Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
com
4. Autovalores y autovectores
−1 0 −1
−1 0 −2 0 0
0 0 1
que
1 0 1
P −1 AP = P T AP = 0 1 1
0 −1 −1
53
54 Álgebra Numérica
!
1 1
La submatriz tiene como autovalores el 0 doble y un autovec-
−1 −1
tor asociado a él es el vector (1 − 1)T que puede ser ampliado hasta una
base ortogonal de R2 con el vector (1 1)T por lo que una base ortonor-
2
mal de
R es le constituida
por ambos vectores normalizados y, por tanto
1 0 0
Q= 0 √1 √1 obteniéndose que
2 2
0 − √12 √1
2
√ √
1 − 22 2
2
QT P T AP Q = U T AU = 0 0 2
0 0 0
!
0.6 0.8
Ejercicio 4.2 Comprobar que la matriz U = es unitaria (or-
−0.8 0.6
togonal) y obtener, basándose en ella, una matriz normal A que tenga por
autovalores 2 y 3i. Calcular la conmutatriz de A y comprobar que sus compo-
nentes hermı́ticas conmutan.
Solución:
! ! !
0.6 −0.8 0.6 0.8 1 0
U ∗U = U T U = = =I
0.8 0.6 −0.8 0.6 0 1
Podemos utilizar cualquier matriz unitaria, por ejemplo, la del enunciado del
ejercicio.
! ! !
0.6 −0.8 2 0 0.6 0.8
A =
0.8 0.6 0 3i −0.8 0.6
!
0.72 + 1.92i −0.96 + 1.44i
= .
−0.96 + 1.44i 1.28 + 1.08i
Solución:
Los cı́rculos de Gerschgorin por filas son:
a11 = 9 r1 = 1 + 2 + 1 = 4 '$
a22 = 8 r2 = 1 + 1 = 2
1
7 9
&%
a33 = 7 r3 = 1
a44 = 1 r4 = 1
El cı́rculo C4 (1, 1) es disjunto con los demás:
56 Álgebra Numérica
!
2 + 3i 1 + 2i
Ejercicio 4.4 Dada la matriz A = se pide:
1 + 2i 2 + 3i
Solución:
! !
1 2 1 1 3 2
a) H1 = (A + A∗ ) = H2 = (A − A∗ ) =
2 1 2 2i 2 3
! !
8 7 8 7
H1 H2 = H2 H1 = =⇒ H1 H2 = H2 H1 =⇒
7 8 7 8
A es normal.
• Componente
H1
λ − 2 −1
P (λ) = = λ2 − 4λ + 3 = (λ − 1)(λ − 3) =⇒
−1 λ − 2
λ11 = 1 y λ12 = 3
• Componente H2
Los autovectores son los mismos que los de H1 .
Sus autovalores vienen dados por
c) Dominio de Gerschgorin.
√
a11 = 2 + 3i r1 = |1 + 2i| = 5 √
√ =⇒ C1 ∪ C2 ≡ C(2 + 3i, 5).
a22 = 2 + 3i r1 = |1 + 2i| = 5
√
d(λ1 , 2 + 3i) = |(1 + i) − (2 + 3i)| = 5
√ =⇒
d(λ2 , 2 + 3i) = |(3 + 5i) − (2 + 3i)| = 5
5 3 6
58 Álgebra Numérica
Solución:
13.0000 11.5714 11.6824 11.7013
z1 = 7.0000 z2 = 5.8571 z3 = 5.8706 z4 = 5.8748
14.0000 12.1429 12.2118 12.2254
11.7039 11.7042 11.7042
z5 = 5.8753 z6 = 5.8754 z7 = 5.8754
12.2273 12.2275 12.2275
por lo que
z7T Az7
λ1 ' ' 12.22753579693696
z7T z7
por lo que
z9T Az9
λ3 ' ' 0.20927063325837
z9T z9
4.1. EJERCICIOS RESUELTOS 59
−3.1429 −15.8701 −15.8499 −15.8233
z1 = 2.5714 z2 = 13.8442 z3 = 13.7466 z4 = 13.7272
2.0000 8.5455 8.5663 8.5501
−15.8244 −15.8244 −15.8244
z5 = 13.7280 z6 = 13.7279 z7 = 13.7279
8.5508 8.5508 8.5508
por lo que
z7T Az7
λ2 ' ' 1.56319356980456
z7T z7
!
1 + i −2 + i
Ejercicio 4.6 Dada la matriz A = se pide:
2−i 1+i
!
−i
a) Comprobar que es normal y que v1 = es un autovector de su
1
primera componente hermı́tica H1 asociado al autovalor λ1 = 0.
b) Calcular el otro autovalor (y un autovector asociado) de la matriz H1
aplicando el método de la potencia simple.
!
x y
c) Considérese la matriz real y simétrica S = . Probar que la
y x
!
cos α sen α
transformación de Jacobi Qt SQ con Q = y α = π/4
− sen α cos α
nos anula los elementos extradiagonales.
d) Transformar el problema del cálculo de los autovalores de la matriz H2
(segunda componente hermı́tica de la matriz A) al del cálculo de los au-
tovalores de una matriz C simétrica real y comprobar que son suficientes
dos transformaciones de Jacobi Q1 y Q2 , del tipo de las del apartado
anterior, para diagonalizar dicha matriz C y obtener los autovalores de
H2 .
e) Obtener, a partir de las columnas de la matriz Q = Q1 Q2 , los autovec-
tores de la matriz H2 . ¿Cuáles son los autovalores de la matriz A?
60 Álgebra Numérica
Solución:
! ! !
a) 1−i 2+i 1 + i −2 + i 7 6i
A∗ A =
=
−2 − i 1 − i 2−i 1+i −6i 7
! ! ! =⇒
1 + i −2 + i 1−i 2+i 7 6i
AA∗ =
=
2−i 1+i −2 − i 1 − i −6i 7
!
1
b) Partiendo, por ejemplo, de z0 = obtenemos w0 = z0
1
! !
1+i z1 i
z1 = H1 w0 = =⇒ w1 = =
1−i 1−i 1
! !
2i z2 i
z2 = H1 w1 = =⇒ w2 = = .
2 2 1
!
i
Hemos obtenido que w2 = w1 , por lo que v2 = es un autovector
1
de H1 asociado al autovalor
v2∗ H1 v2
λ2 = =2
v2 ∗ v2
∗ y(cos2 α − sen2 α)
c) QT SQ = por lo que, para
2 2
y(cos α − sen α) ∗
α = π/4, se anulan los elementos extradiagonales.
4.1. EJERCICIOS RESUELTOS 61
! !
1 0 0 2
d) Hacemos M = real(H2 ) = y N = imag(H2 ) =
0 1 −2 0
para construir la matriz simétrica y real
! 1 0 0 −2
M −N 0 1 2 0
C= =
N M 0 2 1 0
−2 0 0 1
0 !
1 i
, que nos definen el autovector de la matriz H2 asociado
1 1
0
al autovalor 3.
Los autovalores de A son, visto todo lo anterior,
! −i !
y 2 + 3i, asociados,
−i i
respectivamente, a los autovectores y .
1 1
2
a) Se considera el proceso iterado xn+1 = ϕ(xn ) = xn − 1 + .
exn
a.1) ¿Se puede garantizar que, partiendo de cualquier número real
x0 ∈ [0.5, 1], el proceso convergerá a un punto fijo?
a.2) En caso de converger, ¿cuál es el punto fijo de la sucesión?
a.3) Utiliza la figura adjunta para justificar, geométricamente, la con-
vergencia del proceso para cualquier valor inicial x0 ∈ [0.5, 1].
a.4) Si el proceso xn+1 = φ(xn ) verifica que |φ0 (x)| < 0.1 en el intervalo
[0.5, 1] ¿cuál de los dos procesos anteriores tendrá una convergencia
más rápida?
0 1/2 1/3
b) Se considera la matriz A = 1/4 0 1/5
1/6 α 0
b.3) ¿Cuál es el vector x (punto fijo) lı́mite de la sucesión (xn ) del pro-
ceso anterior?
Solución:
2
a) a.1) Tenemos un método de la forma xn+1 = ϕ(xn ) con ϕ(x) = x−1+ x .
e
0 2
ϕ (x) = 1 − x .
e
2
Dado que ϕ00 (x) = x es siempre positiva, sabemos que ϕ0 (x) es
e
creciente pasando de ϕ0 (0.5) = −0.2131 a ϕ0 (1) = 0.2642 es decir
los dos últimos están incluidos dentro del primero, por lo que el
módulo de cualquiera de sus autovalores es menor que 5/6 < 1, es
decir, el radio espectral de la matriz A es ρ(A) < 1 y, por tanto, el
método es convergente.
b.2) Dado que, a la vista de los cı́rculos de Gerschgorin, los autovalores
tienen módulos menores o iguales a 5/6 < 1, la matriz A no puede
tener el autovalor 1.
b.3) El método nos dice que si x es el vector al que converge, se verifica
que
x = Ax ⇐⇒ Ax = 1 · x
4.2. EJERCICIOS PROPUESTOS 65
−4 6 2
√ √ √
0 0 − 7√14 14 6 2 5
5
1 √
Sol : 0 0 − √175 con U = √ 0 5 −3 5 .
70 √ √
0 0 −1 2 14 −3 − 5
a 1 1
Ejercicio 4.9 Dada la matriz A = 1 a 1 donde a es un número com-
1 1 a
plejo cualquiera, se pide:
66 Álgebra Numérica
−2 + 4i 2 − 4i 3 − 3i
−2 2 3
!
2 1
Ejercicio 4.11 Dada la matriz A = se pide:
1 0
4.2. EJERCICIOS PROPUESTOS 67
Sol : λ2 − 2λ − 1.
b) Tomar una aproximación, con dos cifras decimales exactas, del mayor de
los autovalores y afinarla con el cociente de Rayleigh.
√
Sol : λ = 1 + 2 ' 2.41 =⇒ λ ' 2.41421.
1 2 3
Ejercicio 4.12 Dada la matriz A = 2 2 3
3 3 3
Ejercicio 4.14
−a −b −c
v T A(p)v
Sol : La raı́z de mayor módulo de P (λ) viene dada por .
vT v
c) Si el algoritmo QR aplicado a la matriz A(p) converge a una matriz
triangular T , ¿qué relación tiene T con las raı́ces del polinomio P (λ)?
0 0 1 0 0 1
a) Utilizar una sucesión de Sturm para probar que el polinomio p(x) tiene
sus raı́ces reales y que sólo una de ellas, que denotaremos α, es positiva.
1 0 0
0 0 1
1 0 0
Ejercicio 4.16
70 Álgebra Numérica
a) ¿Qué pasos se dan para calcular los autovalores de una matriz cuadrada
A mediante el algoritmo QR? y ¿que forma tiene la matriz a la que
converge el algoritmo en los siguientes casos?
Sol : −4.64565808596372.
1 1 2 0
Ejercicio 4.18 Sean A = 0 1 1 con 0 < ε ≤ 1, b = −1 y
1 −1 ε 2
0 −1 −2
J = 0 0 −1 .
−1 1 0
1 −2 1 0 0 ε
72 Álgebra Numérica
Sabiendo que λ3 tiene una cota de error estimada en e < 0.5. ¿Es
suficiente dicha aproximación para analizar la convergencia de la sucesión
(xn ) del método de Jacobi?
3 0 −1
Ejercicio 4.19 Considérese la matriz A = 1 −2 2 .
−1 −1 8
Sol : Los tres son reales. P (λ) = λ3 − 9λ2 + 3λ + 39. [8, 9].
0 x y
74 Álgebra Numérica
¿Puede ser nulo el elemento x?, ¿se pueden determinar los elementos
que faltan sin necesidad de volver a aplicar el algoritmo QR? ¿Sabrı́as
decir cuál es la aproximación obtenida para los otros dos autovalores de
la matriz A?
−0.25 −0.125 1
a) Demostrar que las raı́ces del polinomio P (x) = 2+x−8x2 +8x3 coinciden
con los autovalores de A. Acotar y separar las raı́ces de P (x), indicando
cuántas raı́ces reales y complejas tiene. Comparar los resultados con la
información que se desprende del estudio de los cı́rculos de Gerschgorin.
c) Tomando como vector inicial z0 = (0, 1, 0)T , realizar dos iteraciones del
método de la potencia inversa. Por medio del cociente de Rayleigh aso-
ciado al vector hallado, determinar una aproximación del autovalor de A
correspondiente. ¿Qué relación existe entre éste valor y la aproximación
hallada en el apartado anterior? ¿Puede haber autovalores de la matriz
A en el cı́rculo de centro 0 y radio 14 ? Razonar las respuestas.
Ejercicio 4.21
4.2. EJERCICIOS PROPUESTOS 75
1 0 5
Sol : x0 = 5
a) Probar, mediante una sucesión de Sturm, que sólo tiene una raı́z real
y determinar α ∈ Z para que dicha raı́z esté contenida en el intervalo
[α, α + 1].
Sol : α = −1.
76 Álgebra Numérica
Sol : No.
0 1 0
1 0 0
esta forma el condicionamiento del sistema? Comprueba que la solución
1
es el vector x = 21 (−50, 58, −74)T .
Sol : β = 1/2.
Ejercicio 4.25
0 3 0
a) Calcular el polinomio caracterı́stico de la matriz A = 3 28 4
0 4 5
mediante el método interpolatorio. ¿Puede no ser real alguno de sus
4.2. EJERCICIOS PROPUESTOS 79
autovalores?
0 0.8 −0.6 0 0 −3
a<0 =⇒ tres raı́ces reales.
a=0 =⇒ una real doble (0) y una real simple (-3).
Sol : 0<a<1 =⇒ una real simple y dos complejas conjugadas.
a=1 =⇒ una real triple (-1).
a>1 =⇒ una real simple y dos complejas conjugadas.
0 1 0
polinomio caracterı́stico, el polinomio P (x) cuando a = 3, ¿podemos
garantizar la convergencia del método de la potencia simple? ¿y del de
la potencia inversa?
Sol : No, lo hará a una triangular por bloque con un bloque de orden 2
(las dos raı́ces complejas conjugadas).
4 5 3
Ejercicio 4.27 Se considera la matriz A = 3 5 1 .
0 2 3
20 15 0 5 7 3
1 √ √ √ √ √
Sol : Q = −3 5 4 5 10 5 R = 06 5 5 .
25 √ √ √ √
6 5 −8 5 5 5 0 0 5
b) Determinar su polinomio caracterı́stico por el método interpolatorio.
e) Partiendo del vector z0 = (1, 1, 1)T realizar dos iteraciones del método
de la potencia simple (trabajar con 2 cifras decimales) y utilizar z2 para
aproximar el autovalor real de la matriz A.
Sol : ε ≤ 0.04 < 10−1 por lo que sólo se dispone de un decimal exacto.
2 −2 0
Ejercicio 4.28 Sea la matriz A = 2 3 ω
1 0 2
a.1) Utilizar los cı́rculos de Gerschgorin por filas para probar que A
carece de autovalores mayores que 10. De la observación de dichos
cı́rculos, ¿puede deducirse que A tiene un autovalor de máximo
módulo?
b) Para ω = 0, se pide:
Sol : λ = 2.5.
1 0
b.2) Siendo F = 0 −1 y B = AF , hallar la pseudosolución del sis-
0 −1
2
tema Bx = 7 resolviendo el sistema formado por las ecuaciones
4
normales usando el método de Cholesky. Calcular la norma del
error.
! !
9 −4 22
Sol : Las ecuaciones normales son x = .
−4 17 −25
!
4 − 4/3
Para la facrorización de Cholesky R = √ . La pseu-
0 137/3
dosolución es (2, −1)T y el error kEk = 0.
4 4 2
9+9i 9
i
Ejercicio 4.29 Consideremos la matriz A =
. Se pide:
2 5 5
+ i
9 9 9
a) Hallar las componentes hermı́ticas de la matriz A y probar que ésta es
normal.
!
4 1 1
9 9
+ 9
i
Sol : H1 = H2 = 1 1 5
.
9
− 9
i 9
Sol : Sı́. Las raı́ces de P (λ) son los autovalores de H1 pero todos dupli-
cados.
1 −1 1
Ejercicio 4.30 Se considera la matriz A = −1 2 1
1 2 2
Sol : x1 = (−10, −7, 9)T , x2 = (15, 11, −14)T . Es una aproximación del
autovector asociado al autovalor de menor valor absoluto.