Professional Documents
Culture Documents
A=
1
3
x1 =
1
2
; x2 =
y1
y2
0
2
= Ax1 =
1
1
2
4
1
1
1
2
1
1
0
2
= Ax2 =
=
1
3
1
3
1
2
Obsrvese que la matriz A mapea a estos dos vectores en dos vectores, que
son los originales multiplicados por 1, en el caso de x1 , y por 2, en el caso
de x2 :
Tmense los vectores x1 y x2 siguientes, paralelos, esto es, colineales a x1 y
x2 :
a
a
x1 =
; x2 =
; s:t: a 2 R
a
2a
Estos vectores denen cada uno, un subespacio unidimensional de R2 :
Mapense estos vectores por la matriz A :
y1
y2
0
2
= Ax1 =
a
a
= Ax2 =
=
2a
4a
1
3
1
3
2
a
2a
a
a
0
2
a
a
a
2a
(1)
La x y la
satisfaciendo (1) se denominan vector propio y valor propio
correspondientes, de la matriz A:
La ecuacin (1) puede reescribirse de la siguiente forma:
Ax
x = (A
I)x = 0 2 Rn
(2)
Ax = ( I
A)x = 0 2 Rn
(3)
Observacin 3 Si B 2 Rm
N(B) = N( B):
I) = N( I
A)
y por consiguiente
dim(E:P:) = dim[N(A
I)] = dim[N( I
A)]
(5)
dim[Im(A
I)] = n
rank[A
I]
dim(E:P:) = n
dim[Im( I
A)] = n
rank[ I
A]
(6)
Este resultado es un caso particular del siguiente resultado del lgebra Lineal:
Resultado 6 Sea A 2 Rm
Rm :
Entonces
(7)
I] = det[ I
A] = 0
(8)
A) = det(A
I)
(9)
El determinante de una matriz es un escalar. De la denicin de determinante de una matriz, debe ser claro que ( ) dado por (9) es un polinomio en
, de grado "n" y por el teorema fundamental del lgebra se tiene que:
n
( )
= det( I A) =
= (
1) (
( ) = det(A
I) =
=
(
1) (
En donde
1;
2 ; ::: 3
+ an 1
(
2)
n
an
(
2)
n 1
+ ::: + a1 + a0 =
n)
n 1
:::
a1
(10)
(11)
a0 =
n)
(12)
es:
( i ) = 0; 8i = 1; n
Como puede verse de las lneas anteriores, el papel desempeado por las matrices A I y I A es el mismo, y las races de los polinomios ( ) y
( ) son
las mismas as que de aqu en adelante, solo se har referencia indistintamente,
a una cualquiera, de estas dos matrices.
Resumen 8 Como el polinomio caracterstico es de grado "n" y por lo tanto
tiene "n" races, ceros o soluciones, asociados a la matriz A 2 Rn n existen "n"
valores propios y "n" vectores propios correspondientes que pueden calcularse a
partir de las ecuaciones (1), o (2) o (3).
A=
1
3
1
3
0
0
I) o ( I
1
( 3
I) = det
)
( 2)(1) =
+3+2=0
A):
Se pueden usar indistintamente las igualdades (1), (2) o (3), para realizar el
clculo de los vectores propios correspondientes, las tres son la misma relacin
entre x y ;as que a lo largo de los ejemplos usaremos cualquiera de las tres
igualdades para calcular los vectores propios.
Clculo del vector propio x1 correspondiente a 1 = 1 :
Para 1 = 1; empleando (1), se tiene:
0
2
1
3
x1
x2
= ( 1)
x1
x2
=
=
x1
x2
(13)
x1
0
2
0
2
1
3
5
x1
x2
0
0
Substituyendo a
2
0
2, se tiene:
0
2
0
2
2
2
1
3
1
1
x1
x2
x1
x2
0
0
0
0
= 0
= 0
x2 =
que tambin puede normalizarse:
e2 =
x
p
1= p5
1= 5
1 ) x2
+ c3 (
1 ) x3
1 I)
(14)
+ ::: + cp (
1 ) xp
=0
(15)
1)
= 0; 8i = 2; p
N( i I A) 8i = 1; n;el espacio propio de cada uno de estos vectores es un espacio unidimensional, por lo tanto, haciendo uso de la igualdad (7), se tiene el
resultado, esto es:
rank[(A
i I)]
= rank[( i I
A)] = n
1; 8i = 1; n
=
=
1 v1
(16)
2 v2
:::
=
=
n 1 vn 1
n vn
Los vectores v1 ; v2 ; :::; vn as obtenidos, son los vectores propios de A correspondientes a los valores propios 1 ; 2 ; :::; 2 , son un conjunto de n vectores
linealmente independientes y por lo tanto, forman una base para el espacio Rn .
n
=
+ an 1 n
= (
1 ):::(
+ ::: + a1 + a0 =
n)
i ) :::(
(17)
dim[Im(A
dim[Im( i I
i I)]
=n
A)] = n
rank[A
rank[ i I
i I]
(18)
A]
i,
A)x = 0 2 Rn
(19)
. Esta expresin (19) dene un sistema de n ecuaciones, en donde las incgnitas son los componentes del vector x . Como rank[ i I A] = n
; de
estas ecuaciones son redundantes, por lo que solo se tienen n
ecuaciones
tiles. Esto es, se tiene la posibilidad de calcular vectores propios linealmente
independientes correspondientes al valor propio i .
Considrese el siguiente ejemplo ilustrativo de este caso:
Ejemplo 16 Sea la matriz
2
2
6 0
A=6
4 0
0
0:5
1:5
0:5
0:5
0
0
2
0
3
0:5
0:5 7
7
0:5 5
1:5
0
0
+2
0
3
0:5
0:5 7
7
0:5 5
+ 1:5
= det( I A) =
4
=
+ 7 3 + 18 2 + 20 + 8 =
= ( + 1)( + 2)3
2; 2:
se tiene que
3
0
0:5
0
0:5 7
7
1
0:5 5
0 0:5
expandiendo esta igualdad matricial, se observa que las tres ecuaciones tiles
son, porque la segunda ecuacin y la primera solo dieren en el signo:
x1
0:5x2 0:5x4 = 0
0:5x2 0:5x4 = 0
0:5x2 + x3 0:5x4 = 0
( I
Puede vericarse que rank ( I A)j = 2 = 1, pues todas las las de la matriz son iguales. Por lo tanto dim(E:P:de = 2) = n rank ( I A)j = 1 =
4 1 = 3, lo que indica que correspondientes al valor propio
= 2, existen tres vectores propios. De la denicin de vector propio se tiene: que
( I A)j = 2 x = 0; as que
2
0
6 0
6
4 0
0
0:5 0
0:5 0
0:5 0
0:5 0
32
x1
0:5
6
0:5 7
7 6 x2
0:5 5 4 x3
0:5
x4
3
0
7 6 0 7
7=6 7
5 4 0 5
0
3
expandiendo esta igualdad matricial, solo queda una ecuacin til, con cuatro incgnitas. Esto da tres grados de libertad, necesarios para calcular tres
soluciones linealmente independientes:
La nica ecuacin til es:
0:5x2
0:5x4 = 0
(20)
1
6 1
A=6
4 0
1
0
1
1
0
0:5
0:5
2:5
0:5
3
0:5
1:5 7
7
0:5 5
2:5
0:5
0:5
+ 2:5
0:5
3
0:5
1:5 7
7
0:5 5
+ 2:5
= det( I A) =
4
=
+ 7 3 + 18 2 + 20 + 8 =
= ( + 1)( + 2)3
12
( I
( I
La primera y la cuarta ecuacin son la misma, as que solo hay tres ecuaciones tiles y cuatro incgnitas:
x1
x1 0:5x3 + 0:5x4 =
x2 + 0:5x3 1:5x4 =
x2 + 0:5x3 0:5x4 =
0
0
0
En este caso, solo se puede calcular un vector propio, pues solo se tiene un
grado de libertad. Si se propone x1 = 1 y se resuelve el sistema resultante se
obtiene: x2 = 1; x3 = 1 y x4 = 1:As que el vector propio asociado al valor
propio repetido = 2 es:
3
2
1
6 1 7
7
v2 = 6
4 1 5
1
En este caso no se pueden calcular ms vectores propios, la cuestin es qu
hacer para calcular los dos vectores faltantes asociados al valor propio = 2?
Razonando de manera anloga a la que se razon en el caso de los valores
propios calculados previamente, se tiene ahora lo siguiente:
3
2
0
0:5 0
0:5
6 0
0:5 0
0:5 7
3
7=1
rank [(A
I)] = 2 = rank 6
4 0
0:5 0
0:5 5
0
0:5 0
0:5
Esto signica que:
h
dim N [(A
I)]
= 2
= n
rank ( I
A)j
= 1
I)]
= 2
v = 0; 8i = 3
(21)
I)]
= 2
v 6= 0; 8i < 3
I)]
= 2
v+c2 [(A
I)]
14
= 2
v+c3 [(A
I)]
= 2
v=0
c2 [(A
I)]
1
[(A
I)]
[(A
I)]
v=
= 2
I)]
c3
[(A
c2
I)]
v + c02 [(A
I)]
= 2
v = c1 [(A
= 2
I)]
= 2
I)]
v = c01 [(A
= 2
I)]
= 2
I)]
= 2
= 2
v c3 [(A
= 2
I)]
I)]
c1
[(A
c2
v=
= 2
c1 [(A
= 2
se tiene
= 2
v + c02 [(A
I)]
= 2
I)]
= 2
v = [A
3
= [(A
I)]
= 2
I + I] [(A
v+
[(A
2
[(A
I)]
= 2
I)]
2
I)]
= 2
v=
v=
= 2
A[(A
I)]
= [(A
= 2
v= [A
k+1
= 2
I)]
I + I][(A
v+
8k < 3
15
[(A
I)]
k
I)]
= 2
= 2
v=
(22)
=
=
=
v2
v3 + v2
v4 + v3
(A
q 1
I) v = 0 pero (A
I)
1 existe un
v 6= 0
(23)
entonces se dice que v es un vector propio generalizado con ndice q correspondiente al valor propio generalizado de la matriz A:
I) v 6= 0 8k < q y (A
I) v = 0 8k
(24)
v1
I)
q 2
v 6= 0
(25)
(A
I)
v 6= 0
:::::::::::
= (A
I) v 6= 0
v2
vq
q 1
(A
vq
(A
I) v 6= 0
I) vk = (A
q 1
v
i I)
=
=
=
I) (A
I) v; 8k =0; q
q:
I) v = 0 8k
(A
(A
i (A
iI
+ i I)(A
q
i I) v + i (A
q 1
v
i I)
17
I)
q 1
v=
i I)
q 1
v=
i I)
(26)
q 1
lo que demuestra que el vector v1 = (A
v es vector propio de A,
i I)
con valor propio correspondiente i . En la expresin anterior se hizo uso de
(24). Este resultado implica que los vectores propios correspondientes al valor
propio i , son tambin vectores propios generalizados y que por lo tanto el
espacio propio correspondiente al valor propio i , est contenido en el espacio
que contiene a los vectores propios generalizados de i .
I) v; ::: (A
k 1
I)
k
i I)
v=
pP1
cj (A
j
i) v
j=k+1
k
Puesto que (A
q; premultiplicando ambos miembros
i I) v = 0 para k
q 1 k
q 1
de esta ecuacin por (A
I)
da
como
resultado que (A
v = 0,
i
i I)
pero esto es una contradiccin, lo que prueba que los vectores en cuestin, son
linealmente independientes.
Por los resultados presentados, para calcular los q vectores propios generalizados se procede de la siguiente manera:
q 1
k
i I) v
= (A
k+1
v
i I)
8k = 0; q
i (A
k
i I) v
(27)
1 por
Av1
Av2
Avq 1
Avq
=
=
(28)
i v1
i v2 + v1
:::::::
=
i vq 1 + vq
=
i vq + vq 1
y es a partir de este sistema de ecuaciones que se calculan los q vectores propios generalizados, que eran los vectores que faltaban para completar el conjunto
de vectores asociados al valor propio i que est repetido veces.
Resumen 22 Para el caso de una matriz con valores propios repetidos, se puede
entonces seguir el siguiente procedimiento para el clculo de los vectores propios
y vectores propios generalizados correspondientes:
Sea A 2 Rn n con polinomio caracterstico dado por (17), en donde sin
prdida de generalidad, se considera que solamente el valor propio i esimo
est repetido veces.
i) Para cada uno de los valores propios diferentes, calclense los vectores
propios correspondientes de acuerdo al procedimiento descrito lneas arriba: para
cada valor propio diferentte, hgase uso de la denicin de vector propio dada
por (1) (o por (2) o por (3)), que resulta en un sistemas de n 1 ecuaciones con
n incgnitas ya que cada valor propio diferente hace caer el rango de la matriz
(A
I) en una unidad.
ii) Para el valor propio repetido:
a)Sea rank [(A
p; 1 p
lo que implica que asociados
i I)] = n
al valor propio i se pueden calcular p vectores propios.
b) Calclense los p vectores propios asociados al valor propio i , de
acuerdo al procedimiento referido en i).
c) Asociados al valor propio i ,se tienen q =
p vectores propios
generalizados, el primero de los cuales es cualquiera de los vectores propios
correspondientes a i . Ntese que si p = , entonces se tienen vectores propios
asociados al valor propio i ,que se calculan de acuerdo al procedimiento i).
Los q vectores propios generalizados asociados al valor propio
acuerdo a (28), esto es:
Av1
Av2
Avq 1
Avq
=
=
19
se calculan de
(29)
i v1
i v2 + v1
:::::::
=
i vq 1 + vq
=
i vq + vq 1
1:5
6 0:5
A=6
4 0:5
0:5
0:5
1:5
0:5
0:5
0
0
2
0
3
0
1 7
7
0 5
2
A) :
0:5
+ 1:5
0:5
0:5
0
0
+2
0
= det( I A) =
4
=
+ 7 3 + 18 2 + 20 + 8 =
= ( + 1)( + 2)3
( I
3
0
1 7
7
0 5
+2
A)j
= 1
1;
0:5
6 0:5
=6
4 0:5
0:5
0:5
0:5
0:5
0:5
0
0
1
0
3
0
1 7
7
0 5
1
por (2),
32
0
6
1 7
76
0 54
1
se tiene
3
v1
v2 7
7=0
v3 5
v4
Lo que resulta en un sistema de 4 ecuaciones, una de las cuales es redundante, con cuatro incgnitas. Resolviendo para v1 , se obtiene:
2 3
1
6 1 7
7
v1 = 6
4 1 5
1
Para = 2 :
Clculo de los vectores propios y propios generalizados:
3
2
0:5
0:5 0 0
6 0:5
0:5 0
1 7
7
( I A)j = 2 = 6
4 0:5
0:5 0 0 5
0:5
0:5 0 0
El clculo del rango de esta matriz da
rank ( I
A)j
= 2
=2
en donde puede observarse que la primera, tercera y cuarta las, son iguales.
Esto implica que dim N( ( I A)j = 2 ) = 4 2 = 2; as que existen 2 vectores
propios asociados al valor propio
= 2. En este ejemplo, de acuerdo al
procedimiento que se suministr lneas arriba, se tiene que n = 4; = 3; p = 2 y
q = 2: Lo que quiere decir que correspondientes al valor propio = 2; se tienen
dos vectores propios generalizados, uno de los cuales es tambin vector propio
de la matriz A correspondiente al valor propio = 2: As que la situacin es
que se tienen que calcular los vectores v2 ; v3 ; v4 que satisfagan las siguientes
ecuaciones:
Av2
Av3
Av4
=
=
=
2 v2
2 v3
2 v4
+ v3
3.1
1 )(
2 ):::(
n)
=
=
Avn 1
Avn
=
=
1 v1
(30)
2 v2
:::::::
n 1 vn 1
n vn
o de la siguiente manera:
AT = T
en donde
T = [v1 v2 ::: vn ]
y
6 0
6
6
=6
6
6
4
0
7
7
7
7
7
7
0 5
n
3.2
1 ):::(
i)
:::(
n)
Correspondientes a los n
valores propios diferentes, existen n
vectores
propios correspondientes, que son linealmente independientes, y que se calculan
como ya se indic en el caso de valores propios diferentes, por lo tanto forman
una base para el subespacio Rn
Rn :
Av1
Av2
=
=
1 v1
2 v2
..
.
Avi 1
Avi+1
=
=
i 1 vi 1
i+1 vi+1
..
.
Avn
Avn
=
=
(31)
(32)
(33)
(34)
n
n
1 vn
vn
Sea
rank [A
i I]
=n
=
=
vi 1
vi 1
vpi
..
.
Avpi
i
Avp+1
i
i vp+1
+ vpi
i
Avp+2
i
i vp+2
i
+ vp+1
vqi
+ vqi
..
.
Avqi
1
Avqi
i
i vq
24
vqi 1