Capítulo 5

Cálculo de valores y vectores

propios

5.1 Definiciones y propiedades básicas

Definición 5.1. Sean A ∈ Cn×n , y λ ∈ C. Se dice que λ es un valor propio (también
llamado valor característico, eigenvalor, etc.) de A si existe x ∈ Cn con x 6= 0n×1 tal
que

Ax = λx. (5.1)

Además cualquier x ∈ Cn con x 6= 0n×1 que satisface (5.1) es llamado vector propio
(también llamado vector característico, eigenvector, etc.) de A asociado a λ.

Definición 5.2. Sea A ∈ Cn×n , se define el polinomio característico de A, denotado

por PA (λ) como:

PA (λ) = det (A − λIn ) .

Teorema 5.1. Sean A ∈ Cn×n , y λ ∈ C. Luego λ es un valor propio de A, si y

solamente si PA (λ) = 0.

5.2 Localización de los valores propios

Teorema 5.2 (Primer Teorema de Gersgorin). Sea A = (aij ) ∈ Cn×n . Se de-
finen
X
n
ri = |aij | , i = 1, 2, . . . , n,
j=1
j6=i

y los discos de Gersgorin dados por

Di = {z ∈ C /|z − aii | ≤ ri } , i = 1, 2, . . . , n.

40
 METODOS NUMERICOS MA195 G, K

Luego cualquier valor propio de A se encuentra en:

[
n
Di = D1 ∪ D2 ∪ . . . ∪ Dn .
i=1

Ejemplo 5.1. Sea

⎛ ⎞
−1 2 1
A=⎝ 0 1 −1 ⎠ ,
1 −2 0

entonces

r1 = |2| + |1| = 3,
r2 = |0| + |−1| = 1,
r3 = |1| + |−2| = 3,

luego los discos de Gersgorin son

D1 = {z ∈ C /|z − (−1)| ≤ 3} ,
D2 = {z ∈ C /|z − 1| ≤ 1} ,
D3 = {z ∈ C /|z − 0| ≤ 3} ,

luego por el primer teorema de Gersgorin, los valores propios de A se encuentran en

D1 ∪ D2 ∪ D3 .

-4 -2 0 2 4
-1

-2

-3

5.3 Metodos de Iteración

5.3.1 Iteración Directa
Q
n
Sean A ∈ Cn×n y PA (λ) = (−1)n (λ − λk ) su polinomio característico tal que
k=1

|λ1 | > |λ2 | ≥ |λ3 | ≥ · · · ≥ |λn | ,

Elaborado por el prof. Pablo J. Galarreta A. 41

 METODOS NUMERICOS MA195 G, K

es decir, λ1 es el valor propio de A de mayor módulo (el valor propio de mayor módulo
es llamado valor propio dominante). El método de iteración directa o método de las
potencias nos permite determinar generalmente, el valor propio dominante de A así
como su vector propio asociado.
Algoritmo 5.1. Para la determinación del valor propio dominante de una matriz
A ∈ Cn×n y su correspondiente vector propio.
Datos de Entrada: A ∈ Cn×n y x(0) ∈ Cn aproximación inicial al vector propio
asociado al valor propio dominante.
Para k = 1, 2, 3, . . . , hacer pasos 1 al 3

Paso 1: x̃(k) = Ax(k−1) ;

Paso 2: Escoger la componente de x̃(k) de mayor módulo y asignarla a λ(k) .
1
Paso 3: x(k) = (k) x̃(k) .
λ
³ ´ ¡ ¢
(k)
Observación 5.1. Si las sucesiones λ y x(k) k∈N convergen, entonces estas
k∈N
generalmente, convergen respectivamente a λ1 y al vector propio asociado a λ1 .
Observación 5.2. Dada una tolerancia ε > 0, el método de iteración directa se ter-
minará de iterar cuando se cumpla una de las siguientes condiciones:
° (k) ° ¯ ¯
° (k−1) ° ¯ (k) (k−1) ¯
1. x − x < ε y ¯λ − λ ¯ < ε, o
¯ ¯
° (k) ° ¯ (k) (k−1) ¯
°x − x (k−1) ° ¯λ − λ ¯
2. < ε y ¯ ¯ < ε.
kx(k) k ¯ (k) ¯
¯λ ¯

Ejemplo 5.2. Sea

⎛ ⎞
−5 1 −2
A=⎝ 1 1 2 ⎠,
1 2 3
determinar el valor propio de mayor módulo de A con un error menor que 10−4 usando
1. de la observación anterior y la norma k.k2 .
Solución. Escogemos x(0) = (1, 1, 1)T .
k = 1:
⎛ ⎞
−6
x̃(1) = Ax(0) = ⎝ 4 ⎠,
6
λ(1) = −6,
⎛ ⎞
1
1 (1)
x(1) = x̃ = ⎝ −0.666667 ⎠ .
λ(1) −1

Elaborado por el prof. Pablo J. Galarreta A. 42

 METODOS NUMERICOS MA195 G, K

k = 2:
⎛ ⎞
−3.666667
x̃(2) = Ax(1) = ⎝ −1.666667 ⎠ ,
−3.333333
λ(2) = −3.666667,
⎛ ⎞
1
1
x(2) = (2) x̃(2) = ⎝ 0.454545 ⎠ ,
λ 0.909091
¯ ¯
¯ (2) ¯
¯λ − λ(1) ¯ = 2.333333
° (2) °
°x − x(1) ° = 2.213988
2

k = 3:
⎛ ⎞
−6.363636
x̃(3) = Ax(2) = ⎝ 3.272727 ⎠ ,
4.636364
λ(3) = −6.363636,
⎛ ⎞
1
1
x(3) = (3) x̃(3) = ⎝ −0.514286 ⎠ ,
λ −0.728571
¯ ¯
¯ (3) ¯
¯λ − λ(2) ¯ = 2.696970
° (3) °
°x − x(2) ° = 1.902780
2

..
.
..
.

k = 53:
⎛ ⎞
−4.954979
x̃(53) = Ax(52) = ⎝ 0.680420 ⎠ ,
0.451991
λ(53) = −4.954979,
⎛ ⎞
1
1
x(53) = (53)
x̃(53) = ⎝ −0.137321 ⎠ ,
λ −0.091220
¯ ¯
¯ (53) ¯
¯λ − λ(52) ¯ = 0.000120
° (53) °
°x − x(52) °2 = 0.000081

Elaborado por el prof. Pablo J. Galarreta A. 43

 METODOS NUMERICOS MA195 G, K

k = 54:
⎛ ⎞
−4.954881
x̃(54) = Ax(53) = ⎝ 0.680240 ⎠ ,
0.451700
λ(54) = −4.954881,
⎛ ⎞
1
1
x(54) = (54)
x̃(54) = ⎝ −0.137287 ⎠ ,
λ −0.091163
¯ ¯
¯ (54) ¯
¯λ − λ(53) ¯ = 0.000098
° (54) °
°x − x(53) °2 = 0.000066
(54)
Luego el valor propio de mayor
⎛ módulo de⎞A es λ ≈ λ = −4.954881 y su vector
1
propio asociado es x ≈ x(54) = ⎝ −0.137287 ⎠ .
−0.091163

5.3.2 Iteración Inversa

Q
n
Sean A ∈ Cn×n no singular y PA (λ) = (−1)n (λ − λk ) su polinomio característico
k=1
tal que

|λ1 | ≥ |λ2 | ≥ |λ3 | ≥ · · · ≥ |λn−1 | > |λn | > 0,

entonces el polinomio característico de la inversa de A viene dado por

Yn µ ¶
n 1
PA−1 (λ) = (−1) λ−
k=1
λk

y se cumple que
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯1¯ ¯ 1 ¯ ¯ 1 ¯ ¯ ¯
¯ ¯>¯ ¯≥¯ ¯ ≥ · · · ≥ ¯ 1 ¯ > 0,
¯ λn ¯ ¯ λn−1 ¯ ¯ λn−2 ¯ ¯ λ1 ¯

es decir, 1/λn es el valor propio dominante de A−1 . Este hecho nos sugiere que el
recíproco del eigenvalor más pequeño en módulo de A puede ser hallado aplicando el
método de iteración directa a la A−1 .
Algoritmo 5.2. Para la determinación del valor propio más pequeño en módulo de
una matriz no singular A ∈ Cn×n y su correspondiente vector propio.

Paso 1: Aplicar el método de iteración directa a A−1 .

Paso 2: Tomar el recíproco del valor propio obtenido en el paso 1 (el vector propio
obtenido en el paso 1 es el vector propio asociado al valor propio más pequeño en
módulo de A).

Elaborado por el prof. Pablo J. Galarreta A. 44

 METODOS NUMERICOS MA195 G, K

Ejemplo 5.3. Sea

⎛ ⎞
−5 1 −2
A=⎝ 1 1 2 ⎠,
1 2 3

determinar el valor propio de menor módulo de A con un error menor que 10−4 usando
1. de la observación anterior y la norma k.k2 .

Solución. Escogemos x(0) = (1, 1, 1)T .

k = 1:
⎛ ⎞
−2
x̃(1) = A−1 x(0) = ⎝ −3 ⎠ ,
3
λ(1) = −3,
⎛ ⎞
0.666667
1 (1)
x(1) = x̃ =⎝ 1 ⎠.
λ(1) −1

k = 2:
⎛ ⎞
−5.833333
x̃(2) = A−1 x(1) = ⎝ −10.833333 ⎠ ,
8.833333
λ(2) = −10.833333,
⎛ ⎞
0.538462
1
x(2) = (2) x̃(2) = ⎝ 1 ⎠,
λ −0.815385
¯ ¯
¯ (2) ¯
¯λ − λ(1) ¯ = 7.833333
° (2) °
°x − x(1) ° = 0.224765
2

k = 3:
⎛ ⎞
−5.400000
x̃(3) = A−1 x(2) = ⎝ −10.030769 ⎠ ,
8.215385
λ(3) = −10.030769,
⎛ ⎞
0.538344
1
x(3) = (3) x̃(3) = ⎝ 1 ⎠,
λ −0.819018
¯ ¯
¯ (3) ¯
¯λ − λ(2) ¯ = 0.802564
° (3) °
°x − x(2) ° = 0.003636
2

Elaborado por el prof. Pablo J. Galarreta A. 45

 METODOS NUMERICOS MA195 G, K

k = 4:
⎛ ⎞
−5.407209
x̃(4) = A−1 x(3) = ⎝ −10.045245 ⎠ ,
8.226227
λ(4) = −10.045245,
⎛ ⎞
0.538285
1
x(4) = (4) x̃(4) = ⎝ 1 ⎠,
λ −0.818917
¯ ¯
¯ (4) ¯
¯λ − λ(3) ¯ = 0.014476
° (4) °
°x − x(3) ° = 0.000117
2

k = 5:
⎛ ⎞
−5.406978
x̃(5) = A−1 x(4) = ⎝ −10.044813 ⎠ ,
8.225895
λ(5) = −10.044813,
⎛ ⎞
0.538286
1
x(5) = (5) x̃(5) = ⎝ 1 ⎠,
λ −0.818920
¯ ¯
¯ (5) ¯
¯λ − λ(4) ¯ = 0.000433
° (5) °
°x − x(4) ° = 0.000002
2

k = 6:
⎛ ⎞
−5.406982
x̃(6) = A−1 x(5) = ⎝ −10.044822 ⎠ ,
8.225902
λ(6) = −10.044822,
⎛ ⎞
0.538286
1
x(6) = (6) x̃(6) = ⎝ 1 ⎠,
λ −0.818920
¯ ¯
¯ (6) ¯
¯λ − λ(5) ¯ = 0.000009 < 10−4 ,
° (6) °
°x − x(5) ° = 0.000000 < 10−4 .
2

1
Luego el valor propio más pequeño en módulo de A es λ ≈ (6) = −0.099554 y su
⎛ ⎞ λ
0.538286
vector propio asociado es x ≈ x(6) = ⎝ 1 ⎠.
−0.818920

Elaborado por el prof. Pablo J. Galarreta A. 46

 METODOS NUMERICOS MA195 G, K

5.3.3 Iteración con traslación

Sean µ ∈ C, A ∈ Cn×n y λ ∈ C un valor propio de A con vector propio x ∈ Cn , luego

Ax = λx

entonces

(A − µIn ) x = (λ − µ) x,

si A − µIn es invertible, entonces

1
(A − µIn )−1 x = x.
λ−µ
| {z }
λ̃

1
Para un µ escogido adecuadamente, se tiene que λ̃ = y x pueden ser obtenidos
λ−µ
1
aplicando el método de iteración directa a (A − µIn )−1 , luego λ = + µ.
λ̃
Algoritmo 5.3. Para la determinación del valor propio λ ∈ C de A ∈ Cn×n y su
correspondiente vector propio x ∈ Cn .

Datos de Entrada: µ ∈ C, A ∈ Cn×n y x(0) ∈ Cn aproximación inicial a x.

Paso 1: Aplicar el método de iteración directa a (A − µIn )−1 para obtener el valor
propio dominante λ̃ ∈ C de (A − µIn )−1 y su correspondiente vector propio x.
1
Paso 2: Hacer λ = + µ.
λ̃
Ejemplo 5.4. Sea
⎛ ⎞
−5 1 −2
A=⎝ 1 1 2 ⎠,
1 2 3

determinar un valor propio con un error menor que 10−4 usando 1. de la observación
anterior y la norma k.k2 .

Solución. Escogemos µ = 3.7 y x0 = (1, 1, 1)T .

k = 1:
⎛ ⎞
−0.755769
x̃(1) = (A − µI3 )−1 x(0) = ⎝ 2.246719 ⎠ ,
3.910955
λ(1) = 3.910955,
⎛ ⎞
−0.193244
1 (1)
x(1) = x̃ = ⎝ 0.574468 ⎠ .
λ(1) 1

Elaborado por el prof. Pablo J. Galarreta A. 47

 METODOS NUMERICOS MA195 G, K

k = 2:
⎛ ⎞
−0.419319
x̃(2) = (A − µI3 )−1 x(1) = ⎝ 1.675018 ⎠ ,
2.758168
λ(2) = 2.758168,
⎛ ⎞
−0.152028
1 (2)
x(2) = x̃ = ⎝ 0.607294 ⎠ ,
λ(2) 1
¯ ¯
¯ (2) (1) ¯
¯ λ − λ ¯ = 1.152787
° (2) °
°x − x(1) ° = 0.052691
2

k = 3:
⎛ ⎞
−0.436072
x̃(3) = (A − µI3 )−1 x(2) = ⎝ 1.707346 ⎠ ,
2.826600
λ(3) = 2.826600,
⎛ ⎞
−0.154274
1 (3)
x(3) = x̃ = ⎝ 0.604028 ⎠ ,
λ(3) 1
¯ ¯
¯ (3) (2) ¯
¯ λ − λ ¯ = 0.068432
° (3) °
°x − x(2) ° = 0.003964
2

k = 4:
⎛ ⎞
−0.434741
x̃(4) = (A − µI3 )−1 x(3) = ⎝ 1.704559 ⎠ ,
2.820539
λ(4) = 2.820539,
⎛ ⎞
−0.154134
1 (4)
x(4) = x̃ = ⎝ 0.604338 ⎠ ,
λ(4) 1
¯ ¯
¯ (4) (3) ¯
¯ λ − λ ¯ = 0.006060
° (4) °
°x − x(3) ° = 0.000340
2

k = 5:
⎛ ⎞
−0.434854
x̃(5) = (A − µI3 )−1 x(4) = ⎝ 1.704807 ⎠ ,
2.821085
λ(5) = 2.821085,

Elaborado por el prof. Pablo J. Galarreta A. 48

 METODOS NUMERICOS MA195 G, K

⎛ ⎞
−0.154144
1 (5)
x(5) = x̃ = ⎝ 0.604309 ⎠ ,
λ(5) 1
¯ ¯
¯ (5) ¯
¯λ − λ(4) ¯ = 0.000546
° (5) °
°x − x(4) ° = 0.000031
2

k = 6:
⎛ ⎞
−0.434844
x̃(6) = (A − µI3 )−1 x(5) = ⎝ 1.704784 ⎠ ,
2.821035
λ(6) = 2.821035,
⎛ ⎞
−0.154143
1 (6)
x(6) = x̃ = ⎝ 0.604312 ⎠ ,
λ(6) 1
¯ ¯
¯ (6) ¯
¯λ − λ(5) ¯ = 0.000050 < 10−4 ,
° (6) °
°x − x(5) ° = 0.000003 < 10−4 .
2

Luego λ̃ ≈ λ(6) = 2.821035, por lo tanto

1
λ= + µ ≈ 4.054480
λ̃
es un valor propio de A y el vector propio de A asociado a λ es
⎛ ⎞
−0.154143
x ≈ x(6) = ⎝ 0.604312 ⎠ .
1

5.4 Métodos de Transformación

Sean A, B ∈ Rn×n y consideremos el problema generalizado de valores y vectores
propios

AX = λBX. (5.2)

Si P ∈ Rn×n es una matriz invertible y X = P Z, entonces (5.2) puede ser escrito

como:
¡ −1 ¢ ¡ ¢
P AP Z = λ P −1 BP Z. (5.3)

El sistema (5.3) tiene los mismos valores propios que el sistema (5.2) y los vectores
propios están relacionados por X = P Z.
Los métodos de transformación usan el siguiente algoritmo:

A(k) = Pk−1 A(k−1) Pk , (5.4)

Elaborado por el prof. Pablo J. Galarreta A. 49

 METODOS NUMERICOS MA195 G, K

B (k) = Pk−1 B (k−1) Pk , (5.5)

donde

lim A(k) = diag (a1 , a2 , . . . , an ) , (5.6)

k→∞

lim B (k) = diag (b1 , b2 , . . . , bn ) . (5.7)

k→∞

Entonces de (5.3), (5.4), (5.5), (5.6) y (5.7) tenemos que

⎛ ⎞⎛ ⎞ ⎛ ⎞⎛ ⎞
a1 0 . . . 0 z1 b1 0 . . . 0 z1
⎜ 0 a2 . . . 0 ⎟ ⎜ z2 ⎟ ⎜ 0 b2 . . . 0 ⎟ ⎜ z2 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ .. .. . . .. ⎟ ⎜ .. ⎟ = λ ⎜ .. .. . . .. ⎟ ⎜ .. ⎟.
⎝ . . . . ⎠ ⎝ . ⎠ ⎝ . . . . ⎠⎝ . ⎠
0 0 . . . an zn 0 0 . . . bn zn

Luego, si b1 , b2 , . . . , bn son distintos de cero, entonces los valores propios de (1) son:
ai
λi = , para i = 1, 2, . . . , n, (5.8)
bi
y
e = P1 P2 . . . Pk diag(b−1/2
X 1
−1/2
, b2 , . . . , b−1/2
n ),

donde X e ∈ Rn×n cuya componente i-ésima es el vector propio asociado a λi para

¡ ¢
e = X1 X2 . . . Xn ∈ Rn×n , entonces
i = 1, 2, . . . , n. Además si X
½
T 1, si i = j
Xi BXj = δ ij = .
0, si i 6= j

5.4.1 Método de Jacobi

Sea el problema clásico de valores y vectores propios

AX = λX,
³ ´
(k)
donde A ∈ Rn×n es simétrica. Denotemos por A(k) = aij ∈ Rn×n para k =
0, 1, 2, . . . .
Inicialmente hacemos A(0) = A.
Paso k-ésimo: A(k) = PkT A(k−1) Pk , para k = 1, 2, 3, . . . , donde Pk es una matriz
ortogonal, denominada de rotación plana, siendo el objetivo del paso k-ésimo hacer

Elaborado por el prof. Pablo J. Galarreta A. 50

 METODOS NUMERICOS MA195 G, K

(k) (k)
cero el coeficiente aij = aji (estos coeficientes son iguales ya que A(k) es simétrica
para todo k ∈ N ∪ {0}). Además Pk ∈ Rn×n viene dada por:
⎛ ⎞
1
⎜ ... ⎟
⎜ ⎟
⎜ ⎟
⎜ 1 ⎟
⎜ ⎟
⎜ cos (θ) − sen (θ) ⎟ → fila i
⎜ ⎟
⎜ 1 ⎟
⎜ . ⎟
Pk = ⎜⎜ . . ⎟
⎟
⎜ 1 ⎟
⎜ ⎟
⎜ sen (θ) cos (θ) ⎟ → fila j
⎜ ⎟
⎜ 1 ⎟
⎜ ⎟
⎜ ... ⎟
⎝ ⎠
1
↓ ↓
columna i columna j

Los elementos que no se muestran y que no se encuentran en la diagonal principal de

Pk son ceros.
Ahora del paso k-ésimo obtenemos que
³ ´
(k) (k) (k−1) (k−1) (k−1) ¡ ¢
aij = aji = ajj − aii cos θ sen θ + aij cos2 θ − sen2 θ = 0,

de donde se cumplen los siguientes casos:

(k−1)
1. Si aij 6= 0, tenemos:

(k−1)
2aij h π πi
(k−1) (k−1)
(a) Si aii 6= ajj , entonces tg (2θ) = ³ ´ , con θ ∈ − , .
(k−1)
aii
(k−1)
− ajj 4 4

(k−1) (k−1) π
(b) Si aii = ajj , entonces θ = .
4
(k−1)
2. Si aij = 0, hacemos θ = 0.

Para determinar la matriz de vectores propios calculamos X = P1 P2 . . . Pk .

Ejemplo 5.5. Hallar los valores y vectores propios de la matriz

⎛ ⎞
4 2 3 7
⎜ 2 8 5 1 ⎟
A=⎜ ⎝ 3 5 12 9 ⎠ .
⎟

7 1 9 7

Elaborado por el prof. Pablo J. Galarreta A. 51

 METODOS NUMERICOS MA195 G, K

Solución. Inicialmente hacemos A(0) = A.

Ciclo 1:
Paso k = 1:
i = 1, j = 2:
) = 0.9239, sen(θ1 ) = −0.3827,
cos(θ1⎛ ⎞
0.9239 0.3827 0 0
⎜ −0.3827 0.9239 0 0 ⎟
P1 = ⎜⎝
⎟,
0 0 1 0 ⎠
⎛ 0 0 0 1 ⎞
3.1716 0 0.8582 6.0845
⎜ 0 8.8284 5.7674 3.6027 ⎟
A(1) = P1T A(0) P1 = ⎜
⎝ 0.8582 5.7674
⎟,
12 9 ⎠
6.0845 3.6027 9 7
Paso k = 2:
i = 1, j = 3:
) = 0.9954, sen(θ2 ) = −0.0959,
cos(θ2⎛ ⎞
0.9954 0 0.0959 0
⎜ 0 1 0 0 ⎟
P2 = ⎜⎝ −0.0959 0 0.9954 0 ⎠,
⎟

⎛ 0 0 0 1 ⎞
3.0889 −0.5529 0 5.1937
⎜ −0.5529 8.8284 5.7409 3.6027 ⎟
A(2) = P2T A(1) P2 = ⎜
⎝
⎟,
0 5.7409 12.0827 9.5418 ⎠
⎛ 5.1937 3.6027 9.5418 ⎞ 7
0.9196 0.3827 0.0886 0
⎜ −0.3809 0.9239 −0.0367 0 ⎟
P1 P2 = ⎜⎝ −0.0959
⎟,
0 0.9954 0 ⎠
0 0 0 1
Paso k = 3:
i = 1, j = 4:
) = 0.8223, sen(θ3 ) = −0.5690,
cos(θ3⎛ ⎞
0.8223 0 0 0.5690
⎜ 0 1 0 0 ⎟
P3 = ⎜⎝
⎟,
0 0 1 0 ⎠
⎛ −0.5690 0 0 0.8223 ⎞
−0.5052 −2.5047 −5.4297 0
⎜ −2.5047 8.8284 5.7409 2.6479 ⎟
A(3) = P3T A(2) P3 = ⎜
⎝ −5.4297
⎟,
5.7409 12.0827 7.8463 ⎠
⎛ 0 2.6479 7.8463 10.5941⎞
0.7562 0.3827 0.0886 0.5233
⎜ −0.3132 0.9239 −0.0367 −0.2168 ⎟
P1 P2 P3 = ⎜
⎝ −0.0788
⎟,
0 0.9954 −0.0546 ⎠
−0.5690 0 0 0.8223
Paso k = 4:
i = 2, j = 3:

Elaborado por el prof. Pablo J. Galarreta A. 52

 METODOS NUMERICOS MA195 G, K

) = 0.7977, sen(θ4 ) = −0.6030,

cos(θ4⎛ ⎞
1 0 0 0
⎜ 0 0.7977 0.6030 0 ⎟
P4 = ⎜⎝ 0 −0.6030 0.7977 0 ⎠,
⎟

⎛0 0 0 1 ⎞
−0.5052 1.2763 −5.8418 0
⎜ 1.2763 4.4885 0 −2.6194 ⎟
A(4) = P4T A(3) P4 = ⎜
⎝ −5.8418
⎟,
0 16.4226 7.8559 ⎠
⎛ 0 −2.6194 7.8559 10.5941⎞
0.7562 0.2519 0.3014 0.5233
⎜ −0.3132 0.7591 0.5279 −0.2168 ⎟
P1 P2 P3 P4 = ⎜
⎝ −0.0788 −0.6003 0.7940 −0.0546 ⎠,
⎟

−0.5690 0 0 0.8223
Paso k = 5:
i = 2, j = 4:
cos(θ5⎛
) = 0.9378, sen(θ5 ) = 0.3472,
⎞
1 0 0 0
⎜ 0 0.9378 0 −0.3472 ⎟
P5 = ⎜⎝ 0
⎟,
0 1 0 ⎠
⎛ 0 0.3472 0 0.9378 ⎞
−0.5052 1.1969 −5.8418 −0.4431
⎜ 1.1969 3.5188 2.7275 0 ⎟
A(5) = P5T A(4) P5 = ⎜⎝ −5.8418 2.7275 16.4226
⎟,
7.3672 ⎠
⎛ −0.4431 0 7.3672 11.5638 ⎞
0.7562 0.4179 0.3014 0.4033
⎜ −0.3132 0.6366 0.5279 −0.4668 ⎟
P1 P2 P3 P4 P5 = ⎜
⎝ −0.0788 −0.5819 0.7940
⎟,
0.1572 ⎠
−0.5690 0.2855 0 0.7712
Paso k = 6:
i = 3, j = 4:
cos(θ6⎛
) = 0.8103, sen(θ6 ) = 0.5860,
⎞
1 0 0 0
⎜ 0 1 0 0 ⎟
P6 = ⎜⎝ 0 0 0.8103 −0.5860 ⎠,
⎟

⎛ 0 0 0.5860 0.8103 ⎞
−0.5052 1.1969 −4.9933 3.0643
⎜ 1.1969 3.5188 2.2101 −1.5983 ⎟
A(6) = P6T A(5) P6 = ⎜⎝ −4.9933
⎟,
2.2101 21.7506 0 ⎠
⎛ 3.0643 −1.5983 0 6.2358⎞
0.7562 0.4179 0.4806 0.1502
⎜ −0.3132 0.6366 0.1542 −0.6876 ⎟
P1 P2 P3 P4 P5 P6 = ⎜
⎝ −0.0788 −0.5819 0.7356 −0.3379 ⎠,
⎟

−0.5690 0.2855 0.4519 0.6249

Ciclo 2:

Elaborado por el prof. Pablo J. Galarreta A. 53

 METODOS NUMERICOS MA195 G, K

Paso k = 7:
i = 1, j = 2:
cos(θ7⎛
) = 0.9642, sen(θ7 ) = −0.2651,
⎞
0.9642 0.2651 0 0
⎜ −0.2651 0.9642 0 0 ⎟
P7 = ⎜⎝
⎟,
0 0 1 0 ⎠
⎛ 0 0 0 1 ⎞
−0.8343 0 −5.4005 3.3784
⎜ 0 3.8479 0.8072 −0.7287 ⎟
A(7) = P7T A(6) P7 = ⎜ ⎝ −5.4005
⎟,
0.8072 21.7506 0 ⎠
⎛ 3.3784 −0.7287 0 6.2358⎞
0.6184 0.6034 0.4806 0.1502
⎜ −0.4708 0.5308 0.1542 −0.6876 ⎟
P1 P2 . . . P7 = ⎜
⎝ 0.0783
⎟,
−0.5819 0.7356 −0.3379 ⎠
−0.6244 0.1244 0.4519 0.6249
..
.

Paso k = 12:
i = 3, j = 4:
) = 0.9989, sen(θ12 ) = −0.0463,
cos(θ12⎛ ⎞
1 0 0 0
⎜ 0 1 0 0 ⎟
P12 = ⎜⎝ 0 0
⎟,
0.9989 0.0463 ⎠
⎛ 0 0 −0.0463 0.9989 ⎞
−3.2086 0.3929 0.2654 −0.0520
⎜ 0.3929 3.7175 −0.1178 −0.0055 ⎟
A(12) A P12 = ⎜
T (11)
= P12 ⎝ 0.2654 −0.1178 23.0413
⎟,
0 ⎠
⎛ −0.0520 −0.0055 0 7.4498⎞
0.6203 0.6421 0.3433 0.2916
⎜ −0.1748 0.3857 0.3157 −0.8491 ⎟
P1 P2 . . . P12 = ⎜
⎝ 0.3370 −0.6410 0.6812 −0.1073 ⎠,
⎟

−0.6864 0.1674 0.5643 0.4272

Ciclo 3:
Paso k = 13:
i = 1, j = 2:
cos(θ13⎛
) = 0.9984, sen(θ13 ) = −0.0565,
⎞
0.9984 0.0565 0 0
⎜ −0.0565 0.9984 0 0 ⎟
P13 = ⎜⎝
⎟,
0 0 1 0 ⎠
⎛ 0 0 0 1 ⎞
−3.2308 0 0.2716 −0.0516
⎜ 0 3.7397 −0.1026 −0.0084 ⎟
A(13) A P13 = ⎜
T (12)
= P13 ⎝ 0.2716
⎟,
−0.1026 23.0413 0 ⎠
−0.0516 −0.0084 0 7.4498

Elaborado por el prof. Pablo J. Galarreta A. 54

 METODOS NUMERICOS MA195 G, K

⎛ ⎞
0.5831 0.6761 0.3433 0.2916
⎜ −0.1963 0.3752 0.3157 −0.8491 ⎟
P1 P2 . . . P13 =⎜ ⎟
⎝ 0.3726 −0.6209 0.6812 −0.1073 ⎠,
−0.6947 0.1284 0.5643 0.4272

..
.

Paso k = 18:
i = 3, j = 4:
) = 1.0000, sen(θ18 ) = −0.0000,
cos(θ18⎛ ⎞
1 0 0 0
⎜ 0 1 0 0 ⎟
P18 = ⎜⎝ 0 0
⎟,
1.0000 0.0000 ⎠
⎛ 0 0 −0.0000 1.0000 ⎞
−3.2339 0.0010 −0.0000 −0.0000
⎜ 0.0010 3.7391 −0.0000 −0.0000 ⎟
A(18) = P18 A P18 = ⎜
T (17)
⎝ −0.0000 −0.0000 23.0447
⎟,
0 ⎠
⎛ −0.0000 −0.0000 0 7.4501⎞
0.5809 0.6786 0.3457 0.2873
⎜ −0.2037 0.3750 0.3117 −0.8490 ⎟
P1 P2 . . . P18 = ⎜
⎝ 0.3651 −0.6175 0.6884 −0.1076 ⎠,
⎟

−0.6984 0.1323 0.5564 0.4303

se observa al finalizar el tercer ciclo que los elementos fuera de la diagonal principal
de A(18) son cercanos a cero, luego los valores propios y sus correspondientes vectores
propios de A vienen dados por las siguientes aproximaciones
⎛ ⎞
0.5809
⎜ −0.2037 ⎟
λ1 ≈ −3.2339, x1 ≈ ⎜ ⎝ 0.3651 ⎠ ,
⎟

−0.6984
⎛ ⎞
0.6786
⎜ 0.3750 ⎟
λ2 ≈ 3.7391, x2 ≈ ⎜ ⎝ −0.6175 ⎠ ,
⎟

0.1323
⎛ ⎞
0.3457
⎜ 0.3117 ⎟
λ3 ≈ 23.0447, x3 ≈ ⎜ ⎝ 0.6884 ⎠ ,
⎟

0.5564
⎛ ⎞
0.2873
⎜ −0.8490 ⎟
λ4 ≈ 7.4501, x4 ≈ ⎜ ⎝ −0.1076 ⎠ .
⎟

0.4303

Elaborado por el prof. Pablo J. Galarreta A. 55