Métodos Numéricos: Resumen y ejemplos

Tema 7: Valores y vectores propios

Francisco Palacios
Escuela Politécnica Superior de Ingeniería de Manresa
Universidad Politécnica de Cataluña
Abril 2009, Versión 1.7

Contenido

1. Definiciones y propiedades.

2. Método de la potencia.

3. Método de la potencia inversa.

4. Método de la potencia inversa desplazada.

1 Definiciones y propiedades
Notaciones

• A matriz cuadrada n × n.

• v vector de dimensión n.

• λ escalar.

Objetivo
Buscar escalares λ y vectores no nulos v tales que
½
λ valor propio de A.
A v = λv =⇒
v vector propio asociado a λ.

Polinomio característico

p(λ) = det (A − λI) .

Los valores propios de A son las raíces del polinomio característico

λ valor propio ⇐⇒ p(λ) = 0.

Cálculo de vectores propios

1
Resumen y ejemplos Tema 5: Valores y vectores propios 2

Para cada valor propio λ resolvemos el siguiente sistema de ecuaciones li-

neales
(A − λI) 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 represen-
tamos por σ(A).

σ(A) = {λ : λ es valor propio de A}.

El radio espectral de la matriz es el módulo máximo de sus valores propios,

lo representamos por ρ(A).

ρ(A) = max{|λ| : λ es valor propio de A}.

Diagonalización
Sea A una matriz n × n.
Si A tiene n valores propios distintos λ1 , . . . , λn y v1 , . . . , vn son vectores
propios asociados, entonces

D = V−1 AV.

• D es matriz diagonal
⎛ ⎞
λ1 0 ··· 0
⎜ 0 λ2 · · · 0 ⎟
⎜ ⎟
⎜ .. .. .. .. ⎟.
⎝ . . . . ⎠
0 0 ··· λn

• 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) Cálculo de los valores propios.

Empezamos por calcular el polinomio característico
¯ ¯
¯ 3 − λ −1 0 ¯
¯ ¯
p(λ) = |A − λI| = ¯¯ −1 2 − λ −1 ¯
¯
¯ 0 −1 3 − λ ¯

p(λ) = (3 − λ)2 (2 − λ) − (3 − λ) − (3 − λ)
= (3 − λ) [(3 − λ)(2 − λ) − 2]
= (3 − λ) (λ2 − 5λ + 4)
| {z }
factorizamos

Factorizamos el polinomio característico.

√ (
5+3
5± 25 − 16 2 = 4,
λ2 − 5λ + 4 = 0 ⇒ λ = = 5−3
2 2 = 1.

p(λ) = (λ − 1)(3 − λ)(λ − 4).

Los valores propios son las soluciones de la ecuación característica p(λ) = 0.

λ1 = 1, λ2 = 3, λ3 = 4.

El espectro de A es
σ(A) = {1, 3, 4}.
El radio espectral de A es
ρ(A) = 4.
(b) Cálculo de vectores propios.
Para cada valor propio λ, tenemos que resolver el sistema (A − λI) v = 0.
Vectores propios asociados a λ = 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 reducción.
⎧
⎨ y − 2z = 0,
(1a + 2 · 2a ) → 1a −x + y − z = 0,
⎩
−y + 2z = 0.
Resumen y ejemplos Tema 5: Valores y vectores propios 4

Eliminamos la tercera ecuación y resolvemos paramétricamente

⎧
½ ⎨ x = t,
y − 2z = 0,
⇒ y = 2t,
−x + y − z = 0, ⎩
z = t, t ∈ R.
Los vectores propios asociados a λ = 1 son de la forma
⎛ ⎞
1
v = tv1 , con v1 = ⎝ 2 ⎠.
1

Vectores propios asociados a λ = 3. Tenemos el sistema

(A − 3I) v = 0,
⎛ ⎞⎛ ⎞ ⎛ ⎞
0 −1 0 x 0
⎝ −1 −1 −1 ⎠ ⎝ y ⎠ = ⎝ 0 ⎠,
0 −1 0 z 0
⎧
½ ⎨ x = t, t ∈ R.
−x − y − z = 0,
⇒ y = 0,
−y = 0. ⎩
z = −t.
Los vectores propios asociados a λ = 3 son de la forma
⎛ ⎞
1
v = tv2 , con v2 = ⎝ 0 ⎠ .
−1

Vectores propios asociados a λ = 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,
−x − 2y − z = 0, ⇒ −y − z = 0,
⎩ (2a − 1a ) → (2a ) ⎩
−y − z = 0. −y − z = 0.
⎧
½ ⎨ x = t, t ∈ R.
x + y = 0,
⇒ y = −t,
y + z = 0. ⎩
z = t.
Vectores propios asociados a λ = 4
⎛ ⎞
1
v = t v3 , con v3 = ⎝ −1 ⎠ .
1
Resumen y ejemplos Tema 5: Valores y vectores propios 5

(c) Diagonalización
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

Diagonalización. Se cumple

D = V−1 AV

donde D es una matriz diagonal

⎛ ⎞
1 0 0
D =⎝ 0 3 0 ⎠.
0 0 4

Verificamos la diagonalización
⎛ ⎞ ⎛ ⎞
1/6 1/3 1/6 1 2 1
1
V−1 = ⎝ 1/2 0 −1/2 ⎠ = ⎝ 3 0 −3 ⎠ ,
6
1/3 −1/3 1/3 2 −2 2
⎛ ⎞⎛ ⎞⎛ ⎞
1 2 1 3 −1 0 1 1 1
1⎝ ⎠ ⎝ −1 2 −1 ⎠ ⎝
−1
V AV = 3 0 −3 2 0 −1 ⎠
6
2 −2 2 0 −1 3 1 −1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 2 1 1 3 4 6 0 0
1 1
= ⎝ 3 0 −3 ⎠ ⎝ 2 0 −4 ⎠ = ⎝ 0 18 0 ⎠
6 6
2 −2 2 1 −3 4 0 0 24
⎛ ⎞
1 0 0
V−1 AV = ⎝ 0 3 0 ⎠ . ¤
0 0 4

Ejemplo 1.2 Cálculo de V−1 por Gauss-Jordan.

Partimos de (V|I3 ) y operamos por filas hasta obtener (I3 |V−1 ).

⎛ ¯ ⎞
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
(3 + 2 ) → (3 ) a 0 0 −3 ¯ −1 1 −1
⎛ ¯ ⎞
¡1 ¢ 1 1 1 ¯¯ 1 0 0
× 2a → (2a ) ⎝ 0 1 0 ¯¯ 1/2 0 −1/2 ⎠ ,
¡ 21 a
¢ a ¯
− 3 × 3 → (3 ) 0 0 1 1/3 −1/3 1/3
⎛ ¯ ⎞
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 ⎛ ⎞
1/6 1/3 1/6
V−1 = ⎝ 1/2 0 −1/2 ⎠ . ¤
1/3 −1/3 1/3

2 Método de la potencia
2.1 Definiciones
Valor propio dominante
Es el de mayor módulo. Si

|λ1 | > |λ2 | > · · · > |λn | ,

entonces λ1 es el valor propio dominante.

Vector normalizado
Dado un vector ⎛ ⎞
v1
⎜ v2 ⎟
⎜ ⎟
v=⎜ .. ⎟,
⎝ . ⎠
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 más de una componente dominante, pero
todas las componentes dominantes deben tener el mismo valor absoluto.
Un vector está normalizado si sus componentes dominantes valen ±1. Si
vdom es una componente dominante de v, podemos obtener un vector nor-
malizado v̂ en la dirección de v
1
v̂ = · v.
vdom

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 1 ⎜⎜ −2 ⎟ ⎜ 1/2
⎟=⎜
⎟
⎟.
v̂ = v=
vdom −4 ⎝ −4 ⎠ ⎝ 1 ⎠
1 −1/4

Observamos que la componente dominante el vector normalizado vale 1. ¤

2.2 Método de la potencia

Dada una matriz A matriz de dimensión n × n, el objetivo es calcular el

valor propio dominante y un vector propio asociado.
Supondremos que la matriz A tiene valores propios distintos

|λ1 | > |λ2 | > · · · > |λn | ,

con vectores propios asociados v1 , v2 , · · · , vn . También suponemos que te-

nemos un vector inicial x(0) que se puede escribir

x(0) = α1 v1 + · · · + αn vn con α1 6= 0.
Resumen y ejemplos Tema 5: Valores y vectores propios 8

Método
⎧
(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 hipótesis citadas son ciertas, entonces se cumple:

• La sucesión de escalares (cj ) tiende al valor propio dominante λ1
j→∞
c1 , c2 , · · · , cj , · · · → λ1 .
¡ ¢
• La sucesión de vectores x(j) tiende a un vector propio normalizado aso-
ciado a λ1 .
j→∞
x(1) , x(2) , · · · , x(j) · · · → v̂1 .

Ejemplo 2.2 Aproxima el valor propio dominante y un vector propio aso-

ciado de la matriz ⎛ ⎞
3 −1 0
A = ⎝ −1 2 −1 ⎠ .
0 −1 3
Inicia las iteraciones con ⎛ ⎞
1
x(0) = ⎝ 1 ⎠.
1

Fase 1.
⎛ ⎞⎛ ⎞ ⎛ ⎞
3 −1 0 1 2
y(1) = Ax(0) = ⎝ −1 2 −1 ⎠ ⎝ 1 ⎠ = ⎝ 0 ⎠,
0 −1 3 1 2

c1 = 2 (componente dominante de y(0) ),

⎛ ⎞ ⎛ ⎞
2 1
1 (1) 1 ⎝ ⎠ ⎝
(1)
x = y = 0 = 0 ⎠.
2 2
2 1
Fase 2.
⎛ ⎞⎛ ⎞ ⎛ ⎞
3 −1 0 1 3
y(2) = Ax(1) = ⎝ −1 2 −1 ⎠ ⎝ 0 ⎠ = ⎝ −2 ⎠ ,
0 −1 3 1 3

c2 = 3,
⎛ ⎛ ⎞ ⎞ ⎛ ⎞
3 1 1.0
1
x(2) = ⎝ −2 ⎠ = ⎝ −2/3 ⎠ = ⎝ −0. 6667 ⎠ .
3
3 1 1.0
Resumen y ejemplos Tema 5: Valores y vectores propios 9

Fase 3.
⎛ ⎞⎛ ⎞ ⎛ ⎞
3 −1 0 1.0 3.6667
y(3) = Ax(2) = ⎝ −1 2 −1 ⎠ ⎝ −0. 6667 ⎠ = ⎝ −3.3333 ⎠ ,
0 −1 3 1.0 3.6667

c3 = 3.6667,
⎛ ⎞
1
x(3) = ⎝ −0.9091 ⎠ .
1
Fase 4. ⎛ ⎞
3.9091
y(4) = Ax(3) = ⎝ −3.8181 ⎠ ,
3.9091
c4 = 3.9091,
⎛ ⎞
1
1 (4) ⎝
x(4) = y = −0.9767 ⎠ .
c4
1
Fase 5. ⎛ ⎞
3.9767
y(5) = Ax(4) = ⎝ −3.9534 ⎠ ,
3.9767
c5 = 3.9767,
⎛ ⎞
1
1 (5)
x(5) = y = ⎝ −0.9942 ⎠ .
c5
1
Fase 6. ⎛ ⎞
3.9942
y(6) = Ax(5) = ⎝ −3.9883 ⎠ ,
3.9942
c6 = 3.9942,
⎛ ⎞
1
1 (6)
x(6) = y = ⎝ −0.9985 ⎠ .
c6
1
Fase 7. ⎛ ⎞
3.9985
y(7) = Ax(6) = ⎝ −3.9970 ⎠ .
3.9985
c7 = 3.9985.
Resumen y ejemplos Tema 5: Valores y vectores propios 10

⎛ ⎞
1
1 (7)
x(7) = y = ⎝ −0.9996 ⎠ .
c7
1
Fase 8. ⎛ ⎞
3.9996
y(8) = Ax(7) = ⎝ −3.9993 ⎠ ,
3.9996
c8 = 3.9996,
⎛ ⎞
1
1
x(8) = y(8) = ⎝ −0.9999 ⎠ .
c8
1
Fase 9. ⎛ ⎞
3.9999
y(9) = Ax(8) = ⎝ −3.9998 ⎠ ,
3.9999
c9 = 3.9999,
⎛ ⎞
1
1
x(9) = y(9) = ⎝ −1 ⎠ .
c9
1
• Fase 10. ⎛ ⎞
4
y(10) = ⎝ −4 ⎠ ,
4
C10 = 4,
⎛ ⎞
1
x(10) = ⎝ −1 ⎠ = x(9) .
1
El valor propio dominante es
λ = lim cj = 4,
j

y un vector propio asociado es

⎛ ⎞
1
v = lim x(j) = ⎝ −1 ⎠ .
j
1
En el Ejemplo 1.1, hemos visto que A tiene valores propios
λ1 = 4, λ2 = 3, λ3 = 1,
y que los vectores propios asociados a λ1 son de la forma
⎛ ⎞
1
v = t ⎝ −1 ⎠ = tv1
1
v1 está normalizado. ¤
Resumen y ejemplos Tema 5: Valores y vectores propios 11

3 Método de la potencia inversa

Objetivo. Calcular el valor propio de módulo mínimo y un vector propio
asociado. Es decir si los valores propios de A, que cumplen

|λ1 | > |λ2 | > · · · > |λn | > 0,

queremos calcular λn .
Valores propios de la matriz inversa
Sean

• (λ, v) par valor-vector propio de A.

• A invertible.

Entonces
¡ ¢
• λ1 , v es un par valor-vector propio de A−1 .

Demostración.
Sabemos que se cumple
Av = λv,
premultiplicamos por la matriz inversa

A−1 (Av) = A−1 (λv) ,

¡ ¢
In v = λ A−1 v,
¡ ¢
v = λ A−1 v.
Si una matriz es invertible, sus valores propios no pueden ser nulos (¿por
qué?), por lo tanto podemos multiplicar la útima igualdad por 1/λ y resulta
¡ −1 ¢ 1
A v = v.
λ
Es decir, μ = 1/λ es un valor propio de A−1 con vector propio asociado v.
¤
Método
Sea A matriz n × n invertible con valores propios

|λ1 | > |λ2 | > · · · > |λn | > 0

y vectores propios asociados v1 , . . . , vn .

Según hemos visto, la matriz B = A−1 tiene valores propios
1
μj = .
λj
Resumen y ejemplos Tema 5: Valores y vectores propios 12

Como se cumple ¯ ¯ ¯ ¯ ¯ ¯
¯1¯ ¯1¯ ¯ ¯
¯ ¯ < ¯ ¯ < ··· < ¯ 1 ¯,
¯ λ1 ¯ ¯ λ2 ¯ ¯ λn ¯
resulta
|μ1 | < |μ2 | < · · · < |μn |
Además vj es un vector propio asociado a μj .

1. Calculamos B = A−1

2. Aplicamos el método de la potencia a B y obtenemos el par

½
¡ ¢ μmax valor propio dominante de B = A−1 ,
μmax , v →
v vector propio asociado a μmax .

3. Entonces
⎧
⎨ λ 1
min = es el valor propio de módulo mínimo de A
μmax
⎩ v es un vector propio asociado a λ .
max

Ejemplo 3.1 Dada la matriz

µ ¶
−18 40
A= .
−12 26

(a) Calcula el valor propio de módulo mínimo y un vector propio asociado.

Toma como vector inicial
µ ¶
(0) 1
x = .
1

(b) Verifica el resultado.

(a) Empezamos calculando la inversa de A.

¯ ¯
¯ −18 40 ¯
¯
|A| = ¯ ¯ = −468 + 480 = 12
−12 26 ¯
µ ¶ µ ¶
−1 1
26 −40 13/6 −10/3
A = =
12 −18
12 1 −3/2
µ ¶
−1 2.1667 −3.3333
B=A =
1 −1.5
Fase 0. µ ¶
(0) 1
x = .
1
Resumen y ejemplos Tema 5: Valores y vectores propios 13

Fase 1.
µ ¶µ ¶ µ ¶
(1) (0) 2.1667 −3.3333 1 −1. 1666
y = Bx = = ,
1 −1.5 1 −0. 5

c1 = −1.1666,
µ ¶
1 (1) 1
x(1) = y = .
c1 0.4286
Fase 2.
µ ¶µ ¶ µ ¶
2.1667 −3.3333 1 0. 7381
y(2) = Bx(1) = = ,
1 −1.5 0.4286 0. 3571

c2 = 0.7381,
µ ¶
(2) 1
x = .
0.4839
Fase 3. µ ¶
(3) (2) 0. 5538
y = Bx = ,
0. 2742
c3 = 0.5538,
µ ¶
1 (3) 1.00
x(3) = y = .
c3 0.4951
Fase 4. µ ¶
(4) (3) 0. 5162
y = Bx = ,
0. 2574
c4 = 0.5162,
µ ¶
1 1
x(4) = y(4) = .
c4 0.4984
Fase 5. µ ¶
(5) (4) 0. 5052
y = Bx = ,
0. 2524
c4 = 0.5054,
µ ¶
1 (5) 1
x(5) = y = .
c5 0.4995
Fase 6 µ ¶
(6) (5) 0. 5018
y = Bx = ,
0. 2508
c6 = 0.5018,
µ ¶
1 1
x(6) = y(6) = .
c6 0.4998
Resumen y ejemplos Tema 5: Valores y vectores propios 14

Fase 7. µ ¶
(7) (6) 0. 5006
y = Bx = ,
0. 2503
c7 = 0.5006,
µ ¶
1 (7) 1.
x(7) = y = .
c7 0.4999
Fase 8. µ ¶
(8) (7) 0. 5002
y = Bx = ,
0. 2501
c8 = 0.5002,
µ ¶
1 (8) 1.
x(8) = y = .
c8 0.5
Fase 9. µ ¶
(9) (8) 0. 5001
y = Bx = ,
0. 2501
c9 = 0.5001,
µ ¶
1 (9) 1.
x(9) = y = .
c9 0.5
Podemos tomar como valor propio de módulo máximo de A−1

μmax = 0.500,

vector propio asociado de μmax

µ ¶
1
v= .
0.5

Entonces, el valor propio de módulo mínimo de A será

1 1
λmin = = = 2,
μmax 0.5

con vector propio asociado

µ ¶
1
v= .
0.5

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

A. µ ¶
−18 40
A= .
−12 26
Resumen y ejemplos Tema 5: Valores y vectores propios 15

Polinomio característico
¯ ¯
¯ −18 − λ 40 ¯
p (λ) = |A−λI| = ¯¯ ¯
¯
−12 26 − λ
= (−18 − λ)(26 − λ) + 480
= λ2 − 8λ + 12.

Valores propios

p(λ) = 0 ⇒ λ2 − 8x + 12 = 0,
√ √ (
8+4
8 ± 64 − 48 8 ± 16 2 = 6,
λ = = = 8−4
2 2 2 = 2.

λ1 = 6, λ2 = 2.
El vector propio de módulo mínimo es λ2 = 2.
Calculamos los vectores propios asociado al valor propio de módulo mínimo.

(A − 2I) v = 0,
µ ¶µ ¶ µ ¶
−20 40 x 0
= ,
−12 24 y 0
½ ½
−20x + 40y = 0, −x + 2y = 0,
⇐⇒
−12x + 24y = 0. −x + 2y = 0.
½
x = 2t,
y = t, t ∈ R.
Los vectores propios asociados a λ = 2 son de la forma
µ ¶
2
v = tv1 , con v1 = .
1

Un vector propio normalizado es

µ ¶
1
v̂1 = . ¤
1/2

4 Método de la potencia inversa desplazada

Objetivo Aproximar un valor propio λ y un vector propio asociado a partir
de una estimación λ̄ w λ.
Valores propios de C = (A−αI) .
Sea

• (λ, v) par de valor-vector propio de A

Resumen y ejemplos Tema 5: Valores y vectores propios 16

Entonces
• (λ − α, v) es par valor-vector propio de C = (A − αI).
Demostración
Av = λv
Av − αv = λv − αv
(A − αI) v = (λ − α) v ¤
Fundamento del método
Si λ̄ está próximo al valor propio λ de A entonces C = A − λ̄I tiene un
valor propio δ = λ − λ̄ con |δ| pequeño y podemos aplicar el método de la
potencia inversa a C para determinar δ = λ − λ̄.
Partimos de una matriz A de orden n × n con valores propios
|λ1 | > |λ2 | > · · · > |λj | > · · · > |λn | ,
y vectores propios asociados v1 , v2 , . . . , vn . Disponemos además de una es-
timación inicial λ̄ w λj . El objetivo es aproximar el valor de λj y obtener
un vector propio asociado.
1. Calculamos C = A − λ̄I que tiene un valor propio de módulo mínimo
δ min = λj − λ̄.

2. Calculamos B = C−1 que tiene un valor propio dominante

1 1
μmax = = ,
δ min λj − λ̄
y aplicamos el método de la potencia a B para obtener μmax y un
vector propio asociado v.
3. Entonces
1 1
μmax = ⇒ λj = + λ̄.
λj − λ̄ μmax

Ejemplo 4.1 Sabemos que la matriz

⎛ ⎞
3 −1 0
A = ⎝ −1 2 −1 ⎠ ,
0 −1 3
tiene un valor propio λ ∼
= 2.8. Calcula el valor de λ 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

Tenemos la aproximación λ̄ = 2.8. Calculamos C = A − λ̄I

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
3 −1 0 2.8 0 0 0.2 −1 0
C = A−λ̄I = ⎝ −1 2 −1 ⎠−⎝ 0 2.8 0 ⎠ = ⎝ −1 −0.8 −1 ⎠ .
0 −1 3 0 0 2.8 0 −1 0.2

Vamos a calcular el valor propio de módulo mínimo de C aplicando el método

de la potencia inversa. Calculamos B = C−1 .
⎛ ⎞
2. 6852 −. 46296 −2. 3148
B = ⎝ −. 46296 −9. 2593 × 10−2 −. 46296 ⎠ .
−2. 3148 −. 46296 2. 6852

Aplicamos el método de la potencia a B y determinamos μmax .

Fase 0. ⎛ ⎞
5
(0)
x = ⎝ 1 ⎠,
1
Fase 1
⎛ ⎞⎛ ⎞
2. 6852 −. 46296 −2. 3148 5
y(1) (0)
= Bx = ⎝ −. 46296 −9. 2593 × 10−2 −. 46296 ⎠ ⎝ 1 ⎠
−2. 3148 −. 46296 2. 6852 1
⎛ ⎞
10. 648
= ⎝ −2. 8704 ⎠ ,
−9. 3518

c1 = 10. 648,
⎛ ⎞ ⎛ ⎞
10. 648 1.0
1 (1) 1 ⎝
x(1) = y = −2. 8704 ⎠ = ⎝ −. 26957 ⎠ .
c1 10. 648
−9. 3518 −. 87827
Fase 2.
⎛ ⎞⎛ ⎞
2. 6852 −. 46296 −2. 3148 1.0
y(2) = Bx(1) = ⎝ −. 46296 −9. 2593 × 10−2 −. 46296 ⎠ ⎝ −. 26957 ⎠
−2. 3148 −. 46296 2. 6852 −. 87827
⎛ ⎞
4. 843
= ⎝ −3. 1396 × 10−2 ⎠ ,
−4. 5483

c2 = 4. 843,
⎛ ⎞ ⎛ ⎞
4. 843 1.0
1 ⎝
x(2) = −3. 1396 × 10−2 ⎠ = ⎝ −6. 4828 × 10−3 ⎠ .
4. 843
−4. 5483 −. 93915
Resumen y ejemplos Tema 5: Valores y vectores propios 18

Fase 3. ⎛ ⎞
4. 8621
y(3) = Bx(2) = ⎝ −2. 7571 × 10−2 ⎠ ,
−4. 8336
c3 = 4. 8621,
⎛ ⎞
1.0
1 (3) ⎝
x(3) = y = −5. 6706 × 10−3 ⎠ .
c3
−. 99414
Fase 4. ⎛ ⎞
4. 9891
y(4) = Bx(3) = ⎝ −2. 1879 × 10−3 ⎠ ,
−4. 9816
c4 = 4. 9891,
⎛ ⎞
1.0
1 (4) ⎝
x(4) = y = −4. 3854 × 10−4 ⎠ .
c4
−. 9985
Fase 5. ⎛ ⎞
4. 9967
y(5) = Bx(4) = ⎝ −6. 5383 × 10−4 ⎠ ,
−4. 9958
c4 = 4. 9967,
⎛ ⎞
1.0
1 (5) ⎝
x(5) = y = −1. 3085 × 10−4 ⎠ .
c5
−. 99982
Fase 6. ⎛ ⎞
4. 9996
y(6) = Bx(5) = ⎝ −7. 1217 × 10−5 ⎠ ,
−4. 9995
c6 = 4. 9996,
⎛ ⎞
1.0
1
x(6) = y(6) = ⎝ −1. 4245 × 10−5 ⎠ .
c6
−. 99998
Fase 7. ⎛ ⎞
¡ −1 ¢ (6) 5.0
y(7) = B x = ⎝ −7. 9402 × 10−6 ⎠ ,
−4. 9999
c7 = 5,
⎛ ⎞
1.0
1 (7)
x(7) = y = ⎝ −1. 588 × 10−6 ⎠ .
c7
−. 99998
Resumen y ejemplos Tema 5: Valores y vectores propios 19

Fase 8. ⎛ ⎞
5.0
y(8) = Bx(7) = ⎝ −9. 1122 × 10−6 ⎠ ,
−4. 9999
c8 = 5,
⎛ ⎞
1.0
1 (8) ⎝
x(8) = y = −1. 8224 × 10−6 ⎠ .
c8
−. 99998
Podemos tomar como valor propio de módulo máximo de B = C−1

μmax = 5,

El vector propio asociado de μmax , con 4 decimales es

⎛ ⎞
1
v = ⎝ 0 ⎠.
−1

El valor propio de A próximo a λ̄ = 2.8 es

1 1
λ= + λ̄ = + 2.8 = 3.0
μmax 5

y el vector propio asociado es

⎛ ⎞
1
v = ⎝ 0 ⎠. ¤
−1