UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE INGENIERA QUÍMICA

ANÁLISIS NUMÉRICO

AUTO VALORES Y AUTO VECTORES

2017-2018
Maria Jose Chalacan Veloz
Cuarto semestre
Auto valores y Auto vectores

Esta teoría se basa en la hipótesis de que la tensión máxima que actúa sobre un
cuerpo es la que determina su rotura

El resultado matemático relacionado es el teorema de los ejes principales, para la

aplicación lineal Y=AX
Cuando la dimensión es dos y la matriz A es simétrica, el teorema dice que existe una
base formada por dos vectores ortogonales U1, U2 de manera que el efecto de la
aplicación consiste en estirar el espacio, multiplicando por unos factores T1, T2,
llamados auto valores
El Problema de los Auto valores

■ Ejemplo. Vamos a determinar las soluciones no triviales del sistema homogéneo

Definición (Independencia Lineal )

■ Se dice que los vectores U1, U2….Un, son linealmente independientes si la igualdad

■ Son linealmente dependientes si la igualdad no es 0

Teorema 11.1. Los Vectores U1, U2, …….UN son linealmente dependientes y si solo si, algunos de ellos
pueden escribirse como combinación lineal de los demás.
Definición 11.2. (Base), Supongamos que S=(U1,U2,…..Um) es un conjunto de m vectores en el espacio
ueclideo n-dimencional Rn, se dice que el conjunto S es una base Rn si para cada vector X de Rn existe
un único conjuntos de escalares (c1,c2,…,cm)ta les que X puedes expresarse como la combinación línea

Teorema 11,2, En Rn cualquier conjuntos de n vectores linealmente independientes forman una base Rn
Cada vectores X de Rn se expresa de manera única como combinación lineal .

Teorema 11,3 Sean K1,K2,…KM, Vectores en Rn

Autovalores

Sea A una matriz cuadrada de dimensión n X n y sea X un vector de dimencion n, El

producto Y=AX puede verde como una transformación del espacio n-dimnecional en si
mismo y nos planteamos la búsqueda de escalares λ para lo que exista un vector no nulo
X talque
AX= λ X
Es decir , tales que la aplicación lineal T(X)=AX transformarse X en un submúltiplo λX,
acaundo esto ocurre, si dice que X es un auto vector correspondientes al auto valor λy
juntos forman un autopar
■ Definición 11,3, (Autovalor). Si A es una matriz real del orden n x n, entonces sus
autovalores λ1, λ2,……λn son las raíces, reales complejas de su polinomio
característico

■ Definición 11,4, (Autovector) Si λ es un Autovalor de A y el vector no nulo V verifica

AV=λV
Teorema 11,4 Cada Autovalor λ tiene al menos un Autovector V que le corresponde.
Si λ tiene una multiplicidad de r, entonces le corresponde como mucho a auto vectores
independientes V1.V2….VR
Teorema 11,5, Supongamos que A es una matriz cuadrada y que λ1, λ2, … λk
autovalores distintos de A con auto vectores V1, v2,….VK, respectivamente Entonces
(V1,V2….VK)es un conjuntos de vectores linealmente independientes
Teorema 11,6, Si los autovalores de una matriz A de orden n x n son todos distintos,
entonces existen m autovectores (V1,V2….VK) linealmente independientes.
Matrices Diagonizables
Propiedades de las matrices Simétricas
Corolario 11,1, Si A es una matriz real y simétrica de orden n x n entonces existen n
autovectores linealmente independientes de A que son ortogonales
Corolario 11,2, Los autovalores de una matriz real y simétrica son numéricamente
reales
Teorema 11,13 Si A es una matriz real simétrica, entonces autovectores
correspondientes a autovalores distintos son ortogonales
Teorema 11,4 Una matriz simétrica A es definida positiva si y solo si sus valores son
positivos
■ Teorema 11,17 (Teorema del radio espectral). Sea A una matriz real y simétrica ,
Entonces el radio espectral de A coincide con su norma
MÉTODO DE LAS
POTENCIAS
 Método de las potencias
Definiciones
■ Definir un autovalor dominante y su autovector dominante

■ Un vector está normalizado cuando su coordenada de mayor tamaño es 1

– Dado un vector: V=
– Suponemos que su componente dominante es |𝑣𝑗 | = 𝑐
– Construimos un nuevo vector normalizado:
■ Ahora supongamos una matriz A que tiene un autovalor dominante y que
hay un único autovalor real normalizado V correspondiente a este
autovalor
puede encontrarse con el método de las potencias.
■ Empezamos con un vector
■ Generamos recursivamente una sucesión de acuerdo a:
 Método de las potencias
Ejemplo
■ Determinar por el método de las potencias el autovalor y autovector
dominantes de A

■ Empezamos con
■ Aplicamos la formula de iteración:
Método de las potencias
Ejemplo
Método de las potencias inversas con
traslación
■ Se requiere una buena aproximación inicial a un autovalor.
■ La complejidad computacional para métodos con cálculo complejo no se abordan,
sino solo para cuando todos los autovalores son distintos.
Método de las potencias inversas con
traslación
Método de las potencias inversas con
traslación
Ejemplo
■ Calcular las parejas autovalor-autovector de la matriz

■ Usaremos los autovectores 4, 2 y 1, y un valor alfa y un vector de partida

adecuados para cada caso.
– Para el autovalor 4, elegimos un alfa de 4,2 y un vector inicial X=[1 1
1]’
– Calculamos la matriz (𝐴 − 4,2𝐼)

– Obteniendo que
– De lo cual
– Entonces el autovalor dominante cuando alfa = 4,2 es -5 y la
sucesión converge a
– Según los teoremas, el autovalor de A viene fijado como
– Entonces
Método de las potencias inversas con
traslación
Ejemplo
■ Para el caso en el que el autovalor es 2, tomamos alfa 2,1 y un vector inicial x=[1 1
1]’.
■ Para el caso en el que el autovalor es 1, tomamos alfa 0,875 y el vector inicial x=[0
1 1]’.
■ Realizamos el mismo procedimiento y obtenemos
 Método de las potencias inversas con
traslación
■
Ejemplo
Para el caso en el que el autovalor es 2, hallamos que el autovalor
1 1
dominante es -10, entonces pareja autovalor-autovector 2, 1 ′
4 2

■ Para el caso en el que el autovalor es 1, hallamos que el autovalor

1 1
dominante es -10, entonces pareja autovalor-autovector 1, 1 ′
2 2

■ Se puede concluir que las 3 parejas de autovalor-autovector son:

𝝀 V’
4 2 3
1
5 5
2 1 1
1
4 2
1 1 1
1
2 2
EL MÉTODO DE JACOBI