Documentos de Académico
Documentos de Profesional
Documentos de Cultura
06 Val Prop 2009 1 PDF
06 Val Prop 2009 1 PDF
DE INGENIERÍA
Profesores:
Garrido Juárez Rosa
Castro Salguero Robert
Obregón Ramos Máximo
2009-1
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
El cálculo de los valores propios y de los vectores propios de una matriz tiene gran
importancia en las matemáticas y en la ingeniería, algunos de estos campos de
aplicación son:
- Sistemas Mecánicos vibratorios y resonancias- Valores propios ω2(frecuencia de
resonancia) y los vectores propios dados por los modos naturales de vibración.
- Circuitos eléctricos-circuitos resonantes
- Cálculos de Esfuerzos y Deformaciones.
- Transformaciones Geométricas usando Matrices.( Ejes de Rotación)
- Estabilidad de los sistemas lineales.(p.e. Ingeniería de Control)
Definición 1
1 2
Ejemplo 1. Sea A =
2 1
1 2 1 1
Dado que: =3
2 1 1 1
tenemos que:
λ1 =3 es el valor propio de A, y
u1 = [1 1]t es vector propio de A asociado al valor propio λ1 =3
1 2 1 1
Además, puesto que =−
2 1 − 1 − 1
tenemos que:
λ2 =-1 es el valor propio de A, y
u 2 = [1 − 1]t es vector propio de A asociado al valor propio λ2 =-1
1
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Teorema 1
Sea A una matriz cuadrada. Entonces λ es valor propio de A si y solo si det(A-λI) = 0
Demostración:
λ valor propio de A ⇔ u ≠ 0, Au = λu
⇔ u ≠ 0 y (A -λI)u = 0
⇔ (A - λI)u = 0 es un sistema compatible indeterminado
⇔ det(A - λI) = 0
Definición 2
Teorema 2
Sea A una matriz cuadrada de orden n con componentes en K y λ un valor propio de A.
El conjunto
{ }
E ( λ ) = u ∈ R n : ( A − λI ) u = 0
es un subespacio vectorial de Rn
Demostración. Ejercicio
Definición 3
Nota
El conjunto de todos los vectores propios de una matriz A asociados al valor propio λ
es dado por E( λ ) – {0}
2
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Definición 4
La dimensión del subespacio propio es llamada la multiplicidad geométrica (m.g.) del
valor propio y algunas veces Nulidad de (A-λI).
Teorema 3
Sea A una matriz cuadrada de orden n y λ un valor propio de A. Entonces, la
multiplicidad geométrica de λ es menor o igual a la multiplicidad algebraica de λ.
Este resultado nos permite concluir inmediatamente que si un valor propio tiene
multiplicidad algebraica 1, entonces su multiplicidad geométrica es también 1.
Ejemplo 2
Para la matriz A del ejemplo 1, tenemos:
1 2 1 0
A − λI = − λ
2 1 0 1
1− λ 2
=
2 1− λ
= (1 − λ2 ) − 4 = (1 − λ − 2)(1 − λ + 2)
= (3 − λ )(−1 − λ ) = 0
Por lo tanto, los valores propios de A son:
•λ1 = 3 con multiplicidad algebraica ma = 1 y
•λ2 = -1 con multiplicidad algebraica ma = 1
Para λ1 = 3, tenemos que resolver
1 − 3 2 x1 − 2 2 x1 0
2 1 − 3 x = 2 − 2 x = 0
2 2
3
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Ejemplo 3
Encuentre los valores y espacios propios de la matriz
5 4 2
A = 4 5 2
2 2 2
Solución
Encontremos el polinomio característico de la matriz A.
5−λ 4 2
det ( A − λI ) = 4 5−λ 2
2 2 2−λ
= (5 − λ )[(5 − λ )(2 − λ ) − 4] − 4[4(2 − λ ) − 4] + 2[8 − 2(5 − λ )]
( )
= (5 − λ ) 10 − 7λ + λ2 − 4 − 4(8 − 4λ − 4 ) + 2(8 − 10 + 2λ )
= (5 − λ )(λ − 1)(λ − 6 ) + 16(λ − 1) + 4(λ − 1)
= (λ − 1)[(5 − λ )(λ − 6 ) + 20]
(
= (λ − 1) − λ2 + 11λ − 10 )
= −(λ − 1)(λ − 1)(λ − 10 )
= −(λ − 1) (λ − 10 ).
2
Luego los valores propios son: λ = 1 con ma= 2 (la raíz se repite 2 veces) y λ = 10 con
ma=1.
Encontremos los vectores propios asociados con estos valores propios. Nuevamente
resolvemos el sistema homogéneo ( A − λI ) x = 0 , para λ = 1 y λ = 10 .
Para λ = 10 tenemos:
− 5 4 2 x1 0
( A − 10I ) x1 = 4 − 5 2 x2 = 0
2 2 − 8 x3 0
− 5 4 2 M 0 operacione
Aplicando − 5 4 2 M 0
fila s 9 18
4 − 5 2 M 0 → 0 − M 0
2 5 5
2 − 8 M 0 0
0 0 M 0
Las soluciones del sistema son: x1 = 2 x3 y x2 = 2 x3 . Los vectores propios asociados
con λ = 10 son de la forma
x1 2
u1 = x2 = x3 2 .
x 1
3
El sub-espacio característico o propio para λ = 10 es:
4
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
2 2
E10 = x3 2 : x3 ∈ IR = gen 2 . (m.g.=1)
1 1
Resolvamos ahora el sistema para λ = 1 , es decir,
4 4 2 x1 0
( A − 1I ) x = 4 4 2 x2 = 0 .
2 2 1 x 0
3
4 4 2 M 0 operacione
Aplicando 1 1 1/ 2 M 0
fila s
4 4 2 M 0 → 0 0 0 M 0 .
2 2 1 M 0 0 0 0 M 0
Las soluciones al sistema homogéneo están dadas por el vector
x1 x1 1 0
x = x2 = x2 = x1 0 + x 2 1 ,
x − 2x − 2x − 2 − 2
3 1 1
1 0 1 0
E1 = x1 0 + x2 1 : x1 ∈ IR, x2 ∈ IR = gen 0 , 1 .
− 2 − 2 − 2 − 2
Observe dim E1 = 2 =m.g.(multiplicidad geométrica) es igual a la multiplicidad
algebraica de la ecuación característica, este hecho es importante en la diagonalización
de matrices como lo veremos más adelante.
Proposición 1
b) Ejercicio
5
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Proposición 2
Sea A ∈ M n×n (K ) entonces
a) Si λ es valor propio de A (invertible) entonces λ−1 es valor propio de A-1
b) Si λ es valor propio de A entonces α λ es valor propio de αA, α ∈ R \ {0}
Teorema 4
Vectores propios asociados a valores propios distintos son linealmente independientes.
Demostración
Sea A una matriz cuadrada de orden n y u1 y u2 vectores propios de A asociados
respectivamente a los valores propios λ1 y λ2. Si λ1≠ λ2, queremos probar que el
conjunto {u1 , u2}es linealmente independiente.
Sean α1 , α 2 ∈ R / α1u 1 + α 2 u 2 = 0 (1) ⇒ A(α1u 1 + α 2 u 2 ) = 0
i.e A(α 1u 1 ) + A(α 2 u 2 ) = 0 ⇒ α 1 ( Au 1 ) + α 2 ( Au 2 ) = 0
como Au 1 = λ1u 1 ; Au 2 = λ 2 u 2 ⇒ α1λ1u 1 + α 2 λ2 u 2 = 0 ( 2)
multiplicando (1) × λ 2 : λ 2α 1u 1 + λ 2α 2 u 2 = 0 (3)
(3) − (2) : λ2α 1u 1 − λ2α1u 1 = 0 ⇒ (λ2 − λ1 )α 1u 1 = 0; λ2 ≠ λ1 ∧ α1u 1 = 0 ⇒ α 1 = 0
sustituyendo en (1) α 2 = 0
Así probamos que si α 1u 1 + α 2 u 2 = 0 ⇒ α 1 = α 2 = 0 Aplicando inducción tenemos el
resultado final. ■
Definición 5
Dos matrices A y B, de orden n, se dicen son semejantes si existe una matriz P, de
orden n, invertible tal que B = P-1AP
Teorema 5
Sean A y B dos matrices semejantes de orden n entonces:
Demostración:
1
(i) Como B = P-1AP tenemos B = P -1AP = P -1 A P = AP = A
|P|
(ii) B - λI = P -1AP - λI = P -1AP - λP -1I P = P -1 (A - λI) P = P -1 (A - λI) P = A - λI
(iii) Consecuencia de (ii)
(iv) Si u es un vector propio de A asociado al valor propio λ entonces
Au = λu ⇒ P −1APP −1u = P −1λu ⇒ (P −1AP)(P −1u) = λ (P −1u)
⇒ B(P −1u) = λ (P −1u)
6
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Definición 6
Una matriz A de orden n se dice que es diagonizable si es semejante a una matriz
diagonal D, es decir diremos que una matriz A es diagonalizable si existe una matriz P
no singular que verifique que P-1AP=D.
Observaciones
• Todas la matrices simétricas son diagonalizables
• Los valores propios de A son los elementos de la diagonal de la matriz D
• Si la multiplicidad geométrica es menor que la multiplicidad aritmética entonces
es posible encontrar los demás vectores asociados a λi usando la definición de
vectores propios generalizados.
• Si P está formado por vectores propios generalizados al multiplicar P-1AP
encontramos una matriz diagonal por bloques conocida como matriz de Jordan.
Definición 7
Vectores Propios Generalizados – son aquellos vectores que se encuentran mediante la
siguiente ecuación:
Teorema 6
Una matriz A es diagonalizable si y solo si admite n vectores propios que constituye un
conjunto linealmente independiente
Demostración
()
Sea P una matriz invertible tal que P-1AP es diagonal. Sea
Entonces
7
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
ACi = λi Ci
i.e Ci es vector propio de A asociado a λ i. Por otro lado como P es invertible, tenemos
el conjunto {C1,C2,…Cn} linealmente independiente.
()
Recíprocamente, sean {x1,x2,,..xn} un conjunto linealmente independiente de vectores
propios de la matriz A, asociados a los valores propios λ1, λ2,K, λn entonces, para cada
i = 1,2, K , n tenemos que Axi = λi xi
Sea P = [x1 , x 2 , K , xi , K , x n ] . Entonces: AP = [λ1 x1 , λ2 x2 , K , λi xi , K , λn xn ]
Sea
y1
y
2
M
P −1 = la matriz inversa de P. entonces
y j
M
y n
Luego:
Corolario 1
Si A es una matriz cuadrada de orden n. Si A tiene n valores propios distintos entonces
A es diagonalizable.
Demostración
Inmediata.
Corolario 2
Una matriz A es diagonizable si la multiplicidad algebraica es igual a la multiplicidad
geométrica para cada valor propio
Ejemplo 4:
1 0 0
Sea la matriz B = 4 3 2 tiene 3 valores propios distintos, se nota que:
4 2 3
det( B − λI ) = 0 ⇔ (−1 − λ )(1 − λ )(7 − λ ) = 0 ⇔ λ = −1, λ = 1, λ = 7
Entonces la matriz es diagonalizable, pues es semejante a la matriz
− 1 0 0
0 1 0
0 0 7
8
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Ejemplo 5:
3 1 0
Sea C = 0 3 1 , teniendo que
0 0 3
det(C − λI ) = 0 ⇔ (3 − λ ) 3 = 0 ⇔ λ = 3 (multiplicidad algebraica ma =3)
Verificamos que la matriz C tiene un único valor propio 3. En este caso los vectores
1
propios. Asociados a λ =3, son vectores no nulos dados por t 0 t ∈ R , la
0
multiplicidad geométrica del valor propio 3 es 1. ( m a ≠ m g ) Entonces, C no es
diagonizable.
Ejemplo 6:
1 0 − 2
Sea la matriz 0 0 0 , tiene dos valores propios distintos, 0 (de multiplicidad
− 2 0 4
algebraica 2) y 5 (multiplicidad algebraica 1)
Como
1 0 − 2
A − 0I = 0 0 0
− 2 0 4
Tenemos que la multiplicidad geométrica del valor propio 0 es 2, por lo que m a = m g
Por otro lado verificamos que los vectores propios de A, asociados al valor propio
2 0
λ 1=0, son los vectores no nulos de la forma α 0 + β 1, α , β ∈ R
1 0
Los vectores propios asociados al valor propio λ 2=5, son vectores no nulos de la forma
1 2 0 1
γ 0 , γ ∈ R . Entonces, P = 0 1 0 , es una matriz diagonalizante de A. En
− 2 1 0 − 2
0 0 0
efecto P AP = D = 0 0 0
-1
0 0 5
Proposición 3:
Para una matriz A simétrica, sus vectores propios asociados a valores propios diferentes
son ortogonales.
Demostración:
Sean X 1 , X 2 vectores propios de A asociados a λ 1, λ 2 respectivamente. Se sabe que
AX 1 = λ 1 X 1 y AX 2 = λ 2 X 2 . Ahora si escribimos los vectores como matrices
9
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Definición 8
Se dice que un conjunto de vectores { x 1 , x 2 ,.., x n } son ortonormales si:
0 (i ≠ j )
xi x j =
1 (i = j )
Teorema 7
Si λ es un valor propio cualquiera de A, entonces: λ≤ A
Sea D la unión de todos los discos d i . Entonces, todos los valores propios de A se
encuentran contenidos en D.
Demostración
Sea λ un valor propio de A y x su vector correspondiente, tal que max i xi = 1 .
Entonces
Ax = λx
De donde
10
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
i.e los valores propios están contenidas en disco dk y, como λ es arbitrario, entonces
todos los valores propios de A deben de estar contenidos en la unión de todos los discos.
■
Ejemplo 7
5 −2 0
La matriz A = − 2 3 − 1 tiene como sus valores propios
0 − 1 1
λ1 = 0.4158; λ2 = 2.2943; λ3 = 6.2899 . Calculando los discos de Gershgorin, tenemos
d1 : λ − 5 ≤ − 2 + 0 = 2
d2 : λ − 3 ≤ − 2 + −1 = 3
d3 : λ − 1 ≤ 0 + − 1 = 1
Como todos los valores propios de A son reales, y observando la figura que en cada
disco debemos tener un valor propio, podemos decir que:
• Existe un valor propio, λ3 , que está dentro del disco centrado en 5 y radio 2, en
efecto: 3 < λ3 = 6.2899 < 7
• Existe un valor propio, λ2 , que está dentro del disco centrado en 3 y radio 3, en
efecto: 0 < λ 2 = 2.2943 < 6
• Existe un valor propio, λ1 , que está dentro del disco centrado en 1 y radio 1, en
efecto: 0 < λ1 = 0.4148 < 2
Img
1 2 3 4 5 6 7
Re
11
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Método de la Potencia
linealmente independientes.
b) Además supondremos que A tiene precisamente un valor característico que es el
mayor en magnitud y que, por esta razón, supondremos que λ1 , λ 2 ,........λ n denotan
a los valores característicos de A con:
λ 1 > λ 2 ≥ ....... ≥ . λ n ≥ 0 .
n n
Ax = ∑ α j A v ( j ) = ∑ α j λ j v ( j )
j =1 j =1
n n
A 2 x = ∑α j A 2 v ( j ) = ∑ α j λ j v ( j )
2
(3)
j =1 j =1
......................
......................
n n
Ak x = ∑α j Ak v ( j ) = ∑α j λ j v ( j )
k
j =1 j =1
factorizando λ k
1 en última ecuación de (3)
n
λj ( j)
A k x = λ1k ∑ α j v
j =1 λ1
λj
k
Si λ1 > λ j ,para j=2,3..,n, implica que lim k − >∞ = 0
λ1
lim k − >∞ A k x = lim k − > ∞ λ1k α 1v (1) (4)
12
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Algoritmo de la Potencia
Paso 1: k=1
Paso 2: Encontrar un entero p con 1 ≤ p ≤ n y xp = x ∞
x
Paso 3: Tomar x =
xp
Paso 4: Mientras que (k≤MAX) seguir los pasos 5 -10
Paso 5: Tomar y = Ax
Paso 6: Tomar µ = y p
Paso 7: Encontrar un entero p con 1 ≤ p ≤ n y p = y ∞
Ejemplo 8
Usando el método de la potencia, hállese una aproximación del mayor valor
característico y del vector característico correspondiente al siguiente matriz:
3 −1 0
A = − 1 1 − 1
0 − 1 5
Dar el valor más aproximado para el valor propio máximo en la cuarta iteración.
13
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Solución:
El primer paso, elegimos el vector inicial para el desarrollo del método.
Sea el vector inicial x(o)= [ 0 0 2]t
Luego se debe encontrar un entero p con 1 ≤ p ≤ n y y p = y ∞ , donde n es la
dimensión de la matriz. x ∞ = max{ 0 , 0 , 2 } = 2
Entonces p=3 y x3 =2
x
Enseguida, se debe normalizar el vector inicial x=
xp
El vector inicial normalizado será:
x [0 0 2]
t
x (0) = = = [0 0 1]
t
x3 2
Ahora, encontraremos el primer valor propio µ (1) y su respectivo vector propio
normalizado x (1)
Ax(0)= µ (1) x(1)
En general, los siguientes valores serán encontrados como:
Ax(k)= µ (k+1) x(k+1), k≥1
Del ejemplo
Primera Iteración
3 − 1 0 0 0 0
Ax (0)
= − 1 1 − 1 0 = − 1 =µ x =5 − 1 / 5 ,
(1) (1)
0 − 1 5 1 5 1
0
⇒x (1)
= − 1 / 5 , µ (1)= 5
5
Segunda Iteración
3 − 1 0 0 1/ 5 1/26
Ax = − 1 1 − 1 − 1 / 5 = − 6 / 5 =µ x =26/5 − 3 / 13 ,
(1) (2) (2)
0 − 1 5 5 26 / 5 1
1/26
⇒ x = − 3 / 13,
( 2)
µ (2)= 5.2
1
Tercera Iteración
3 − 1 0 1/26 9 / 26 9/136
Ax = − 1 1 − 1 − 3 / 13 = − 33 / 26 =µ x =68/13 − 33 / 136 ,
(2) (3) (3)
0 − 1 5 1 68 / 13 1
14
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
1/136
⇒ x ( 3) = − 33 / 13, µ (3)= 68/13= 5.3
1
Cuarta Iteración
3 − 1 0 9/136 15 / 34 60/713
− 33 / 136
Ax = − 1 1 − 1
(3)
= − 89 / 68 =µ x =713/136 − 178 / 713 ,
(4) (4)
0 − 1 5 1 713 / 136 1
60/713
⇒ x = − 178 / 713 , µ (4)= 713/136= 5.2426
( 3)
1
Valor exacto: 5.2618
Usa el método de la potencia pero su convergencia es más rápida. Este método se usa
para determinar el valor característico de A que está más cerca de un número
especificado q.
Supongamos que la matriz A tiene valores característicos λ1 λ 2 ........λn con vectores
característicos { v (1) v ( 2) ... v ( n ) } linealmente independientes. Si consideramos la matriz
( A − qI )−1 donde q ≠ λi para i=1,2,..,n. Los valores característicos de ( A − qI )
−1
son
1 1 1
, ..........
λ1 − q λ 2 − q λn1 − q
y ( m ) = ( A − qI ) −1 x ( m −1) ó
( A − qI ) y ( m ) = x ( m −1) (5)
La ec. (5) puede resolverse usando Eliminación Gaussiana para obtener y ( m )
El valor de q se puede estimar como:
x ( 0) t Ax ( 0)
q=
x (0 ) t x ( 0)
Demostrar el algoritmo para este caso.
Ejemplo 9
Determine el valor propio más cercano a q=3, y su vector propio correspondiente, para
3 −1 0 1
la matriz: A = − 1 1 − 1 , a partir de la aproximación inicial x0 = 1
0 − 1 5 1
15
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
Solución
q=3
2 .5 − 1 − 0 .5
B = ( A − qI ) = − 1 0
−1
0
− 0.5 0 0.5
1 1
y1 = Bx0 = − 1 µ1 = y1 (1) = 1 x1 =
y1
= − 1 λ1 =
1
+q =4
µ1 µ1
0 0
3.5 1
y 2 = Bx1 = − 1 µ 2 = y 2 (2) = 3.5 x 2 =
y2
= − 0.2857 λ 2 =
1
+ q = 3.2857
µ2 µ2
− 0.5 − 0.1429
2.8571 1
y3 = − 1 µ 3 = 2.8571 x3 = − 0.35 λ3 = 3.35
− 0.5714 − 0.2
2.95 1
y 4 = − 1 µ 4 = 2.95 x 4 = − 0.339 λ 4 = 3.3390
− 0.6 − 0.2034
2.9407 1
y5 = − 1 µ 5 = 2.9407 x5 = − 0.3401 λ5 = 3.3401
− 0.6017 − 0.2046
16
UNI-FIM-DACIBAHCC Métodos Numéricos-MB536
y ( m ) = A −1 x ( m−1) ó
Ay ( m) = x ( m−1) (6)
Ejemplo 10
Determine el valor propio de menor valor absoluto y su correspondiente vector propio,
de la siguiente matriz, utilice el método de la potencia inversa.
2 −1 0
A = − 1 2 − 1
0 − 1 2
Solución
0.75 0.50 0.25
B = A = 0.50 1.00 0.50
−1
17