A.5 Valores y Vectores Propios

A.
5 Valores y Vectores Propios
Subsecciones
q q q
A.5.1 Valores propios diferentes A.5.2 Valores propios repetidos A.5.3 Obtencin de vectores propios generalizados
A.5 Valores y Vectores Propios

Definicin A.30 Valor Propio y Vector PropioA.2 Sea una transformacin lineal tal que . Un escalar . Cualquier vector no nulo es un valor propio si existe un
vector no nulo
que satizfaga (A.24)
es un vector propio asociado con el valor propio
. el efecto de aplicarle la transformacin lineal
La definicin E.30 implica que para un vector propio
que amplificarlo por el escalar . Esto implica que un vector y el vector transformado son colineales o paralelos y por lo tanto linealmente dependientes. La definicin E.30 se refiere estrictamente a valores y vectores propios por derecha, para distinguirlos . En este texto slo de los valores y vectores propios por izquierda, que deben satisfacer se consideran los primeros, y poir tanto se hace referencia a ellos simplemente como valores y vectores propios. Teorema A.15 es un valor propio de s y slo si satisface la ecuacin (A.25)
donde
es la matriz identidad de igual orden que es un valor propio de entonces existe un vector tal que
Demostracin A.15 Si
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (1 de 25)17/01/2006 1:10:53
El trmino
puede escribirse como
para facilitar la factorizacin de
De acuerdo con el teorema E.13 esta ecuacin tiene solucin no trivial (existe un vector propio slo si
) s y
Como el determinante de una matriz no se afecta al multilpicar sta por un escalar no nulo, podemos escribir
El teorema E.15 brinda una posibilidad para calcular los valores propios de polinomio caracterstico valor propio de
: podemos construir el ser un
y encontrar sus raices. Cada raiz de
. Los vectores propios pueden obtenerse directamente de (E.24)
Debido a que los valores propios resultan ser las raices del polinomio caracterstico, stos pueden ser reales o complejos, diferentes o repetidos. Definicin A.31 Multiplicidad La multiplicidad de un valor propio es el nmero de veces que ste se repite como raiz del polinomio caracterstico. Ejemplo A.30 Obtener los valores y vectores propios de la matriz
Construimos la matriz
y hallamos su determinante:
Los valores propios de
sern las raices de
Los vectores propios asociados a
deben cumplir (E.24):
Se crea entonces un sistema de ecuaciones con infinitas soluciones:
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
podemos escoger arbitrariamente un valor para obtenemos . En consecuencia, un vector
propio asociado a
en general
Los vectores propios asociados a
tambin deben cumplir (E.24):
Se crea entonces un segundo sistema de ecuaciones con infinitas soluciones:
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
podemos escoger arbitrariamente un valor para obtenemos . En consecuencia, un vector
propio asociado a
en general
Ejemplo A.31 Obtener los valores y vectores propios de la matriz
sern las raices de
Al aplicar (E.24) para
se obtienen dos sistemas de ecuaciones con infinitas soluciones
Seleccionando arbitrariamente
se obtiene
o en general
A.5.1 Valores propios diferentes

Teorema A.16 Sea vector propio de una transformacin lineal con valores propios no repetidos, y sea asociado al valor propio . En esas condiciones es directamente un
proporcional a cualquier columna no nula de adj Demostracin A.16 La demostracin se basa en que para una matriz adj se tiene que (A.26)
Al aplicar (E.26) a la matriz
se tiene
adj
Como igual
es un vector propio de
asociado al valor propio
, entonces
o lo que es
(A.27)
lo que implica que
y por tanto
adj
(A.28)
Comparando (E.27) y (E.28) se concluye que nula de adj
es directamente proporcional a cualquier columna no
Ejemplo A.32 Para obtener los vectores propios del ejemplo E.30 construimos
adj
adj
adj
adj
adj
adj
Teorema A.17 Sean caractersitico asociado a independiente con
valores caractersticos diferentes de . El conjunto
, y sea
un vector
es linealmente
Demostracin A.17 Efectuamos la demostracin por contradiccin. Suponemos que los linealmente dependientes, y por lo tanto existen
son
algunos de los cuales no son nulos, tales que
Suponemos que ecuacin por
, (si es necesario reordenamos los vectores) y multiplicamos a cada lado de la
(A.29)
El producto
se puede calcular como
Y por lo tanto (E.29) se convierte en
Por hiptesis, todos los concluye la demostracin Teorema A.18 Sea y
son diferentes, lo que significa que
. Con esta contradiccin se
una transformacin lineal , con es una base de
; sean . Si todos los
los valores propios de son diferentes,
un vector propio asociado a
entonces el conjunto
Demostracin A.18 Segn el teorema E.17 el conjunto es linealmente independiente. Como adems tiene elementos, segn el teorema E.2 el conjunto es una base Teorema A.19 Sea y una transformacin lineal , con se representa en la base simo de la diagonal es ; sean . Si todos los los valores propios de son diferentes, por una matriz
un vector propio asociado a
entonces la transformacin lineal diagonal en la que el elemento
(A.30)
Demostracin A.19 El teorema E.7 permite obtener la representacin de denotamos esta representacin por tendremos
en la nueva base. Si
con
la Matriz modal que contiene los vectores propios
Para demostrar el teorema construimos equivalente, :
y demostramos
, o lo que es
Calculamos por separado
(A.31)
(A.32)
Como igual
entonces las ecuaciones (E.31) y (E.32) se reducen a
o lo que es
Ejemplo A.33 La transformacin lineal representada por la matriz
cuyos valores propios son (Ejemplo E.30)
con vectores propios
Tiene una representacin en la base
por la matriz diagonal
Ejemplo A.34 La transformacin lineal representada por la matriz
cuyos valores propios son (Ejemplo E.31)
con vectores propios
Tiene una representacin en la base
por la matriz diagonal
A.5.2 Valores propios repetidos

La diagonalizacin planteada en el teorema E.19 no siempre es posible si existen valores propios repetidos. Esto se debe a que el teorema E.17 se refiere a valores propios distintos, y sin ese resultado no puede asegurarse que el conjunto matriz modal sea una base. Esto se traduce en que la no existe.
puede ser singular, y por tanto (E.30) no puede usarse debido a que
Definicin A.32 Degeneracidad El nmero de vectores propios de una transformacin lineal independientes asociados a un valor propio de orden linealmente , denotada por
es la degeneracidad del valor propio
Teorema A.20 La degeneracidad de es igual a
, un valor propio de una transformacin lineal
de orden
(A.33)
Demostracin A.20 Los vectores propios
de
asociados a
deben cumplir
Segn la definicin E.29, el nmero de vectores propios linealmente independientes sern entonces la nulidad de la matriz que premultiplica al vector,
Podemos emplear (E.17) para escribir
y diagonalizarla
sern las raices de
La degeneracidad de
se obtiene con (E.33):
Lo anterior significa que aunque tiene multiplicidad , slo es posible encontrar un vector linealmente independiente. Este se obtiene empleando (E.24), y resulta ser
en general
No es posible construir una base para el espacio de dimensin posible diagonalizar
con un slo vector, por lo tanto no es
y diagonalizarla
Construimos
Su polinomio caracterstico resulta ser
Las raices del polinomio son calculamos
. Para determinar la degeneracidad de
Lo anterior significa que existen dos vectores propios linealmente independientes asociados a . Estos dos vectores junto con el vector propio asociado a base y por tanto es posible diagonalizar pueden formar una
. Para obtener los tres vectores propios empleamos (E.24):
Se originan los sistemas de ecuaciones
Que se convierten en
Podemos construir dos vectores linealmente independientes tercero que satisface , por ejemplo
que satisfacen
y un
En la base
la transformacin
se representa por
Definicin A.33 Vectores Propios Generalizados una transformacin lineal y sea un valor propio de Sea asociado a si y slo s propio generalizado de grado de
es un un vector
(A.34)
Ntese que para
la ecuacin (E.34) se reduce a
con
, que coincide
con la definicin E.30 de vector propio Definicin A.34 Cadena de vectores propios generalizados una transformacin lineal y sea un vector propio generalizado de orden Sea asocialdo a . Los vectores si y slo s forman una cadena de vectores propios
generalizados de longitud
(A.35)
Teorema A.21 Sea
el espacio nulo de
es un subespacio de
Demostracin A.21 Sea lado por demuestra que
un vector en
, por lo tanto y por lo tanto es un subespacio de
; al multiplicar a cada est en . . Esto
se tiene que , y por lo tanto
Teorema A.22 Sea
el espacio nulo de est en
. Sea pero no en
el
simo vector de una cadena
como las definidas en (E.35). El vector
Demostracin A.22 La demostracin se obtiene calculando utilizando (E.35) y (E.34):
Los teoremas E.21 y E.22 se visualizan en la figura E.11. Cada subespacio nulo dentro del subespacio nulo , y el vector est justo en la diferencia entre
est embebido y .
Teorema A.23 Los vectores de una cadena de vectores propios generalizados como los de la definicin E.34 son linealmente independientes Demostracin A.23 dado que cada vector pertenece a un subespacio diferente, segn se muestra
en la figura E.11, estos vectores no pueden ser linealmente dependientes. Ejemplo A.37 Sea la transformacin
que tiene un valor propio repetido las matrices y :
Para encontrar los espacios nulos
construimos
El espacio nulo
es el conjunto de los vectores
tales que
, mientras que el espacio
nulo
es el conjunto de los vectores
tales que
. Claramente se ve que
Es decir, el espacio nulo a
es la recta de pendiente
, mientras que el espacio nulo
corresponde
, tal como se muestra en la figura E.12. debe estar en , pero no en , por ejemplo
Un vector propio generalizado de orden
Lo que origina una cadena de vectores generalizados
Teorema A.24 Sea
una transformacin lineal . Sea
con un nico valor propio repetido, asociado a . En
un vector propio generalizado de orden en donde
esas condiciones, se cumple que
es la matriz modal formada por los y es una matriz casi-
vectores de la cadena de vectores propios generalizados creada por diagonal que tiene a en la diagonal,
encima de la diagonal, y 0 en cualquier otro lugar. Es decir
(A.36)
Demostracin A.24 Demostrar (E.36) equivale a demostrar por separado y y comparamos los resultados:
, por lo tanto calculamos
De acuerdo con la definicin E.34, el vector por lo tanto
de la cadena se calcula como
lo que significa que las columnas
de
son iguales a las de
. Para demostrar , es
que la primera columna tambin es igual, empleamos el teorema E.22, segn el cual decir
y por lo tanto Ejemplo A.38 Sea
, lo que concluye la demostracin. la transformacin
que tiene un valor propio repetido E.37):
y una cadena de vectores propios generalizados (ejemplo
El resultado de calcular
es
A.5.3 Obtencin de vectores propios generalizados

El teorema E.24 supone que la matriz tiene un vector propio generalizado de orden
asociado al valor propio , a partir del cual se construye una nica cadena de vectores. Esto no siempre sucede, por lo tanto, es necesario contar con un procedimiento para encontrar el conjunto de vectores propios asociados a . Segn el teorema E.21, anterior significa que es un subespacio de . , si denotamos por la dimensin de , lo
Este hecho permite construir el diagrama de Matthew (figura E.13) en el que se muestran las nulidades mediante casillas de un arreglo ( arreglo). ser igual al nmero de casillas para en el
Debido a que
es el espacio nulo de
, es posible calcular
empleando (E.17) y
de esa manera establecer la forma del diagrama de Matthew
Si definimos
el diagrama de Matthew tendra la forma que se muestra en la figura
E.14
Ejemplo A.39 Forma del arreglo Cada casilla del diagrama de Matthew podria contener un vector de la base para un que sirven de base para tambien pueden formar parte de la base de , ya que . Los vectores .
Debido al teorema E.22, un vector
de una cadena de vectores puede formar parte de una base para . Esto permite disear una estrategia para
que no pueden formar parte de una base para buscar las bases de los convenciones .
y asi llenar el diagrama de Matthew. Para ello empleamos las siguientes
1. Identificar el nmero de columnas del diagrama como 2. Identificar las columnas del diagrama como 3. Identificar el tamao de cada columna como 4. Identificar cada celda por los subindices arriba a abajo 5. Identificar el vector de la celda por vectores propios generalizados , con e de de izquierda a derecha
Para llenar el diagrama de Matthew deben buscarse de orden
respectivamente. Cada uno de estos vectores estar . Cada columna se completa con la
ubicado en la primera celda de las columnas, es decir
cadena de vectores propios generalizados creada por el primer elemento de la columna. La forma que adopta el diagrama de Matthew se muestra en la figura E.15
Ejemplo A.40 Sea
la matrizA.3
Para calcular los valores propios de
hacemos
Es decir,
tiene un valor propio
de multiplicidad
y un valor propio 0 de multiplicidad .
. Nos
proponemos encontrar el diagrama de Matthew de los vectores propios asociados a
Para ello definimos
y calculamos
Dado que
no es necesario continuar, pues
lo que implica que :
, el mximo
valor posible para una matriz
. Con la informacin anterior podemos calcular
Con esta informacin podemos construir el diagrama de Matthew
De donde se deduce que El algoritmo para encontrar 1. 2.
. es el siguiente:
una matriz vaca
3.
una matriz vaca , una base para
4. Encontrar 5. Construir
6. Emplear el algoritmo izquierda-a-derecha para extraer las columnas de independientes y adicionrselas a columna correspondiente de 7. Sea 8. la siguiente columna con es la matriz que contiene a y . Por cada columna que se extraiga de y se adiciona a la matriz . Hacer
linealmente se extrae la
y repetir desde 4 hasta terminar las
columnas
Ejemplo A.41 Para obtener los vectores
del ejemplo E.40 identificamos
, y empleamos el algoritmo siguiendo los siguientes pasos
1. Para
se tiene que
, por lo tanto buscamos tales que :
una base para
, es decir
buscamos los vectores
2. Construimos
3. Al aplicar el algoritmo izquierda-a-derecha slo se extrae la primera columna de

, por lo
tanto las matrices
sern:
4. La siguiente columna de altura menor a buscamos una base para
es la columna
, con
, por lo tanto tales que :
, es decir buscamos los vectores
5. Construimos
6. Al aplicar el algoritmo izquierda-a-derecha slo se extraen la primera y la cuarta columnas de , por lo tanto las matrices y sern:
7. La matriz
contiene los dos necesarios para construir el diagrama de matthew, asociados a
por lo tanto el conjunto completo de vectores propios generalizados de son los que aparecn en el diagrama de Matthew:
Oscar Germn Duarte Velasco 2002-12-18

A.5 Valores y Vectores Propios

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

A.5 Valores y Vectores Propios

Uploaded by

Copyright:

Available Formats

A.

5 Valores y Vectores Propios