06 Val Prop 2009 1 PDF

UNIVERSIDAD NACIONAL
DE INGENIERA

FACULTAD DE INGENIERA MECNICA
rea Acadmica de Ciencias Bsicas Humanidades y Cursos
Complementarios

METODOS NUMERICOS (MB 536)

CALCULO DE VALORES Y VECTORES PROPIOS

Profesores:
Garrido Jurez Rosa
Castro Salguero Robert
Obregn Ramos Mximo

2009-1

UNI-FIM-DACIBAHCC Mtodos Numricos-MB536
1
VALORES Y VECTORES PROPIOS

El clculo de los valores propios y de los vectores propios de una matriz tiene gran
importancia en las matemticas y en la ingeniera, algunos de estos campos de
aplicacin son:
- Sistemas Mecnicos vibratorios y resonancias- Valores propios
2
(frecuencia de
resonancia) y los vectores propios dados por los modos naturales de vibracin.
- Circuitos elctricos-circuitos resonantes
- Clculos de Esfuerzos y Deformaciones.
- Transformaciones Geomtricas usando Matrices.( Ejes de Rotacin)
- Estabilidad de los sistemas lineales.(p.e. Ingeniera de Control)

Definicin 1

Sea A una matriz cuadrada de orden n con componentes en K (R C). Un escalar se
dice que es un valor propio de A si existe un vector 0 u u ,
n
K tal que
u u = A . (1)
En estas condiciones decimos que u es vector propio de A asociado al valor propio.

El problema de los valores propios de una matriz cuadrada A, consiste en
determinar los escalares que proporcionan soluciones diferentes de la trivial al
sistema lineal (1). Es decir, soluciones tales que 0 u .

Ntese que si u satisface la ecuacin (1), tambin un mltiplo arbitrario de u (cualquier
vector paralelo u) es una solucin.

Ejemplo 1. Sea
(
=
1 2
2 1
A
Dado que:
(
=
(
1
1
3
1
1
1 2
2 1

tenemos que:
1
=3 es el valor propio de A, y
[ ]
t
1 1
1
= u es vector propio de A asociado al valor propio
1
=3
Adems, puesto que
(
=
(
1
1
1
1
1 2
2 1

tenemos que:
2
=-1 es el valor propio de A, y
[ ]
t
1 1
2
= u es vector propio de A asociado al valor propio
2
=-1

2
Teorema 1
Sea A una matriz cuadrada. Entonces es valor propio de A si y solo si det(A-I) = 0

Demostracin:

0 I) - det(A
ado indetermin compatible sistema un es 0 u I) - (A
0 u I) - (A y 0 u
u Au 0, u A de propio valor
=
=
=
=

Definicin 2

Sea A una matriz cuadrada.
i) ) det( ) ( I A p = se llama polinomio caracterstico de A
ii) 0 ) ( = p se llama ecuacin caracterstica de A
iii) Llamaremos multiplicidad algebraica de un valor propio , representada por
) (
a
m , a la multiplicidad de como raz de 0 ) ( = p .

Teorema 2
Sea A una matriz cuadrada de orden n con componentes en K y un valor propio de A.
El conjunto
{ } 0 u ) ( : R u ) (
n
= = I A E
es un subespacio vectorial de R
n

Demostracin. Ejercicio

Definicin 3

Sea ) (K M A
n n
y un valor propio de A. El subespacio vectorial E( ) es llamado
espacio propio de A asociado al valor propio .

Nota
El conjunto de todos los vectores propios de una matriz A asociados al valor propio
es dado por E( ) {0}

Calculo de los Valores y Vectores Propios

Vamos a sistematizar el procedimiento a seguir en el clculo de los valores y vectores
propios de una matriz A cuadrada

1. Calcular el polinomio caracterstico de A . i.e ) det( ) ( I A p =
2. Resolver la ecuacin 0 ) ( = p para obtener las races de la ecuacin
caracterstica (estas races son los valores propios de A)
3. Cuando calculamos los vectores propios de una matriz dada, asociados a cierto
valor propio , tenemos que resolver el sistema homogneo (A- I)u = 0 que
tiene que ser indeterminado. Como tal debe de existir una fila nula en la matriz
A- I., si tal no ocurriera algn error fue cometido.
3
Definicin 4
La dimensin del subespacio propio es llamada la multiplicidad geomtrica (m.g.) del
valor propio y algunas veces Nulidad de (A-I).

Teorema 3
Sea A una matriz cuadrada de orden n y un valor propio de A. Entonces, la
multiplicidad geomtrica de es menor o igual a la multiplicidad algebraica de .

Este resultado nos permite concluir inmediatamente que si un valor propio tiene
multiplicidad algebraica 1, entonces su multiplicidad geomtrica es tambin 1.

Ejemplo 2
Para la matriz A del ejemplo 1, tenemos:
0 ) 1 )( 3 (
) 2 1 )( 2 1 ( 4 ) 1 (
1 2
2 1
1 0
0 1
1 2
2 1
2
= =
+ = =
=
(
I A

Por lo tanto, los valores propios de A son:
1
= 3 con multiplicidad algebraica m
a
= 1 y
2
= -1 con multiplicidad algebraica m
a
= 1
Para
1
= 3, tenemos que resolver
(
=
(
=
(
0
0
2 2
2 2
3 1 2
2 3 1
2
1
2
1
x
x
x
x

Tomamos como variable libre a x
2
y como variable bsica a x
1
(
=
1
1
) 3 ( I A Ker
La multiplicidad geomtrica de
1
= 3 es m.g.=dim(Ker(A - 3I))=1
El vector [ ]
t
1 1 es un vector propio de A con valor propio = 3
Para
1
= -1, tenemos que resolver
(
=
(
=
(

0
0
2 2
2 2
) 1 ( 1 2
2 ) 1 ( 1
2
1
2
1
x
x
x
x

Tomamos como variable libre a x
2
y como variable bsica a x
1
(
= +
1
1
) ( I A Ker
La multiplicidad geomtrica de
2
= -1 es m.g.=dim(Ker(A+I))=1
El vector [ ]
t
1 1 es un vector propio de A con valor propio = -1

4
Ejemplo 3
Encuentre los valores y espacios propios de la matriz

|
|
|
\
|
=
2 2 2
2 5 4
2 4 5
A
Solucin
Encontremos el polinomio caracterstico de la matriz A.

( )
( ) ( )( ) [ ] ( ) [ ] ( ) [ ]
+ =
=
5 2 8 2 4 2 4 4 4 2 5 5
2 2 2
2 5 4
2 4 5
det I A

( )( ) ( ) ( )
( )( )( ) ( ) ( )
( ) ( )( ) [ ]
( )( )
( )( )( )
( ) ( ). 10 1
10 1 1
10 11 1
20 6 5 1
1 4 1 16 6 1 5
2 10 8 2 4 4 8 4 4 7 10 5
2
2
2
=
=
+ =
+ =
+ + =
+ + + =

Luego los valores propios son: 1 = con m
a
= 2 (la raz se repite 2 veces) y 10 = con
m
a
=1.
Encontremos los vectores propios asociados con estos valores propios. Nuevamente
resolvemos el sistema homogneo ( ) 0 = x I A , para 1 = y 10 = .
Para 10 = tenemos:

( )
|
|
|
\
|
=
|
|
|
\
|
(
(
(
=
0
0
0
8 2 2
2 5 4
2 4 5
10
3
2
1
1
x
x
x
x I A

|
|
|
|
\
|

|
|
|
\
|
0
0
0
0 0 0
5
18
5
9
0
2 4 5
0
0
0
8 2 2
2 5 4
2 4 5
fila
s operacione
Aplicando
M
M
M
M
M
M

Las soluciones del sistema son: . 2 y 2
3 2 3 1
x x x x = = Los vectores propios asociados
con 10 = son de la forma
|
|
|
\
|
=
|
|
|
\
|
=
1
2
2
3
3
2
1
1
x
x
x
x
u .
El sub-espacio caracterstico o propio para 10 = es:

5
|
|
|
\
|
=
|
|
|
\
|
=
1
2
2
:
1
2
2
3 3 10
gen x x E IR . (m.g.=1)
Resolvamos ahora el sistema para 1 = , es decir,

( )
|
|
|
\
|
=
|
|
|
\
|
|
|
|
\
|
=
0
0
0
1 2 2
2 4 4
2 4 4
1
3
2
1
x
x
x
x I A .

|
|
|
\
|

|
|
|
\
|
0
0
0
0 0 0
0 0 0
2 / 1 1 1
0
0
0
1 2 2
2 4 4
2 4 4
fila
s operacione
Aplicando
M
M
M
M
M
M
.
Las soluciones al sistema homogneo estn dadas por el vector

|
|
|
\
|
+
|
|
|
\
|
=
|
|
|
\
|

=
|
|
|
\
|
=
2
1
0
2
0
1
2 2
2 1
1 1
2
1
3
2
1
x x
x x
x
x
x
x
x
x ,

donde
2 1
y x x son parmetros reales.

El subespacio propio asociado al valor 1 = es:

|
|
|
\
|
|
|
|
\
|

|
|
|
\
|
+
|
|
|
\
|
=
2
1
0
,
2
0
1
:
2
1
0
2
0
1
2 1 2 1 1
gen x x x x E IR IR, .
Observe 2 dim
1
= E =m.g.(multiplicidad geomtrica) es igual a la multiplicidad
algebraica de la ecuacin caracterstica, este hecho es importante en la diagonalizacin
de matrices como lo veremos ms adelante.

Propiedades de Valores y Vectores Propios

Proposicin 1

Sea ) (K M A
n n
entonces
a) El producto de los valores propios de A es igual al determinante de A.
b) La suma de los valores propios de A es igual a la traza de A
Demostracin:
a) Sea
n
, ,
2 1
K los valores propios de A, luego
) ( ) )( ( ) 1 ( ) 1 ( ) det( ) (
2 1 0 1
1
1 n
n n
n
n n
x x x c c c I A p = + + + + = =

K K
Igualando trminos
n n
c A p c = = = = . ) det( ) 0 ( .
2 1 0 2 1 0
K K

b) Ejercicio
6

Proposicin 2
Sea ) (K M A
n n
entonces
a) Si es valor propio de A (invertible) entonces
1
es valor propio de A
-1

b) Si es valor propio de A entonces es valor propio de A, {0} \ R

Teorema 4
Vectores propios asociados a valores propios distintos son linealmente independientes.

Demostracin
Sea A una matriz cuadrada de orden n y u
1
y u
2
vectores propios de A asociados
respectivamente a los valores propios
1
y
2
. Si
1

2
, queremos probar que el
conjunto {u
1
, u
2
}es linealmente independiente.
0 (1) en do sustituyen
0 0 u ; 0 u ) ( 0 u u : ) 2 ( ) 3 (
) 3 ( 0 u u : ) 1 ( ndo multiplica
) 2 ( 0 u u u u ; u u como
0 ) u ( ) u ( 0 ) u ( ) u ( i.e
0 ) u u ( ) 1 ( 0 u u / , Sean
2
1 1 1 1 2 1 1 1 2 1 1 2 1 1 2
2 2 2 1 1 2 2
2 2 2 1 1 1 2 2 2 1 1 1
2 2 1 1 2 2 1 1
2 2 1 1 2 2 1 1 2 1
=
= = = =
= +
= + = =
= + = +
= + = +

A A
A A A A
A R
As probamos que si 0 0 u u
2 1 2 2 1 1
= = = + Aplicando induccin tenemos el
resultado final.

Diagonalizacion de una matriz

Definicin 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
-1
AP

Teorema 5
Sean A y B dos matrices semejantes de orden n entonces:

(i) A y B tienen el mismo determinante
(ii) A y B tienen el mismo polinomio caracterstico
(iii) A y B tienen los mismos valores propios
(iv) Si u es un vector propio de A asociado al valor propio entonces P
-1
u es
vector propio de B asociado al valor propio .

Demostracin:
(i) Como B = P
-1
AP tenemos A P A
| P |
1
P A P AP P B
1 - 1 -
= = = =
(ii) I - A P ) I - (A P P ) I - (A P P I P - AP P I - AP P I - B
-1 -1 -1 -1 -1
= = = = =
(iii) Consecuencia de (ii)
(iv) Si u es un vector propio de A asociado al valor propio entonces

u) P ( u) B(P
u) P ( u) AP)(P P ( u P u APP P u u
1 1
1 1 1 1 1 1

=
= = =
A

7
O sea u P
1
es vector propio de A asociado al valor propio

Definicin 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
-1
AP=D.

Observaciones
Todas la matrices simtricas son diagonalizables
Los valores propios de A son los elementos de la diagonal de la matriz D
Si la multiplicidad geomtrica es menor que la multiplicidad aritmtica entonces
es posible encontrar los dems vectores asociados a
i
usando la definicin de
vectores propios generalizados.
Si P est formado por vectores propios generalizados al multiplicar P
-1
AP
encontramos una matriz diagonal por bloques conocida como matriz de Jordan.

Definicin 7
Vectores Propios Generalizados son aquellos vectores que se encuentran mediante la
siguiente ecuacin:

) 1 (
) (

=
k k
x x I A , con conocido x
k ) 1 (

Teorema 6
Una matriz A es diagonalizable si y solo si admite n vectores propios que constituye un
conjunto linealmente independiente

Demostracin
()
Sea P una matriz invertible tal que P
-1
AP es diagonal. Sea

Entonces

i.e para cada i=1,2,,n
8
i i i
C AC =
i.e C
i
es vector propio de A asociado a
i
. Por otro lado como P es invertible, tenemos
el conjunto {C
1
,C
2
,C
n
} linealmente independiente.
()
Recprocamente, sean {x
1
,x
2
,,..x
n
} un conjunto linealmente independiente de vectores
propios de la matriz A, asociados a los valores propios
n
, , ,
2 1
K entonces, para cada
n i , , 2 , 1 K = tenemos que
i i i
x Ax =
Sea [ ]
n i
x x x x P , , , , ,
2 1
K K = . Entonces: [ ]
n n i i
x x x x AP , , , , ,
2 2 1 1
K K =
Sea

(
(
(
(
(
(
(
(
n
j
y
y
y
y
P
M
M
2
1
1
la matriz inversa de P. entonces
Luego:

Corolario 1
Si A es una matriz cuadrada de orden n. Si A tiene n valores propios distintos entonces
A es diagonalizable.
Demostracin
Inmediata.

Corolario 2
Una matriz A es diagonizable si la multiplicidad algebraica es igual a la multiplicidad
geomtrica para cada valor propio

Ejemplo 4:
Sea la matriz
(
(
(
=
3 2 4
2 3 4
0 0 1
B tiene 3 valores propios distintos, se nota que:
7 , 1 , 1 0 ) 7 )( 1 )( 1 ( 0 ) det( = = = = = I B
Entonces la matriz es diagonalizable, pues es semejante a la matriz
(
(
(
7 0 0
0 1 0
0 0 1

9
Ejemplo 5:
Sea
(
(
(
=
3 0 0
1 3 0
0 1 3
C , teniendo que
3 0 ) 3 ( 0 ) det(
3
= = = I C (multiplicidad algebraica m
a
=3)
Verificamos que la matriz C tiene un nico valor propio 3. En este caso los vectores
propios. Asociados a =3, son vectores no nulos dados por R t t
(
(
(
0
0
1
, la
multiplicidad geomtrica del valor propio 3 es 1. (
g a
m m ) Entonces, C no es
diagonizable.

Ejemplo 6:
Sea la matriz
(
(
(
4 0 2
0 0 0
2 0 1
, tiene dos valores propios distintos, 0 (de multiplicidad
algebraica 2) y 5 (multiplicidad algebraica 1)
Como

(
(
(
=
4 0 2
0 0 0
2 0 1
0I A
Tenemos que la multiplicidad geomtrica del valor propio 0 es 2, por lo que
g a
m m =
Por otro lado verificamos que los vectores propios de A, asociados al valor propio
1
=0, son los vectores no nulos de la forma R
(
(
(
+
(
(
(
, ,
0
1
0
1
0
2

Los vectores propios asociados al valor propio
2
=5, son vectores no nulos de la forma
R
(
(
(
,
2
0
1
. Entonces,
(
(
(
=
2 0 1
0 1 0
1 0 2
P , es una matriz diagonalizante de A. En
efecto
(
(
(
= =
5 0 0
0 0 0
0 0 0
D AP P
1 -

Proposicin 3:
Para una matriz A simtrica, sus vectores propios asociados a valores propios diferentes
son ortogonales.

Demostracin:
Sean
2 1
, X X vectores propios de A asociados a
2 1
, respectivamente. Se sabe que
1 1 1
X AX = y
2 2 2
X AX = . Ahora si escribimos los vectores como matrices
10
columnas, o productos escalares o simplemente producto matricial de la transpuesta de
la matriz por la segunda, como
2 1 2 1 2 1 2 1
. . . . ) ( X A X X A X X AX X AX
t t t
= = =
Como Aes simtrica A A
t
= y como
2 1
, X X son vectores propios de A, tenemos que:
2 1 2 2 1 1
X X X X = ( ) 0
2 1 2 1
= X X
Como,
2 1

concluimos que 0
2 1
= X X sea que
2 1
, X X son ortogonales.

Definicin 8
Se dice que un conjunto de vectores } ,.., , {
n
x x x
2 1
son ortonormales si:
j i
x x =
) (
) (
j i
j i
= == =

1
0

Mtodos de Solucin Iterativos

Localizacin de los Valores Propios

Teorema 7
Si es un valor propio cualquiera de A, entonces: A

Teorema 8 (Teorema de Gershgorin)
Sea A una matriz cuadrada de orden n , y n i d
i
, , 2 , 1 , K = los discos cuyos centros son
los elementos
ii
a y cuyos radios
i
r son dados por
=
=
n
i j
j
ij i
a r
1
n i , , 2 , 1 K =
Sea D la unin de todos los discos
i
d . Entonces, todos los valores propios de A se
encuentran contenidos en D.

Demostracin
Sea un valor propio de A y x su vector correspondiente, tal que 1 max =
i i
x .
Entonces
x Ax =
De donde

Suponiendo que |x
k
|=1, entonces

11
2 1 3 6 5 7
Re
Img
4
i.e los valores propios estn contenidas en disco d
k
y, como es arbitrario, entonces
todos los valores propios de A deben de estar contenidos en la unin de todos los discos.

Ejemplo 7
La matriz
(
(
(
=
1 1 0
1 3 2
0 2 5
A tiene como sus valores propios
6.2899 2.2943; 0.4158;
3 2 1
= = = . Calculando los discos de Gershgorin, tenemos
1 1 0 1 : d
3 1 2 3 : d
2 0 2 5 : d
3
2
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,
3
, que est dentro del disco centrado en 5 y radio 2, en
efecto: 7 2899 . 6 3
3
< = <
2
efecto: 6 2943 . 2 0
2
< = <
1
efecto: 2 4148 . 0 0
1
< = <

12
Mtodo de la Potencia

Para aplicar el mtodo de la potencia debemos suponer que:
a) la matriz A de orden n, tiene n valores caractersticos
n
,........ ,
2 1
con una
coleccin asociada de vectores caractersticos {
) ( ) 2 ( ) 1 (
... , ,
n
v v v }los cuales son
linealmente independientes.
b) Adems supondremos que A tiene precisamente un valor caracterstico que es el
mayor en magnitud y que, por esta razn, supondremos que
n
,........ ,
2 1
denotan
a los valores caractersticos de A con:
0
2 1
> >> >
n
. ....... .

Si x es cualquier vector en,
n
, el hecho de que {
) ( ) ( ) (
...
n
v v v
2 1
} sean linealmente
independientes implica que existen constantes
n
...
2 1
con
( )
=
=
n
j
j
j
v x
1
(2)

Multiplicando ambos lados de la ecuacin (2) por,
k
A A A ,......, ,
2
, obtenemos:

) (
1 1
) (
) ( 2
1 1
) ( 2 2
) (
1 1
) (
.. .......... ..........
.. .......... ..........
) 3 (
j k
j
n
j
j
n
j
j k
j
k
j
j
n
j
j
n
j
j
j
j
j
n
j
j
n
j
j
j
v v A x A
v v A x A
v v A Ax

= =
= =
= =
= =
= =
= =

factorizando
k
1
en ltima ecuacin de (3)

) (
1 1
1
j j
n
j
j
k k
v x A
|
|
\
|
=

=

Si
j
>
1
,para j=2,3..,n, implica que 0 lim
1
=
|
|
\
|
>
k
j
k

) 1 (
1 1
lim lim v x A
k
k
k
k

> >
= (4)

Esta sucesin converger a cero si
j
>
1
y divergir si
j
<
1
, siempre y
cuando, 0
1
. Se puede tomar ventaja de la ecuacin (4) si se escala las potencias
x A
k
de una manera apropiada, para asegurar que el lmite en (4) sea finito y no cero. El
13
escalamiento comienza escogiendo a x como un vector unitario
) ( 0
x relativo a la
norma infinita(

. ).

Algoritmo de la Potencia

Para aproximar el valor caracterstico dominante y su vector caracterstico asociado de
la matriz A de orden n, dado un vector inicial no nulo x

Entrada: dimensin n, Matriz A, vector x; tolerancia TOL, nmero mximo de
iteraciones MAX
Salida : valor caracterstico aproximado; vector caracterstico aproximado x (con

x =1) un mensaje de que el nmero de iteraciones fue excedido.

Paso 1: k=1
Paso 2: Encontrar un entero p con n p 1 y

= == = x x
p

Paso 3: Tomar
p
x
x
x = == =
Paso 4: Mientras que (kMAX) seguir los pasos 5 -10

Paso 5: Tomar Ax y = == =
Paso 6: Tomar
p
y = == =

Paso 7: Encontrar un entero p con n p 1

= == = y y
p

Paso 8: Si yp=0 entonces SALIDA Mensaje de Fracaso. Parar.
Paso 9: Tomar

= == =
p
y
y
x err

p
y
y
x = == =
Paso 9 : Si TOl err < entonces salida ( x , )
Salir.
Paso 10: hacer k=k+1

Paso 11 Salida (Nmero mximo de iteraciones fue excedido)
Parar.

Ejemplo 8
Usando el mtodo de la potencia, hllese una aproximacin del mayor valor
caracterstico y del vector caracterstico correspondiente al siguiente matriz:
(
(
(
=
5 1 0
1 1 1
0 1 3
A

Dar el valor ms aproximado para el valor propio mximo en la cuarta iteracin.

14
Solucin:
El primer paso, elegimos el vector inicial para el desarrollo del mtodo.
Sea el vector inicial x
(o)
= [ 0 0 2]
t

Luego se debe encontrar un entero p con n p 1 y

= == = y y
p
, donde n es la
dimensin de la matriz. 2 } 2 , 0 , 0 max{ = =
x
Entonces p=3 y x
3
=2
Enseguida, se debe normalizar el vector inicial x=
p
x
x

El vector inicial normalizado ser:
[ ]
[ ]
t
t
x
x
x 1 0 0
2
2 0 0
3
) 0 (
= = =
Ahora, encontraremos el primer valor propio
) 1 (
y su respectivo vector propio
normalizado
) 1 (
x
Ax
(0)
=
(1)
x
(1)

En general, los siguientes valores sern encontrados como:
Ax
(k)
=
(k+1)
x
(k+1)
, k1

Del ejemplo
Primera Iteracin

Ax
(0)
=
(
(
(
5 1 0
1 1 1
0 1 3
(
(
(
1
0
0
=
(
(
(
5
1
0
=
(1)
x
(1)
=5
(
(
(
1
5 / 1
0
,

(
(
(
=
5
5 / 1
0
) 1 (
x ,
(1)
= 5

Segunda Iteracin

Ax
(1)
=
(
(
(
5 1 0
1 1 1
0 1 3
(
(
(
5
5 / 1
0
=
(
(
(
5 / 26
5 / 6
5 / 1
=
(2)
x
(2)
=26/5
(
(
(
1
13 / 3
1/26
,
,
1
13 / 3
1/26
) 2 (
(
(
(
= x
(2)
= 5.2
Tercera Iteracin
Ax
(2)
=
(
(
(
5 1 0
1 1 1
0 1 3
(
(
(
1
13 / 3
1/26
=
(
(
(
13 / 68
26 / 33
26 / 9
=
(3)
x
(3)
=68/13
(
(
(
1
136 / 33
9/136
,
15
,
1
13 / 33
1/136
) 3 (
(
(
(
= x
(3)
= 68/13= 5.3

Cuarta Iteracin
Ax
(3)
=
(
(
(
5 1 0
1 1 1
0 1 3
(
(
(
1
136 / 33
9/136
=
(
(
(
136 / 713
68 / 89
34 / 15
=
(4)
x
(4)
=713/136
(
(
(
1
713 / 178
60/713
,
=
) 3 (
x
(
(
(
1
713 / 178
60/713
,
(4)
= 713/136= 5.2426
Valor exacto: 5.2618

Mtodo de la potencia Inversa Iterada (con desplazamiento)

Usa el mtodo de la potencia pero su convergencia es ms rpida. Este mtodo se usa
para determinar el valor caracterstico de A que est ms cerca de un nmero
especificado q.
Supongamos que la matriz A tiene valores caractersticos
n
........
2 1
con vectores
caractersticos {
) ( ) 2 ( ) 1 (
...
n
v v v } linealmente independientes. Si consideramos la matriz
( )
1
qI A donde
i
q para i=1,2,..,n. Los valores caractersticos de ( )
1
qI A son
q q q
n

1 2 1
1
..........
1
,
1

con vectores caractersticos
) ( ) ( ) (
...
n
v v v
2 1
.

Aplicando el mtodo de la potencia:

) ( ) (
) (
1 1
= == =
m m
x qI A y

) ( ) (
) (
1
= == =
m m
x y qI A (5)
La ec. (5) puede resolverse usando Eliminacin Gaussiana para obtener
) (m
y
El valor de q se puede estimar como:

) ( ) (
) ( ) (
0 0
0 0
x x
Ax x
q
t
t
= == =
Demostrar el algoritmo para este caso.

Ejemplo 9

Determine el valor propio ms cercano a q=3, y su vector propio correspondiente, para
la matriz:
(
(
(
=
5 1 0
1 1 1
0 1 3
A , a partir de la aproximacin inicial
(
(
(
=
1
1
1
0
x
16

Solucin

( )
(
(
(

= =
=
5 . 0 0 5 . 0
0 0 1
5 . 0 1 5 . 2
3
1
qI A B
q

4
1
0
1
1
1 ) 1 (
0
1
1
1
1
1
1
1 1 1 0 1
= + =
(
(
(
= = = =
(
(
(
= = q
y
x y Bx y

2857 . 3
1
1429 . 0
2857 . 0
1
5 . 3 ) 2 (
5 . 0
1
5 . 3
2
2
2
2
2 2 2 1 2
= + =
(
(
(
= = = =
(
(
(
= = q
y
x y Bx y

35 . 3
2 . 0
35 . 0
1
8571 . 2
5714 . 0
1
8571 . 2
3 3 3 3
=
(
(
(
= =
(
(
(
= x y

3390 . 3
2034 . 0
339 . 0
1
95 . 2
6 . 0
1
95 . 2
4 4 4 4
=
(
(
(
= =
(
(
(
= x y

3401 . 3
2046 . 0
3401 . 0
1
9407 . 2
6017 . 0
1
9407 . 2
5 5 5 5
=
(
(
(
= =
(
(
(
= x y

Que son aproximaciones del valor propio 3390 . 3 = y el vector propio
(
(
(
=
2047 . 0
3399 . 0
1
x .
Esta matriz tiene tres valores propios 0.3983, 3.3399 y 5.2618, y se nota claramente la
convergencia al ms cercano a q=3.

Mtodo de la potencia Inversa

Si estamos buscando el mnimo valor propio el problema de valores caracterstico se
plantea
v v A
1 1
= == =
Aplicando el mtodo de la potencia:
17

) 1 ( 1 ) (
=
m m
x A y
) 1 ( ) (
=
m m
x Ay (6)

La ecuacin (6) puede solucionarse por el mtodo de Eliminacin Gaussiana para
encontrar
) (m
y

Ejemplo 10
Determine el valor propio de menor valor absoluto y su correspondiente vector propio,
de la siguiente matriz, utilice el mtodo de la potencia inversa.
(
(
(
=
2 1 0
1 2 1
0 1 2
A

Solucin
(
(
(
= =

75 . 0 50 . 0 25 . 0
50 . 0 00 . 1 50 . 0
25 . 0 50 . 0 75 . 0
1
A B
(
(
(
=
1
1
1
0
w
5 . 0
) (
1
75 . 0
1
75 . 0
) (
2 ) ( , 2
5 . 1
2
5 . 1
1 1
1
1 1 0 1
=
(
(
(
= = = =
(
(
(
= =
p z p z
z
w p z p Bw z
5714 . 0
) (
1
7143 . 0
1
7143 . 0
) (
75 . 1 ) ( , 2
25 . 1
75 . 1
25 . 1
2 2
2
2 2 1 2
=
(
(
(
= = = =
(
(
(
= =
p z p z
z
w p z p Bw z
5833 . 0
) (
1
7083 . 0
1
7083 . 0
) (
7143 . 1 ) ( , 2
2143 . 1
7143 . 1
2143 . 1
3 3
3
3 3 2 3
=
(
(
(
= = = =
(
(
(
= =
p z p z
z
w p z p Bw z
5854 . 0
) (
1
7073 . 0
1
7073 . 0
) (
7083 . 1 ) ( , 2
2083 . 1
7083 . 1
2083 . 1
4 4
4
4 4 3 4
=
(
(
(
= = = =
(
(
(
= =
p z p z
z
w p z p Bw z

Estos valores son aproximados a los exactos:
(
(
(
=
(
(
(
(
= = =
7071 . 0
1
7071 . 0
2
1
1
2
1
5858 . 0 2 2 x

06 Val Prop 2009 1 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

06 Val Prop 2009 1 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL

Você também pode gostar