Valores y vectores propios

Departamento de Matem aticas, CCIR/ITESM 11 de mayo de 2009

Indice
24.1. Denici on de valor y vector propio . . . . . 24.2. Determinaci on de los valores propios . . . . 24.3. Multiplicidad algebraica de un valor propio 24.4. Multiplicidad geom etrica de un valor propio 24.5. Resultados te oricos . . . . . . . . . . . . . . 24.6. Procesos operativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 3 6 7 10 10

24.1.

Denici on de valor y vector propio

Los vectores propios de una matriz son vectores invariantes bajo la multiplicaci on por ella. Veamos la denici on matem atica: Denici on 24.1 Sea A una matriz cuadrada, un n umero real se dice que es un valor propio o un eigenvalor o un valor caracter stico de A si existe un vector, diferente del vector cero, xo tal que: Axo = xo Es decir, es un vector que al transformarlo mediante la multiplicaci on por A el vector resultante mantiene la direcci on, posiblemente s olo su longitud y/o sentido se modique. El vector xo se llama vector propio o eigenvector asociado al valor propio . Ejemplo 24.1 Para la matriz A A= Indique cu ales vectores son vectores propios: v1 = 1 1 , v2 = 2 3 , v3 = 1 1 , v4 = 0 2

1 2 2 1

Soluci on: Veamos si v1 es vector propio de A: Av1 = Ahora veamos si Av1 es un m ultiplo de v1 : Av1 = 3 3 =3 1 1 = 3 v1 1 2 2 1 1 1 = 3 3

Por tanto, v1 s es vector propio de A y est a asociado al valor propio 3. Veamos si v2 es vector propio de A: Av2 = Ahora veamos si Av2 es un m ultiplo de v2 : Av2 = Por tanto, v2 no es vector propio de A. Veamos si v3 es vector propio de A: Av3 = Ahora veamos si Av3 es un m ultiplo de v3 : Av3 = 1 1 = 1 1 1 1 2 2 1 1 1 = 1 1 8 7 =k 2 3 1 2 2 1 2 3 = 8 7

Por tanto, v3 s es un vector propio de A y est a asociado al valor propio -1. Veamos si v4 es vector propio de A: Av4 = Ahora veamos si Av4 es un m ultiplo de v4 : Av4 = por tanto, v4 no es vector propio de A Ejemplo 24.2 Indique cu ales de los siguientes valores 1 = 1, 2 = 1, 3 = 2, 4 = 2 son valores propios de la matriz A: A= 5 3 6 4 4 2 =k 0 2 1 2 2 1 0 2 = 4 2

Soluci on 1 es valor propio ssi existe un vector x diferente de cero tal que: A x = 1 x Es decir, ssi (A 1 I) x = A x 1 I x = A x 1 x = 0 no tiene soluci on u nica: [A 1 I |0] = 3 5 (1) 6 4 (1) 2 0 0 1 1/2 0 0 0 0

Como el sistema tiene una variable libre, el sistema tiene innitas soluciones: por tanto adem as de la soluci on x = 0, existen muchos vectores x diferentes del vector cero tales que Ax = 1 x. Por tanto, 1 s es valor propio de la matriz A. De hecho, podemos encontrar la soluci on general al sistema anterior: 1 1/2 0 0 0 0 {x 1/2y = 0 x = 1/2 y y = y

Por tanto, todos los vectores propios asociados a 1 se obtienen: x=y Veamos si 2 es valor propio de A: [A 2 I |0] = 5 (1) 3 6 4 (1) 0 0 1 0 0 0 1 0 1/2 1 , con y = 0

Como el sistema tiene soluci on u nica x = 0, por tanto no existe un vector diferente de cero x que cumpla A x = 2 x. Por tanto, 2 no es un vector propio de A. La regla es : es valor propio de A ssi al reducir [A I|0] se tiene al menos una variable libre. Veamos si 3 es valor propio de A: [A 3 I |0] = 5 (2) 3 6 4 (2) 0 0 1 1 0 0 0 0

Una variable libre; por tanto, 3 s es valor propio de A. Veamos si 4 es valor propio de A: [A 4 I|0] = 5 (2) 3 6 4 (2) 0 0 1 0 0 0 1 0

Ninguna variable libre; por tanto, 4 no es valor propio de A

24.2.

Determinaci on de los valores propios

Sea o un valor propio de la matriz cuadrada A, esto ser a cierto si y s olo si existe un vector xo (xo = 0) tal que: Axo = o xo = o In xo Por tanto: Axo o In xo = (A o In ) xo = 0 Si B = A o In , esto ser a cierto si y s olo si el sistema homog eneo n n Bx = 0 tiene, adem as de la soluci on trivial, otra soluci on (x = xo = 0). Es decir, si y s olo si no tiene soluci on u nica. Y esto ser a cierto, si y s olo si el determinante de la matriz B es cero: det(B) = det (A o In ) = 0 3

es decir, que todo escalar o es valor propio de A si y s olo si es ra z del polinomio caracter stico asociado a A: pA () = det (A In ) y un vector propio asociado a o debe ser soluci on al sistema homog eneo (A o In ) x = 0 Note al ser pA (t) un polinomio de grado igual que n, habr a a lo m as n valores propios. Ejemplo 24.3 Determine los valores y los vectores propios correspondientes a la matriz: A= Soluci on Determinemos el polinomio caracter stico de A: pA () = det (A I2 ) = det 1 2 2 1 0 0 1 2 2 1 = det 1 0 0 1 1 2 2 1

pA () = det

1 2 2 1

pA () =

1 2 2 1

= (1 )2 4

pA () = 2 2 3 = ( 3) ( + 1) Por tanto, los u nicos valores propios son 1 = 3 y 2 = 1. Vector propio para 1 = 3 Debe ser soluci on al sistema homog eneo: (A I2 ) x = 0 Es decir: 1 2 2 1 (3) 1 0 0 1 x=0

Desarrollando y nalmente aplicando Gauss-Jordan: 13 2 2 13 x=0 2 2 0 2 2 0 1 1 0 0 0 0

Convirtiendo en ecuaci on y poniendo en la notaci on vectorial: xy =0x=y Lo anterior indica que cualquier vector de la forma: y 1 1 , y=0 x y =y 1 1 , y=0

es un vector propio asociado a 1 = 3. Es importante se nalar que la variable libre y no puede ser cero, pues de otra manera el vector que obtendr amos ser a el vector cero, el cual por denici on no puede ser vector propio. Nosotros nos conformaremos con un vector propio: digamos el que se obtiene para y = 1: 1 1 Vector propio para 2 = 1 Debe ser soluci on al sistema homog eneo: (A I2 ) x = 0 Es decir: 1 2 2 1 (1) 1 0 0 1 x=0

Desarrollando y nalmente aplicando Gauss-Jordan: 1+1 2 2 1+1 x=0 2 2 0 2 2 0 1 1 0 0 0 0

Convirtiendo en ecuaci on y poniendo en la notaci on vectorial: x + y = 0 x = y Lo anterior indica que cualquier vector de la forma: y 1 1 , y=0 x y =y 1 1 , y=0

es un vector propio asociado a 2 = 1; nosotros nos conformaremos con uno: digamos el que se obtiene para y = 1: 1 1 Ejemplo 24.4 Determine los valores y los vectores propios correspondientes de la matriz: A= Soluci on Para la matriz A: pA () = det 1 1 0 1

1 1 0 1 pA () =

0 0

= det

1 1 0 1

1 1 0 1

= (1 )2

Por tanto, el u nico valor propio de A es 1 = 1. Vector propio para 1 = 1 Debe ser soluci on al sistema homog eneo: (A I2 ) x = 0 Es decir: 1 1 0 1 (1) 5 1 0 0 1 x=0

Desarrollando y nalmente aplicando Gauss-Jordan: 11 1 0 11 x=0 0 1 0 0 0 0 0 1 0 0 0 0

Convirtiendo en ecuaci on y poniendo en la notaci on vectorial: y=0 x y =x 1 0 , x=0

Lo anterior indica que cualquier vector de la forma: x 1 0 , x=0

es un vector propio asociado a 1 = 1; nosotros nos conformaremos con uno: digamos el que se obtiene para x = 1: 1 0 Ejemplo 24.5 Determine los valores y los vectores propios correspondientes de la matriz: A= Soluci on Obtengamos el polinomio carcter stico: pA () = det El polinomio caracter stico queda: pA (t) = t2 3 t + 4 Como este polinomio tiene ra ces complejas, A no tiene valores ni vectores propios. 1 2 1 2 0 0 = det 1 2 1 2 1 2 1 2

24.3.

Multiplicidad algebraica de un valor propio

Sea A una matriz cuadrada y o un valor propio. Como hemos visto debe ser ra z del polinomio caracter stico de A pA () as : ( o ) | pA () Al mayor exponente m que cumple pA () = ( o )m q () le llamaremos la multiplicidad algebraica o dimensi on algebraica de o . Ejemplo 24.6 Determine los valores propios y sus multiplicidades algebraicas para la matriz: 2 3 6 5 6 A= 0 0 3 4

Soluci on Primeramente determinemos el polinomio caracter stico: pA (t) = det(A t I) = desarrollado sobre la primer columna queda: pA (t) = (2 t) 5t 6 3 4 t = (2 t) ((5 t) (4 t) (3)(6)) = 4 + 3 t2 t3 pA (t) = (t (1)) (t 2)2 Por lo tanto: Los u nicos valores propios de la matriz A son t = 1 y t = 2. La multiplicidad algebraica de t = 1 es 1. La multiplicidad algebraica de t = 2 es 2. 2 t 3 6 0 5t 6 0 3 4 t

factorizando tenemos:

24.4.

Multiplicidad geom etrica de un valor propio

Un resultado importante es que el conjunto de vectores invariantes asociados a un escalar es un espacio lineal: Teorema Sea A una matriz cuadrada n n y un escalar cualquiera entonces E = {x Rn |Ax = x} es un espacio lineal de Rn . Demostraci on E = Efectivamente, como A 0 = 0 = 0, entonces 0 E . E es cerrado bajo la suma Sean x1 y x2 en E . Por tanto, A x1 = x1 y A x2 = x2 . Por consiguiente, A (x1 + x2 ) = A x1 + A x2 = x1 + x2 = (x1 + x2 ) Por tanto, x1 + x2 E . E es cerrado bajo el producto Sean x en E y c R. Por tanto, A x = x. Por consiguiente, A ( c x) = c A x = c x = (c x) Por tanto, c x E . 7

Lo anterior prueba que E es un espacio lineal Siendo un valor propio, el anterior conjunto que se llama el espacio invariante o espacio propio o eigenespacio asociado a y es un espacio lineal diferente de {0} as tiene dimensi on mayor que cero: la dimensi on del espacio anterior se llamar a multiplicidad geom etrica o dimensi on geom etrica del valor propio . Note que E on geom etrica de es el n umero de corresponde al espacio nulo de la matriz A I. As pues la dimensi columnas sin pivote en la matriz reducida que se obtiene de A I. Ejemplo 24.7 Determine los valores propios y sus multiplicidades geom etricas para la matriz: 1 1 3 7 0 3 4 4 A= 0 2 3 2 0 0 0 1 Soluci on Primeramente determinemos el polinomio caracter stico: pA (t) = det(A t I) = 1 2 t2 + t4 = (t 1)2 (t (1))2 De lo anterior concluimos que los u nicos valores propios son t1 = 1 y t2 = 1 y que ambos tienen multiplicidad algebraica 2. Determinemos ahora sus multiplicidades geom etricas: Para t1 = 1 Al resolver [A t1 I|0] tenemos: 0 1 0 0 0 0 0 1 0 0 [A t 1 I |0] 0 0 0 1 0 0 0 0 0 0 Al haber una columna sin pivote hay una variable libre, concluimos es 1. Para t2 = 1 Al resolver [A t2 I|0] tenemos: 1 3 1 0 0 1 1 1 [A t 2 I |0] 0 0 0 0 0 0 0 0 que la dimensi on geom etrica de t1 = 1

0 0 0 0

Al haber dos columnas sin pivote hay dos variable libres, concluimos que la dimensi on geom etrica de t2 = 1 es 2

Ejemplo 24.8 Determine la multiplicidad algebraica y geom etrica 3 1 0 4 1 2 A= 1 2 2 4 3 6

de cada uno de los valores propios de la siguiente matriz 5 5 0 0 5 5 0 0 0 4 0 0 1 3 0 0 2 8 1 0 3 8 12 0 1

Soluci on El polinomio caracter stico de A es: pA (t) = det(A t I) = 48 104 t 35 t2 + 40 t3 + 10 t4 8 t5 + t6 y sus ra ces son t1 = 3, t2 = 4, t3 = 4, t4 = 1, t5 = 1, t6 = 1 An alisis de t = 3 Como t = 3 aparece como ra z una sola vez, entonces multiplicidad geom etrica analicemos 1 0 0 1 0 0 [A (3) I|0] 0 0 0 0 0 0 su multiplicidad algebraica es 1. Para determinar su 0 0 1 0 0 0 0 0 0 1 0 0 0 1/3 0 0 0 1/3 0 1/3 1 2/3 0 0 0 0 0 0 0 0

de donde todos los vectores propios asociados a t = 3 son de la forma: c < 1/3, 0, 1/3, 1/3, 2/3, 1 > , c = 0 Por tanto, la multiplicidad geom etrica de t = 3 es 1. An alisis de t = 4 Como t = 4 aparece como ra z dos veces, entonces su multiplicidad algebraica es 2. Para determinar su multiplicidad geom etrica analicemos 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1/3 0 [A (4) I|0] 0 0 0 1 0 1/3 0 0 0 0 0 1 2/3 0 0 0 0 0 0 0 0 de donde todos los vectores propios asociados a t = 4 son de la forma: c < 0, 0, 1/3, 1/3, 2/3, 1 > , c = 0 Por tanto, la multiplicidad geom etrica de t = 4 es 1. An alisis de t = 1 Como t = 1 aparece como ra z tres veces, entonces multiplicidad geom etrica analicemos 1 0 0 [A (1) I|0] 0 0 0

su multiplicidad algebraica es 3. Para determinar su 0 1 1 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

de donde todos los vectores propios asociados a t = 1 son de la forma: c1 < 1, 1, 1, 0, 0, 0 > +c2 < 0, 0, 0, 0, 1, 0 > +c3 < 0, 0, 0, 0, 0, 1 > , c1 , c2 , c3 = 0 Por tanto, la multiplicidad geom etrica de t = 1 es 3. 9

24.5.

Resultados te oricos

Los principales resultados te oricos adicionales al hecho de que el subespacio invariante es efectivamente un subespacio vectorial son los siguientes: Teorema La dimensi on geom etrica de un valor propio es menor o igual que la dimensi on algebraica: 1 dimensi on geom etrica multiplicidad algebraica de Teorema Si los vectores x1 , x2 , . . . , xk son vectores propios asociados a valores propios diferentes entonces el conjunto formado por ellos es linealmente independiente. Demostraci on Digamos que el vector xi es vector propio asociado al valor propio i . Supongamos que el conjunto formado por los vectores xi es linealmente dependiente. Como el vector cero no es vector propio, los vectores dados no son cero. Por tanto, la suposici on de que sea linealmente dependiente indica que existe un vector xi que es combinaci on de los anteriores en la lista. Tomemos el primero xi que es combinaci on de los anteriores. As , xi es combinaci on de B = {x1 , x2 , . . . , xi1 } y el conjunto B es linealmente independiente al no ser ninguno de sus elementos combinaci on lineal de los anteriores. De todo esto tenemos que existen c1 ,c2 ,. . . ,ci1 tales que xi = c1 x1 + c2 x2 + + ci1 xi1 multiplicando por A lo anterior y aprovechando que los xj son valores propios asociados a j tenemos: i xi = c1 1 x1 + c2 2 x2 + + ci1 i1 xi1 Multiplicando primera relaci on por i y restando a la segundo se tiene: 0 = c1 (i 1 )x1 + c2 (i 2 )x2 + + ci1 (i i1 )xi1 Como el conjunto B es linealmente independiente, se deduce que todos los coecientes de la relaci on anterior son cero: cj (i j ) = 0, para 1 j < i como los valores propios son todos diferentes debe cumplirse cj = 0 para 1 j < i. Por tanto, xi = 0. Imposible. Esta contradicci on indica que el conjunto no puede suponerse linealmente dependiente: debe ser linealmente independiente. (1)

24.6.

Procesos operativos

A continuaci on listamos los procesos de c alculos referentes a valores y vectores propios: 1.- C omo saber si v es vector propio de A Calcule vector u = A v v es vector propio si y s olo si u es un m ultiplo escalar de v. Esto se puede hacer formando la aumentada [u|v] y reduciendo: v es vector propio si y s olo si tal sistema es consistente. 10

2.- C omo saber si es valor propio de A Forme y reduzca el sistema [A I|0]. es valor propio si y s olo el sistema tiene al menos una variable libre. 3.- C omo saber si v es vector propio asociado al valor propio de A Calcule vector u = A v v es vector propio asociado al valor propio si y s olo si u = u. 4.- C omo determinar todos los valores propios de una matriz A Calcule el polinomio caracter stico de A, pA (t) = det(A t I). Obtenga todas las ra ces de pA (t): S olo las ra ces reales de pA (t) son los valores propios de A. 5.- C omo determinar todos los vectores propios de un valor propio de A Forme y resuelva el sistema [A I|0]. Un vector v es vector propio asociado al valor propio de A si y s olo si no es el vector cero y es soluci on al sistema anterior. Alternativamente, utilice su equipo computacional y determine el espacio nulo de la matriz [A I]. 6.- C omo determinar la multiplicidad algebraica de un valor propio de A Calcule el polinomio caracter stico de A, pA (t) = det(A t I). Aplique divisi on repetidamente para determinar cu antas veces divide t a pA (t). El n umero mayor de veces es la multiplicidad algebraica de . 7.- C omo determinar la multiplicidad geom etrica de un valor propio de A Forme y reduzca el sistema [A I|0]. El n umero de variables libres es la dimensi on o multiplicidad geom etrica de .

11