Apuntes Metodos Numericos Autovalores y Autovectores

Mtodos Numricos Aplicados a la Ingeniera
II. AUTOVALORES Y
AUTOVECTORES DE UNA
MATRIZ
2.1. Aspectos bsicos.
2.2. Teorem !e Sc"#r $ %ers"&ori'
2.(. )rob*ems propios !e #' mtri+.
2.,. -ctori+cio'es Orto&o'*es $
prob*ems !e m.'imos c#!r!os
2./. M0to!o !e 1R !e -r'cis pr
prob*ems !e 2*ores propios.
2.3. M0to!o mi4tos e2*#ci5' !e *
!etermi''te Iterci5' e' #' s#bespcio
II. AUTOVALORES Y AUTOVECTORES DE UNA MATRIZ
Autovalores y Autovectores de una Matriz Pgina 1
2.1. AS)ECTOS 67SICOS
Para ingresar a los estudios de los valores propios de una matriz
debemos tener cierta familiaridad con matrices y determinantes los
nmeros complejos.
2.1.1. MATRICES8 DE-INICI9N8 INTER)RETACI9N
DE-INICI9N: Llamaremos mtri+ a un arreglo rectangular de entes
(nmeros, funciones, etc) ordenados en filas y columnas.
n m
mn mi m m
n i
n i
n i
a a a a
a a a a
a a a a
a a a a
1
1
1
1
1
1
]
1

2 1
3 3 32 31
2 2 22 21
1 1 12 11
... ...
... ...
2.1.2. ORDEN DE UNA MATRIZ: Se llama as al producto de las filas y
columnas.
2 2
5 2
4 3
1
]
1

5 2
5 0 7 8 9
9 0 1 4 3
1
]
1

[ ] [ ]
columnas filas
ij
n m
ij
a a

2.1.(. MATRIZ -ILA Y MATRIZ COLUMNA
MATRIZ -ILA! Llamaremos matriz fila o vector fila a a"uella matriz "ue
posee s#lo una fila y ' columnas.
La representamos del siguiente modo!
[ ]
n
n
a a a a A

1
1 13 12 11
..., , , ,
MATRIZ COLUMNA! Llamaremos matriz columna o vector columna a
a"uella matriz "ue posee s#lo una columna y m filas.
Filas
Columnas
La representamos del siguiente modo!
1
1
21
11
mx
m
a
a
a
A
1
1
1
1
]
1
2.1.,. I%UALDAD DE MATRICES: Las matrices

( ) ( )
ij ij
b B a A ;
son
iguales si tienen el mismo orden es decir el nmero de filas y columnas
de cada una deben de ser iguales y adem$s cada elemento de una de
ellas tiene "ue ser igual al correspondiente de la otra.
Su representaci#n matricial es!
n j m i ij ij
b a B A
,..., 3 , 2 , 1 ,..., 2 , 1 ;

%l resultado "uiere decir "ue los elementos de las matrices & y ' son
diferentes e(cepto el elemento "ue est$ en la segunda fila y primera
columna
2.1./. )RODUCTO DE UN ESCALAR )OR UNA MATRIZ:

1
1
1
]
1
mn m
n
a a
a a
A

1
1 11
E;emp*o:
1.
,
_
,
_
10 5
20 10
2 1
4 2
5 5A
).
4600 9500 2500 4580 4
9500 5600 4500 5040 3
2500 4500 4500 2330 2
4580 5400 2330 5600 1
4 3 2 1
PRODUCTO
PRODUCTO
PRODUCTO
PRODUCTO
PLANTA PLANTA PLANTA PLANTA
%sta matriz nos proporciona la cantidad de productos producidos por
una empresa en cuatro diferentes plantas cuando su producci#n
aumenta en diez veces.
)ropie!!es:
1
) ( A A
2
A A A + + ) (
SUMA DE MATRICES: *adas las matrices
( ) ( )
n m
ij
n m
ij
b B y a A

la
suma de ambas B A+ es otra matriz
( )
n m
ij
c C

en la "ue cada
elemento de C es igual a la suma de los elementos correspondientes
de
B y A
.
[ ] [ ]
n m
ij
n m
ij ij
b a b a B A C

+ + + ) (
E;emp*o:
+.

,
_
,
_
,
_
1 6
1 3
2 0
6 5
;
1 6
5 8
B A C B A
). %n una empresa
,+-
60 90 25 40 4
90 60 50 50 3
50 40 40 20 2
40 50 20 50 1
4 3 2 1
PRODUCTO
PRODUCTO
PRODUCTO
PRODUCTO
,)-
6 9 2 10 4
9 6 5 20 3
0 4 10 10 2
40 50 20 50 1
4 3 2 1
PRODUCTO
PRODUCTO
PRODUCTO
PRODUCTO
%sta matriz nos proporciona el costo para producir parte de cada uno de
los cuatro productos en cuatro plantas ubicadas en ciudades diferentes
se re"uiere saber el costo total de cada uno de los productos.
,atriz de costo total -
66 99 27 50 4
99 66 55 70 3
50 44 50 30 2
800 100 40 100 1
4 3 2 1
PRODUCTO
PRODUCTO
PRODUCTO
PRODUCTO

)ropie!!es:
1. A B B A + +
2.
C B A C B A + + + + ) ( ) (
(.
B A B A + + ) (
,.
A A que tal A + 0 0 ;
2.1.3. )RODUCTO DE MATRICES
%l producto de las matrices
( ) ( )
n p
ij
p m
ij
b B y a A

.
es una matriz
( )
n m
ij
c C

. %l producto de las matrices estar$ definido correctamente si

B con conforme es A
es decir si el nmero de columnas de la matriz
A es igual al nmero de filas de la matriz B.
[ ] [ ] [ ]
n m
ij
n p
ij
p m
ij
c B A C b B a A

;
*onde el elemento ij
c
es el producto escalar de la fila i de A por la
columna
j
de B, es decir!

n j m i b a c
p
k
kj ik ij
,..., 1 ; ,..., 1 ; .
1

E;emp*o:
+.

,
_
,
_
2 0
1 2
;
3 1
2 1
B A
%ntonces!
,
_
,
_
+ +
+ +
,
_
,
_

5 2
3 2
) 2 ( 3 ) 1 ( 1 ) 0 ( 3 ) 2 ( 1
) 2 ( 2 ) 1 ( 1 ) 0 ( 2 ) 2 ( 1
2 0
1 2
.
3 1
2 1
C
AB C

Propiedades!
1. A B B A . .
2.
C AB BC A ) ( ) .(
(.
AC AB C B A + + ) .(
,.
CA BA A C B + + ) (
/.
R k AkB B kA ; .
2.1.<. TI)OS ES)ECIALES DE MATRICES!
1. MATRIZ CUADRADA! 'uando
n m
se llama matriz cuadrada
de orden
n
y se denota por
( )
n n
ij
A A

.
2
A
! ,atriz cuadrada de orden )().
3
A
! ,atriz cuadrada de orden .(..
n
A
! ,atriz cuadrada de orden n(n.
E;emp*o:
1.
,
_
6 8 0
0 5 7
3 2 1
3
A

2.
,
_
1 0 2 2 2 1 1
0 6 5 5 2 ' 0 8
9 74 6 5 0 0 0
1 1 1 1 1 1 2
0 78 0 0 0 7 5
9 6 8 5 78 2 3
4 5 6 7 8 9 0
7
A
2. MATRIZ TRIAN%ULAR SU)ERIOR: Llamaremos matriz
triangular superior a a"uella matriz cuyos elementos ij
a
son ceros para
j i >
y se representa como!
,
_
nn
n
n
n
a
a a
a a a
a a a a
A
0 0 0 0
... 0 0
... 0
...
3 33
2 23 22
1 13 12 11

(. MATRIZ TRIAN%ULAR IN-ERIOR: Llamaremos matriz triangular
inferior a a"uella matriz cuyos elementos ij
a
son ceros para
j i <
y se
representa como!
,
_
nn m m m
a a a a
a a a
a a
a
A

3 2 1
33 32 31
22 21
11
0 ...
0 ... 0
0 ... 0 0
,. MATRIZ DIA%ONAL: Llamaremos matriz diagonal a a"uella
matriz donde todos sus elementos ij
a
son ceros para
j i
, y se
representa de la siguiente forma!
,
_
nn
a
a
a
a
A
0 0 0 0
0 ... 0 0
0 ... 0 0
0 ... 0 0
33
22
11

/. MATRIZ ESCALAR: %s a"uella matriz diagonal donde todos los
elementos son igual a una constante ! y se representa de la siguiente
manera!
,
_
!
!
!
!
A
0 0 0 0
0 ... 0 0
0 ... 0 0
0 ... 0 0

3. MATRIZ IDENTIDAD: %s una matriz escalar con 1 ! y se
representa de la siguiente manera!
,
_
1 0 0 0 0
0 ... 1 0 0
0 ... 0 1 0
0 ... 0 0 1

A
<. MATRIZ TRANS)UESTA: *ada una matriz
( )
n m
ij
a A

llamaremos transpuesta de A denotada por
t
A
a la matriz
( )
m n
ji
a

,
_
,
_
mn n n n
m
m
m
t
mn m m m
n
n
n
a a a a
a a a a
a a a a
a a a a
A
a a a a
a a a a
a a a a
a a a a
A
...
...
...
...
...
...
...
...
3 2 1
3 33 23 13
2 32 22 12
1 31 21 11
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11

E;emp*o:
1.

,
_
,
_
4 2
3 1
4 3
2 1
t
A A
)ropie!!es:
1.

t

2.
( ) A A
t
t

(. ( )
t t
kA kA
,. ( )
t t t
A B AB .
/. ( )
t t t
B A B A + +
=. MATRIZ SIM>TRICA: Se dice "ue una matriz cuadrada es
sim/trica si se cumple "ue los elementos
j i a a
ji ij
;
es decir
t
A A
.
E;emp*o:
,
_
,
_
3 5 2
5 4 0
2 0 2
3 5 2
5 4 0
2 0 2
t
A A
?. MATRIZ ANTISIM>TRICA: 0na matriz cuadrada Ase llama anti
sim/trica si
t
A A
E;emp*o:
1.
,
_
,
_
,
_

0 6 4
6 0 2
4 2 0
0 6 4
6 0 2
4 2 0
6 6 4
6 0 2
4 2 0
t t
A A A
t
A A
2.

,
_
,
_
,
_
0 4
4 0
0 4
4 0
0 4
4 0
t t
A A A
t
A A
1@. MATRIZ AERMITIANAS
Las matrices cuadradas cuyos elementos tienen simetra conjugada se
le llama matriz 1ermitianas es decir!
, en donde 2 indica la
conjugada compleja
%jemplo!
, en donde
3bservemos si todos los elementos de la matriz 1ermitiana fueran
reales, entonces tenemos una matriz sim/trica.
11. MATRIZ 6ANDA
%s una matriz cuadrada en donde la mayor parte de los elementos son
ceros y los elementos con valor significativo est$n agrupados alrededor
de su diagonal principal en este caso se llama matriz banda.
%jemplo!

,
_
1 1 0 0 0
1 2 1 0 0
0 1 2 1 0
0 0 1 2 1
0 0 0 1 1
A
3bs.
+. Las lneas paralelas a la diagonal principal se le llama
codiagonales.
). %l nmero total de diagonal y codiagonales con elementos
significativos es el anc4o de banda (. en este ejemplo).
.. Para matrices sim/tricas puede tambi/n 4ablarse de un anc4o de
semi 5 banda "ue incluye a la diagonal principal () en el ejemplo
precedente).
6. 0na matriz banda tiene baja densidad. 'onsiderando densidad
como la raz#n entre el nmero de elementos con valor significativo y el
nmero total de elementos.
2.1.= DETERMINANTE DE UNA MATRIZ
DeBi'ici5': *eterminante de una matriz A denotada por
A A ) det(
.
Si
,
_
22 21
12 11
a a
a a
A
entonces
12 21 22 11
. . ) det( a a a a A
E;emp*o:
1.
5 2 3 ) 1 ( 2 ) 3 ( 1 ) det(
3 1
2 1
+
,
_
A A
2.1.=.1. MENOR COM)LEMENTARIO
DeBi'ici5': Llamaremos menor complemento
" "
ij
"

de un elemento de una matriz A de tercer orden al determinante de una
matriz cuadrada de segundo orden "ue se obtiene despu/s de eliminar
la fila i y la columna
j
) (
ij
"
.
%l menor complementario de ij
a
se denota por ij
"
.
%jemplo!
( )
,
_
33 32 31
23 22 21
13 12 11
3 3
a a a
a a a
a a a
a A
ij
el menor complementario de!

11
a
es
,
_
33 32
23 22
11
a a
a a
"
21
a
es
,
_
33 32
13 12
21
a a
a a
"
2.1.=.2. CO-ACTOR DE UN ELEMENTO
Sea ij
a
un elemento de una matriz A denotaremos cofactor ij
A
y se
define como!
( )
ij
j i
ij
" A
+
1
Sea
,
_
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
entonces
( )
( )
( )
13 13
3 1
13
12 12
2 1
12
11 11
1 1
11
1
1
1
" " A
" " A
" " A

+
+
+
%ntonces 13 13 12 12 11 11
" a " a " a A +
E;emp*o:
1.
10
5 , 0
3 . 2
1 ) det(
5 0 0
3 2 1
0 0 1

,
_
A A
7 &-8+ 9 9+ ) .9 9 :;
& -
+ 9 9
+ ) .
9 9 :
7 det(&)
ans -
+9
2.
( ) ( ) ( ) ) 0 ( 3 ) 2 )( 2 ( 3 ) 0 ( 4 ) 1 )( 2 ( 5 ) 2 )( 4 ( ) 1 ( 3 2 ) det(
1 2 0
4 3 2
3 5 2
+
,
_
B B
Por lo tanto
44 12 10 ) 11 ( 2 ) det( + + B
7 <-8) : .=) . 69 =) +;
< -
) : .
=) . 6
9 =) +
7 det(<)
ans -
66
2.1.=.(. )ropie!!es:
1. Si se intercambian una fila por una columna en su determinante
su valor no se altera.
%s decir!
3 3 3
2 2 2
1 1 1
3 2 1
3 2 1
3 2 1
c b a
c b a
c b a
c c c
b b b
a a a
2. Si todos sus elementos de una fila o columna son ceros el

determinante es cero.
(. Si se intercambian dos filas o dos columnas continuas el
determinante cambia de signo.
%s decir!
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
c c c
a a a
b b b
c c c
b b b
a a a
,. Si un determinante tiene dos filas # dos columnas iguales o

proporcionales su valor es cero.
%s decir!
0
3 2 1
3 2 1
3 2 1
c c c
ka ka ka
a a a
/. >odos los elementos de una fila o columna de un determinante se
multiplica por un nmero el valor del determinante "ueda multiplicado
por el nmero.
%s decir!
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
c c c
b b b
a a a
k
c c c
kb kb kb
a a a
c c kc
b b kb
a a ka

3. Si todos los elementos de una fila o columna son e(presados
como la suma de dos o m$s nmeros, el determinante puede e(presarse
como la suma de dos o m$s determinantes.
%s decir!
3 2
3 2
3 2
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
c c #
b b y
a a x
c c c
b b b
a a a
c c # c
b b y b
a a x a
+
+
+
+
<. Si a cada uno de los elementos de una fila o columna se le
multiplica por m y a este resultado se le suma otra fila o columna el valor
del determinante no se altera.
%s decir!
3 2 2 1
3 2 2 1
3 2 2 1
3 2 1
3 2 1
3 2 1
c c mc c
b b mb b
a a ma a
c c c
b b b
a a a
+
+
+
2.1.=.,. Obser2cio'es
La determinante de una matriz triangular es igual al producto de los
elementos de su diagonal principal.
, det(&) - (+)(:)(+))- ?9

,
_
20 1 0 0 0
0 2 1 0 0
0 0 10 1 0
0 0 0 2 1
0 0 0 0 1
A
det(&)- (+)())(+9)())()9)-@99
Para un producto matricial se cumple "ue! det(&.<.')-det(&). det(<).
det(')
2.1.=./. MATRIZ DE CO-ACTORES
Sea la matriz
,
_
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
entonces llamamos matriz de
cofactores de la matriz A a la matriz
,
_
33 32 31
23 22 21
13 12 11
A A A
A A A
A A A
CA
donde
( )
ij
j i
ij
" A
+
1
%jemplo!
,
_
,
_
4 14 22
14 22 4
22 4 14
3 1 5
1 5 3
5 3 1
CA A
2.1.=.3. MATRIZ ADCUNTA
Se llama as a la matriz transpuesta de la matriz de cofactores y se
denota por
t
CA A a$j ) ( ,
,
_

33 23 13
32 22 12
31 21 11
) (
A A A
A A A
A A A
CA A a$j
t
%jemplo!
,
_
,
_
,
_
3 6 3
6 12 6
3 6 3
) (
3 6 3
6 12 6
3 6 3
9 8 7
6 5 4
3 2 1
A a$j CA A
2.1.=.<. MATRIZ INVERSA.
Supongamos la matriz cuadrada A tiene
0 ) det( A
, entonces la
inversa de la matriz A denotada por
1
A
es!
A
CA
A a$j
A
A
t

) (
1
1
E;emp*o:
9 ) 10 12 ( 3 ) 12 4 ( 2 ) 13 (
1 3 2
6 5 4
3 2 1
+
,
_
A A
,
_
,
_
3 1 2
6 5 8
3 7 13
) (
3 6 3
1 5 7
2 8 13
A a$j CA
,
_
3 1 2
6 5 8
3 7 13
9
1
1
A
Aerificando tenemos!
,
_
,
_
,
_
1 0 0
0 1 0
0 0 1
3 1 2
6 5 8
3 7 13
.
1 3 2
6 5 4
3 2 1
9
1
1
AA
0na matriz cuadrada tiene inversa si y s#lo si es una matriz no singular
en este caso se dice "ue es una matriz invertible.
)ropie!!es:
1. ( )
1 1 1
A B AB
2.
( ) A A
1
1
(. ( ) R A A

1 1 1
,.
1
) (

n
A A a$j
*onde
n
es el orden de la matriz A
/. La inversi#n de matrices permite efectuar la operaci#n e"uivalente
a la divisi#n del $lgebra comn.

3. 0na matriz & se llama ortogonal si &&
>
-B, en particular si & es una
matriz cuadrada se tiene "ue &
=+
- &
>
%jemplo!
,
,
21.1.=.=. RAN%O DE UNA MATRIZ!
Se llama rango de una matriz & de orden n(n, al orden de la matriz
cuadrada mas grande contenida en & cuyo determinante es diferente
de cero y se denota r(&) - rango de &.
*ebemos resaltar "ue el r(&) C min!Dm,nE donde la matriz & en de orden
de m(n.
Para determinar el rango de una matriz se debe de tener en
consideraci#n "ue al determinar las matrices cuadradas es suficiente
"ue una de ellas tenga su determinante diferente de cero.
%jemplo! 1allar el rango de la siguiente matriz!

,
_
9 8 0
8 7 6
6 5 0
4 2 1
A
Soluci#n
'omo la matriz es de orden 6(., esto "uiere decir "ue r(&) C minD6,.E en
otras palabras r(&) C .
*eterminamos las matrices de .(.!
,
_
8 7 6
6 5 0
4 2 1

,
_
9 8 0
6 5 0
4 2 1
,
_
9 8 0
8 7 6
6 5 0
,
_
9 8 0
8 7 6
4 2 1
'omo no e(isten m$s matrices de orden de .(. cuyos determinantes
sean ceros esto "uiere decir "ue el orden de la matriz dada es ..
Si en caso "ue sus determinantes fueran ceros entonces se prosigue a
determinar los determinantes de orden )().
&claraciones!
= >oda matriz nula tiene como rango cero,
= Si una matriz & es de orden m(n no nula entonces su rango es
mayor "ue cero y menor igual "ue min (m,n)
= Si la matriz es de orden n(n su rango es mayor "ue cero y menor o
igual a n
= Si la matriz es no nula de orden n(n , entonces e(iste su inversa si
solo si su determinante es diferente cero , en este caso se dice "ue la
matriz es no singular.
= *e la afirmaci#n anterior tambi/n se dice "ue una matriz cuadrada de
orden n(n tiene inversa si y solo si r(&) -n.
= Supongamos dos matrices & y < y "ue e(ista &<, entonces r(&<)C
minDr(&), r(<)E
= >ambi/n es necesario resaltar "ue e(iste otra manera de calcular el
rango de una matriz y es usando operaciones elementales o
transformaciones elementales.
2.1.=.?. O)ERACIONES O TRANS-ORMACIONES ELEMENTALES
Son operaciones con matrices "ue no alteran su orden ni su rango,
e(istiendo operaciones elementales por fila o por columnas.
+. La permutaci#n de una fila por una columna se denota por 1
ij
,
). La permutaci#n de columna por columna se denota por F
ij
.. %l producto de todos los elementos de la fila i por un escalar GaH

distinto de cero se representa por 1
i
(a)
6. %l producto de todos los elementos de una columna I por un
escalar GbH se denota por F
j
(b)
:. La suma de los elementos de la fila B con los correspondientes
elementos de la fila j multiplicados por un escalar GJH es representado
por 1
ij
(J)
?. La suma de los elementos de una columna i, con los
correspondientes elementos de una columna j multiplicado por un
escalar GpH se denota por F
ij
(p)
K. *ebemos aclarar "ue a las operaciones de tipo 1 se les llama
operaciones de tipo fila y a las operaciones de tipo F se les llama
operaciones columna.
2.1.=.1@. LON%ITUD DE UN VECTOR
Supongamos ( un vector en L
)
, su longitud denotado por M(M es definido
como un nmero positivo o cero.
,
%n t/rminos de producto punto
,
%jemplo! sea determinar su norma
So*#ci5'
-K.9K++
*ebemos tener en consideraci#n "ue el campo de los nmeros reales L
tiene el defecto de "ue un polinomio de grado n con coeficientes reales
no necesariamente tiene n ceros reales.

Por ejemplo carece de ceros reales, este defecto se
supera e(tendiendo el campo de tal manera "ue contenga al elemento i,
elemento "ue se caracteriza por la ecuaci#n , "ue es el campo
' de los nmeros complejos en donde sus elementos tienen la forma!
(-aNbi , en donde a, b son reales.
Su conjugado, norma, o modulo, se le define!
,
,
3bserve "ue!
1. ,
). %l campo de los complejos ya no tiene la anomala de los reales,
es mas tenemos el teorema fundamental del algebra, "ue establece "ue
todo polinomio no constante con coeficientes complejos tiene al
menos un cero en el plano complejo.
.. La afirmaci#n anterior permite afirmar "ue todo polinomio de
grado n se puede descomponer como un producto de n factores
lineales.
AN%ULO ENTRE VECTORES
%l coseno entre dos vectores es dado por
,
E;emp*o
Sean los vectores y , entonces el
$ngulo entre ellos es!
,
)ER)ENDICULARIDAD DE VECTORES
*os vectores son ortogonales si el coseno entre ellos es cero es decir si
solo si
,
%jemplo
Sean los vectores (-(),.,.,6), y -(6,=.,K,=:) son ortogonales pues!
O2y-)26N.(=.)N.2KN6(=:)-9
2.1.?. ES)ACIO VECTORIAL C
'

%l espacio vectorial '
n
, esta compuesto de todos los vectores
en donde los , Si al vector
complejo ( es multiplicado por tambi/n complejo el resultado es otro
vector complejo as!
,
%n consecuencia '
n
, es un espacio vectorial sobre el campo de '. %n
consecuencia en este espacio '
n
. %l producto interno se define!
,
2.1.1@. NORMA DE VECTORES
La norma %uclidiana se define!
,
Podemos observar "ue,
1.
,
2.
,
3.
,
'onsideremos & una matriz con elementos complejos, y &
2
denota su
conjugada transpuesta es decir en particular, si ( es una
matriz de n(+ (o vector columna), entonces , es una matriz de
+(n o vector fila,
,
,
%n general podemos definir norma de un vector (
,
'omo casos particulares tenemos la norma %uclidiana cuando p-)
,
,$(imo valor absoluto

Propiedades
1.
,
2.
,
3.
,
%stas propiedades son familiares en relaci#n a la norma %uclidiana o
GlongitudH de un vector.
La norma de una matriz cuadrada, & , puede ser definida en forma
consistente con la definici#n de norma de un vector!
, (( ),
La norma de es donde es el m$(imo valor
caracterstico de &
t
.&. >ambi/n

%stas normas definidas satisfacen ,
2.1.1@. VALOR )RO)IO DE UN MATRIZ A
&4ora consideremos & una matriz de orden n(n cuyos elementos
pueden ser complejos y sea un escalar (numero complejo). Si la
ecuaci#n
..................................................................................................(+)
>iene una soluci#n no trivial es decir entonces , es un valor
propio de & . 0n vector ( distinto de cero "ue satisface la ecuaci#n (+) es
un vector propio de & correspondiente al valor propio .
E;emp*o! 'onsideremos la %cuaci#n siguiente
,
%sta ecuaci#n nos afirma "ue =) es un valor propio de matriz .(. y "ue
(+,.,=6)
>
, es un vector propio correspondiente.
3bservemos "ue cual"uier mltiplo distinto de cero de un vector propio
es tambi/n un vector propio correspondiente al mismo valor propio.
La condici#n de "ue la ecuaci#n (+) tenga una soluci#n no trivial es
e"uivalente a cada una de las siguientes afirmaciones!
1.
, mapea algn vector distinto de cero en 9,......................
()).
2.
, es singular,.............................................................(.)
3.
),........................................................................(6)

2.1.11. ECUACI9N CARACTERDSTICA DE LA MATRIZ A
*ebemos decir "ue podemos resolver la relaci#n (6) para las inc#gnitas
, y de esta manera determinamos los valores propios de &. Lesaltando
"ue a esta relaci#n se le conoce como ec#ci5' crcter.stic !e *
mtri+ A . Posotros podemos escribir esta ecuaci#n mas detalladamente
as!
1
1
1
1
1
1
1
1
]
1
1
1
1
1
1
1
1
1
]
1
0
0
0
0
0
... ...
... ...
... ...
... ...
det
3 2 1
3 2 1
2 2 23 22 21
1 1 13 12 11
nn nj n n n
in ij i i i
n j
n j
a a a a a
a a a a a
a a a a a
a a a a a

La funci#n determinante se define como una suma de t/rminos "ue son
productos de elementos de la matriz.
2.1.12. )OLINOMIO CARACTERDSTICO DE A8
Podemos observar "ue la ecuaci#n (6) tiene la forma de un polinomio de
grado n en la variable , a esto se le llama po*i'omio crcter.stico !e
A8 de lo cual podemos decir "ue una matriz de n(n tiene e(actamente n
valores propios, siempre y cuando se cuenten con las multiplicidades
"ue tienen como races de la ecuaci#n caracterstica.
,
Si ( es un autovector asociado con el autovalor en estas
circunstancias , es decir la matriz & transforma el vector ( en
un mltiplo escalar de si mismo. 'uando , es un numero real mayor
"ue uno, & tiene el efecto de alargar ( en un factor de y cuando
, & disminuye a ( en un factor de , cuando , los efectos
son similares pero en direcci#n contraria.

E;emp*o
Sea la matriz , calcular los autovalores de &
,
Los autovalores de & son
0n auto vector de & asociado con es una soluci#n de
, as "ue , por lo tanto ,
esto "uiere decir "ue cual"uier valor no nulo de (
+
, produce un
autovector para el autovalor , por ejemplo (
+
-+ tenemos el
autovector
*e manera an$loga un auto vector de & asociado con es una
soluci#n de , as "ue , por lo
tanto , esto "uiere decir "ue cual"uier valor no nulo de (
+
,
A
x
A
x
x
x
8 8
A
x
x
x
A
x
8
8
produce un autovector para el autovalor , por ejemplo (
+
-+
tenemos el autovector
E;emp*o
*ada la matriz & determinar,
+. Su ecuaci#n caracterstica y sus races
,
Siendo sus races , esto lustra el 4ec4o de "ue
los valores propios de una matriz real no son necesariamente nmeros
reales. *ebemos decir "ue la metodologa anterior es la directa y es la
mejor cuando se trata de matrices pe"ueQas.
2.1.1(. RADIO ES)ECTRAL DE UNA MATRIZ
Ladio espectral de una matriz & se define as!
en donde es un autovalor de &
%jemplo! 'onsideremos la matriz sus autovalores son,
, entonces
%l radio espectral se encuentra estrec4amente vinculada con la norma
de una matriz.
Para la norma matricial
,
, para cual"uier norma subordinada.

2.2. INDE)ENDENCIA LINEAL
*iremos "ue los vectores no nulos son linealmente
independientes si el nico conjunto de nmeros reales tal
"ue , es , en caso contrario se dir$
"ue los vectores son dependientes.
E;emp*o
*ados los vectores! , son linealmente
dependientes de pues e(isten (+) y ()) tal "ue!
Si es un conjunto Li'e*me'te I'!epe'!ie'te de n
vectores en L
n
, entonces para cada vector ( en L
n
,

e(iste un nico
conjunto de nmero reales , tal "ue
,
, en este caso se dice "ue es una base de L
n
.
E;emp*o:

Sean los vectores .Si los
nmeros son tales "ue
,
E'to'ces
, de esta manera
tenemos "ue,
,
Pues la nica soluci#n al sistema es entonces el conjunto
, es Linealmente independiente en L
.
, y por lo tanto es una
base de L
.
. %ntonces cual"uier vector en L
.
, puede escribirse de la
siguiente manera!
,.
2.2.2. INDE)ENDENCIA LINEAL DE AUTOVECTORES
Si & es una matriz y son autovalores distintos de & con
autovectores correspondientes , entonces
, es linealmente independiente.
0n conjunto de vectores es ortogonal si
, Si, dem$s
entonces el conjunto es ortogonal.
'omo , es un conjunto ortogonal de vectores
, es ortogonal si, solo si, , para cada
i-+,),...,n.
2.2.(. INDE)ENDENCIA LINEAL DE VECTORES ORTO%ONALES
0n conjunto ortogonal de vectores "ue no contenga el vector cero es
linealmente independiente.
E;emp*o: %l conjunto de vectores,
, forman un
conjunto ortogonal, pues para estos vectores tenemos "ue!

,
,
.
%ste conjunto forman un conjunto ortogonal por 4eredar la ortogonalidad
de , y adem$s
,
*iremos "ue una matriz R de dimensiones n(n es una matriz ortogonal
si , debemos aclarar "ue esta terminologa provienen del
4ec4o de "ue las columnas de una matriz ortogonal forman un conjunto
ortogonal.
E;emp*o. 'onsiderando el ejemplo anterior la matriz ortogonal ser$!
,
3bservemos "ue! R2R
t
-B
2
&dem$s se tiene "ue,
2.2.,. AUTOVALORES Y AUTOVECTORES DE MATRICES
SEMECANTES
Se dice "ue dos matrices & y < de dimensiones n(n son semejantes si
e(iste una matriz P tal "ue &-P
=+
<P. *os matrices semejantes tienen los
mismos autovectores.
Supongamos "ue las matrices & y < son semejantes de orden n(n, y
"ue es un autovalor de & con un autovector asociado (. %n estas
condiciones diremos "ue es un autovalor de < y adem$s si &-P
=+
<P.,
entonces P( es un autovector de < asociado a
3bs/rvese "ue la determinaci#n de los autovalores de una matriz
triangular de orden n(n es relativamente sencilla, pues en este caso
es la soluci#n de la ecuaci#n
, si solo si para
algn i .
2.2./. TEOREMA DE SCAUR Y %ERSA%ORIN
*iremos "ue dos matrices & y < son semejantes entre si cuando e(iste
una matriz no singular P tal "ue este concepto es importante
por "ue permite establecer "ue dos matrices "ue representan una
misma transformaci#n lineal con respecto a dos bases distintas, son
semejantes entre si.
Teorem 1. >odas las matrices semejantes tienen los mismos valores
propios
Pues supongamos "ue & y < son dos matrices semejantes esto es
,
Aeremos "ue & y < tienen el mismo polinomio caracterstico
,
,
,
,
Obs0r2ese:
Rue se a considerado "ue el determinante del producto de dos
matrices es el producto de sus determinantes, y el determinante de la
inversa de una matriz es el reciproco de su determinante.
%l teorema anterior sugiere una manera para determinar los
valores propios de &. es decir convertir la matriz & en una matriz < por
medio de una transformaci#n de semejanza y calcule los
valores propios de <. Si < es mas simple "ue &, el calculo de sus
valores propios es mas f$cil. %n el caso de "ue < sea triangular los
valores propios de < y de & son los elementos de la diagonal de <, es
as como medito S'10L , segn el siempre ser$ posible al menos
te#ricamente
0na matriz 0 ser$ untara si 00
2
-B, en donde 0
2
, es la conjugada
transpuesta de 0 es decir .
TEOREMA DE SCAUR.
Sea & una matriz de orden n(n cual"uiera, entonces e(iste una matriz 0
ortogonal tal "ue >-0
=+
&0, donde > es triangular superior cuyos
elementos diagonales son los autovalores de la matriz &.
*ebemos manifestar "ue el teorema de Sc4ur garantiza "ue la
matriz triangular e(iste, pero su prueba no proporciona la construcci#n
de >.
%n otras palabras S'10L afirmo "ue toda matriz cuadrada es
unitariamente semejante a una matriz triangular.
Coro*rio 1: toda matriz cuadrada es semejante una matriz triangular.
Coro*rio 2. >oda matriz 1ermitiana es semejante unitariamente a una
matriz diagonal.
Pues si & es 1ermitiana, entonces &-&
2
, y sea 0 una matriz untara tal
"ue 0&0
2
, es triangular superior. %n este caso (0&0
2
)2, es triangular
inferior, pero, (0&0
2
)2- 0
22
&2 0
2
- 0&0
2
, *e esta manera la matriz 0&0
2
es triangular superior e inferior en consecuencia se trata de una matriz
diagonal.
E;emp*o
LOCALIZACI9N DE LOS VALORES )RO)IOS
TEOREMA DE %ERSA%ORIN
Sea & una matriz n(n y denotemos por L
i
, el crculo del plano complejo
con centro en a
ii
y radio , es decir
%n donde ' denota el conjunto de los nmeros complejos. %ntonces los
autovalores de la matriz & est$n contenidos en , es m$s, si
la uni#n de estos J crculos no se cortan con los dem$s n=J crculos
entonces dic4a uni#n contiene precisamente J autovalores contando las
multiplicidades.
E;emp*o
Sea la matriz
Los crculos del teorema de Sers4gorin son!
,
,
,
'omo los L
+
y L
)
son disjuntos de L
.
, e(isten dos autovalores en
y uno con L
.
2.(. -ACTORIZACIONES ORTO%ONALES Y )RO6LEMAS DE
MDNIMOS CUADRADOS
%n tems anteriores ya se ya se conceptualizo un espacio complejo '
n
,
%n este espacio el producto nos permite definir el concepto de
ortogonalidad, es decir dos vectores (, y son ortogonales si , lo
1 2 3 4 5 6
7 ! 1" 11
#$e
%maginario
#$e
&eal
"ue podemos generalizarlo considerando un conjunto en
'
n
, diremos "ue los vectores v
i
y v
j
, son ortogonales si

Si , en este caso se dice "ue el conjunto de los vectores es
ortonormal
E;emp*o.
*eterminar si los vectores son ortogonales (
+
-8+9,+9; y . (
)
-8=),);
Pues ,
Sin embargo si tenemos (
+
-8+9,+9; y . (
)
-8),=).999.;, son casi
ortogonales lo "ue induce al estudio de criterios de 3rtagonalizacion.
2.(.1. M>TODO DE ORTA%ONALIZACION DE %RAM SCAMIDT
'onsideremos dos vectores (
+
, y (
)
en el plano OT linealmente
Bndependientes, a partir de estos vectores construyamos los vectores e
+
y e
)
, ortogonales.
Supongamos (
+
- e
+
, y e
+
como componente de e
)
perpendicular a (
+
,
en consecuencia , gr$ficamente es
%n donde debemos de encontrar de tal manera "ue es
decir!
,
'onsecuentemente se tiene "ue
e
2
'
2
'
1
(e
1
'
2
#
1
,
*e esta manera e
)
se encuentra en funci#n de (
+
y

(
)
, y sean
ortogonalizado dic4os vectores.
E;emp*o.
3rtogonalizar (
+
-86,?;
t
y . (
)
-8@,9;
t
1acemos
)rimero: consideramos el primer vector
,
Se&#'!o! determinamos

Tercero: determinamos el segundo vector ortogonal.
Sr$ficamente

Para un conjunto de n vectores Linealmente
)
*1
)
*2
**
*3
*
*4
*
1 2 3 4
5 6
4
)
3
)
2 **
1 *
Bndependientes de n componentes. & partir de ellos se puede construir
un conjunto de ortogonal de la siguiente manera.
)rimero: consideramos el primer vector
,
Se&#'!o:
,
Tercero:
8
E;emp*o. Aer &ntonio Pieves y Uederico *omnguez
ABirmci5' 1. 0na sucesi#n de vectores ortogonales
genera una base ortogonal del espacio generado por
para .
'uando el proceso de 3rtagonalizacion de Sram=Sc4midt, se aplica a
las columnas de una matriz, se puede interpretar el resultado como una
factorizaci#n matricial.
Pues los productos internos "ue aparecen en el calculo se guarda en
una matriz "ue ser$ uno de los factores.
&plicamos el proceso a las columnas &
+
, &
)
, ...,&
n
de una matriz & de
m(n y finalmente se llega despu/s de n pasos a una matriz < de m(n
cuyas columnas forman un conjunto de ortogonal.
2.(.2. )RO6LEMA DE LOS MDNIMOS CUADRADOS
%l problema de los mnimos cuadrados para sistemas de ecuaciones
lineales es justamente una aplicaci#n de las factorizaciones ortogonales.
'onsideremos un sistema de m ecuaciones con n inc#gnitas, es decir
&(-b
%n este sistema de ecuaciones & es una matriz de m(n, ( es de n(+, y b
es de m(+.
Aamos a considerar "ue el rango de & es n de donde .
Por lo general el sistema no tiene soluci#n, como consecuencia de "ue
b no pertenece al espacio '
m
, de dimensi#n n. generado por las
columnas de & .
%n consecuencia generalmente se "uiere encontrar una ( "ue minimice
la norma del vector residual b=&(. La soluci#n en mnimos cuadrados
del sistema planteado es el vector ( "ue 4ace de , un mnimo
el cual ( ser$ nico segn el supuesto del rango de &.
LEMA! Si ( es tal "ue &
2
(&(=b)-9 entonces ( es una soluci#n del
problema de mnimos cuadrados
+
.
Si suponemos "ue & se a factorizado de la forma &- <>, la soluci#n en
mnimos cuadrados del sistema &(-b ser$ la soluci#n e(acta del
sistema n(n >(-(<
2
< )
=+
<
2
b. el cual se verifica usando el lema anterior
&
2
&(-(<>)
2
<>(->
2
<
2
<>( - >
2
<
2
<(<
2
< )
=+
<
2
b->
2
<
2
b-&
2
b
La matriz (<
2
< )
=+
es un matriz diagonal , esta diagonal
es calculado por el algoritmo modificado de Sram=Sc4midt cuyo
algoritmo evita el calculo de races cuadradas
)
.
3tra manera de abordar el problema de mnimos cuadrados asociado
al sistema &(-b es utilizar directamente el lema citado de esta manera
, ser$ un mnimo si &
2
(&(=b)-9.
Suponiendo "ue la matriz & de m(n es de rango n entonces &
2
& es una
matriz de n(n no singular y solo e(iste una soluci#n de mnimos
cuadrados "ue se determina resolviendo un sistema no singular de n(n
llamado sistema de ecuaciones normales.
&
2
&(-&
2
b
1
Ver demostracion en Anaisis n!meric de "a#id $incaid; %ard &'ene(
2
Ver "a#id $incaid %ard &'ene( )a*. 254
%n donde la matriz &
2
& es 1ermitiana y definida positiva en
consecuencia se utiliza la factorizaci#n de '4olesJy para solucionar el
sistema normal. Si & tiene rango menor "ue n el sistema ser$
consistente pero puede tener muc4as soluciones.
-ACTORIZACI9N 1R DE AOUSEAOLDER
%n uno de los m/todos mas tiles para factorizar ortogonalmente. La
idea es factorizar una matriz & de orden m(n como un producto
&-RL
%n donde R es una matriz unitaria de m(m y L una matriz triangular
superior de m(n, vale destacar "ue el algoritmo de factorizaci#n produce
R
2
&-L
'onstruy/ndose R
2
paso a paso como un producto de matrices untaras
"ue tiene la forma de,

%sto se le conoce con el nombre de transformaciones de 1ouse4older
Primero, determinamos el vector con la caracterstica "ue l=vv
2,
sea untara de tal manera "ue (B=vv
2
)& inicie con tener la forma de L es
decir una matriz triangular superior de orden m(m es decir su primera
columna debe de tener la forma , y denotamos la primera
columna de & con &
+
,
Rueremos "ue , esto se realiza como sigue!
)rimero, elegimos un nmero complejo , sea
real.
Se&#'!o8 4acer ,
%n donde ,
3bs/rvese "ue a"u se admite dos valores para , en este caso
nosotros elegimos la "ue permita realizar menos cancelaciones al
calcular el valor de v es decir,
,
Los siguientes pasos son similares al primero, pues despu/s de J pasos
se 4abra conseguido multiplicar por la iz"uierda por J matrices untaras,
obteniendo de esta manera lo siguiente,
,
%n donde
I ! es una matriz triangular superior de F(F
9! es la matriz nula de (m=J)(J
1! es una matriz de J((n=J)
V! es una matriz (m=J)((n=J)
Se afirma "ue e(iste un vector tal "ue B=V
2
, es una matriz
unitaria de orden m=J con la caracterstica de "ue (B=V
2
) tiene ceros por
debajo del elemento en su primera columna, esto es, .
,
%n esta relaci#n
, es una matriz unitaria y lo denotamos por 0
JN+
, y el proceso
termina cuando la columna (n=+) /sima de L "ueda en la forma
apropiada y consecuentemente tenemos, R
2
& - L, en donde R
2
denota
el producto de todas las matrices unitarias "ue se 4an usado como
factores dado "ue R es una matriz unitaria, &-RL .
3bservemos "ue R
2
- R
n=+
R
n=)
....R
+
en este caso ,
siendo
, se puede observar "ue 0
J
es 1ermitiana
consecuentemente tenemos
,
%jemplo.
Sea la matriz
)so I
)rimero: 'alculamos , como , pues &
+
es real
,
Se&#'!o8 4acer ,
,
,
%n este caso el primero factor unitario

Tercero. 'alculamos 0
+
&
)so II
)rimero: 'alculamos ,
,
Se&#'!o8 4acer ,
,
,

Tercero. 'alculamos 0
)
0
+
&
)so III
)rimero: 'alculamos ,
,
Se&#'!o8
,
,

E' este cso * mtri+ tri'&#*r s#perior es
Tercero. 'alculamos R
2
0
.
0
)
0
+
&
Luego &-RL
%ncuentre la soluci#n en minemos cuadrados del sistema
,
%ncuentre la factorizaci#n RL de la matrz
,
2.(. DESCOM)OSICION DE LOS VALORES SIN%ULARES Y
SEUDOINVERSAS
La descomposici#n en valores singulares es otra manera de factorizar matrices
"ue tiene una diversidad de aplicaciones en el mundo real.
Se afirma "ue toda matriz compleja & de orden m(n se puede factorizar en la
forma
&-P*R
%n donde
P- es una matriz de orden m(m
*- es una matriz de orden m(n
R- es una matriz de orden n(n.
%jemplo.
Se tiene "ue
*e esta manera ,
Podemos considerar
, ,
%ntonces &-P*R
,

Apuntes Metodos Numericos Autovalores y Autovectores

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Apuntes Metodos Numericos Autovalores y Autovectores

Încărcat de

Drepturi de autor:

Formate disponibile

Mtodos Numricos Aplicados a la Ingeniera

2.1.,. I%UALDAD DE MATRICES: Las matrices

. %l producto de las matrices estar$ definido correctamente si

2. Si todos sus elementos de una fila o columna son ceros el

,. Si un determinante tiene dos filas # dos columnas iguales o

.. %l producto de todos los elementos de la fila i por un escalar GaH

S-ar putea să vă placă și