Valores y Vectores Propios

En todo lo que sigue A es una matriz cuadrada. 1. Propiedades b asicas. n: Definicio El escalar es valor propio de A si existe v = 0 tal que Av = v . El vector v es vector propio de A asociado a si Av = v . Teorema: (m etodo para calcular valores y vectores propios para matrices concretas) El escalar es valor propio de A si y s olo si det(A I ) = 0 . El vector v es vector propio de A asociado a si (A I )v = 0 . Demostraci on (s olo la parte 2): Av = v Av v = 0 (A I )v = 0. Obs ervese que Av = v Av v = 0 (A )v = 0 es incorrecto. Por qu e? Ejemplo: Calcular los valores y vectores propios para la matriz A= 4 5 2 3 .

n: Primero se calculan los valores propios: Solucio det(A I ) = 4 5 2 3 = (4 )(3 ) + 10 = 2 2 = 1, = 2.

Con lo cual obtenemos dos valores propios: 1 = 1, 2 = 2. Buscamos ahora los correspondientes vectores propios: Para = 1: 5 5 2 2 x y 0 0 1 1

[A (1)I )]v = 0

x = y m ultiplos de

El sistema obtenido tiene una innidad de soluciones. Para = 2 (Ejercicio). Debe salir m ultiplos de [5, 2]t . Nuevamente el sistema obtenido tiene una innidad de soluciones. Observaciones: Se puede demostrar que det(A I ) es un polinomio cuyo grado coincide con el tama no ces de la matriz A; sea n. Se llama polinomio caracter stico. Como mucho tiene n ra distintas. 1

 Como puede verse del ejemplo anterior, a un valor propio le corresponden una innidad de vectores propios. En otras palabras: si es valor propio, el sistema (A I )v = 0 tiene siempre innitas soluciones.

En Matlab: A=[4 -5;2 -3]; eig(A) [V, D]=eig(A); 1 1 1 Ejercicio: Puede haber menos valores propios de lo normal: 1 0 Ejercicio: Puede haber valores y vectores propios complejos: 1 . 1 1 0 1 0 . 0 0

Ejercicio: C omo calcular los valores propios de una matriz triangular? Ejercicio: Relaci on entre los valores propios de A y A para un escalar no nulo. Relaci on entre los valores propios de A y A2 . Si A2 = 0, h allense los posibles valores propios de A. Si A2 = A, h allense los posibles valores propios de A. n: Supongamos que A es una matriz real. Si A tiene un valor propio complejo Observacio , entonces existe v = 0 tal que Av = v. De aqu se deduce que Av = v, o de forma equivalente Av = v y como A es real, entonces Av = v. Qu e importancia pr actica tiene esta u ltima igualdad? (No olvidemos que si A es real, su polinomio caracter stico es real, y por tanto sus ra ces complejas est an emparejadas: si es una ra z compleja, entonces es otra ra z. 2. Diagonalizaci on. n: Una matriz A de orden n es diagonalizable si existen v1 , . . . , vn vectores Definicio propios linealmente independientes. n espectral: Supongamos que A es diagonalizable y sean v1 , . . . , vn Factorizacio vectores propios linealmente independientes asociados a 1 , . . . , n respectivamente (observe que Avi = i vi ). Formamos 1 0 | | . .. . (diagonal) S = v1 . . . vn matriz n n, D= . . . . . | | 0 n

Ahora se tiene (matrices por bloques) AS = A y SD = v1 . . . vn 1 . .. . . . 0 0 . . . = n 1 v1 . . . n vn . v1 . . . vn = Av 1 . . . A vn = 1 v1 . . . n vn

Luego AS = SD. Se puede probar que S es siempre invertible, luego A = SDS 1 1 1 0 Ejemplo: A = 1 1 0 . 0 0 0 Ejercicio: Si A es diagonalizable, entonces det(A) = producto de los valores propios. Desgraciadamente, no todas las matrices son diagonalizables: Ejemplo, A = Multiplicidad algebraica y geom etrica. Ejemplos. Teoremas: Una matriz A es diagonalizable si y s olo si m.a.() = m.g.() para todo valor propio . m.g.() m.a.() para todo valor propio . Ejercicio: Si m.a.() = 1, entonces m.g.() = 1. Si todos los valores propios de A tienen multiplicidad algebraica simple, entonces A es diagonalizable. Ejemplo: Para qu e valores de a y b la matriz A = es diagonalizable? 3. Diagonalizaci on de matrices sim etricas. Una matriz sim etrica de orden n tiene valores propios reales y n vectores propios ortogonales que siempre se pueden convertir en ortonormales (se pueden demostrar estas armaciones). Se puede probar que si las columnas de S son ortonormales, entonces S 1 = S t (una matriz que cumple esta propiedad se llama matriz ortogonal). Por tanto: A = SDS t 1 1 0 1 2 , B = 1 1 0 . 2 1 0 0 0 3 2 1 . 0 2

Ejemplos: A =