Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Lineal:
Valores y
Vectores
Propios
Departamento
de
Matemáticas
Multiplicidades
Valores y Vectores Propios
Departamento de Matemáticas
Algebra
Lineal:
Valores y
Vectores
Propios
Departamento
de
Matemáticas
Intro
Eigenvalues Introducción
Multiplicidades Los valores y vectores propios son muy importantes en el
análisis de sistemas lineales. En esta presentación veremos su
definición y cómo se calculan.
Algebra
Lineal:
Valores y
Vectores
Propios
Eigenvalues
existe un vector, diferente del vector cero, xo tal que:
Multiplicidades
Axo = λ xo
Multiplicidades Solución:
Veamos si v1 es vector propio de A:
1 2 1 3
Av1 = =
2 1 1 3
Departamento
de
son valores propios de la matriz A:
Matemáticas
5 −3
Intro A=
6 −4
Eigenvalues
Multiplicidades
Solución
λ1 es valor propio ssi existe un vector x diferente de cero tal
que:
A x = λ1 x
Es decir, ssi
(A − λ1 I) x = A x − λ1 I x = A x − λ1 x = 0
Eigenvalues
Multiplicidades
Algebra
Lineal:
Valores y
Vectores
Propios Determinación de Valores Propios
Departamento Sea λo un valor propio de la matriz cuadrada A, esto será
de
Matemáticas cierto si y sólo si existe un vector xo (xo 6= 0) tal que:
Intro
Axo = λo xo = λo In xo
Eigenvalues
Multiplicidades
Por tanto:
Axo − λo In xo = (A − λo In ) xo = 0
Multiplicidades
raı́z del polinomio caracterı́stico asociado a A:
Multiplicidades
Nspire CAS se pueden obtener en forma directa los
generadores para los vectores propios de cada valor propio.
Esto se ilustra en la siguiente figura.
Algebra
Lineal:
Valores y
Vectores
Propios
Departamento
Solución analı́tica
de
Matemáticas
Determinemos el polinomio caracterı́stico de A:
Intro 1 2 1 0
pA (λ) = det (A − λI2 ) = det −λ
Eigenvalues 2 1 0 1
Multiplicidades
1 2 λ 0 1−λ 2
pA (λ) = det − = det
2 1 0 λ 2 1−λ
1−λ 2
pA (λ) = = (1 − λ)2 − 4
2 1−λ
pA (λ) = λ2 − 2λ − 3 = (λ − 3) (λ + 1)
Por tanto, los únicos valores propios son λ1 = 3 y λ2 = −1.
Algebra
Lineal:
Valores y
Vectores
Vector propio para λ1 = 3
Propios Debe ser solución al sistema homogéneo:
Departamento
de
Matemáticas (A − λI2 ) x = 0
Intro
Es decir:
Eigenvalues
1 2 1 0
Multiplicidades − (3) x=0
2 1 0 1
Desarrollando y finalmente aplicando Gauss-Jordan:
1−3 2 −2 2 0 1 −1 0
x=0→ →
2 1−3 2 −2 0 0 0 0
Departamento
de
Matemáticas
Lo anterior indica que cualquier vector de la forma:
Intro −1
y , y 6= 0
Eigenvalues 1
Multiplicidades
Departamento
de Multiplicidad Algebraica
Matemáticas
Sea A una matriz cuadrada y λo un valor propio. Como hemos
Intro visto λ debe ser raı́z del polinomio caracterı́stico de A pA (λ)
Eigenvalues
ası́:
Multiplicidades
(λ − λo ) | pA (λ)
Al mayor exponente m que cumple
pA (λ) = (λ − λo )m q(λ)
Departamento
de
Matemáticas
Un resultado importante es que el conjunto de vectores
Intro invariantes asociados a un escalar es un espacio lineal:
Eigenvalues
Sea A una matriz cuadrada n × n y λ un escalar
Multiplicidades
cualquiera entonces
Eλ = {x ∈ Rn |Ax = λx}
es un espacio lineal de Rn .
Algebra Demostración
Lineal:
Valores y • Eλ 6= ∅
Vectores
Propios Efectivamente, como A 0 = 0 = λ 0, entonces 0 ∈ Eλ .
Departamento • Eλ es cerrado bajo la suma
de
Matemáticas Sean x1 y x2 en Eλ . Por tanto, A x1 = λ x1 y A x2 = λ x2 .
Por consiguiente,
Intro
Eigenvalues A (x1 + x2 ) = A x1 + A x2
Multiplicidades = λ x1 + λ x2
= λ (x1 + x2 )
Por tanto, x1 + x2 ∈ Eλ .
• Eλ es cerrado bajo el producto
Sean x en Eλ y c ∈ R. Por tanto, A x = λ x. Por
consiguiente,
A (c x) = c · A x
= c · λx
= λ (c x)
Por tanto, c x ∈ Eλ .
Lo anterior prueba que Eλ es un espacio lineal
Algebra
Lineal:
Valores y
Vectores
Propios
Departamento
de
Matemáticas Multiplicidad Geométrica
Intro
Siendo λ un valor propio, el anterior conjunto que se llama el
Eigenvalues
espacio invariante o espacio propio o eigenespacio asociado a λ
Multiplicidades
y es un espacio lineal diferente de {0} ası́ tiene dimensión
mayor que cero: la dimensión del espacio anterior se llamará
multiplicidad geométrica o dimensión geométrica del valor
propio λ. Note que Eλ corresponde al espacio nulo de la matriz
A − λ I. Ası́ pues la dimensión geométrica de λ es el número de
columnas sin pivote en la matriz reducida que se obtiene de
A − λ I.
Algebra
Lineal:
Valores y
Vectores
Propios Determine los valores propios y sus multiplicidades geométricas
Departamento para la matriz:
de
Matemáticas
−1 1 −3 −7
Intro
0 −3 4 4
Eigenvalues A= 0 −2
Multiplicidades
3 2
0 0 0 1
Solución
Primeramente determinemos el polinomio caracterı́stico:
pA (t) = det(A − t I)
= 1 − 2 t2 + t4
= (t − 1)2 (t − (−1))2
Algebra
Lineal:
Valores y
Vectores
Propios
De lo anterior concluimos que los únicos valores propios son
Departamento
de t1 = −1 y t2 = 1 y que ambos tienen multiplicidad algebraica
Matemáticas
2. Determinemos ahora sus multiplicidades geométricas:
Intro Para t1 = −1
Eigenvalues Al resolver [A − t1 I|0] tenemos:
Multiplicidades
0 1 0 0 0
0 0 1 0 0
[A − t1 I|0] →
0 0 0 1 0
0 0 0 0 0
Departamento
de
Matemáticas
Para t2 = 1
Al resolver [A − t2 I|0] tenemos:
Intro
Eigenvalues
1 0 1 3 0
Multiplicidades
0 1 −1 −1 0
[A − t2 I|0] → 0
0 0 0 0
0 0 0 0 0
Solución
El polinomio caracterı́stico de A es:
t1 = 3, t2 = 4, t3 = 4, t4 = −1, t5 = −1, t6 = −1
Algebra
Lineal:
Valores y
Vectores
Propios
Análisis de t = 3
Como t = 3 aparece como raı́z una sola vez, entonces su
Departamento
de multiplicidad algebraica es 1. Para determinar su multiplicidad
Matemáticas
geométrica analicemos
Intro
Eigenvalues 1 0 0 0 0 1/3 0
Multiplicidades 0 1 0 0 0 0 0
0 0 1 0 0 1/3 0
[A − (3) I|0] →
0 0 0 1 0 −1/3 0
0 0 0 0 1 −2/3 0
0 0 0 0 0 0 0