Mtodos Numricos: Resumen y ejemplos

Tema 7: Valores y vectores propios

Francisco Palacios
Escuela Politcnica Superior de Ingeniera de Manresa
Universidad Politcnica de Catalua
Abril 2009, Versin 1.7

Contenido
1. Definiciones y propiedades.
2. Mtodo de la potencia.
3. Mtodo de la potencia inversa.
4. Mtodo de la potencia inversa desplazada.

Definiciones y propiedades

Notaciones
A matriz cuadrada n n.
v vector de dimensin n.
escalar.
Objetivo
Buscar escalares y vectores no nulos v tales que

valor propio de A.
A v = v =
v vector propio asociado a .
Polinomio caracterstico
p() = det (A I) .
Los valores propios de A son las races del polinomio caracterstico
valor propio p() = 0.
Clculo de vectores propios
1

Resumen y ejemplos

Tema 5: Valores y vectores propios 2

Para cada valor propio resolvemos el siguiente sistema de ecuaciones lineales

(A I) v = 0,
que debe ser un sistema compatible indeterminado.
Espectro. Radio espectral
El espectro de una matriz es el conjunto de sus valores propios, lo representamos por (A).
(A) = { : es valor propio de A}.
El radio espectral de la matriz es el mdulo mximo de sus valores propios,
lo representamos por (A).
(A) = max{|| : es valor propio de A}.

Diagonalizacin
Sea A una matriz n n.
Si A tiene n valores propios distintos 1 , . . . , n y v1 , . . . , vn son vectores
propios asociados, entonces
D = V1 AV.
D es matriz diagonal

1
0
..
.
0

0
2
..
..
.
.
0

0
0
..
.
n

V = (v1 |v2 | |vn ) tiene en columnas los vectores propios de A.

Ejemplo 1.1 Dada la matriz

3 1 0
A = 1 2 1 ,
0 1 3

calcula:
(a) Valores propios. Radio espectral.
(b) Vectores propios asociados.
(d) Diagonaliza la matriz A.

Resumen y ejemplos

Tema 5: Valores y vectores propios 3

(a) Clculo de los valores propios.

Empezamos por calcular el polinomio caracterstico

3 1
0

p() = |A I| = 1 2 1
0
1 3

p() = (3 )2 (2 ) (3 ) (3 )
= (3 ) [(3 )(2 ) 2]

= (3 ) (2 5 + 4)
|
{z
}
factorizamos

Factorizamos el polinomio caracterstico.

2 5 + 4 = 0 =

25 16
=
2

5+3
2
53
2

= 4,
= 1.

p() = ( 1)(3 )( 4).

Los valores propios son las soluciones de la ecuacin caracterstica p() = 0.
1 = 1, 2 = 3, 3 = 4.
El espectro de A es
(A) = {1, 3, 4}.
El radio espectral de A es
(A) = 4.
(b) Clculo de vectores propios.
Para cada valor propio , tenemos que resolver el sistema (A I) v = 0.
Vectores propios asociados a = 1.
(A I) v = 0,

2 1 0
x
0
1 1 1 y = 0 ,
0 1 2
z
0

2x y = 0,
x + y z = 0,

y + 2z = 0.

Resolvemos el sistema por reduccin.

(1a + 2 2a ) 1a

y 2z = 0,
x + y z = 0,

y + 2z = 0.

Resumen y ejemplos

Tema 5: Valores y vectores propios 4

Eliminamos la tercera ecuacin y resolvemos paramtricamente

x = t,
y 2z = 0,

y = 2t,
x + y z = 0,

z = t, t R.
Los vectores propios asociados a = 1 son de la forma

1

2 .
v = tv1 , con v1 =
1

Vectores propios asociados a = 3. Tenemos el sistema

(A 3I) v = 0,

0 1 0
x
1 1 1 y =
0 1 0
z

x = t,
x y z = 0,

y = 0,
y = 0.

z = t.

0
0 ,
0

t R.

Los vectores propios asociados a = 3 son de la forma

1
v = tv2 , con v2 = 0 .
1
Vectores propios asociados a = 4. Resolvemos
(A 4I) v = 0,

1 1 0
x
0
1 2 1 y = 0 .
0 1 1
z
0

x y = 0,
x y = 0,
y z = 0,
x 2y z = 0,
(2a 1a ) (2a )

y z = 0.
y z = 0.

x = t, t R.
x + y = 0,

y = t,
y + z = 0.

z = t.

Vectores propios asociados a = 4

1
v = t v3 , con v3 = 1 .
1

Resumen y ejemplos

Tema 5: Valores y vectores propios 5

(c) Diagonalizacin
Formamos la base de vectores propios
B = (v1 , v2 , v3 ) .
La matriz de cambio tiene en columnas los vectores propios

1 1
1
V = 2 0 1 .
1 1 1
Diagonalizacin. Se cumple

D = V1 AV
donde D es una matriz diagonal

1 0 0
D = 0 3 0 .
0 0 4

Verificamos la diagonalizacin

1 2
1
1/6 1/3
1/6
1
0
1/2 = 3 0 3 ,
V1 = 1/2
6
2 2 2
1/3 1/3 1/3

3 1 0
1 2 1
0 1 3

1 3
4
6
1
2 0 4 = 0
6
1 3 4
0

1 0 0
V1 AV = 0 3 0 .
0 0 4

1 2
1
1
1
3 0 3
V AV =
6
2 2 2

1 2
1
1
= 3 0 3
6
2 2 2

1 1
1
2 0 1
1 1 1

0 0
18 0
0 24

Ejemplo 1.2 Clculo de V1 por Gauss-Jordan.

Partimos de (V|I3 ) y operamos por filas hasta obtener (I3 |V1 ).

1 1
1 1 0 0
2 0 1 0 1 0 ,

1 1 1 0 0 1

Resumen y ejemplos

Tema 5: Valores y vectores propios 6

1 1
1 1 0 0
(2a 2 1a ) (2a ) 0 2 3 2 1 0 ,
(3a 1a ) (3a )
0 2 0 1 0 1

1 1
1 1 0 0
(3a ) (2a ) 0 2
0 1 0 1 ,
a
a
(2 ) (3 )
0 2 3 2 1 0

1 1 1 1 0 0
0 2 0 1 0 1 ,

a
a
a
(3 + 2 ) (3 )
0 0 3 1 1 1

0
0
1 1 1 1

1
2a (2a ) 0 1 0 1/2
0
1/2 ,

21

a
a
0 0 1 1/3 1/3 1/3
3 3 (3 )

1 0 0 1/6 1/3
1/6
(1a 2a 3a ) (1a ) 0 1 0 1/2
0
1/2 ,

0 0 1 1/3 1/3 1/3

Resulta

V1

2
2.1

1/6 1/3
1/6
= 1/2
0
1/2 .
1/3 1/3 1/3

Mtodo de la potencia
Definiciones

Valor propio dominante

Es el de mayor mdulo. Si
|1 | > |2 | > > |n | ,
entonces 1 es el valor propio dominante.
Vector normalizado
Dado un vector

v=

v1
v2
..
.
vn

decimos que la componente vj es una componente dominante si

|vj | = kvk = max |vj | .
j

Resumen y ejemplos

Tema 5: Valores y vectores propios 7

Observa que un vector puede tener ms de una componente dominante, pero

todas las componentes dominantes deben tener el mismo valor absoluto.
Un vector est normalizado si sus componentes dominantes valen 1. Si
vdom es una componente dominante de v, podemos obtener un vector normalizado v
en la direccin de v
v
=

1
vdom

v.

Ejemplo 2.1 Dado el vector

1
2

v=
4
1

determina las componente dominantes y calcula un vector normalizado.

La componente dominante es
vdom = v3 = 4,
vemos que
|v3 | = kvk .
Vector normalizado

1
1/4
1/2
1
1
2

=
v
=
v=
vdom
4 4 1
1
1/4

Observamos que la componente dominante el vector normalizado vale 1.

2.2

Mtodo de la potencia

Dada una matriz A matriz de dimensin n n, el objetivo es calcular el

valor propio dominante y un vector propio asociado.
Supondremos que la matriz A tiene valores propios distintos
|1 | > |2 | > > |n | ,
con vectores propios asociados v1 , v2 , , vn . Tambin suponemos que tenemos un vector inicial x(0) que se puede escribir
x(0) = 1 v1 + + n vn

con 1 6= 0.

Resumen y ejemplos

Tema 5: Valores y vectores propios 8

Mtodo

(j+1) = Ax(j) ,

y
cj+1 = componente dominante de y(j+1) ,

x(j+1) = 1 y(j+1) Normalizado de y(j+1) .

cj+1

Si las hiptesis citadas son ciertas, entonces se cumple:

La sucesin de escalares (cj ) tiende al valor propio dominante 1
j

c1 , c2 , , cj , 1 .

La sucesin de vectores x(j) tiende a un vector propio normalizado asociado a 1 .

j
1 .
x(1) , x(2) , , x(j) v
Ejemplo 2.2 Aproxima el valor propio dominante y un vector propio asociado de la matriz

3 1 0
A = 1 2 1 .
0 1 3
Inicia las iteraciones con

x(0)
Fase 1.
y(1) = Ax(0)

1
= 1 .
1

3 1 0
1
2

1 2 1
1
0 ,
=
=
0 1 3
1
2

c1 = 2 (componente dominante

2
1 (1) 1
(1)
x = y =
0
=
2
2
2

Fase 2.

y(2) = Ax(1)

x(2)

de y(0) ),

1
0 .
1

3 1 0
1
3
= 1 2 1 0 = 2 ,
0 1 3
1
3

c2 = 3,

3
1
1.0
1
= 2 = 2/3 = 0. 6667 .
3
3
1
1.0

Resumen y ejemplos

Tema 5: Valores y vectores propios 9

Fase 3.
y(3) = Ax(2)

3 1 0
1.0
3.6667
= 1 2 1 0. 6667 = 3.3333 ,
0 1 3
1.0
3.6667

x(3)
Fase 4.

c3 = 3.6667,

1
= 0.9091 .
1

y(4) = Ax(3)

x(4)
Fase 5.

3.9091
= 3.8181 ,
3.9091

c4 = 3.9091,

1
1 (4)
0.9767 .
= y =
c4
1

y(5) = Ax(4)

x(5) =

3.9767
= 3.9534 ,
3.9767

c5 = 3.9767,

1 (5)
y
c5

Fase 6.
y(6) = Ax(5)

x(6) =

1
= 0.9942 .
1

3.9942
= 3.9883 ,
3.9942

c6 = 3.9942,

1 (6)
y
c6

Fase 7.
y(7) = Ax(6)

1
= 0.9985 .
1

3.9985
= 3.9970 .
3.9985

c7 = 3.9985.

Resumen y ejemplos

Tema 5: Valores y vectores propios 10

x(7) =
Fase 8.

Fase 9.

Fase 10.

1 (7)
y
c7

1
= 0.9996 .
1

3.9996
y(8) = Ax(7) = 3.9993 ,
3.9996
c8 = 3.9996,

1
1
x(8) = y(8) = 0.9999 .
c8
1

3.9999
y(9) = Ax(8) = 3.9998 ,
3.9999
c9 = 3.9999,

1
1
x(9) = y(9) = 1 .
c9
1

4
y(10) = 4 ,
4
C10 = 4,

1
x(10) = 1 = x(9) .
1
El valor propio dominante es
= lim cj = 4,
j

y un vector propio asociado es

v = lim x(j)
j

1
= 1 .
1

En el Ejemplo 1.1, hemos visto que A tiene valores propios

1 = 4, 2 = 3, 3 = 1,
y que los vectores propios asociados a 1 son de la forma

1
v = t 1 = tv1
1
v1 est normalizado.

Resumen y ejemplos

Tema 5: Valores y vectores propios 11

Mtodo de la potencia inversa

Objetivo. Calcular el valor propio de mdulo mnimo y un vector propio

asociado. Es decir si los valores propios de A, que cumplen
|1 | > |2 | > > |n | > 0,
queremos calcular n .
Valores propios de la matriz inversa
Sean
(, v) par valor-vector propio de A.
A invertible.
Entonces

1 , v es un par valor-vector propio de A1 .

Demostracin.
Sabemos que se cumple

Av = v,
premultiplicamos por la matriz inversa
A1 (Av) = A1 (v) ,

In v = A1 v,

v = A1 v.

Si una matriz es invertible, sus valores propios no pueden ser nulos (por
qu?), por lo tanto podemos multiplicar la tima igualdad por 1/ y resulta
1
1
v = v.
A

Es decir, = 1/ es un valor propio de A1 con vector propio asociado v.

Mtodo
Sea A matriz n n invertible con valores propios
|1 | > |2 | > > |n | > 0
y vectores propios asociados v1 , . . . , vn .
Segn hemos visto, la matriz B = A1 tiene valores propios
j =

1
.
j

Resumen y ejemplos
Como se cumple

Tema 5: Valores y vectores propios 12

1 1
< < < 1 ,
n
1 2

resulta

|1 | < |2 | < < |n |

Adems vj es un vector propio asociado a j .

1. Calculamos B = A1
2. Aplicamos el mtodo de la potencia a B y obtenemos el par

max valor propio dominante de B = A1 ,

max , v
v vector propio asociado a max .
3. Entonces

1

es el valor propio de mdulo mnimo de A
min =
max
v es un vector propio asociado a .
max

Ejemplo 3.1 Dada la matriz

A=

18 40
12 26

(a) Calcula el valor propio de mdulo mnimo y un vector propio asociado.

Toma como vector inicial

1
(0)
x =
.
1
(b) Verifica el resultado.
(a) Empezamos calculando la inversa de A.

18 40

= 468 + 480 = 12
|A| =
12 26
1

26 40
13/6 10/3
=
12 18
1
3/2

2.1667 3.3333
1
B=A =
1
1.5

1
=
12

Fase 0.
(0)

1
1

Resumen y ejemplos

Tema 5: Valores y vectores propios 13

Fase 1.
y

(1)

(0)

= Bx

2.1667 3.3333
1
1.5

x(1)

1
1

1. 1666
0. 5

c1 = 1.1666,

1 (1)
1
= y =
.
0.4286
c1

Fase 2.
y(2) = Bx(1) =

2.1667 3.3333
1
1.5

1
0.4286

c2 = 0.7381,

1
(2)
.
x =
0.4839
Fase 3.
y

(3)

x(3)

(2)

= Bx

x(4)

(3)

= Bx

x(5)

(4)

= Bx

x(6)

0. 5162
0. 2574

0. 5052
0. 2524

c4 = 0.5054,

1 (5)
1
= y =
.
0.4995
c5

Fase 6
(6)

c4 = 0.5162,

1
1
= y(4) =
.
0.4984
c4

Fase 5.
(5)

0. 5538
0. 2742

c3 = 0.5538,

1 (3)
1.00
= y =
.
0.4951
c3

Fase 4.
(4)

(5)

= Bx

0. 5018
0. 2508

c6 = 0.5018,

1
1
= y(6) =
.
0.4998
c6

0. 7381
0. 3571

Resumen y ejemplos

Tema 5: Valores y vectores propios 14

Fase 7.
y

(7)

x(7)

(6)

= Bx

(7)

= Bx

x(8)

(8)

= Bx

x(9)

0. 5002
0. 2501

c8 = 0.5002,

1 (8)
1.
= y =
.
0.5
c8

Fase 9.
(9)

0. 5006
0. 2503

c7 = 0.5006,

1 (7)
1.
= y =
.
0.4999
c7

Fase 8.
(8)

0. 5001
0. 2501

c9 = 0.5001,

1 (9)
1.
= y =
.
0.5
c9

Podemos tomar como valor propio de mdulo mximo de A1

max = 0.500,
vector propio asociado de max
v=

1
0.5

Entonces, el valor propio de mdulo mnimo de A ser

min =

1
max

1
= 2,
0.5

con vector propio asociado

v=

1
0.5

(b) Para verificar el resultado, calculamos los valores y vectores propios de

A.

18 40
A=
.
12 26

Resumen y ejemplos

Tema 5: Valores y vectores propios 15

Polinomio caracterstico

18
40
p () = |AI| =
12
26
= (18 )(26 ) + 480
= 2 8 + 12.

Valores propios
p() = 0 2 8x + 12 = 0,
(

8 16
8 64 48
=
=
=
2
2
1 = 6,

8+4
2
84
2

= 6,
= 2.

2 = 2.

El vector propio de mdulo mnimo es 2 = 2.

Calculamos los vectores propios asociado al valor propio de mdulo mnimo.
(A 2I) v = 0,


20 40
x
0
=
,
12 24
y
0

20x + 40y = 0,
x + 2y = 0,

12x + 24y = 0.
x + 2y = 0.

x = 2t,
y = t, t R.

Los vectores propios asociados a = 2 son de la forma

2
.
v = tv1 , con v1 =
1
Un vector propio normalizado es
v
1 =

1
1/2

Mtodo de la potencia inversa desplazada

Objetivo Aproximar un valor propio y un vector propio asociado a partir

w .
de una estimacin
Valores propios de C = (AI) .
Sea
(, v) par de valor-vector propio de A

Resumen y ejemplos

Tema 5: Valores y vectores propios 16

Entonces
( , v) es par valor-vector propio de C = (A I).
Demostracin
Av = v
Av v = v v

(A I) v = ( ) v

Fundamento del mtodo

est prximo al valor propio de A entonces C = A I
tiene un
Si
con || pequeo y podemos aplicar el mtodo de la
valor propio =

potencia inversa a C para determinar = .

Partimos de una matriz A de orden n n con valores propios
|1 | > |2 | > > |j | > > |n | ,
y vectores propios asociados v1 , v2 , . . . , vn . Disponemos adems de una es w j . El objetivo es aproximar el valor de j y obtener
timacin inicial
un vector propio asociado.
que tiene un valor propio de mdulo mnimo
1. Calculamos C = A I

min = j .

2. Calculamos B = C1 que tiene un valor propio dominante

max =

1
min

y aplicamos el mtodo de la potencia a B para obtener max y un

vector propio asociado v.
3. Entonces
max =

j =

1
max

Ejemplo 4.1 Sabemos que la matriz

3 1 0
A = 1 2 1 ,
0 1 3

+ .

tiene un valor propio

= 2.8. Calcula el valor de y determina un vector
propio asociado. Empieza las iteraciones con el vector

5
x(0) = 1 .
1

Resumen y ejemplos

Tema 5: Valores y vectores propios 17

= 2.8. Calculamos
Tenemos la aproximacin

3 1 0
2.8 0
= 1 2 1 0
2.8
C = AI
0 1 3
0
0

C = A I

0
0.2 1
0
0 = 1 0.8 1 .
2.8
0
1 0.2

Vamos a calcular el valor propio de mdulo mnimo de C aplicando el mtodo

de la potencia inversa. Calculamos B = C1 .

2. 6852
. 46296
2. 3148
B = . 46296 9. 2593 102 . 46296 .
2. 3148
. 46296
2. 6852

Aplicamos el mtodo de la potencia a B y determinamos max .

Fase 0.

5
(0)

x =
1 ,
1

Fase 1

5
2. 6852
. 46296
2. 3148
(0)
2

= Bx =
. 46296
. 46296 9. 2593 10
1
2. 3148
. 46296
2. 6852
1

10. 648

=
2. 8704 ,
9. 3518

y(1)

x(1) =

1 (1)
y
c1

Fase 2.
y(2)

c1 = 10. 648,

10. 648
1.0
1
=
2. 8704 = . 26957 .
10. 648
9. 3518
. 87827

1.0
2. 6852
. 46296
2. 3148
= Bx(1) = . 46296 9. 2593 102 . 46296 . 26957
2. 3148
. 46296
2. 6852
. 87827

4. 843
= 3. 1396 102 ,
4. 5483

x(2)

c2 = 4. 843,

4. 843
1.0
1
3. 1396 102 = 6. 4828 103 .
=
4. 843
4. 5483
. 93915

Resumen y ejemplos

Tema 5: Valores y vectores propios 18

Fase 3.
y(3) = Bx(2)

x(3)
Fase 4.

Fase 5.

Fase 6.

Fase 7.
y(7)

4. 9891
= 2. 1879 103 ,
4. 9816

4. 9967
= 6. 5383 104 ,
4. 9958

c4 = 4. 9967,

1.0
1 (5)
= y =
1. 3085 104 .
c5
. 99982

y(6) = Bx(5)

x(6)

c4 = 4. 9891,

1.0
1 (4)
= y =
4. 3854 104 .
c4
. 9985

y(5) = Bx(4)

x(5)

4. 8621
= 2. 7571 102 ,
4. 8336

c3 = 4. 8621,

1.0
1 (3)
= y =
5. 6706 103 .
c3
. 99414

y(4) = Bx(3)

x(4)

4. 9996
= 7. 1217 105 ,
4. 9995

c6 = 4. 9996,

1.0
1
= y(6) = 1. 4245 105 .
c6
. 99998

5.0
1 (6)
x = 7. 9402 106 ,
= B
4. 9999

x(7) =

1 (7)
y
c7

c7 = 5,

1.0
= 1. 588 106 .
. 99998

Resumen y ejemplos

Tema 5: Valores y vectores propios 19

Fase 8.
y(8) = Bx(7)

x(8)

5.0
= 9. 1122 106 ,
4. 9999
c8 = 5,

1.0
1 (8)
1. 8224 106 .
= y =
c8
. 99998

Podemos tomar como valor propio de mdulo mximo de B = C1

max = 5,
El vector propio asociado de max , con 4 decimales es

1
v = 0 .
1
= 2.8 es
El valor propio de A prximo a
=

1
= 1 + 2.8 = 3.0
+
max
5

y el vector propio asociado es

1
v = 0 .
1