Você está na página 1de 8

Valores y Vectores Propios

Departamento de Matem´aticas, CSI/ITESM 1 de abril de 2009

´

Indice

9.1. Definiciones

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

9.2. Determinaci´on de los valores propios

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

2

9.3. El teorema del factor

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5

9.4. Multiplicidad algebraica de un valor propio

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

9.5. Espacios Invariantes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

9.6. Multiplicidad geom´etrica de un valor propio

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

7

9.1. Definiciones

Definici´on Sea A una matriz cuadrada, un n´umero real λ se dice que es un valor propio o un eigenvalor o un valor caracter´ıstico de A si existe un vector, diferente del vector cero, x tal que:

Ax = λ x

Es decir, es un vector que al transformarlo mediante la multiplicaci´on por A el vector resultante mantiene su direcci´on, posiblemente s´olo su longitud y/o sentido se modifique. El vector x se llama vector propio o eigenvector asociado al valor propio λ . Ejemplo

Para la matriz A indique cu´ales vectores son vectores propios.

Soluci´on

A =


1
2

2

1

v 1 = 1 1 , v 2 = 3 , v 3 = 1 1 , v 4 = 0

2

2

Debemos multiplicar cada vector por la matriz A y ver si el vector resultante es un m´ultiplo escalar del vector.

Av 1 =

1

2

2

1

1 = 3

1

3 = 3 1

1

v 1 s´ı es vector propio de A asociado al valor propio 3.

v 2 no es vector propio de A .

Av 2 =

1

2

2

1

3 =

2

8

7

=

k

2

3

Av 3 =

1 2 1 1 =
2

1

1 = 1 1 1

1

v 3 s´ı es vector propio de A asociado al valor propio -1.

v 4 no es vector propio de A . Ejercicio 1

Av 4 =

1

2

2

1

0 =

2

Cu´ales son vectores propios a la matriz

3

3

2

,

A =

1

2

5

,

4

2

2

33

2

83

4

57

4

,

51

2

121

4

75

4

6

8

6

4

2

=

k 0

2

27

2

57

4

27

4

, 1

4

1

,

Ejemplo

El vector

es un vector propio de la matriz

v =

2

4

4

A =

0

1

2 0 2

3

5

16

5

18

5

0

1

1

Determine el valor propio al cual est´a asociado. Soluci´on Determinemos Av :

0

1

2 0 2

3

5

16

5

18

5

  

2

4

4

=

2

4

4

= 1

2

4

4

Por tanto, v est´a asociado al valor propio λ = 1 de la matriz A . Ejercicio 2

Los vectores

3

2

1

,

1

2

2

,

0

6

0

,

s´ı son vectores propios de la matriz

A =

0

1

2 0 2

3

5

16

5

18

5

.

9

6

3

Determine los valores propios a los cuales est´an asociados .

2

9.2. Determinaci´on de los valores propios

Sea λ o un valor propio de la matriz cuadrada A , as´ı existe un vector diferente cero de x o tal que:

Por tanto:

Ax o = λ o x o = λ o I n x o

Ax o λ o I n x o = (A λ o I n ) x o = 0

Si B = A λ o I n lo anterior significa que el sistema homog´eneo n × n

Bx = 0

tiene adem´as de la soluci´on trivial otra soluci´on (x = x o = 0 ). Por consiguiente, no tiene soluci´on unica.´ por tanto, el determinante de la matriz B debe ser cero:

det(B ) = det (A λ o I n ) = 0.

Resumiendo:

Y

Todo valor propio λ o debe ser ra´ız del polinomio caracter´ıstico asociado a A :

p A (λ ) = det (A λ I n )

(1)

y un vector propio asociado al valor propio λ debe ser soluci´on al sistema homog´eneo:

Ejemplo

(A λ I n ) x = 0

(2)

Determine los valores y los vectores propios correspondientes de las matrices:

Soluci´on Para A 1 :

A 1 =

1

2

2

1

, A 2 = 0 1

1 1 , A 3 =

1

1

p A (λ ) = det (A λ I 2 ) = det

1

2

2

1

λ

1

0

p A 1 (λ ) = det

2 1 = det

2

1

λ

0

0

λ

1 λ

2

p A 1 (λ ) =

1 λ

2

2

1 λ

= (1 λ ) 2 4

2

2

0

1

1 λ

2

p A 1 (λ ) = λ 2 2λ 3 = (λ 3) (λ + 1)

Por tanto, los unicos´

valores propios de A 1 son λ 1 = 3 y λ 2 = 1.

Vector propio para λ 1 = 3

Debe ser soluci´on al sistema homog´eneo:

Es decir:

(A 1 λ I 2 ) x = 0

1

2

2

1

(3)

3

1

0

0

1

x = 0

Desarrollando y finalmente aplicando Gauss-Jordan:

1 3

2

1 3 x = 0 2

2

2

2 2

0

0

1

0

1

1

Convirtiendo en ecuaci´on y poniendo en la notaci´on vectorial:

x y = 0 x = y x = y

y

1

0

0

0

Lo anterior indica que cualquier vector de la forma:

y 1 1

es un vector propio asociado a λ 1 = 3; nosotros nos conformaremos con uno: digamos el que se obtiene para

y = 1:

Vector propio para λ 2 = 1

1

1

Debe ser soluci´on al sistema homog´eneo:

Es decir:

(A 1 λ I 2 ) x = 0

1

2

2

1

(1)

1

0

0

1

x = 0

Desarrollando y finalmente aplicando Gauss-Jordan:

1 + 1

2

2

1 + 1

x = 0

2

2

2

2

0

0

1

0

1

0

0

0

Convirtiendo en ecuaci´on y poniendo en la notaci´on vectorial:

x + y = 0 x = y x = y 1

y

1

Lo anterior indica que cualquier vector de la forma:

y 1 1

es un vector propio asociado a λ 2 = 1; nosotros nos conformaremos con uno: digamos el que se obtiene para

y = 1:

Para la matriz A 2 :

1

1

p A 2 (λ ) = det

1

0

1

1

λ

0

p A 2 (λ ) =

1 λ

0

0

λ

= det 1 λ

0

1

1 λ

= (1 λ ) 2

4

1 λ

1

Por tanto, el unico´

valor propio de A 2 es λ 1 = 1.

Vector propio para λ 1 = 1

Debe ser soluci´on al sistema homog´eneo:

(A 2 λ I 2 ) x = 0

Es decir:

1

0

1 1 (1)

1

0

Desarrollando y finalmente aplicando Gauss-Jordan:

1 1

0

1

1 1 x = 0

0

0

0

1

1

0

x = 0

0

0

0

0

1

0

0

0

Convirtiendo en ecuaci´on y poniendo en la notaci´on vectorial:

y = 0 x = x

y

1

0

Lo anterior indica que cualquier vector de la forma:

x

1 0

es un vector propio asociado a λ 1 = 1; nosotros nos conformaremos con uno: digamos el que se obtiene para y = 1:

Para la matriz A 3 :

p A 3 (λ ) = det

El polinomio caracter´ıstico queda:

2

1 2

1

λ

0

1 0

λ =

0

det 1 1 λ 2 λ

2

p A 3 (t ) = t 2 3 t + 4

Como este polinomio tiene ra´ıces complejas, A 3 no tiene valores ni vectores propios

Ejercicio 3

Determine el polinomio caracter´ıstico, los valores propios, y vectores propios asociados a la matriz:

A =

9.3. El teorema del factor

1

2

5

4

15

4

7

4

11

8

63

8

9

4

5

8

17

8

De los cursos b´asicos de ecuaciones algebraicas es importa nte recordar el teorema del factor:

Teorema 9.1

Sea p (x) un polinomio. Un n´umero c es ra´ız del polinomio p (x), es decir p (x = c ) = 0 si y s´olo si x c divide a p (x). Es decir, al hacer la divisi´on de p (x) entre x c el residuo es cero.

5

De hecho, p (c ) es precisamente el residuo de la divisi´on de p (x) entre x c . Y este residuo puede calcularse por medio de un proceso elemental conocido como divisi´on sint´etica:

a n

a n

1

·

·

·

a 1

a 0

c

c · a n

·

·

·

·

·

a n a n 1 + c · a n · · ·

 

p (c )

 

9.4. Multiplicidad algebraica de un valor propio

Definici´on Sea A una matriz cuadrada y λ o un valor propio. Como hemos visto λ debe ser ra´ız del polinomio caracter´ıstico de A p A (λ ) as´ı:

(λ λ o ) | p A (λ )

Al mayor exponente m que cumple

p A (λ ) = (λ λ o ) m q (λ )

le llamaremos la multiplicidad algebraica de λ o . Ejercicio 4

Determine la multiplicidad algebraica de cada uno de los vectores propios de la matriz

9.5. Espacios Invariantes

Teorema 9.2

5

A = 3

7

5 2

3

5 4

2

Sea A una matriz cuadrada y λ un escalar cualquiera entonces

es un subespacio lineal de R n .

Demostraci´on

{x R n | Ax = λ x }

1. No es vac´ıo pues: A0 = 0 = λ 0 . Es decir, 0 es un elemento del conjunto.

2. Si Ax 1 = λ x 1 y Ax 2 = λ x 2 :

A (x 1 + x 2 ) = Ax 1 + Ax 2 = λ x 1 + λ x 2 = λ ( x 1 + x 2 )

Es decir, que si x 1 y x 2 son elementos del conjunto, la suma de ellos tambi´en es un vector en el conjunto al cumplir la propiedad que define al conjunto.

3. Si Ax 1 = λ x 1 :

A (c x 1 ) = c Ax 1 = x 1 = λ ( c x 1 )

Es decir, que si un vector x 1 pertence al conjunto y c es un escalar cualquiera, entonces, el vector c x 1 tambi´en pertenece al conjunto al cumplir la propiedad.

6

Por tanto, el conjunto dado es un espacio lineal

Observe que en la afirmaci´on del teorema anterior no se requiere que el escalar λ sea un valor propio. Sin embargo, el conjunto anterior es diferente de {0 } s´olo cuando el valor λ es efectivamente un valor propio. Ejercicio 5

Demuestre que si V es un espacio lineal y posee al menos un vector diferente del vector cero, entonces la dimensi´on es mayor que 1. Sugerencia. Tome el vector que no es cero, y forme un conjunto s´olo con ´el: muestre que el conjunto es linealmente independiente.

9.6. Multiplicidad geom´etrica de un valor propio

Definici´on Por el resultado anterior: Siendo λ o un valor propio el anterior conjunto es un espacio lineal diferente de {0 } as´ı tiene dimensi´on mayor que cero: la dimensi´on del espacio anterior se llamar´a multiplicidad geom´etrica del valor propio λ o .

Teorema 9.3

La dimensi´on geom´etrica de un valor propio es menor o igual que la dimensi´on algebraica.

Ejemplo

Determine la dimensi´on y una base para el espacio propio aso ciado a λ = 3 para la matriz:

A =

1

2

5

4

15

4

7

4

11

8

63

8

9

4

5

8

17

8

Soluci´on El espacio propio de un valor λ es el conjunto de soluciones al sistema homog´eneo:

(A λ I ) x = 0

En este caso queda:

[ A (3)I | 0 ] =

5/2

7/4 9/4

0

5/4

35/8 5/8

0

15/4 63/8 41/8

0

Despu´es de eliminaci´on gaussiana obtenemos:

1

0

0

0 2/3 0 1 1/3 0

0

0

0

Como s´olo hay una variable libre, entonces la dimensi´on geom´etrica del espacio propio de λ = 3 es 1. Y una base es:

2/3

1/3

1

7

Como se trabaja en R 3 , el espacio propio es una l´ınea que pasa por el origen y que tiene direcci´on < 2/3, 1/3, 1 > por consiguiente tiene ecuaciones sim´etricas:

Ejercicio 6

x 0 = y 0 = z 0

1/3

2/3

1

Determine la dimensi´on y una base para el espacio propio aso ciado a λ = 2 para la matriz:

5

A = 3

7

5 2

3

5 4

2

En este ejemplo debido a estar en 3 los espacios deber´ıan ser {0 }, l´ıneas, planos o todo 3 : ¿Cu´al caso aplica? En caso de ser posible, encuentre la(s) ecuacio nes correspondientes.

Teorema 9.4

Si los vectores v 1 , v 2 ,

conjunto formado por ellos es linealmente independiente.

, v k son vectores propios asociados a valores propios diferentes entonces el

Demostraci´on Llamemos λ i al valor propio al cual est´a asociado el vector v i . Supongamos que el conjunto de vectores es linealmente dependiente . Puesto que ning´un vector propio puede ser el vector cero , de esta suposici´on deducimos entonces que un vector v i debe ser combinaci´on lineal de los anteriores. Escojamos aqu´el que tiene

el menor ´ındice posible, digamos j , as´ı: v j es combinaci´on lineal de los vectores v 1

v i es combinaci´on lineal de los anteriores para i = 2, 3,

v j = c 1 v 1 + c 2 v 2 + · · · + c j 1 v j 1

,v j 1 y ning´un vector

, j 1. Tenemos

Multiplicando por A , y utilizando que cada v es vector propio, obtenemos

λ j v j = c 1 λ 1 v 1 + · · · + c j 1 λ j 1 v j 1

Si multiplicamos la primera de estas ecuaciones por λ j y se la restamos a la segunda obtenemos:

0 = c 1 ( λ 1 λ j ) v 1 + · · · + c j 1 (λ j 1 λ j ) v j 1

Como el conjunto formado por los vectores v 1

combinaci´on de los restantes , se deduce que todos los coefic ientes de esta ultima´ ecuaci´on deben ser cero:

,v j 1 es linealmente independiente , al no ser un vector

c i (λ i λ j ) = 0 para i = 1,

, j 1

Como los valores propios son diferentes entre si: λ i λ j = 0. As´ı son los c i = 0 para i = 1, f´ormula inincial de este teorema queda:

v j = 0v 1 + · · · + 0v j 1 = 0

Pero esto es imposible pues ning´un vector propio es el vector cero. Esta contradicci´on afirma que el conjunto formado por los vectores es linealmente independiente

, j 1. As´ı la

Ejercicio 7

Investigue c´omo se obtienen los valores y vectores propios en una calculadora avanzada. Docum´ente- se de cu´al es el formato en el cual se presentan los resultado s.

8