Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto.

de Matemática

Álgebra Lineal Computacional

Segundo Cuatrimestre 2022

Práctica N◦ 3: Autovalores y autovectores.

Ejercicio 1. Calcular el polinomio caracterı́stico, los autovalores y los autovectores de la

matriz A en cada uno de los siguientes casos (analizar por separado los casos K = R y
K = C):
   
  0 2 1 3 1 0
0 a
(a) A = ,a∈R (b) A = −2 0 2 (c) A = −4 −1 0 
−a 0
−1 −2 0 4 −8 −2
   
  0 1 0 1 0 0 0 0
a 1 1 1 0 1 0 1 0 0 0
(d) A = 1 a 1 , a ∈ R
 (e) A =  0 1 0 1
 (f) A = 
0 1 0 0

1 1 a
1 0 1 0 0 0 0 1

Ejercicio 2. Para cada una de las matrices A del ejercicio anterior, sea U una base de K n
y sea f : Kn → Kn la tranformación lineal tal que |f |U = A. Decidir si es posible encontrar
una base B de Kn tal que |f |B sea diagonal. En caso afirmativo, calcular CBU .
Ejercicio 3. Considerar la sucesión de Fibonacci, dada por la recursión: F0 = 0, F1 = 1,
Fn+1 = Fn + Fn−1 .
       
Fn Fn−1 Fn n F0
(a) Hallar una matriz A tal que =A . Mostrar que =A
Fn+1 Fn Fn+1 F1

(b) Diagonalizar A.

(c) Dar una fórmula cerrada para Fn .

Ejercicio 4. Recordando que la solución de la ecuación diferencial

x′ (t) = ax(t), a∈R

con condición inicial x(0) = c0 es x(t) = c0 eat , resolver el siguiente sistema de ecuaciones
diferenciales  ′
x (t) = 6 x(t) + 2 y(t)
y ′ (t) = 2 x(t) + 3 y(t)
con condiciones iniciales x(0) = 3, y(0) = −1.  
−1 6 2
Sugerencia: Hallar una matriz C tal que C C sea diagonal y hacer el cambio de
    2 3
u(t) x(t)
variables = C−1 . .
v(t) y(t)
Ejercicio 5. Sea A ∈ Cn×n y λ un autovalor. Probar que:

1
 (a) Si A es triangular sus autovalores son los elementos de la diagonal.

(b) λk es autovalor de Ak , con el mismo autovector.

(c) λ + µ es autovalor de A + µI, con el mismo autovector.

(d) Si p es un polinomio, p(λ) es autovalor de p(A).

Ejercicio 6. Sea A ∈ Rn×n . Probar:

(a) Si los autovalores de A son todos reales, sus autovectores pueden tomarse con coorde-
nadas reales.

(b) Si A es simétrica, entonces sus autovalores son reales.

(c) Si A es simétrica y definida positiva (negativa), entonces todos sus autovalores son
positivos (negativos)

(d) Si A es simétrica y λ1 y λ2 son autovalores distintos, entonces sus correspondientes

autovectores son ortogonales entre sı́.

Ejercicio 7. Una transformación lineal f : Kn → Kn se llama proyector si verifica f (f (x)) =

f (x) para todo x ∈ Kn . Probar que los únicos autovectores de un proyector son 1 y 0.

Ejercicio 8. Considerar las matrices

 1
1 1ε
 
1 ε
A= , B= ,
ε 1 0 1

donde ε ≪ 1 es arbitrario. Calcular los polinomios caracterı́sticos y los autovalores de A y de

B. Concluir que pequeñas perturbaciones en los coeficientes de un polinomio pueden conducir
a grandes variaciones en sus raı́ces (el problema está mal condicionado). En particular, esto
afecta el cómputo de autovalores como raı́ces del polinomio caracterı́stico.

Ejercicio 9. Sea A ∈ Rn×n tal que admite una base de autovectores B = {v1 , . . . , vn } (que
supondremos normalizados) y, además, tiene un único autovalor de máximo módulo (digamos:
λ1 ). Es decir, sus autovalores satisfacen:

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

Dado v (0) un vector cualquiera tal que sus coordenadas en base B son (a1 , . . . , an ), con a1 ̸= 0.
Definimos v (k+1) = Av (k) = Ak v (0) .

(a) Probar que Av (k) = a1 λk1 v1 + · · · + an λkn vn .

(b) Deducir que Av (k) = λk1 (a1 v1 + εk ), donde εk → 0 cuando k → ∞.

(c) Sea φ : Cn → C una funcional lineal tal que φ(v1 ) ̸= 0. Probar que:

φ(Av (k) )
→ λ1 .
φ(v (k) )

2
 (d) Para evitar que ∥v (k) ∥ tienda a 0 o a ∞ es usual normalizar v (k) al cabo de cada iteración.
Probar que en tal caso, si λ1 es real positivo, se tiene que v (k) → v1 .

Ejercicio 10. Implementar el método de la potencia tal como está descripto en el ejercicio
anterior, para calcular el autovalor de máximo módulo, con v (0) aleatorio y φ una funcional
lineal cualquiera. Aplicarlo para calcular el autovalor de máximo módulo de
 
1 2 1
A = 1 −1 1 .
1 5 1

Comparar con el resultado arrojado por np. linalg . eig .

Ejercicio 11. Mostrar que si en el Ejercicio 9 se toma una funcional lineal φk distinta en
cada paso, el método converge igualmente a λ1 . Concluir que los cocientes de Raleigh:

v (k)t Av (k)
rk = (k)t (k) ,
v v
convergen a λ1 . Observar que si v (0) es tal que a1 ̸= 0, las aplicaciones φk correspondientes a
los cocientes de Raleigh nunca se anulan en v1 . Modificar el programa del ejercicio anterior
de modo de utilizar el cociente de Raleigh como aproximación de λ1 .

Ejercicio 12. Asumiendo que A admite un único autovalor de módulo máximo:

p
(a) Usando que, ∥A∥2 = ρ(At A) para una A cualquiera y ∥A∥2 = ρ(A) si A es simétrica
adaptar el método de la potencia para calcular la norma 2 de A.

(b) Mostrar que si λ es autovalor de A, y A es inversible, entonces λ−1 es autovalor de A−1 .

En el método de la potencia inversa se define v (k+1) tal que Av (k+1) = v (k) . Mostrar
que esta modificación del método de la potencia permite calcular el autovalor de menor
módulo de A. Implementar el método de la potencia inversa.

(c) Escribir un programa que, utilizando los anteriores, calcule Cond2 (A).

(d) Calcular Cond2 (A) de las matrices del Hilbert para n = 10, 100, 500, 1000. La matriz
de Hilbert de tamaño n puede calcularse como
import s c i p y a s sp
# definir n
H = sp . l i n a l g . h i l b e r t ( n )

Ejercicio 13. Considerar las matrices:

   
−6 9 3 5 9 6
A= 0 8 −2 B = −3 −7 −6
0 −1 7 0 0 −1

3
y, en cada caso, el Método de la Potencia dado por la siguiente iteración:

Av (k−1) Bv (k−1)
 
(k) (k)
v = v =

 

∥Av (k−1) ∥ ∥Bv (k−1) ∥

 

,

 (v (k) )t Av (k) 
 (v (k) )t Bv (k)
rk =
 rk =

(v (k) )t v (k) (v (k) )t v (k)

para k ≥ 1.

(a) Calcular los autovalores y los autovectores de A y de B. Determinar si las matrices

cumplen las hipótesis del Método de la Potencia.

(b) Para la matriz A, definir un subespacio S tal que rk converja al autovalor de módulo
máximo para cualquier v (0) ∈ R3 − S.

(c) Para la matriz B, hallar un α ∈ R tal que el Método de la Potencia con v (0) = (−1, α, −2)
encuentre el segundo autovalor de mayor módulo.

Ejercicio 14. Sea A ∈ Rn×n . Supongamos que A tiene todos autovalores de distinto módulo.

(a) Probar que aplicar el método de la potencia a A − µI da como resultado el autovalor

de A más lejano a µ.

(b) Probar que aplicar el método de la potencia inversa a A − µI da como resultado el

autovalor de A más cercano a µ

Procesos de Markov

Ejercicio 15. Una matriz P = (pij )ij se dice estocástica si sus elementos son todos no neg-
ativos y sus columnas suman uno. Los elementos pij representan la proporción de individuos
que pasan del estado i al estado j en cada iteración (también pueden interpretarse como la
probabilidad de pasar de i a j).

(a) Probar que si λ es autovalor de P, entonces |λ| ≤ 1.

(b) Sea 1 es el vector con todas sus coordenadas iguales a 1. Mostrar que 1t P = 1. De
hecho: P es estocástica si y sólo si sus elementos son no negativos y 1t P = 1.

(c) Probar que toda matriz estocástica tiene a 1 por autovalor.

Ejercicio 16. Probar que P y Q son matrices estocásticas, entonces:

(a) PQ es estocástica.

(b) Pn es estocástica (n ∈ N).

(c) Pn Qm es estocástica (n, m ∈ N).

4
 III I II III I II

IV IV

(a) Laberinto cerrado. (b) Laberinto abierto.

Figure 1: El laberinto se abre unos pocos segundos cada hora.

Ejercicio 17. En el instante inicial 20 ratones se encuentran en el compartimiento I (ver

Figura 1). Las puertas que separan los compartimientos permanecen cerradas salvo durante
un breve lapso cada hora, donde los ratones pueden pasar a un comportamiento adyacente o
permancer en el mismo. Se supone que nada distingue un compartimento de otro, es decir
que es igualmente probable que un ratón pase a cualquiera de los adyacentes o se quede en
el compartimiento en el que está. Se realizan observaciones cada hora y se registra el número
de ratones en cada compartimiento.
(a) Determinar la matriz de transición del proceso P.

(b) Determinar cuántos ratones habrá en cada celda al cabo de 4 horas.

(c) Decidir si existe o no un estado de equilibrio.

(d) Decidir si existe P∞ y en tal caso calcularla. ¿Qué aspecto tiene? ¿Por qué?
Ejercicio 18. Un sujeto en evidente estado de ebriedad oscila entre su casa y el bar, separados
por n pasos. En cada instante de tiempo da un paso hacia adelante (acercándose a su casa),
con probabilidad p o hacia atrás (acercándose nuevamente al bar), con probabilidad 1 − p. Si
llega a alguno de los dos extremos, se queda allı́ y no vuelve a moverse.
(a) Sin hacer ninguna cuenta, mostrar que el proceso admite al menos dos estados lı́mite
linealmente independientes entre sı́. Implementar un programa que reciba como input la
distancia entre la casa y el bar (n) y la probabilidad p y devuelva la matriz de transición
del proceso. Verificar que el resultado sea correcto corriéndolo para n = 5 y p = 0.5.

(b) Para n = 20, tomar p = 0.5 y v 0 el vector que corresponde a ubicar al sujeto en
cualquiera de los puntos intermedios del trayecto con igual probabilidad. Realizar una
simulación del proceso hasta que se estabilice. ¿Cuál es el estado lı́mite? ¿Cómo se
interpreta?

(c) Repetir la simulación tomando como vector inicial v 0 = e2 (el segundo canónico). In-
terpretar el resultado.

(d) Repetir las simulaciones con p = 0.8. ¿Qué se observa?

(e) Explicar los resultados de todas las simulaciones a partir del análisis de los autovalores
y autovectores de la matriz.

5
Ejercicio 19. El movimiento anual entre 4 ciudades está regido por el siguiente diagrama de
transición:
1
2 1
2

1 2
1
2
1
a 2 d

c
3 4
e
b
 
0
0
Se sabe que v = 
 1  es un estado de equilibrio.

2
1
2

(a) Hallar la matriz de transición P.

(b) Determinar la distribución de población después de 10 años, si la distribución inicial es

v0 = ( 21 , 0, 21 , 0)t .

(c) ¿Existe un estado lı́mite cualquiera sea el estado inicial? ¿Existe P∞ ?

(d) ¿Existe estado lı́mite para v0 = (0, 0, 31 , 23 )t ?