Clculo de autovalores y autovectores

(valores y vectores caractersticos)

Para poder determinar los valores caractersticos de una matriz [] de : : construmos el polinomio
caracterstico:
1(`) = det ([] `[1])
donde [1] es la matriz identidad. Luego se procede a calcular las races de 1(`) (equivale a buscar
los valores de ` para los cuales el determiante es nulo) utilizando alguno de los mtodos de bsqueda y
aproximacin de races.
Este planteo es conceptualmente simple, veamos ahora que sucede desde el puto de vista numrico.
En primer lugar es muy laborioso obtener el determinante de una matriz cuando : 3, luego debemos
obtener buenas aproximaciones de las raices.
Antes de ver otras formas para obtener los valores y vectores propios, repasemos algunas deniciones
y conceptos del lgebra lineal.
Denicin: Sea
_
v
(1)
, v
(2)
, ..., v
(k)
_
un conjunto de vectores. El conjunto es linealmente independi-
ente si
0 = c
1
v
(1)
+ c
2
v
(2)
+ ... + c
k
v
(2)
con c
1
= c
2
= ... = c
k
= 0
caso contrario son linealmente dependientes. (Tenga en cuenta que cualquier conjunto de vectores
que contenga al vector nulo es linelamente dependiete).
Denicin: Si
_
v
(1)
, v
(2)
, ..., v
(k)
_
es un conjunto de vectores linealmente independientes en R
n
(es
una base), cualquier vector r R
n
puede escribirse de manera nica como
0 = ,
1
v
(1)
+ ,
2
v
(2)
+ ... + ,
k
v
(k)
para un conjunto de constantes , no todas nulas
Teorema: Si `
1
, `
2
, ..., `
k
son autovalores distintos de una matriz [] y x
(1)
, x
(2)
, ..., x
(k)
son los
autovectores asociados, entonces
_
x
(1)
, x
(2)
, ..., x
(k)
_
es un conjunto linealmente independiente.
Denicin: Un conjunto de vectores
_
v
(1)
, v
(2)
, ..., v
(k)
_
se dice que es ortogonal si
_
v
(i)
_
T
v
(j)
= 0 si i ,= ,
v
(i)
v
(j)
=

v
(i)

v
(j)

cos 0 = 0 producto interno o producto punto

Si adems se cumple que
_
_
_v
(i)
_
_
_
2
=
_
v
(i)
_
T
v
(i)
= 1 para toda i
se dice que el conjunto de vectores es ortonormal (siendo
(i)
vectores unitarios).
Denicin: Se dice que una matriz [] es ortogonal si su inversa es igual a su traspuesta []
1
= []
T
.
Teorema: Dos matrices [] y [1] son similares si existe una matriz [o] no singular de modo que
[] = [o]
1
[1] [o]
Teorema: Si [] y [1] son dos matrices similares, y ` es un autovalor de [] y x su autovector
asociado, entonces ` es un autovector de [1]. Demostracin
`x =[] x = [o]
1
[1] [o] x
premultiplicando por [o]
[o] `x =[1] [o] x
1
como ` es una constante
`[o] x =[1] [o] x
como [o] es no singular, y =[o] x ,= 0 por lo cual y es el autovector de [1] asociado a `. (Observe
que ` es tanto autovalor de [] como de [1])
Teorema: Si [] es una matriz simtrica de : :, y [1] es una matriz ortogonal cuyos elementos
diagonales son los autovalores de [], existe una matriz ortogonal [Q] tal que
[1] = [Q]
1
[] [Q]
Corolario: Si [] es una matriz simtrica de : :, entones los autovalores de [] son nmeros reales
y existen : autovectores que forman una base ortonormal.
Corolario; Si [] es una matriz simtrica, se dice que [] es denida positiva si todos sus autovalores
son positivos.
Teorema (del crculo de Gerschgorin) Sea [] una matriz de : :. Llamamos 1
i
al crculo del
plano complejo que tiene centro en a
ii
y rardio r
i
=
n

j=1
i6=j
[a
ij
[ (r
i
es la suma de los elementos de la la i
que no pertenecen a la diagonal principal de la matriz [] ). Es decir que el crculo se denota:
1
i
=
_

_
. C , [. a
ii
[ _
n

j=1
i6=j
[a
ij
[
_

_
donde C es el plano complejo. Los autovalores de [] estan contenidos dentro de la unin de los
circulos 1
i
. Ms aun, si un crculo 1
k
no tiene interseccin con los restantes (: /) crculos restantes,
contendr exactamente / autovalores de [] (contando multiplicidades).
Este teorema nos permite conocer, haciendo pocas operaciones, en que rangos se encuentran los
autovalores que estamos buscando.
Ejemplo:
[] =
_
_
4 1 1
0 2 1
2 0 9
_
_
1
1
= . C , [. 4[ _ ([1[ +[1[) = 2
1
2
= . C , [. 2[ _ ([0[ +[1[) = 1
1
3
= . C , [. 9[ _ ([2[ +[0[) = 2
2
Mtodo del polinomio
Expansin directa del determinante para encontrar los coecientes del polinomio carac-
terstico
Este mtodo tiene utilidad prctica para matrices [] de 2x2 y 3x3 encontrando el polinomio carac-
terstico por expansin directa del determinante.
1(`) = det ([] `[1])
Luego se encuentran las races del polinomio 1(`) las cuales son los autovalores del sistema `
i
.
Para encontrar los autovectores asociados a cada autovalor, debemos reemplazar uno de los autovalores
para obtener:
[1] = ([] `
i
[1]) que es singular
Para poder encontrar las componentes del autovector asociado, debemos levantar la indeterminacin,
asignando a una de las componentes del autovector un valor arbitrario. Esto tiene como consecuencia
que el sistema se reduce ya que la ecuacin correspondiente a la componente a la cual se le asign el
valor arbitrario se elimina, quedando un sistema de menor dimensin que es determinado y resolviendolo
encontramos la/as restantes componentes del autovector. Cabe aclarar que las componentes encontradas
al resolver el sistema reducido estan vinculadas al valor arbitrario que utilizamos. Este procedimiento
altera el mdulo del autovector asociado pero no la direccin del mismo, siendo esta la informacin
relevante que aporta el autovector.
Mtodo de Fadeev-Leverrier para encontrar los coecientes del polinomio caracterstico
Es un mtodo eciente para generar los coecientes j
i
del polinomio caracterstico. (Suele utilizarse
para matrices hasta de 10x10. Para matrices de mayor dimensin, raramente sern necesarios todos los
autovalores dado que suele perderse el signicado de estos.)
1(`) = (1)
n
_
`
n
j
n1
`
n1
j
n2
`
n2
... j
1
` j
0
_
= det ([] `[1]) siendo [] de : :
= 0
(Este mtodo tiene la ventaja adicional de generar []
1
en el proceso).
El mtodo consiste en generar un conjunto de matrices [1]
k
con / = : 1...0 secuencialmente, las
que se utilizan para obtener los coecientes j
i
. Para iniciar el proceso, tenemos:
[1]
n1
= []
siendo
j
n1
= tr [1]
n1
donde tr signica la traza de (suma de los elementos de la diagonal principal de la matriz). El
siguiente paso es generar
[1]
n2
= []
_
[1]
n1
j
n1
[1]
_
j
n2
=
1
2
tr [1]
n2
y asi sucesivamente, para encontrar el / c:i:o coeciente entonces
[1]
nk
= []
_
[1]
nk+1
j
nk+1
[1]
_
j
nk
=
1
/
tr [1]
k
3
hasta llegar a
[1]
nn=0
= [] ([1]
1
j
1
[1])
j
0
=
1
:
tr [1]
0
La matriz inversa puede calcularse haciendo:
[]
1
=
1
j
0
([1]
1
j
1
[1])
Mtodo de la potencia
El mtodo de la potencia es una tcnica ierativa que permite encontrar el autovalor dominante (el
autovalor de magnitud mayor) de una matriz. Uno de los aspectos tiles del mtodo es que produce el
autovalor y su autovector asociado. Es frecuente que el mtodo se aplique para encontrar un autovector
asociado a un autovalor encontrado por otro medio. Introduciendo a esta tcnica una leve modicacin,
la misma permite encontar otros valores caractersticos y sus autovalores asociados.
Supondremos que la matriz [] de : : tiene : valores caractersticos `
1
, `
2
, ..., `
n
y un conjunto de
autovectores asocidos (linealmente independientes)
_
v
(1)
, v
(2)
, ..., v
(k)
_
. Supondremos adems que []
tiene exactamente un autovalor `
1
tal que [`
1
[ [`
2
[ _ [`
3
[ _ ... _ [`
n
[ _ 0. Si x es un vector de R
n
entonces
x =,
1
v
(1)
+ ,
2
v
(2)
+ ... + ,
k
v
(n)
que puede escribirse:
x =
n

j=1
,
j
v
(j)
Si multiplico miembro a miembro esta ltima por las potencias de [], []
2
, []
3
, ..., []
k
obtenemos:
[] x =
n

j=1
,
j
[] v
(j)
=
n

j=1
,
j
`
j
v
(j)
[]
2
x =
n

j=1
,
j
[]
2
v
(j)
=
n

j=1
,
j
`
j
[] v
(j)
=
n

j=1
,
j
`
2
j
v
(j)
[]
k
x =
n

j=1
,
j
[]
k
v
(j)
=
n

j=1
,
j
`
k1
j
[] v
(j)
=
n

j=1
,
j
`
k
j
v
(j)
Si factorizamos `
k
1
en cada trmino de la derecha de la ltima ecuadin, tenemos
[]
k
x = `
k
1
n

j=1
,
j
_
`
j
`
1
_
k
v
(j)
como [`
1
[ [`
2
[ _ [`
3
[ _ ... _ [`
n
[ _ 0, entonces sucede que:
lim
k!1
[]
k
x = lim
k!1
`
k
1
,
1
v
(1)
Esta sucesin converge a cero si [`
1
[ < 1 y diverge si [`
1
[ 1 siempre que ,
1
,= 0. De esta ltima
expresin se obtiene la manera de escalar las potencias de []
k
x para que el lmite sea nito y distinto
de cero. El escalamiento se inicia eligiendo un vector x
(0)
= 1 (esto signica que todas las componentes
de x
(0)
son r
(i)
= 1)
4
x
(0)
p0
= 1 =
_
_
_x
(0)
_
_
_
1
Si llamamos
y
(1)
= [] x
(0)
y deniendo que
j
(1)
= j
(1)
p0
siendo
j
(1)
= j
(1)
p0
=
j
(1)
p0
r
(0)
p0
=
`
1
,
1

(1)
p0
+
n

j=2
,
j
`
j

(j)
p0
,
1

(1)
p0
+
n

j=2
,
j

(j)
p0
= `
1
_
_
_
_
,
1

(1)
p0
+
n

j=2
,
j
j
1

(j)
p0
,
1

(1)
p0
+
n

j=2
,
j

(j)
p0
_
_
_
_
Si j
1
es el menor entero para el cual se cumple que

j
(1)
p1

=
_
_
_y
(1)
_
_
_
1
y deniendo
x
(1)
=
1
j
(1)
p1
y
(1)
=
1
j
(1)
p1
[] x
(0)
entonces
r
(1)
p1
= 1 =
_
_
_x
(1)
_
_
_
1
Luego denimos
y
(2)
= [] x
(1)
=
1
j
(1)
p1
[]
2
x
(0)
y
j
(2)
= j
(2)
p1
=
j
(2)
p1
r
(1)
p1
= `
1
_
_
_
_
,
1

(1)
p1
+
n

j=2
,
j
_
j
1
_
2

(j)
p1
,
1

(1)
p1
+
n

j=2
,
j
j
1

(j)
p1
_
_
_
_
Asi sucesivamente. Los sucesivos vectores x
(k)
, y
(k)
y los escalares j
(k)
siendo
y
(k)
= [] x
(k1)
5
j
(k)
= j
(k)
p
k1
= `
1
_
_
_
_
,
1

(1)
p
k1
+
n

j=2
,
j
_
j
1
_
k

(j)
p
k1
,
1

(1)
p
k1
+
n

j=2
,
j
_
j
1
_
k1

(j)
p
k1
_
_
_
_
en esta ltima ecuacin, como [`
j
,`
1
[ < 1 para cualquier , = 2, 3, ..., : , el lim
k!1
j
(k)
= `
1
(siempre
que hayamos elegido x
(0)
de modo tal que ,
1
,= 0). La sucesin de vectores va a converger al vector
caracterstico asociado a `
1
.
x
(k)
=
1
j
(k)
p
k
y
(k)
=
[]
k
x
(0)
k

j=1
j
(j)
pj
donde cada j
k
sirve para representar al entero mas pequeo para el cual

j
(k)
p
k

=
_
_
_y
(k)
_
_
_
1
NOTA: este mtodo tiene la desventaja que inicialmente se desconoce si la matriz tiene un nico valor
caracterstico dominante y adems tampoco se sabe como seleccionar a x
(0)
(en general se adopta un
vector x
(0)
= 1 es decir r
j
= 1 \ ,). En el caso de ser la matriz []
nxn
denida positiva, este mtodo
puede ser modicado para encontrar con buena exactitud y presicin :,2 autovalores y sus autovectores
asociados (siendo : la dimensin de la matriz cuadrada).
6