520142:

ALGEBRA y ALGEBRA LINEAL

Segundo Semestre, Universidad de Concepcin
CAPITULO 13.
VALORES Y VECTORES PROPIOS
DEPARTAMENTO DE INGENIERIA MATEMATICA
Facultad de Ciencias Fsicas y Matemticas
1
Valores y vectores propios
Convencin: Por V se denota un espacio vectorial sobre el cuerpo K,
donde K = R o bien K = C, y por T : V V un operador lineal.
Denicin: Valor propio. Un escalar K es un valor propio de T si
existe v V , v = , tal que:
Tv = v.
Si es un valor propio de T, a cada v V , v = , que satisface la
igualdad anterior se llama un vector propio de T asociado a .
Observacin:
Los valores propios tambin se llaman valores caractersticos o
valores espectrales de T.
2
Valores y vectores propios
Denicin: Espectro. El conjunto formado por todos los valores
propios de T se llama espectro de T:
(T) := { K : es valor propio de T}.
Denicin: Subespacio propio. Si es un valor propio de T, se dene
el subespacio propio asociado a por
S

:= {v V : Tv = v}.
Observaciones:
S

= Ker(T I), donde I : V V es la transformacin identidad.

no es un vector propio de T.
3
Valores y vectores propios
Propiedades Si es valor propio de T y k N, entonces:

k
es valor propio de T
k
, donde T
k
denota a T compuesto k veces
consigo mismo.
Si T es invertible, entonces = 0 y
1

es valor propio de T
1
.
Teorema Si V tiene dimensin nita y B es una base para V ,
entonces
(T) Det([T I]
B
) = 0.
4
Valores y vectores propios
Denicin: Valor propio de una matriz. Sea A M
n
(C). Un escalar
C es un valor propio de A si existe x C
n
, x = , tal que:
Ax = x.
Cada x C
n
, x = , que satisface la igualdad anterior se llama un vector
propio de A asociado a .
Deniciones
(A) := { C : es valor propio de A} ( espectro de A )
S

:= {x C
n
: Ax = x}.
La expresin Det(AI) es un polinomio de grado n en la variable
, se llama polinomio caracterstico de A y Det(A I) = 0 es la
ecuacin caracterstica de A.
Observacin: Cada matriz A M
n
(C) tiene n valores propios en C
(contando su multiplicidad).
5
Valores y vectores propios
Denicin Sea A M
n
(C) y sean
1
, . . . ,
k
sus valores propios
diferentes tales que
Det(AI) = (
1
)
r
1
(
k
)
r
k
donde r
1
+ + r
k
= n. Para cada i = 1, . . . , k se denen la
multiplicidad algebraica de
i
por r
i
y la multiplicidad geomtrica de
i
por g
i
:= dim(S

i
).
Propiedades Sea A M
n
(C), entonces:
para cada
i
(A), g
i
r
i
,
Det(A) =
r
1
1

r
k
k
,
(A
t
) = (A),
A es invertible 0 (A),
6
Valores y vectores propios
Teorema Si A, B M
n
(C) son semejantes, entonces:
Det(AI) = Det(B I).
(A) = (B).
Det(A) = Det(B).
tr(A) = tr(B).
Observacin Si V tiene dimensin nita y B es cualquier base de V ,
entonces
(T) ( [T]
B
) K.
v V : Tv = v [T]
B
[v]
B
= [v]
B
.
7
Valores y vectores propios
Ejemplo El operador T : K
2
K
2
denido por
T

x
y

y
x

tiene como matriz asociada (respecto a la base cannica de K

2
) a
A =

0 1
1 0

.
La ecuacin caracterstica de A es p() := Det(A I) =
2
+ 1 = 0 y
tiene raices
1
= i y
2
= i, luego (A) = {i, i}.
Si K = C, entonces
1
y
2
son tambin los valores propios T.
Sin embargo, si K = R entonces, T no tiene valores propios.
8
Valores y vectores propios
Teorema Si
1
, . . . ,
k
son valores propios de T distintos entre s y
v
1
, . . . , v
k
son los vectores propios asociados, entonces {v
1
, . . . , v
k
} es
l.i..
Corolario Si
1
, . . . ,
k
son valores propios de T distintos entre s y
B
i
es una base para el espacio propio S

i
. Entonces B = B
1
B
k
es una base para S := S

1
S

k
.
Denicin Sea V un espacio de dimensin nita. Un operador lineal
T : V V se dice diagonalizable si existe una base B de V tal que
[T]
B
es diagonal.
9
Valores y vectores propios
Teorema Sea V un espacio de dimensin nita y T : V V un
operador lineal. Sean
1
, . . . ,
k
los valores propios diferentes de T y B
una base cualquiera de V . Entonces son equivalentes:
T es diagonalizable.
Cada valor propio de [T]
B
est en K y su multiplicidad algebraica y
geomtrica son iguales.
dim(V ) = dim(S

1
) + + dim(S

k
).
V tiene una base formada por vectores propios de T.
Corolario Si T tiene dim(V ) valores propios diferentes, T es
diagonalizable.
10
Valores y vectores propios
Observacin Sea V un espacio de dimensin nita. Si B es
una base de V formada por vectores propios de T, entonces
[T]
B
= diag(
1
, . . . ,
n
) donde
1
, . . . ,
n
son los valores propios de T.
Denicin Dos matrices A y B M
nn
(C) se dicen semejantes si
existe una matriz invertible P M
nn
(C) tal que A = PBP
1
.
Denicin Una matriz A de orden n se dice diagonalizable si es
semejante a una matriz diagonal.
Teorema Si A = PDP
1
con D matriz diagonal, entonces
D = diag(
1
, ...,
n
) donde
i
es el valor propio de A asociado al i-simo
vector columna de P.
11
Valores y vectores propios
Teorema Sea A M
n
(R) simtrica. Entonces:
los valores propios de A son reales,
vectores propios asociados a valores propios diferentes son
ortogonales,
existe una base ortogonal de R
n
formada por vectores propios de A.
Observaciones:
En el caso de A M
n
(C), el teorema anterior vale tambin si A es
una matriz hermitiana, es decir, A =

A
t
.
Toda matriz simtrica (o hermitiana) A se puede escribir como
QDQ
t
, donde Q
1
= Q
t
(o Q
1
=

Q
t
).
12
Valores y vectores propios
Teorema Si A = PDP
1
, con D = diag(
1
, ...,
n
), entonces:
A
m
= PD
m
P
1
, donde D
m
= diag(
m
1
, ...,
m
n
).
Si A es invertible, entonces A
1
= PD
1
P
1
, donde
D
1
= diag(
1
1
, ...,
1
n
).
Teorema de Cayley-Hamilton Sea T L(V ) donde V es un K-
espacio vectorial de dimensin n. Si p es el polinomio caracterstico de
T, entonces p(T) = L(V ) y P([T]
B
) = M
n
(K), cualquiera sea la
matriz asociada [T]
B
.
13
Valores y vectores propios
Aplicacin: Ecuaciones en diferencias
La serie de Fibonacci, denida por:
f
1
= f
2
= 1 y f
n+1
= f
n
+ f
n1
, cuando n 2.
Se puede calcular con la ayuda de una matriz de la siguiente manera:

f
n+1
f
n

1 1
1 0

f
n
f
n1

.
As:

f
n+1
f
n

1 1
1 0

1
1

.
14
Valores y vectores propios
Diagonalizando la matriz y usando el teorema anterior se obtiene:

1 1
1 0

n
= 1/

1

2
1 1

n
1
0
0
n
2

1
2
1
1

= 1/

n+1
2

n+1
1

n
2

n
1

n
2

n
1

n1
2

n1
1

.
De donde: f
n
=

n
2

n
1

5
=
(1 +

5)
n
(1

5)
n
2
n

5
.
15
Valores y vectores propios
Aplicacin: Cadenas de Markov
Dadas dos ciudades vecinas (1) y (2) se considera:
p
ij
= porcentaje de personas que cada ao se mudan de (i) a (j),
p
ii
= porcentaje de personas que cada ao se quedan en la ciudad (i).
As, si incialmente en la ciudad (1) hay x
0
personas, y en la (2) hay y
0
,
las poblacines en el n-simo ao, x
n
e y
n
, estn dadas por:

x
n
y
n

0, 8 0, 3
0, 2 0, 7

x
0
y
0

.
16
Valores y vectores propios
Diagonalizando y aplicando el teorema anterior se obtiene:

0, 8 0, 3
0, 2 0, 7

n
=
1
5

3 1
2 1

1
n
0
0 0, 5
n

1 1
2 3

.
Entonces cuando n crece, las poblaciones convergen a:

x
y

= (x
0
+ y
0
)

0, 6
0, 4

.
17
Valores y vectores propios
Aplicacin: Cnicas Considere la siguiente ecuacin:
5x
2
+ 5y
2
6xy = 1,
se puede escribir en forma matricial como:

x y

5 3
3 5

x
y

= 1,
diagonalizando la matriz, se obtiene:

x y

2

1

2
1

2
1

2 0
0 8

2
1

2
1

x
y

= 1,
18
Valores y vectores propios
Deniendo

x y

x y

2
1

2
1

que representan las

coordenadas de (x, y) con respecto a la base: {(
1

2
,
1

2
), (
1

2
,
1

2
)}, se
transforma en la ecuacin:
x
2
(1/

2)
2
+
y
2
(1/(2

2))
2
= 1, que corresponde
a una elipse de radios: 1/

2 y 1/(2

2).
y x
y
x
0,5
0,5
0,25
0,25
19