MATEATICAS lV
INGENIERIA EN SISTEMAS
COMPUTACIONALES
Unidad 6
GRUPO:301
6.1 DEFINICIÓN VALORES VECTORES CARACTERÍSTICOS MATRIZ CUADRADA
En álgebra lineal, los vectores propios, autovectores o eigenvectores de un operador lineal son los
vectores no nulos que, cuando son transformados por el operador, dan lugar a un múltiplo escalar
de sí mismos, con lo que no cambian su dirección.
Este escalar λ recibe el nombre valor propio, autovalor, valor característico o eigenvalor. A menudo,
una transformación queda completamente determinada por sus vectores propios y valores propios.
Un espacio propio, autoespacio o eigenespacio es el conjunto de vectores propios con un valor
propio común.
Si se quiere calcular los valores propios de una matriz dada y ésta es pequeña, se puede calcular
simbólicamente usando el polinomio característico. Sin embargo, a menudo resulta imposible para
matrices extensas, caso en el que se debe usar un método numérico.
POLINOMIO CARACTERÍSTICO
El polinomio característico de una matriz de dimensión n´n es de grado n, por lo cual tendrá n
posibles valores propios l que satisfacen det (A - lI) = 0 esta es la ecuación característica de la
matriz A. El determinante que aparece en (3) resulta ser un polinomio en potencias de l. Por ello a
la expresión
a(l)=det(A - lI)
se le llama polinomio característico de la matriz A.
polinomio característico y encontrar sus raíces. Cada raíz de será un valor propio de . Los vectores
propios pueden obtenerse directamente . Debido a que los valores propios resultan ser las raíces
del polinomio característico, éstos pueden ser reales o complejos, diferentes o repetidos.
Polinomio característico
Sea λ un escalar del cuerpo y A una matriz cuadrada de orden n. Entonces λ es un valor propio
de A si y sólo si existe un vector no nulo v ∈ Rn tal que Av = λv. Ahora bien la igualdad anterior
equivale a Av − λv = 0, y ésta a su vez a (A − λI)v = 0, lo cual significa que v ∈ ker(A − λI)). Así
λ es un valor propio de A si y sólo si ker(A − λI) 6= 0. Y como dim ker(A − λI) = n − r(A − λI),
lo anterior equivale a que r(A − λI) < n. Finalmente esta última condición puede traducirse en que
|A − λI| = 0. En definitiva obtenemos que λ ∈ R es un valor propio de la matriz A si y sólo
si |A − λI| = 0.
Si A es una matriz cuadrada de orden n se llama polinomio característico de A al polinomio
φA(λ) = |A − λI| (en el que denotamos por λ la variable). En consecuencia este polinomio es de
grado n y sus raíces son precisamente los valores propios de la matriz.
Sea λ un valor propio de una matriz A. Se llama multiplicidad de λ como valor propio de la
matriz a la multiplicidad que tiene como raíz del polinomio característico. Se denotará m(λ). Como
la suma de las multiplicidades de todas las raíces de un polinomio es como mucho su grado, la
suma
de las multiplicidades de los valores propios de la matriz es como mucho el grado del
polinomio característico, o sea, el tamaño de la matriz.
Sea _o un valor propio de la matriz cuadrada A, as´ı existe un vector diferente cero de xo tal que:
Axo = _oxo = _o In xo
Por tanto:
Axo − _oInxo = (A − _oIn) xo = 0
Si B = A − _oIn lo anterior significa que el sistema homogéneo n × n
Bx = 0
tiene además de la solución trivial otra solución (x = xo 6= 0). Por consiguiente, no tiene solución
´única. Y
por tanto, el determinante de la matriz B debe ser cero:
det(B) = det (A − _oIn) = 0.
Resumiendo:
Todo valor propio _o debe ser raız del polinomio caracterıstico asociado a A:
pA(_) = det (A − _In) (1)
y un vector propio asociado al valor propio _ debe ser solución al sistema homogéneo:
(A − _In) x = 0 (2).
Diagonalización ortogonal.