Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Determinacion Eigenvalores Eigenvectores
Determinacion Eigenvalores Eigenvectores
Introducci
on
Estas notas tienen como objetivo presentar los conceptos fundamentales de la teora de Eigenvalores y Eigenvectores, tambien conocidos como valores y vectores caratersticos o como valores y vectores propios, de una
matriz cuadrada, as como una revision somera de los metodos numericos empleados para su determinaci
on.
A=
a11
a21
a31
..
.
a12
a22
a32
..
.
a13
a23
a33
..
.
...
...
...
..
.
a1n
a2n
a3n
..
.
an1
an2
an3
. . . ann
(1)
Definici
on: Eigenvalor y Eigenvector. Un vector b n , tal que b = 0, se dice que es un eigenvector,
vector propio o vector caracterstico, de la matriz A si y solo si1
Ab = b,
donde
C.
(2)
Ademas, se dice que el escalar es el eigenvalor, valor propio o valor characteristico de la matriz A
asociado al eigenvector b; de manera recproca, se dice que b es un eigenvector de A asociado al eigenvalor .
Debe notarse que, a
un cuando la matriz A es real, los eigenvalores asociados a la matriz pueden ser n
umeros
complejos.
Teorema I. El conjunto de todos los eigenvectores b asociados al eigenvalor constituyen un subespacio
vectorial de n , concido como el eigenespacio asociado al eigenvalor .
Prueba: Es suficiente mostrar que el conjunto de vectores
E = {b n | Ab = b}
esta cerrado respecto a la adicion de vectores y la multiplicacion por escalar.
1 Debe
Ab1 = b1
Ab2 = b2
Ab1 = b1 .
Ab = In b,
[A In ] b = 0
(3)
on, b = 0, la u
nica posibilidad para que
donde In es la matriz identidad de orden n. Puesto que, por definici
la ecuacion (3) se satisfaga es que, la matriz [A In ] sea singular y que b sea un elemento del espacio nulo o
kernel de la matriz. Una condicion necesaria y suficiente para que la matriz [A In ] sea singular es que su
determinante sea cero; es decir
p() =| A In |= 0.
(4)
Expandiendo el determinante de la ecuacion (4), se obtiene una ecuacion polinomial real de n-esimo orden en .
Esta ecuacion se denomina la ecuaci
on caracterstica de la matriz A. Las raices de la ecuacion caracterstica
son los eigenvalores de la matriz y los vectores que satisfacen la ecuacion (3) son los eigenvectores asociados a
los eigenvalores respectivos.
Es importante se
nalar que si la matriz A es real, la ecuacion caracterstica de orden n es real. Del teorema
fundamental del algebra, se sabe que la ecuaci
on (4) tiene n raices cuando se analiza en el campo de los n
umeros
complejos, tomando en cuenta la multiplicidad de una raiz; es decir, cuantas veces aparece como repetida una
raiz. Adem
as, si la ecuacion (4) tiene una raiz compleja o imaginaria, el complejo conjugado de esa raiz, tambien
es raiz de la ecuacion. En otras palabras, las raices complejas o imaginarias de una ecuaci
on polinomial real
siempre aparecen como pares conjugados.
M
etodo directo de determinaci
on de los eigenvalores y eigenvectores de una matriz.
3.1
Ejemplo 1.
2 6
A=
4 3
2 3
2 1
8 0
4 5
1,000
lambda
8
10
1,000
2,000
3,000
4,000
Figure 1: Gr
afica de la Ecuacion Caracterstica de la Matriz A.
1 = 8.382430513,
2 = 3.094656787,
3 = 6.339424118,
4 = 9.948349608.
Para la determinaci
on de los eigenvectores asociados a 1 = 8.382430513, se tienen que realizar los siguientes calculos.
1. Determinar la matriz A 1 I4 , dada por
16.38243051
2
4
2
14.38243051
2
A 1 I4 =
4
3
0.382430513
3
3
1
1
0
13.38243051
16.38243051
2.0
4.0
1.0
0
14.13826650 2.488328029 0.8779179928
0
0
5.059299318
13.30306562
0.0000000009
Este resultado parece contradictorio, si los calculos se hubieran realizado de manera exacta, la matriz
A 1 I4 debe ser singular, y el termino (4, 4) de la forma escalonada reducida debera ser igual a 0. La
diferencia es el resultado de no realizar los c
alculos de manera exacta.
3. Despreciando el error indicado en el punto anterior, el eigenvector asociado al eigenvalor 1 esta dado por
la soluci
on del sistema
16.38243051
2.0
4.0
1.0
x1
0
x2
0
14.13826650 2.488328029 0.8779179928
x3 = 0
0
0
0
5.059299318
13.30306562
x4
La solucion est
a dada por
b =
1
Es importante se
nalar que cualquier m
ultiplo escalar de b1 es igualmente un eigenvector de la matriz A
asociado al eigenvalor 1 .
Procediendo de manera semejante con los restantes eigenvalores, se tiene que
1. Para 2 = 3.094656787, se tiene que
b =
2
Determinaci
on de Eigenvalores y Eigenvectores de Matrices Sim
etricas.
los eigenvalores de una matriz real pueden ser reales o complejos, sin embargo, si la matriz es simetrica, puede
probarse que todos sus eigenvalores son reales. Sin embargo, para probar estos resultados, es necesario emplear
algunos resultados acerca de matrices definidas sobre el campo de los n
umeros complejos y de espacios vectoriales
complejos.
umeros complejos, C, es
Definici
on. Considere el espacio vectorial C n , definido sobre el campo de los n
posible definir la siguiente forma cuadr
atica
q : Cn
q(v ) = v v ,
q(v ) = v v =
v j vj =
j=1
(aj + i bj )(aj + i bj ) =
j=1
(a2j + b2j )
j=1
(a2j + b2j ) = 0 aj = bj = 0 j = 1, 2, . . . , n.
j=1
Por lo tanto,
q(v ) = 0 v = 0.
Ahora se analizar
an algunas propiedades de matrices complejas.
Definici
on. Considere el algebra de matrices cuadradas, C nn , definidas sobre el campo de los n
umeros
complejos. Una matriz A C nn se denomina hermitiana si
A = A.
Donde, A representa la transpuesta conjugada de la matrix A. Es decir, una matriz es hermitiana, si la matriz
es igual a su transpuesta conjugada.
Puesto que el campo de los n
umeros reales es un subcampo de los n
umeros complejos, < C, entonces si
a , entonces a = a, y se tiene el siguiente resultado.
Teorema III. Una matriz sim
etrica, real, es una matriz hermitiana.
A = AT = A.
por lo tanto es hermitiana.
Teorema IV. Sea A C nn una matriz hermitiana. Entonces
x A x = x A x = x A x
5
puesto que el n
umero complejo satisface la propiedad de que su conjugado es igual al n
umero, entonces el
n
umero complejo es, en realidad, un n
umero real.
Para la segunda parte considere, un eigenvalor de la matriz A hermitiana y sea x un eigenvector de A
= x x = x x = x A x.
Debe notarse que por el primer resultado de este teorema es un n
umero real.
Debe recordarse que como indica el Teorema III, todas las matrices simetricas son hermitianas, de manera
que todos los resultados del Teorema IV son aplicables a todas las matrices simetricas.
Puede, adem
as, mostrarse que si la matriz es simetrica los eigenvectores son ortogonales, sin embargo, la
prueba de este resultado requiere de conceptos bastante mas complicados.
4.1
Ejemplo 2.
2 6
A=
4 2
1 1
2 1
8 0
2,000
lambda
1,000
10
10
1,000
2,000
3,000
4,000
5,000
6,000
Figure 2: Gr
afica de la Ecuacion Caracterstica de la Matriz A.
1 = 9.325502313,
2 = 4.446795311,
3 = 5.915205526,
4 = 9.963501476.
Para la determinaci
on de los eigenvectores asociados a 1 = 9.325502313, se tienen que realizar los siguientes calculos.
1. Determinar la matriz A 1 I4 , dada por
17.32550231
2
4
2
15.32550231
2
A 1 I4 =
4
2
1.325502313
1
0
14.32550231
17.32550231
2.0
4.0
1.0
0
15.09462877 2.461747074
0.8845632315
0
0
0.0866122253
14.21594747
0.00000000332
Este resultado parece contradictorio, si los calculos se hubieran realizado de manera exacta, la matriz
A 1 I4 debe ser singular, y el termino (4, 4) de la forma escalonada reducida debera ser igual a 0. La
diferencia es el resultado de no realizar los c
alculos de manera exacta.
3. Despreciando el error indicado en el punto anterior, el eigenvector asociado al eigenvalor 1 esta dado por
la soluci
on del sistema
17.32550231
2.0
4.0
1.0
x1
0
x2
0
15.09462877 2.461747074 0.8845632315
x3 = 0
0
x4
0
0
0.0866122253 14.21594747
La solucion est
a dada por
b =
1
0.2500102856 0.1627305853 1
0.006092610111
Es importante se
nalar que cualquier m
ultiplo escalar de b1 es igualmente un eigenvector de la matriz A
asociado al eigenvalor 1 .
Procediendo de manera semejante con los restantes eigenvalores, se tiene que
1. Para 2 = 4.446795311, se tiene que
b = 0.07156723992 0.4816374493 0.05439198782 1 T .
2
2. Para 3 = 5.915205526, se tiene que
b = 0.5818315235 1 0.3109782378 0.4569120971 T .
3
3. Para 4 = 9.963501476, se tiene que
b = 1 0.4961701156 0.1674317099 0.3014344054 T .
4