Valores y Vectores Propios

En todo lo que sigue A es una matriz cuadrada. 1. Propiedades bsicas. a Definicion: 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: (mtodo para calcular valores y vectores propios para matrices concretas) e El escalar es valor propio de A si y slo si det(A I) = 0 . o El vector v es vector propio de A asociado a si (A I)v = 0 . Demostracin (slo la parte 2): o o Av = v Av v = 0 (A I)v = 0. Obsrvese que Av = v Av v = 0 (A )v = 0 es incorrecto. Por qu? e e Ejemplo: Calcular los valores y vectores propios para la matriz A= 4 5 2 3 .

Solucion: Primero se calculan los valores propios: 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 mltiplos de u

El sistema obtenido tiene una innidad de soluciones. Para = 2 (Ejercicio). Debe salir mltiplos de [5, 2]t . Nuevamente el sistema obtenido u tiene una innidad de soluciones. Observaciones: Se puede demostrar que det(A I) es un polinomio cuyo grado coincide con el tamao n 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: Cmo calcular los valores propios de una matriz triangular? o Ejercicio: Relacin entre los valores propios de A y A para un escalar no nulo. o Relacin entre los valores propios de A y A2 . o Si A2 = 0, hllense los posibles valores propios de A. a Si A2 = A, hllense los posibles valores propios de A. a Observacion: Supongamos que A es una matriz real. Si A tiene un valor propio complejo , 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 importancia prctica tiene esta ultima igualdad? (No olvidemos que si A es real, su e a polinomio caracter stico es real, y por tanto sus ra ces complejas estn emparejadas: si a es una ra compleja, entonces es otra ra z z. 2. Diagonalizacin. o Definicion: Una matriz A de orden n es diagonalizable si existen v1 , . . . , vn vectores propios linealmente independientes. Factorizacion espectral: Supongamos que A es diagonalizable y sean v1 , . . . , vn vectores propios linealmente independientes asociados a 1 , . . . , n respectivamente (observe que Avi = i vi ). Formamos 1 0 | | . . S = v1 . . . vn matriz n n, D = . . . . . (diagonal) . . | | 0 n

Ahora se tiene (matrices por bloques) AS = A y SD = v1 . . . vn 1 . .. . . . 0 0 . = . . n 1 v1 . . . n vn . v1 . . . vn = Av1 . . . Avn = 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 geomtrica. Ejemplos. e Teoremas: Una matriz A es diagonalizable si y slo si m.a.() = m.g.() para todo valor propio . o 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 valores de a y b la matriz A = es diagonalizable? e 3. Diagonalizacin de matrices simtricas. o e Una matriz simtrica de orden n tiene valores propios reales y n vectores propios ortoge onales 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 =