
2 2
= = = trB b

( )

= + =
18 0 0
0 18 0
0 0 18
7 5 2
5 13 2
2 2 16
1 1 0
1 3 2
0 2 5
2 2 3
I b B A B

=
6 0 0
0 6 0
0 0 6
3
B

6 ) 6 6 6 (
3
1
3
1
3 3
= + + = = trB b

La ecuacin caracterstica es:

0 6 18 9
2 3
= +

Utilizando el mtodo de biseccin para obtener las races de la ecuacin caracterstica se
tiene:

290 . 6
294 . 2
416 . 0
3
2
1
=
=
=

Marco A. Cruz Chvez mcruz@buzon.uaem.mx
Licenciatura en Electrnica y Computacin: Mtodos Numricos CIICAp
El sistema matricial es de la forma [ ] [ ] [ ]{ } 0 = X I A :

0
0
0
1 1 0
1 3 2
0 2 5
3
2
1
x
x
x

(6)
Sustituyendo el eigenvalor
1
en el sistema matricial (6):

0
0
0
584 . 0 1 0
1 584 . 2 2
0 2 585 . 4
3
2
1
x
x
x

(7)

Resolviendo (7) por Gauss-J ordan se tiene:

0 00 . 0 0 0
0 584 . 0 1 0
0 255 . 0 0 1


Que es equivalente al sistema:

=
=
0 584 . 0
0 255 . 0
3 2
3 1
x x
x x


Si se hace x
3
= 1, se obtiene que para el eigenvalor 416 . 0
1
= , el eigenvector es:

=
00 . 1
585 . 0
255 . 0
1
x

Sustituyendo el eigenvalor
2
en el sistema matricial (6):

0
0
0
294 . 1 1 0
1 706 . 0 2
0 2 706 . 2
3
2
1
x
x
x

(8)

Resolviendo (8) por Gauss-J ordan se tiene:

Marco A. Cruz Chvez mcruz@buzon.uaem.mx
Licenciatura en Electrnica y Computacin: Mtodos Numricos CIICAp

0 1 773 . 0 0
0 0 0 0
0 0 739 . 0 1

Que es equivalente al sistema:

= +
=
0 773 . 0
0 739 . 0
2 3
2 1
x x
x x


Si se hace x
2
= 1, se obtiene que para el eigenvalor 294 . 2
2
= , el eigenvector es:

=
773 . 0
00 . 1
739 . 0
2
x

Ejercicio 1: Obtener el ltimo eigenvector para el eigenvalor 290 . 6
3
= .

Marco A. Cruz Chvez mcruz@buzon.uaem.mx