Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autovalors y Autovectores
Autovalors y Autovectores
En el tema de las aplicaciones lineales vimos que dada una aplicación lineal
f : Rn −→ Rn , por cada base B que fijáramos en el espacio vectorial Rn
obtenı́amos una única matriz que denotábamos MBB (f ). Se verifica que todas
matrices asociadas a una misma aplicación lineal f : Rn −→ Rn respecto de
distintas bases son semejantes; esto es, dadas y B 0 bases de Rn existe una
matriz P ∈ Mn regular (det P 6= 0) tal que
MBB (f ) = P MB 0 B 0 (f )P −1 .
En este tema buscaremos una base del espacio vectorial Rn en la cual la matriz
que represente la aplicación lineal sea lo más sencilla posible. La situación más
favorable será que exista una base B de Rn para la cual la matriz MBB (f ) sea
diagonal.
f (α~v + β w)
~ = f (α~v ) + f (β w)
~ = λα~v + λβ w
~ = λ(α~v + β w),
~
1
~ ∈ V (λ). Luego, V (λ) es un subespacio vectorial de Rn .
y por tanto, α~v + β w
Veamos que es invariate por f ; esto es, si ~v ∈ V (λ) tenemos que ver que
f (~v ) ∈ V (λ):
f (f (~v )) = f (λ~v ) = λf (~v ) =⇒ f (~v ) ∈ V (λ).
Proposición. Sea f : Rn −→ Rn una aplicación lineal, BC la base canónica de
Rn y A = MBC BC (f ) la matriz asociada a f respecto de las bases canónicas.
Las siguientes afirmaciones son equivalentes:
(i) λ es un autovalor de f
(ii) El sistema homogéneo (A − λI)~x = ~0 es compatible indeterminado
(iii) det(A − λI) = 0
Demostración.
pA (λ) = |A − λI|
2
Si A = MBC BC (f ) para cada autovalor λi de A, tenemos el subespacio de los
autovectores asociados al autovalor λi :
V (λi ) = {~v ∈ Rn | A~v = λi~v }
= {~v ∈ Rn | (A − λi I)~v = ~0}
Llamaremos multiplicidad geométrica de λi a la dimensión de V (λi ) y la deno-
taremos por mi = dim V (λi ).
Obsérvese que
dim V (λi ) = n − rg(A − λi I)
y por ser λi un autovalor de A, se tiene que det(A − λi I) = 0 y, por tanto,
rg(A − λi I) < n. Luego dim V (λi ) 6= 0.
3
1.4 Diagonalización
Definición. Una aplicación lineal f : Rn −→ Rn se dice que es diagonalizable si
existe una base B ∗ de Rn formada por autovectores de f . La matriz asociada a
f en dicha base es diagonal.
Si B ∗ = {~u1 , . . . , ~uα1 , ~v1 , . . . , ~vα2 , . . . , w
~ 1, . . . , w
~ αr } con
con α1 + · · · + αr = n. Como
f (~u1 ) = λ1 ~u1 = λ1 ~u1 + · · · + 0~uα1 + 0~v1 + · · · + 0~vα2 + · · · + 0w ~ 1 + · · · + 0w ~ αr
.
..
f (~uα1 ) = λ1 ~uα1 = 0~u1 + · · · + λ1 ~uα1 + 0~v1 + · · · + 0~vα2 + · · · + 0w ~ 1 + · · · + 0w ~ αr
f (~v ) = λ ~
v = 0~
u + · · · + 0~u + λ ~
v + · · · + 0~
v + · · · + 0 w
~ + · · · + 0 w
~
1 2 1 1 α 1 2 1 α2 1 α r
..
.
f (~vα2 ) = λ2~vα2 = 0~u1 + · · · + 0~uα1 + 0~v1 + · · · + λ2~vα2 + · · · + 0w
~ 1 + · · · + 0w ~ αr
..
.
f ( w
~ 1 ) = λ w
~
r 1 = 0~
u 1 + · · · + 0~
u α1 + 0~v 1 + · · · + 0~ vα2 + · · · + λr w~ 1 + · · · + 0w ~ αr
.
..
f (w
~ αr ) = λr w ~ αr = 0~u1 + · · · + 0~uα1 + 0~v1 + · · · + 0~vα2 + · · · + 0w ~ 1 + · · · + λr w ~ αr
se tiene
λ1 ··· 0 ··· 0 ··· 0
.. ..
(α1
.. .. .. .. ..
.
. . . . . .
0 ··· λ1 ··· 0 ··· 0
.. .. .. .. .. .. ..
MB∗B∗ (f ) =
. . . . . . .
.
0 ··· 0 ··· λr ··· 0
(αr
.. .. .. .. .. .. ..
. . . . . . .
0 ··· 0 ··· 0 ··· λr
4
Observación.
verifican
A = P DP −1 .
Observación. Nótese que D = MB ∗ B ∗ (f ).
5
Propiedades
1. Si una matriz A ∈ Mn es diagonalizable entonces
1.5 Aplicaciones
• Cálculo de la potencia k-ésima de una matriz.
Si A ∈ Mn es una matriz diagonalizable entonces existen matrices P ∈ Mn
regular y D ∈ Mn diagonal tales que: A = P DP −1 . Por tanto,
A2 = PD P −1 −1 −1 2 −1
| {z P} DP = P DIDP = P D P
A3 = PD P −1 2 −1 2 −1 3 −1
| {z P} D P = P DID P = P D P
en general
Ak = P Dk P −1 .
6
Es decir, µ ¶ µ ¶ µ ¶
xn+1 xn 0.9 0.2
=A con A =
yn+1 yn 0.1 0.8
(Obsérvese que los elementos de las columnas de la matriz A suman 1. Esto
suele ser ası́ en este tipo de problemas)
Para calcular el porcentaje de estudiantes que cursarán dicha carrera después
de muchas generaciones estudiamos
lim An .
n→∞
An w
~ = An (α~u + β~v ) = αAn ~u + βAn~v
= α(1)n ~u + β(0.7)n~v
= α~u + β(0.7)n~v
Por tanto,
lim (An w)
~ = lim (α~u + β(0.7)n~v )
n→∞ n→∞
= α~u + β lim (0.7)n~v
n→∞
= α~u
7
donde ~u es un autovector asociado al autovalor 1. Calculemos V (1):
µ ¶ µ ¶µ ¶ µ ¶
x −0.1 0.2 x 0
(A − 1I) = =
y 0.1 −0.2 y 0
Esto es,
Por tanto,
lim (An w)
~ = α~u = α(2, 1)
n→∞
8
El subespacio asociado a λ = 2 tiene dimensión:
Por tanto, como dim V (2) no coincide con la multiplicidad del autovalor
2, la matriz A no es diagonalizable.
2. Sea
2 0 0 0
4 −5 6 0
A=
6
−3 4 0
0 0 1 3
la matriz asociada a una aplicación lineal f respecto de las bases canónicas.
SOLUCIÓN:
9
Por tanto los autovalores de A son: −2, 1, 2 y 3. Como los autovalores
de A son distintos dos a dos, la matriz A es diagonalizable.
3. Sea la matriz
1 1 1 1
1 1 −1 −1
A=
1
.
−1 1 −1
1 −1 −1 1
Probar que A es diagonalizable y hallar matrices Q ortogonal y D diagonal
tales que A = QDQt .
SOLUCIÓN: Sabemos que la matriz A es diagonalizable pues es una ma-
triz simétrica. Vamos a comprobar que efectivamente es diagonalizable.
Calculamos el polinomio caracterı́stico de A:
¯ ¯
¯ 1−λ 1 1 1 ¯¯
¯
¯ 1 1−λ −1 −1 ¯¯
|A − λI| = ¯¯
¯ 1 −1 1−λ −1 ¯¯
¯ 1 −1 −1 1−λ ¯
Calculemos el determinante:
¯ ¯
¯ 1 1 0 0 ¯
¯ ¯
¯ 1 1−λ −1 −1 ¯
¯ ¯
¯ 0 0 1 −1 ¯
¯ ¯
¯ 1 0 0 1 ¯
Por tanto,
|A − λI| = −(2 − λ)3 (λ + 2)
10
Por tanto los autovalores de A son: −2 de multiplicidad 1 y 2 de multi-
plicidad 3. Por tanto,
dim V (−2) = 1
Veamos que dim V (2) = 3:
3x + y + z = −α
x + 3y − z = α
x − y + 3z = α
t = α∈R
11
Por tanto, resolviendo el sistema anterior por Cramer, tenemos:
¯ ¯
¯ −α 1 1 ¯¯
¯
¯ α 3 −1 ¯¯
¯
¯ α −1 3 ¯ −16α
x = ¯ ¯ = = −α
¯ 3 1 1 ¯ ¯ 16
¯
¯ 1 3 −1 ¯
¯ ¯
¯ 1 −1 3 ¯
¯ ¯
¯ 3 −α 1 ¯
¯ ¯
¯ 1 α −1 ¯
¯ ¯
¯ 1 α 3 ¯ 16α
y = ¯ ¯ ¯ = =α
¯ 16
¯ 3 1 1 ¯
¯ 1 3 −1 ¯
¯ ¯
¯ 1 −1 3 ¯
¯ ¯
¯ 3 1 −α ¯
¯ ¯
¯ 1 3 α ¯¯
¯
¯ 1 −1 α ¯ 16α
z = ¯¯ ¯ =
¯ =α
¯ 3 1 1 ¯ 16
¯ 1 3 −1 ¯
¯ ¯
¯ 1 −1 3 ¯
Por tanto,
Por tanto,
V (2) = {(x, y, z, t) ∈ R4 | − x + y + z + t = 0}
= {(α + β + γ, α, β, γ) | α, β, γ ∈ R}
= L{(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)}
La base de R4 : B = {(−1, 1, 1, 1), (1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)} es or-
togonal pero no ortonormal pues los vectores de la base no son unitarios.
12
Como:
p √
k(−1, 1, 1, 1)k = (−1)2 + 12 + 12 + 12 = 4=2
p √
k(1, 1, 0, 0)k = 12 + 12 + 02 + 02 = 2
p √
k(1, 0, 1, 0)k = 12 + 02 + 12 + 02 = 2
p √
k(1, 0, 0, 1)k = 12 + 02 + 02 + 12 = 2
0
la base: B = {( −1 1 1 1 √1 √1 √1 √1 √1 √1
2 , 2 , 2 , 2 ), ( 2 , 2 , 0, 0), ( 2 , 0, 2 , 0), ( 2 , 0, 0, 2 )} sı́
es ortonormal y
−1 √1 √1 √1
2 2 2 2
1 √1 0 0
2 2
Q= 1 √1
2 0 2
0
1 √1
2 0 0 2
verifica: A = QDQ0 .
4. Estudiar para qué valores del parámetro m es la matriz:
m 0 0
A= 0 4 4
0 1 1
diagonalizable.
SOLUCIÓN: Como det A = 0 uno de los autovalores de A es λ = 0. Otro
autovalor es λ = m. Y como trA = m + 5 y sabemos que trA es la suma
de los autovalores tenemos:
m + 5 = trA = m + 0 + λ =⇒ λ = 5
Tenemos:
• Si m 6= 0, 5 entonces los tres autovalores son distintos y la matriz es
diagonalizable
• Si m = 0 entonces λ = 0 es un autovalor doble y λ = 5 es un autovalor
simple (luego dim V (5) = 1). Además para m = 0 tenemos
0 0 0
dim V (0) = 3 − rg(A) = 3 − rg 0 4 4
0 1 1
= 3−1=2
Luego, en este caso A también es diagonalizable
• Si m = 5 entonces λ = 5 es un autovalor doble y λ = 0 es un autovalor
simple (luego dim V (0) = 1). Además para m = 5 tenemos
0 0 0
dim V (5) = 3 − rg(A − 5I) = 3 − rg 0 −1 4
0 1 −4
= 3−1=2
13
Luego, en este caso A también es diagonalizable
Se pide:
SOLUCIÓN:
La matriz de transición es
xt+1 xt 0.5 0.3 0.5
yt+1 = A yt con A = 0.25 0.4 0.25
zt+1 zt 0.25 0.3 0.25
A largo plazo habrı́a que elevar la matriz de transición a t y ver a qué
tiende cuando t tiende a ∞. Esto es,
lim At .
t→∞
14
y restando a la tercera columna la primera, obtenemos:
¯ ¯
¯ 1 1 0 ¯ ¯ ¯
¯ ¯ ¯ ¯
(1 − λ) ¯¯ 0.25 0.4 − λ 0 ¯ = (1 − λ)(−λ) ¯ 1 1 ¯
¯ ¯ 0.25 0.4 − λ ¯
¯ 0.25 0.3 −λ ¯
= (1 − λ)(−λ)(0.4 − λ − 0.25)
= −(1 − λ)λ(0.15 − λ)
~ ∈ R3 se escribe: w
Cualquier vector w ~ = α~u1 + β~u2 + γ~u3 y por tanto,
At w
~ = At (α~u1 + β~u2 + γ~u3 )
= αAt ~u1 + βAt ~u2 + γAt ~u3
= α(1)t ~u1 + β(0.15)t ~u2 + γ0t ~u3
= α(1)t ~u1 + β(0.15)t ~u2
= α~u1 + β(0.15)t ~u2
lim At w
~ = lim (α~u1 + β(0.15)t ~u2 )
t−→∞ t−→∞
= α~u1 + β lim (0.15)t ~u2
t−→∞
= α~u1
15
luego
V (1) = L{(1.5, 1, 0.6)}
Por tanto,
lim (At w)
~ = α~u1 = α(1.5, 1, 0.6)
t→∞
1.7 Cuestiones
Razonar si son verdaderas o falsas las siguientes afirmaciones:
4. Sea A una matriz cuadrada de orden 2 tal que |A| = −1. Entonces se
verifica que A es diagonalizable.
1 0 −2
5. La matriz A = 0 3 0 es diagonalizable.
−2 0 1
16
9. Si conocemos la traza y el determinante de una matriz cuadrada A de
orden 2 entonces conocemos sus autovalores.
17