Eigenvectores y Eigenvalores
Michael Haag Justin Romberg
Translated By: Fara Meza Erika Jackson
Based on
This work is produced by The Connexions Project and licensed under the Creative Commons Attribution License
Abstract This module denes eigenvalues and eigenvectors and explains a method of nding them given a matrix. These ideas are presented, along with many examples, in hopes of leading up to an understanding of the Fourier Series.
En esta seccin, nuestro sistema lineal ser una matriz de nn de nmeros complejos. Algunos conceptos de este modulo estn basado en los conceptos bsicos de lgebra lineal .
1
1 Eigenvectores y Eigenvalores
Sea
Cn .
(1)
Ax = b
donde
Version
http://cnx.org/content/m10736/2.6/
http://creativecommons.org/licenses/by/2.0/
http://cnx.org/content/m12870/1.2/
(a)
(b)
Denition 1: Eigenvector
Un eigenvector de
es un vector
v Cn
tal que
Av = v
donde
(2)
Si
es un eigenvector de
A,
llamada
eigenvalor:
http://cnx.org/content/m12870/1.2/
note:
para trabajar.
(Solution on p. 7.)
v1
v2 ,
de
2 ?
viendo estos valores de la informacin dada hasta ahora, veremos otras maneras mas rigurosas de
Exercise 2
Muestre que estos dos vectores,
(Solution on p. 7.)
v1 = v2 =
son eigenvectores de dientes.
1 1 1 1
A,
donde
A=
3 1
1 3
.
Tambin encuentre los eigenvalores correspon-
http://cnx.org/content/m12870/1.2/
tal que
v = 0,
donde
es el vector cero.
Av = v Av v = 0 (A I ) v = 0
En el paso previo, usamos el hecho de que
v = I v
donde
es la matriz identidad.
0 1 0 ...
... ...
0 I= 0 0
Por lo tanto,
0 . .. . . . ... 1
A I
Example 1
Dada la siguiente matriz,
A,
A I .
A= A I =
Si
a11 a21
a12 a22
Esto quiere decir:
a11 a21
es
a12 a22
(A I ) v = 0
para algn
v = 0,
entonces
A I
no invertible.
det (A I ) = 0
este determinante (el mostrado arriba) se vuelve una expresin polinomial (de grado ejemplo para entender mejor.
n).
Vase el siguiente
Example 2
Empezando con la matriz
3 1
1 3
3 1
2
1 3
2
det (A I ) = (3 ) (1) = 2 6 + 8
http://cnx.org/content/m12870/1.2/
= {2, 4}
Example 3
Empezando con la matriz
a11 a21
a12 a22
a11 a21
a12 a22
det (A I ) = cn n + cn1 n1 + + c1 + c0 = 0
note:
Por lo tanto usando unos pequeos clculos para resolver las races de nuestro polinomio,
i ,
Av = i v A
conjunto de
v1
. . .
1 v1
. . .
vn
n vn
ecuaciones con
solve the
ecuaciones
para
3 Punto Principal
El decir que los eigenvectores de son linealmente independientes
3
A, {v1 , v2 , . . . , vn },
generan el subespacio
Cn ,
signica que
{v1 , v2 , . . . , vn }
(3)
xC
como
x = 1 v1 + 2 v2 + + n vn
donde de
{1 , 2 , . . . , n } C
A.
Entonces,
http://cnx.org/content/m12870/1.2/
Ax = 1 1 v1 + 2 2 v2 + + n n vn = b
por lo tanto podemos escribir,
x=
i
(i vi )
Figure 4: vectores.
Ilustracin del sistema donde descomponemos nuestro vector, x, en la suma de sus eigen-
b=
i
note:
(i i vi )
en una combinacin de eigenvectores, la solucin de
x,
Ax
4 Problema de Prctica
Exercise 3
Para la siguiente matriz,
(Solution on p. 7.)
y vector
x,
A=
3 1 5 3
1 3
x=
http://cnx.org/content/m12870/1.2/
v1 = v2 =
Y los eigenvalores correspondientes son:
1 0 0 1
1 = 3 2 = 1
Av1 = Av2 =
Este resultado nos muestra que
3 1 3
1 3 1 3
1 1 1
2 2 4
decir
que la (2) es cierta para los siguientes dos eigenvalores que se le pidi que encontrara:
1 = 2 2 = 4
. Si quiere convencerse ms, entonces tambin se pueden gracar los vectores y su producto correspondiente con
para ver los resultados como una versin escalada de los vectores originales
v1
v2 .
12 4
Eigenvectores (use los eigenvectores y eigenvalores que se encotraron anteriormente para esta misma matriz)
v1 = v2 =
1 1 1 1
http://cnx.org/content/m12870/1.2/
1 = 2 2 = 4
Como se muestra en la (3), queremos representar caso tenemos:
x = 4v1 + v2 x= 5 3 1 1 1 1
= 4
Ax = A (4v1 + v2 ) = i (4v1 + v2 )
Por lo tanto, tenemos
Ax = 4 2
Ntese que el mtodo usando eigenvectores
1 1
+ 4
1 1
12 4
no
http://cnx.org/content/m12870/1.2/