Anda di halaman 1dari 7

TECNOLOGICO DE ESTUDIOS

SUPERIORES DE VALLE DE BRAVO

YESENIA GONZALEZ CHAMORRO

MATEATICAS lV

INGENIERIA EN SISTEMAS
COMPUTACIONALES
Unidad 6

GRUPO:301
6.1 DEFINICIÓN VALORES VECTORES CARACTERÍSTICOS MATRIZ CUADRADA

Vector propio y Valor propio

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.

VECTORES PROPIOS Y VALORES PROPIOS DE MATRICES

Cálculo de valores propios y vectores propios de matrices

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.

6.2 DEFINICION DE POLINOMIO Y ECUACION CARACTERISTICA

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.

6.3DETERMINACI´ON DE LOS VALORES PROPIOS

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).

6.4 DIAGONALIZACIÓN DE MATRICES


La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a
ella que sea diagonal. Recordemos (ver Tema 1: Matrices, determinantes y sistemas de
ecuaciones
lineales, Ejercicio 20) que dos matrices cuadradas de orden n, A y D, se dice que son semejantes
cuando existe otra matriz cuadrada de orden n, P, invertible, tal que
A = PDP−1.
El problema puede enfocarse desde el punto de vista de endomorfismos: dado un endomorfismo f
de
Rn se trata de ver si existe una base del espacio respecto de la cual la matriz asociada sea
diagonal.
Realmente ambos problemas son equivalentes, pues en primer lugar dado
f : Rn → Rn
podemos tomar
A = MB(f)
la matriz asociada a cierta base B, y dada A podemos tomar f de modo que A = MB(f) (ver Tema
4: Aplicaciones lineales, Propiedades de las aplicaciones lineales, 1o propiedad). Entonces, puede
comprobarse que una matriz es semejante a A si y sólo si va asociada a f respecto de alguna base
de Rn.1
6.5 DIAGONALIZACIÓN DE MATRICES
MATRICES EQUIVALENTES, CONGRUENTES Y SEMEJANTES.
Dos matrices del mismo orden (pueden ser rectangulares o cuadradas), A y B, son equivalentes si
existen dos matrices P y Q, cuadradas con determinante distinto de cero tales que B=PAQ.
Dos matrices equivalentes tienen el mismo rango
Dos matrices cuadradas del mismo orden, A y B, son congruentes si existe una matriz cuadrada P
con determinante distinto de cero, de modo que se satisface B=PAPt.
Si dos matrices son congruentes, entonces son equivalentes, por lo tanto si dos matrices son
congruentes, tienen el mismo rango.
Dos matrices cuadradas de orden n, A y B, son semejantes si existe una matriz cuadrada, P, con
determinante distinto de cero, que satisfaga B=P-1AP.
A la matriz B se le llama transformada de A mediante la matriz de paso P.
Propiedades:
- 1. Si A y B son semejantes , entonces son equivalentes.
- 2. Si A y B son semejantes, tienen el mismo rango.
- 3. Si (A,B) y (C, D) son semejantes con la misma matriz de paso, entonces A+C es semejante a
B+D con matriz de paso P.
- 4. Si A y B son semejantes con matriz de paso P, y n es un número natural, An y Bn son
semejantes con matriz de paso P.
MATRIZ DIAGONALIZABLE.
Una matriz A es diagonalizable si es semejante a una matriz diagonal, D, es decir, si existe P
regular
tal que A=PDP-1.
El proceso de cálculo de la matriz diagonal y de la matriz de paso se denomina diagonalización de
A.
VALORES Y VECTORES PROPIOS. PROPIEDADES.
Sea f un endomorfismo definido sobre un espacio vectorial de dimensión n mediante la relación
f(x)=Ax, decimos que t perteneciente a K es un valor propio de la matriz A o del endomorfismo f si
existe un vector x distinto de cero tal que tx=Ax.
Al conjunto de vectores, x, que satisfacen la relación anterior se les llama conjunto de vectores
propios o autovectores asociados a t.
Obtención práctica de valores y vectores propios:
Partimos de la ecuación matricial Ax=tx que también podemos expresar Ax-tx=0 o (A-tI)x=0. La
ecuación vectorial anterior representa un sistema de ecuaciones homogéneo con matriz de los
coeficientes A-tI. Este sistema de ecuaciones tendrá solución distinta de la trivial si el determinante
de
la matriz de los coeficientes es cero. El desarrollo de este determinante da lugar a un polinomio de
grado n, al que llamaremos polinomio característico. Cuando igualamos este polinomio a cero, la
ecuación que obtenemos se denomina ecuación característica. Las n soluciones de esta
ecuación son
los valores propios que estábamos buscando. Resumiendo:
· Polinomio característico: |A-tI|
· Ecuación característica: |A-tI|=0
· Matriz característica: A-tI
Como la ecuación característica es de grado n, posee n soluciones, no necesariamente distintas.
Por lo
tanto es conveniente acompañar cada raíz del número de veces que se repita, a dicho número lo
denominaremos orden de multiplicidad del valor propio..
Una vez calculados todos los valores propios habrá que calcular el conjunto de vectores propios
asociado a cada uno de ellos. Esto lo haremos resolviendo para cada ti (valor propio) el siguiente
sistema homogéneo (A-ti)x=0
DIAGONALIZACIÓN DE UNA MATRIZ CUALQUIERA
Sea A una matriz asociada a un endomorfismo f, definido en un espacio vectorial de dimensión n.
Para diagonalizar una matriz A, tratamos de encontrar una matriz diagonal, D, semejante a la
matriz
A. Necesitamos encontrar una matriz de transformación o cambio de base P, que mediante la
relación
de semejanza P-1AP de lugar a la matriz D. Por lo tanto tenemos que encontrar una base en la que
el
endomorfismo quede asociado a una matriz diagonal. En algunos casos podremos encontrarlo,
entonces la matriz será diagonalizable , y en otros no, no será diagonalizable.
TEOREMA:
La condición necesaria y suficiente para que una matriz cuadrada sea diagonalizable es que exista
una
base del espacio vectorial formada por vectores propios del endomorfismo asociado a la matriz
dada.
Tenemos asegurada la existencia de dicha base para:
- Matrices simétricas.
- Diagonales.
- Matrices en las que los valores propios sean de orden de multiplicidad uno.
En otro caso debemos verificar la condición de orden y rango ( equivalente a la anterior) para
valores
propios de orden de multiplicidad mayor que 1.
TEOREMA: (Condición de orden y rango)
La condición necesaria y suficiente para que una matriz A sea diagonalizable es que para cada
valor
propio ti de orden de multiplicidad ri se verifique rango(A-tiI)=n-ri.
Si la matriz dada es diagonalizable tendremos que buscar una base de vectores propios, para ello
calcularemos los valores propios de la matriz, para cada uno de ellos calcularemos una base de
vectores propios asociados, de entre ellos elegiremos los representantes de modo que sean
linealmente independientes, estos vectores así escogidos constituyen la base del espacio vectorial
y si

Diagonalización ortogonal.

Teorema 5.14 – Sea A una matriz de orden n, entonces son equivalentes:


a) A es diagonalizable ortogonalmente.
b) A tiene un conjunto de n vectores propios ortonormales.
´Algebra Lineal. 61
; y como al ser P inversible se tiene que p1; p2; : : : ; pn son linealmente independientes
y por tanto no nulos () A tiene n vectores propios ortonormales.
Teorema fundamental de la diagonalizaci´on ortogonal
Una matriz A de orden n es
diagonalizable ortogonalmente si y s´olo si A es sim´etrica.
Teorema 5.16 – Si A es una matriz sim´etrica, entonces los vectores propios que pertenecen a
valores propios distintos son ortogonales.
Demostraci´on:
Sean ¸1 y ¸2 valores propios distintos de una matriz sim´etrica A y sean u y v vectores
propios correspondientes a ¸1 y ¸2 respectivamente.
Tenemos que probar que utv = 0. (Notar que utAv es un escalar).
Se tiene que utAv = (utAv)t = vtAu = vt¸1u = ¸1vtu = ¸1utv,
y por otra parte que utAv = ut¸2v = ¸2utv,
por tanto ¸1utv = ¸2utv ) (¸1 ¡ ¸2)utv = 0 y como ¸1 ¡ ¸2 6= 0, entonces utv = 0.

Anda mungkin juga menyukai