Parte 3.

Vectores y valores propios

Gustavo Montero

Escuela Universitaria Politcnica e Universidad de Las Palmas de Gran Canaria

Curso 2006-2007

Valores y vectores propios

Valor propio
Se dice que el nmero , real o complejo, es un valor propio A si existe un vector no nulo u, real o complejo tal que u Au = u, es decir (A I )u = 0

Vector propio
El vector u se denomina vector propio de A asociado al valor propio .

Polinomio caracter stico

En general, el polinomio que resulta de desarrollar |A I |, cuyos ceros son precisamente los valores propios de A, se denomina polinomio caracter stico. P() = (1) + a1
n n n1

+ + an

Pn Qn

i=1

i =

a1 (1)n

Pn

i=1 aii

= trA

i=1

i = an = |A|

Radio espectral
Se denomina radio espectral de una matriz A al valor (A) = max |i |
1in

Propiedades
Valores propios de una matriz cualquiera
Si es complejo, entonces u es complejo. Los valores propios de B = C 1 AC son los mismos de A. Si x es el vector propio asociado a , entonces Cx es un vector propio de B asociado a .

Valores propios de matrices simtricas e

Si D es la matriz diagonal cuyos elementos diagonales son los valores propios de A, entonces existe una matriz ortogonal Q tal que D = Q 1 AQ = Q t AQ. Asimismo, existen n vectores propios de A que forman un conjunto ortonormal, y coinciden con las columnas de la matriz ortogonal Q. Todos los valores propios de A son reales. A es denida positiva si y slo si todos los valores propios de A son positivos. o

Teorema de Cayley-Hamilton

Sea A una matriz cuyo polinomio caracter stico es, P() = (1)n n + a1 n1 + + an entonces la matriz A verica, (1)n An + a1 An1 + + an I = 0

Teorema de Schur

Sea A una matriz n n cualquiera. Entonces existe una matriz U ortogonal tal que T = U 1 AU siendo T una matriz triangular superior cuyos elementos diagonales son los valores propios de A.

Teorema de Gerschgorin
Sea A una matriz n n y denotemos por Ri el c rculo del plano complejo con centro aii y radio n |aij |, es decir, j=1
j=i n

Ri = {z C tal que|z aii |

j=1

|aij |}
j=i

donde C denota el conjunto de los nmeros complejos. Entonces u los valores propios de A estn contenidos en R = n Ri . Es ms, a a i=1 si la unin de k de estos c o rculos no se corta con los restantes n k, entonces dicha unin contiene k valores propios (incluyendo o los valores propios mltiples) u

Mtodo de Krylov e
Se basa en el teorema de Cayley-Hamilton (P(A) = 0): (1)n An + a1 An1 + + an I = 0 Multiplicando por x resulta, (1)n An x + a1 An1 x + + an x = 0 Si denotamos Ani x = vi , para i = 1, 2, . . . n, obtenemos el sistema lineal
n

ai vi = (1)n+1 An x
i=1

cuya resolucin nos proporciona los coecientes ai de P() o

Mtodo de Leverrier modicado e

Frmulas de Leverrier o de Faddeev o
ak Bk = = 1 tr (ABk1 ), k ABk1 + ak I , k = 1, 2, . . . , n k = 1, 2, . . . , n

siendo B0 = I y B = 0. Algoritmon de Leverrier Modicado A1 = A A2 = B1 A . . . An = Bn1 A a1 = tr (A1 ) 1 tr (A2 ) 2 . . . 1 an = tr (An ) n B1 = A1 a1 I B2 = A2 a2 I . . . Bn = An an I

a2 =

donde los ai son los coecientes del polinomio caracter stico.

Aplicacin al clculo de la inversa o a

Como Bn = 0, se obtiene que A1 = 1 an Bn1 , obteniendo as un mtodo para calcular la inversa de una matriz. e

Mtodos de las potencias e

Normalizacin o
Para evitar que los vi sean muy grandes, se suele construir la sucesin normalizada, o Av ||Av || Aw1 ||Aw1 || Awk1 ||Awk1 || w1 w2 wk = = =

siendo, en este caso Awk+1 r = 1 k (wk )r lim `

Resumen

El conocimiento del espectro de una matriz, esto es, el conjunto de sus valores propios, tiene mucho inters a la hora de estudiar su condicionamiento para e aplicar mtodos iterativos de resolucin de sistemas de ecuaciones lineales. El e o teorema de Gerschgorin dene la zona donde se encuentra dicho espectro. El mtodo de Krylov, basado en el teorema de Cayley-Hamilton, conduce a la e obtencin de los coecientes del polinomio caracter o stico. Sin embargo, para el caso de matrices de orden elevado suele resultar excesivamente costoso. El mtodo de Leverrier modicado construye de forma recursiva los coecientes e del polinomio caracter stico. Adems, como resultado se puede calcular la a inversa. Su coste para matrices de orden elevado puede ser prohibitivo. El mtodo de las potencias permite aproximar el valor absoluto del mayor valor e propio de una matriz, utilizando simplemente productos matriz-vector.