Professional Documents
Culture Documents
Subsecciones
q q q
A.5.1 Valores propios diferentes A.5.2 Valores propios repetidos A.5.3 Obtencin de vectores propios generalizados
vector no nulo
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
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
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:
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (2 de 25)17/01/2006 1:10:53
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
propio asociado a
en general
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (3 de 25)17/01/2006 1:10:53
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
propio asociado a
en general
Construimos la matriz
y hallamos su determinante:
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (4 de 25)17/01/2006 1:10:53
Seleccionando arbitrariamente
se obtiene
o en general
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)
se tiene
adj
Como igual
es un vector propio de
, entonces
o lo que es
(A.27)
y por tanto
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (5 de 25)17/01/2006 1:10:53
adj
(A.28)
Ejemplo A.32 Para obtener los vectores propios del ejemplo E.30 construimos
adj
adj
adj
adj
adj
adj
, 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
(A.29)
El producto
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (6 de 25)17/01/2006 1:10:53
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
(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
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (7 de 25)17/01/2006 1:10:53
y demostramos
, o lo que es
(A.31)
(A.32)
Como igual
o lo que es
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (8 de 25)17/01/2006 1:10:53
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
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (9 de 25)17/01/2006 1:10:53
de orden
(A.33)
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,
y diagonalizarla
Construimos la matriz
y hallamos su determinante:
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (10 de 25)17/01/2006 1:10:53
La degeneracidad de
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
y diagonalizarla
Construimos
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (11 de 25)17/01/2006 1:10:53
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
Que se convierten en
Podemos construir dos vectores linealmente independientes tercero que satisface , por ejemplo
que satisfacen
y un
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (12 de 25)17/01/2006 1:10:53
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)
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)
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (13 de 25)17/01/2006 1:10:53
el espacio nulo de
es un subespacio de
un vector en
. Sea pero no en
el
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 .
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (14 de 25)17/01/2006 1:10:53
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
construimos
El espacio nulo
tales que
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (15 de 25)17/01/2006 1:10:53
nulo
tales que
. Claramente se ve que
es la recta de pendiente
corresponde
, tal como se muestra en la figura E.12. debe estar en , pero no en , por ejemplo
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (16 de 25)17/01/2006 1:10:53
vectores de la cadena de vectores propios generalizados creada por diagonal que tiene a en la diagonal,
(A.36)
Demostracin A.24 Demostrar (E.36) equivale a demostrar por separado y y comparamos los resultados:
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (17 de 25)17/01/2006 1:10:54
de
. Para demostrar , es
que la primera columna tambin es igual, empleamos el teorema E.22, segn el cual decir
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (18 de 25)17/01/2006 1:10:54
El resultado de calcular
es
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
Si definimos
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (19 de 25)17/01/2006 1:10:54
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 .
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 .
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
respectivamente. Cada uno de estos vectores estar . Cada columna se completa con la
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
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (20 de 25)17/01/2006 1:10:54
la matrizA.3
hacemos
Es decir,
de multiplicidad
. Nos
y calculamos
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (21 de 25)17/01/2006 1:10:54
Dado que
, el mximo
. es el siguiente:
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (22 de 25)17/01/2006 1:10:54
3.
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
columnas
1. Para
se tiene que
, es decir
2. Construimos
, por lo
sern:
es la columna
, con
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:
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (24 de 25)17/01/2006 1:10:54
7. La matriz
por lo tanto el conjunto completo de vectores propios generalizados de son los que aparecn en el diagrama de Matthew:
file:///E|/Documentos del 98/Todo Matrices/A. Lineal/A_5 Valores y Vectores Propios.htm (25 de 25)17/01/2006 1:10:54