Metodo de la Potencia

Este mtodo tambin evita el clculo del polinomio caracterstico junto a los
problemas emergentes del clculo de sus races, por ejemplo, inestabilidades ya
vistas para grados elevados. Se aplica al clculo del denominado autovalor
dominante de una matriz, designndose con ese nombre al autovalor de mayor
valor absoluto.
Es decir, el mtodo de la potencia es apto para el clculo del autovalor 1 cuando
se verifica > n ... 1 2 3 obsrvese el sentido estricto de la desigualdad
existente entre los dos primeros autovalores, mientras que entre los restantes, el
sentido de la desigualdad es amplio.
Si se dan esas condiciones el clculo se apoya en el siguiente teorema: Sea A una
matriz diagonalizable con autovalor dominante 1 . Existe un vector no nulo X(0) tal
que la secuencia

X (0)

En su forma primitiva, tiene la ventaja de su gran simplicidad. Consiste en tomar un

vector adecuadamente elegido con componente no nula en el vector v0
correspondiente al autovalor de mdulo mayor; tras multiplicaciones sucesivas por
la matriz A del vector resultante, estos vectores van adquiriendo mayor peso en la
direccin del autovector v0. Como veremos en el siguiente apartado, estos vectores
definen los subespacios de Krylov.
La limitacin del mtodo as expuesto, es que resulta slo vlido para el clculo del
autovalor de mdulo mayor y su velocidad de convergencia es lineal con el cociente
entre el primer autovalor y el segundo, resultando muy lenta si el cociente es
prximo a uno. Wielandt propuso el mtodo de la deflacin para eliminar el
autovalor mayor una vez hallado y continuar el proceso; sta es la deflacin
implcita. Tambin se puede realizar de manera explcita aplicando el mtodo de
potencias a un segundo vector ortogonal al subespacio de autovectores ya hallados.
La iteracin inversa consiste en aplicar el mtodo de potencias a la matriz (A-I)-1
siendo los vectores propios de esta matriz los mismos que los de A. Resolvemos por
medio de un sistema de ecuaciones lineales (A-I)-1 w= v k-1 y luego normalizamos
v k =w/||w|| y seguimos iterando. El mtodo converge a pesar del mal
condicionamiento de la matriz perturbada si se aproxima a , resultando el
mtodo muy potente para hallar los vectores propios de A. Mediante el cociente de
Rayleigh k =[vk ] T A vk (vk normalizado), obtenemos una buena aproximacin de
un valor propio si v est prximo a un vector propio. La iteracin del cociente de
Rayleigh consiste en aportar una aproximacin del valor propio por medio del
cociente de Rayleigh, para seguidamente aplicar (A-I)-1 hallando una aproximacin
del autovector propio ms prximo al autovalor anterior. Ostrowski estableci
convergencia cbica bajo ciertas circunstancias tanto para el caso simtrico como el
no simtrico. La Treppeniteration (iteracin en escalera) consiste en multiplicar la
matriz A no por un slo vector sino por una matriz de vectores Ls (nxs), factorizando

el resultado por transformaciones gaussianas como Ls+1 Rs+1. Si los autovalores

son distintos, Rs+1 converge a una matriz cuyos autovalores son los del subespacio
dominante. Rutishauser observ que si factorizamos A=LR, entonces L-1AL= L1LRL=RL =A1
Volviendo a factorizar A1 = L1R1 e iterando, da lugar al mtodo LR. Si en lugar de
una matriz triangular inferior utilizamos una matriz ortogonal Q resulta el potente
mtodo QR. La Combinacin del mtodo de potencias para un nmero de vectores
menor de n junto con la ortogonalizacin QR da lugar al mtodo de iteracin
simultanea.

Entre los mtodos que no precisan del calculo del polinomio caracterstico destaca
por su sencillez el mtodo de la potencia iterada (Wielandt - 1944) y todas sus
variantes.
4.1 El mtodo de la potencia iterada
Se utiliza para calcular el autovalor de mayor modulo (autovalor dominante) de una
matriz diagonalizable. Se considera A Mnn(R) una matriz diagonalizable con
autovalores 1, 2, . . . , n, que supondremos ordenados en la forma:
|1| |2| . . . |n|.
Esta hiptesis implica la existencia de una matriz inversible P = (p1|p2| . . . |pn) tal
que P 1AP = diag(i). Por tanto, el sistema {p1, p2, . . . , pn} es una base de C n
formada por autovectores:
Api = ipi , i = 1, . . . , n,
donde pi = (pi1, pi2, . . . , pin).
El metodo de la potencia iterada permite calcular el autovalor dominante 1 y se
basa en la construccion de una sucesion {u k}, con u k = (u k 1 , uk 2 , . . . , uk n ),
en la forma:
u
u

k+1

arbitrario,

= Auk , k = 0, 1, . . .

Vamos a estudiar varios de los casos posibles:

A) |1| > |2| . . . |n|. (Por tanto, 1 R.)
Se tiene el siguiente resultado:
Teorema 2 .Si elegimos u

adecuadamente (en concreto, si:

u 0 = 1p1 + 2p2 + . . . + npn

basta tomar 1

0 entonces existe, al menos, un ndice i {1, . . . , n} tal

que:
lim k u k+1 i u k i = 1. B) |1| = |2| = . . . = |r| > |r+1| . . . |n|, 1 =
2 = . . . = r R. Se tiene el siguiente resultado: Teorema 3 .- Si elegimos u 0
adecuadamente (en concreto, si: u 0 = 1p1 + 2p2 + . . . + npn basta tomar
1p1 +. . .+rpr 6= 0) entonces existe, al menos, un ndice i {1, . . . , n} tal
que: lim k u k+1 i u k i = 1.