Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matías Battocchio
FCE-UBA
Definición
El escalar λ es un valor propio de A ∈ K n×n sii existe un vector no nulo x ∈ K n×1 tal que
Ax = λ · x (1)
|A − λ · I| = 0
3 − λ −2
|A − λ · I| = =0
−1 2−λ
(3 − λ)(2 − λ) − 2 = 0
λ2 − 5λ + 4 = 0
Los valores propios son:
λ1 = 1
λ2 = 4
2 −2 x1 0
=
−1 1 x2 0
x1 − x2 = 0
x1 = x2
Para λ2 = 4
−1 −2 x1 0
=
−1 −2 x2 0
−x1 − 2x2 = 0
x1 = −2x2
Teorema
Los vectores propios asociados a valores propios distintos son LI.
Premultiplicando por A:
k k k
X X X
A ci x i = 0 ⇒ ci (A xi ) = 0 ⇒ ci (λi · xi ) = 0 (3)
i=1 i=1 i=1
Teorema
Los coeficientes αi para todo i = 1, · · · , n son iguales a:
La suma de todos los menores de orden i de A que contienen en su diagonal
principal elementos de la diagonal principal de A.
La suma de todos los productos posibles de los valores propios λi de A tomados
de i en i.
Ejemplo 1 (cont.):
3 −2
A=
−1 2
y los autovalores eran 1 y 4.
tr (A) = 5
2
X
λi = 5
i=1
|A| = 4
Y2
λi = 4
i=1
P(−λ) = λ2 − 5λ + 4
Teorema
Pn
Sea λi un valor propio de A = [aij ]n×n , F = máx Fi con Fi = j=1
|aij |, y C = máx Cj con
i j
Pn
Cj = i=1 |aij |.
Entonces |λi | ≤ mı́n{C , F }
|λ| ≤ C
|λ| ≤ mı́n(C , F )
y esto es cierto para todos los valores propios de A ya que λ era un autovalor cualquiera
Definición
Dos matrices cuadradas A y B son semejantes, o A ∼ B, sii existe una matriz no
singular P tal que se verifica
B = P−1 A P
Observación
Las definiciones de matrices semejantes y equivalentes son parecidas. Sin embargo, la
semejanza se define para matrices cuadradas y es un concepto más restrictivo. Toda
matriz semejante es equivalente, pero la recíproca no es cierta.
Teorema
Una matriz A[n×n] es diagonalizable sii admite n vectores propios linealmente
independientes.
La matriz P se conforma con los n vectores propios LI, ordenados como vectores
columna de acuerdo a los valores propios en Λ.
Observación
Diagonalizar una matriz es cambiar la base de la TL a una que está conformada por los
vectores propios de la matriz. Para que los vectores propios conformen una base se
necesita que sean n y sean LI, que es la condición necesaria y suficiente para que una
matriz sea diagonalizable.
Para que una matriz sea diagonalizable, cada autovalor con orden de multiplicidad m
debe tener m autovectores LI asociados.
El siguiente teorema nos da una condición para determinar si esto es posible.
Teorema
A[n×n] es diagonalizable sii a cada valor propio λi con orden de multiplicidad m le
corresponde un sistema A − λi · I cuyo rango es igual a n − m.
1−λ
1 0
3
|B − λ · I| = 0 1−λ 1 = (1 − λ) = 0
0 0 1−λ
⇒ λ1 = λ2 = λ3 = 1
"
0 1 0
#"
x1
# "
0
#
0 0 1 x2 = 0
0 0 0 x3 0
(1 − λ)(λ2 − 1) = 0
⇒ λ1 = λ2 = 1, λ3 = −1
−4 −4
"
0
#"
x1
# "
0
#
4 0 4 x2 = 0
2 0 2 x3 0
Proposición
Los valores propios de una matriz simétrica real son todos reales.
Proposición
Los vectores propios asociados a diferentes valores propios de una matriz simétrica son
ortogonales.
Por lo tanto,
hA x1 , x2 i = hx1 , A x2 i
hλ1 · x1 , x2 i = hx1 , λ2 · x2 i
λ1 hx1 , x2 i = λ2 hx1 , x2 i
(λ1 − λ2 ) hx1 , x2 i = 0
Proposición
Toda matriz simétrica real es diagonalizable sobre el campo de los reales con una
matriz de paso ortogonal.
Proposición
Si una matriz real tiene una matriz de paso ortogonal que la diagonaliza, entonces es
simétrica.
A = P Λ P−1
Por el otro:
Una matriz real es diagonalizable por una matriz de paso ortogonal sii es simétrica
Estos vectores propios son ortogonales. Para armar la matriz de paso ortogonal
necesitamos que sean ortonormales. Por ello se normalizan:
p √ p √
kx1 k = (−1)2 + 12 = 2 kx2 k = 12 + 12 = 2
√ √
− 1/ 2 1/ 2
x̄1 = √
1/ 2
x̄2 = √
1/ 2
√ √
− 1/ 2 1/ 2 3 0
P= √
1/ 2
√
1/ 2
Λ=
0 1
Proposición
Cuando λi es raíz simple de la ecuación característica de A, entonces la adjunta de la
matriz (A − λi · I) tiene rango 1.
|A − λi · I| I[n×n] = 0[n×n]
r (A − λi · I) = n − 1
r [adj(A − λi · I)] ≤ n − (n − 1) = 1
Esta propiedad nos da una forma más rápida de calcular los vectores propios cuando el
valor propio es raíz simple.
Bernardello, A., Bianco, M. J., Casparri, M. T., García Fronti, J. & Olivera de Marzana, S.
(2004). Matemática para Economistas con Excel y Matlab [Cap. 1.2]. Omicron
System.
Rojo, A. (1995). Algebra II [Cap. 8]. El Ateneo.