13.

1 Analisis Numerico

1.

Autovalores de matrices L7

Valores propios y vectores propios de matrices

Se sabe que el producto de una matriz por un vector es otro vector.

Para cualquier matriz cuadrada A hay por lo menos un vector a diferente que cero tal
que,
Aa = a
(1)
Definici
on Si tiene lugar (1), el vector a es un vector propio o autovector de la matriz
A correspondiente al valor propio o autovalor.
En general una matriz N xN tiene N vectores propios linealmente independientes,
pero no siempre tiene lugar.
El problema de los autovalores de una matriz i consiste en resolver el sistema de
ecuaciones
f () det(A I) = |A i I| = 0;

(i = 1, 2, ....N )

(2)

lo cual es un polinomio caracterstico respecto a

y el problema de hallar sus correspondientes autovectores ai en:
[A i I].ai = 0,

(3)

Importancia Necesidad de conocer por ejemplo :

en los cuerpos rgidos - direcciones preferenciales de rotacin.

en los cristales - ejes
opticos, ejes de facil magnetizacion, etc
en sistemas cu
anticos - funciones de onda correspondientes a energas discretas
H| = En
Algoritmo para hallar los autovalores y sus respectivos autovectores de la matriz A:
a) hallar los autovalores 1 , ..N resolviendo la ecuacin caracterstica p()
b) Para cada i , resolver la ecuacion (3) para determinar los autovectores, por ej.
mediante la reducci
on por filas
Ejemplo 1. Hallar los valores propios y vectores propios de la matriz :

A=


2 3
1 2

(4)

Rta: 1 = 1; a1 = (3, 1); 2 = 1; a2 = (1, 1)

Dependiendo de los objetivos del problema y el tipo y estructura de la matriz se puede:

Limitarse a metodos simples como los iterativos(si solamente necesitamos hallar ciertos valores propios, frecuentemente el de mayor valor absoluto, y su correspondiente
autovector)

13.1 Analisis Numerico

Autovalores de matrices L7

Usar paquetes de subroutines estandares para diferentes tipos de matrices, por ej. en
las libreras NAG (Numerical Algorithm Group), LAPAC, NR ( Numerical recipies),
etc.
Desarrollar metodos especiales
Conceptos y definiciones a tener en cuenta
La matriz A se dice que es real si todos sus elementos son reales
La matriz A es simetrica si AT = A
La matriz A es tridiagonal si son diferentes que cero solamente los elementos de la
diagonal principal y las adyacentes
Principales metodos:
Iteraci
on QR

1.1.

M
etodo iterativo para hallar el mayor autovalor y su respectivo
autovector

Mediante los metodos iterativos se trata de encontrar una sucesion convergente cuyo
lmite permite conocer los autovalores y autovectores de una matriz dada. Teniendo en
cuenta que los autovectores correspondientes a diferentes autovalores de la matriz son
linealmente independientes, consideremos a los N vectores propios de de la matriz N N
como vectores base, por lo tanto cualquier vector xo se puede expresar como,
X
x0 =
ci xi
(5)
i=1

1.1.1.

M
etodo de la potencia simple

Sea A una matriz cuadrada de N N hermtica y supongamos que sus autovalores

cumplen la siguiente:
|1 | > |2 | >= . . . >= |n |
(6)
Sea = x1 , x2 , ...xn la base formada por los autovectores asociados a 1 , 2 , 3 ...n respectivamente. Tiene lugar la relaci
on,
A2 xi = A(Ax) = A(i xi ) = i Axi = i (i xi ) = 2i xi
o en general
Ak xi = ki xi ,

i = 1, 2, 3...

(7)

Dado un vector inicial v0 se define la sucesion (vn ) con

vn = Avn1 = A2 vn2 = . . . = An v0
Si ls coordenadas del vector v0 respecto a la base son (c1 , c2 , ...cn ) se tiene que v0 =
por lo tanto
n
X
X
i
v k = Ak v 0 = Ak
ci xi = k1 [c1 x1 +
( )k ci xi ]
1
i

i=2

i ci xi ,

(8)

13.1 Analisis Numerico

Autovalores de matrices L7

Por la condici
on (6) se tiene que limknf ( 1i )k = 0
En consecuencia se cumple que lim vkk = c1 x1 que es autovector de A asociado al
1
autovalor 1 .
Si k es suficientemente grande, se tiene
k
Avk = vk+1 k+1
1 c1 x1 = 1 (1 c1 x1 ) = 1 vk

(9)

por lo que la sucesi

on (vn ) nos proporciona un metodo para aproximar el autovalor
1 .
Conocida la convergencia a la direccion del autovector, generalmente el vector se escala
por cierto factor para evitar la divergencia al infinito o la convergencia a cero. La cantidad
por la que se escala puede ser arbitrario, lo mas generalizado es escalar por una de las
coordenadas diferente que cero del vector, o del mayor valor absoluto.
El valor del autovalor correspondiente al autovector vendra dado por el factor de
proporcionalidad existente entre los vectores vn+1 y wn , donde wn no es otra que el vector
escalado.
En forma mas general, una vez aproximado el autovector, el respectivo autovalor se
puede hallar, por ejemplo, mediante la relacion (cociente de Rayleigh).
=

x Ax
x x

(10)

Listado del programa en F90, que encuentra el mayor autovector y su respectivo

autovalor mediante el metodo de iteraciones.
! Programa auto
! MAYOR AUTOVECTOR Y AUTOVALOR DE LA MATRIZ A
program main
implicit none
real,dimension(3,3)::A
real::w(3),z(3),zn(3),za(3),r
real::lambda
integer::m,i
! ======================================
A(1,:)=(/6,2,5/)
A(2,:)=(/2,2,3/)
A(3,:)=(/5,3,6/)
write(*,*)Ingrese 3 componentes del vector inicial: x01 x02 x03
read*,z(:)
w=0 ! para el vector escalado
PRINT*,NUMERO DE ITERACIONES?
read*,m
print*,*******************************
print*,Estimacion del mayor autovector
write(*,*)El vector inicial es ,z(:)
print*,*******************************
do i=1,m
z=matmul (A,z)
print*,z,i,=,z

13.1 Analisis Numerico

Autovalores de matrices L7

r=maxval(z)
w=z/r ! vector escalado respecto al mayor componente
print*,w,i,=,w
za=z
z=w
end do
print*,===========================
print*,El mayor autovector es:
print*,xm=,(,za,)
print*,El autovalor correspondiente es:,r
print*,El autovalor evaluado con el cociente de Rayleigh:
zn=matmul(A,z)
lambda=(zn(1)*z(1)+zn(2)*z(2)+zn(3)*z(3))/(z(1)*z(1)+z(2)*z(2)+z(3)*z(3))
print*,lambda=,lambda
end program

Ejemplo 2 Hallar el mayor autovector y

6
A= 2
5

su respectivo autovalor de la matriz

2 5
2 3
3 6

Ingrese 3 componentes del vector inicial: x01 x02 x03

NUMERO DE ITERACIONES?
*******************************
Estimacion del mayor autovector
El vector inicial es
2.100000
0.5000000
0.2000000
*******************************
z
1 =
14.60000
5.800000
13.20000
w
1 =
1.000000
0.3972603
0.9041096
z
2 =
11.31507
5.506849
11.61644
w
2 = 0.9740565
0.4740566
1.000000
z
3 =
11.79245
5.896226
12.29245
w
3 = 0.9593247
0.4796623
1.000000
z
4 =
11.71527
5.877974
12.23561
w
4 = 0.9574735
0.4803989
1.000000
z
5 =
11.70564
5.875745
12.22857
w
5 = 0.9572373
0.4804934
1.000000
z
6 =
11.70441
5.875462
12.22767
w
6 = 0.9572072
0.4805055
1.000000
z
7 =
11.70425
5.875425
12.22755
w
7 = 0.9572033
0.4805071
1.000000
z
8 =
11.70423
5.875421
12.22754
w
8 = 0.9572029
0.4805073
1.000000
===========================
El mayor autovector es:
xm=(
11.70423
5.875421
12.22754
)
El autovalor correspondiente es:
12.22754

13.1 Analisis Numerico

Autovalores de matrices L7

El autovalor evaluado con el cociente de Rayleigh:

lambda=
12.22754