Valores Propios, Vectores Propios y Formas Canonicas

CAPITULO 3.
PROPIOS
VALORES Y VECTORES
CAPITULO 3.
Valores caractersticos,
vectores
caractersticos y
formas cannicas.
Supongamos que t: v
v es una transformacin lineal. En una
gran variedad de aplicaciones, es decir, se buscan un vector y un
escalar tal que
T (v ) =
CONTENIDO
3.1. Valores y vectores caracteristicos.
3.2. Matrices semejantes y diagonalizacion
3.3. Matrices simtricas y diagonalizacion ortogonal.
3.4. Forma cannica de jordan.
3.5. Un punto de vista diferente: teorema de CalyleyHamilton.
.1. Valores y vectores caractersticos.
Fuente: LGEBRA LINEAL. Stanley I. Grossman

Pgina36
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
Definicin 1: Valor y vector caracterstico Sea A una matriz de

n xn
con elementos reales. El nmero (complejo o real) recibe
el nombre de valor caracterstico de A si existe algn vector

diferente de cero V
en tal que
A V
Se dice que el vector
= V
0 es un vector caracterstico
de A correspondiente al valor caracteristico
TEOREMA 1. Sea A una matriz de
n xn
. Entonces
es el
valor caracterstico de A si y slo si

P
( ) = det(A - I ) = 0
(1)
Definicin 2: Ecuacin y polinomio caractersticos La ecuacin

(1)
recibe el nombre de ecuacin caracterstica de A; adems,
a P ( ) se llama polinomio caracterstico de A.
TEOREMA 2. Sea
n xn
y sea
un valor caracterstico de la matriz A de
= { V : A V
V }. Entonces
es un
n
subespacio de C .
Definicin 3: Espacio caracterstico Sea

caracterstico de A. el subespacio
un valor
recibe el nombre de
espacio caracterstico de A correspondiente al valor caracterstico
n xn
valores propios distintos de A (es decir, i

vectores
propios
correspondientes
1 , 2 , .. , m
y sea
j
si i
V 1 ,V 2 , .., V m
j ) con
Entonces

Pgina37
Socorro
CAPITULO 3.
PROPIOS
V 1 ,V 2 , .., V m
VALORES Y VECTORES
son linealmente independientes. Esto es: los
vectores propios correspondientes a valores

distintos son linealmente independientes.
propios
TEOREMA 4. Los valores propios de una matriz triangular son las

componentes diagonales de la matriz.
Definicin 4: Multiplicidad geomtrica Sea
un valor propio
de la matriz A; entonces la multiplicidad geomtrica de

dimensin del espacio propio correspondiente a
es la
(que es la
nulidad de la matriz A - I ). Esto es,

E
Multiplicidad geomtrica de = dim = V (A - I )
TEOREMA 5. Sea
un valor propio de A. entonces
Multiplicidad geomtrica de multiplicidad algebraica de .
n xn
; entonces A tiene n
vectores propios lienalmente independientes si y slo si la

multiplicidad geomtrica de cada valor propio es igual a su
multiplicidad algebraica. En particular, A tiene
vectores propios
lienalmente independientes si todos los valores propios son distintos

(ya que entonces la multiplicidad algebraica de cada valor propio es
1)
3.2.
Matrices
diagonalizacion.
semejantes

Pgina38
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
En esta seccin se describe una relacin interesante y til que se

puede cumplir entre dos matrices.
Definicin 1: Matrices semejantes Se dice que dos matrices A

y b de
n xn
n xn
son semejantes si existe una matriz invertible c de
talque
1
b= C A C
TEOREMA 1. Si A y b son matrices semejantes de
n xn
entonces A y b tienen el mismo polinomio caracterstico y, por lo

tanto, tienen los mismos valores propios.
Definicin 2: Matriz diagonalizable Una matriz A de n x n es

diagonalizable si existe una matriz diagonal d tal que a es
semejante a d.
TEOREMA 2. Una matriz A de
si tiene
n xn
es diagonalizable si y slo
vectores propios linealmente independientes. En tal
caso, la matriz d semejante a A esta dada por:
d=
Donde
1 , 2 , .. , n
1
0
0
0 0
2 0
0 3
0 0
0
0
0

n
son los valores propios de A. si
matriz cuyas columnas son

independientes de A, entonces
d=
vectores
propios
es una
linealmente
C1 A C

Pgina39
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
Corolario si la matriz A de
n xn
tiene A de n valores propios
diferentes, entonces A es diagonalizable.
TEOREMA 3. Sea v un espacio vectorial de dimensin finita con

B1
bases
T: v
matricial de
= {
V 1 ,V 2 , .., V n
CT
= {
una transformacin lineal. Si
con respecto a la base
representacin matricial de
AT
B2
} y
AT
B1
W 1 ,W 2 , .. ,W n
}. Sea
es la representacin
CT
y si
respecto a la base
B2
es la
, entonces
son semejantes.
3.3. Matrices simtricas y diagonalizacion

ortogonal.
En esta seccin se ver que las matrices simtricas reales tienen
varias propiedades importantes. En particular, se demuestra que
cualquier matriz simtrica real tiene
vectores propios reales
linealmente independientes y, por lo tanto es diagonalizable. Se

comenzara demostrando que los valores propios de una matriz
simtrica real son reales.
TEOREMA 1. Sea A una matriz simtrica real de
n xn
; entonces
los valores propios de A son reales.

2
n xn
. Si
son valores propios diferentes con vectores propios reales
correspondientes
V1
V2
entonces
V1
V2
son
ortogonales.
n xn
Entonces A tiene n vectores propios reales ortonormales.

Pgina40
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
Definicin 1: Matriz diagonalizable ortogonalmente Se dice

que una matriz A de
n xn
es diagonalizable ortogonalmente si
existe una matriz ortogonal q tal que

1
Donde d = (
1 , 2 , .. , n
)y
A Q =d
1 , 2 , .. , n
son valores propios de A.
TEOREMA 4. Sea A una matriz real de
n xn
. Entonces A es
diagonalizable ortogonalmente si y slo si A es simtrica.
3.4.
Forma cannica de jordan.
Es esta seccin se vera que aunque toda matriz no es

diagonalizable (es decir no tiene
vectores propios linealmente
independientes) para analizar bien este caso, se define la matriz

NK
como la matriz k x k .
NK
1 0 0 0
0 1 0
0
0
( 0 00 )

Pgina41
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
Matrices de bloques de jordan:
B( )=
+ NK =
Es decir, B ( ) es la matriz de
1 0 0 0 0
1 0 0
0
0
( 0 0 )
k xk
con el escalar
es la
diagonal, unos arriba de la diagonal y ceros en otra parte.

Matriz de jordan por ultimo, una matriz de jordan
tiene la
forma
B 1 ( 1)
0
0 0
B 2 ( 2 ) 0
( B r ( r ) )
Donde cada B j ( j ) es una matriz de bloques de jordan. Entonces

una matriz de jordan es una matriz que tiene en la diagonal principal
matrices de bloques de jordan y ceros en otra parte.
TEOREMA 1. Sea A una matriz real o compleja de

Entonces existe una matriz
compleja invertible de
n xn
n xn
tal
que
Pgina42
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
C1 A C
Donde J es una matriz de jordan cuyos elementos en la diagonal

son los valores propios de A. mas aun, la matriz de jordan
es
nica excepto por el orden en el que aparecen los bloques de

jordan.
Definicin 1. Forma cannica de jordan La matriz
en el
teorema anterior se llama la forma cannica de jordan de A.
TEOREMA 2. Suponga que la matriz de 2x2 tiene un valor propio
de multiplicidad algebraica 2 y multiplicidad geomtrica 1. Sea
V1
un vector propio correspondiente a
vector
V2
. Entonces existe un
que satisface la ecuacin

(A - I ) V 2 = V 1
Definicin 2. Vector propio generalizado Sea A una matriz de
2x2 con un solo valor propio

geomtrica 1. Sea
V2
V1
que tiene una multiplicidad
un vector propio de A. entonces el vector
definido por (A - I )
V2
= V 1 se llama vector propio
generalizado de A correspondiente al valor propio .
TEOREMA 3. Suponga que A,

como el teorema anterior y sea
V1
1
y V 2 . Entonces C A C =
V1
V2
estn definidos
la matriz cuyas columnas son

J
, donde
(0 0)
es
la forma cannica de jordan de A.

Pgina43
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
3.5.
Un punto de vista diferente:
teorema de Calyley-Hamilton.
Existen muchos resultados interesantes sobre los valores propios
de una matriz. En esta seccin se estudiara uno de ellos. Dice que
cualquier matriz satisface su propia ecuacin caracterstica
Sea P(X) =
n1
+ an1 x
+ + a1 x + a0 un polinomio y sea A
una matriz cuadrada. Entonces las potencias de A estn definidas y

Se define
n1
n
P(A) = A + an1 A
+ + a1 A + a0 I
SI
( )y
( ) son polinomios en la variable escalar
cuyos coeficientes de matrices cuadradas y si
( )= Q ( )
(A - I ), entonces P(A) = 0.
Teorema de Cayley-Hamilton Toda matriz satisface su propia
ecuacin caracterstica. Es decir si
( ) = 0 es la ecuacin
caracterstica de A, entonces P(A) = 0.

En algunas situaciones el teorema de Cayley-Hamilton es til para
calcular la inversa de una matriz. Si existe
A1
y P(A) = 0,
1
entonces A P(A) = 0. Para utilizar esto,
n1
n
a
a
P( ) = + an1
+ + 1 + 0 , entonces
n1
n
P(A) = A + an1 A
+ + a1 A + a0 I = 0
Y
A
n2
1
n1
a A
a I
P(A) = A
+ an1 A
+ + 2 + 1 + a0 A
=0
Pgina44
Socorro
CAPITULO 3.
PROPIOS
VALORES Y VECTORES
As
A1
Observe que
=
a0
1
n1
a0 ( A
0 porque
an1 A n2
a0
a2 A
a1 I
= detA y se supuso que A era
invertible.

Pgina45
Socorro

Valores Propios, Vectores Propios y Formas Canonicas

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Valores Propios, Vectores Propios y Formas Canonicas

Загружено:

Авторское право:

Доступные форматы

CAPITULO 3.

.1. Valores y vectores caractersticos.

Fuente: LGEBRA LINEAL. Stanley I. Grossman

Definicin 1: Valor y vector caracterstico Sea A una matriz de

con elementos reales. El nmero (complejo o real) recibe

el nombre de valor caracterstico de A si existe algn vector

Se dice que el vector

de A correspondiente al valor caracteristico

TEOREMA 1. Sea A una matriz de

valor caracterstico de A si y slo si

Definicin 2: Ecuacin y polinomio caractersticos La ecuacin

recibe el nombre de ecuacin caracterstica de A; adems,

a P ( ) se llama polinomio caracterstico de A.

un valor caracterstico de la matriz A de

Definicin 3: Espacio caracterstico Sea

espacio caracterstico de A correspondiente al valor caracterstico

TEOREMA 3. Sea A una matriz de

valores propios distintos de A (es decir, i

Fuente: LGEBRA LINEAL. Stanley I. Grossman

vectores propios correspondientes a valores

TEOREMA 4. Los valores propios de una matriz triangular son las

Definicin 4: Multiplicidad geomtrica Sea

de la matriz A; entonces la multiplicidad geomtrica de

nulidad de la matriz A - I ). Esto es,

un valor propio de A. entonces

Multiplicidad geomtrica de multiplicidad algebraica de .

TEOREMA 6. Sea A una matriz de

vectores propios lienalmente independientes si y slo si la

lienalmente independientes si todos los valores propios son distintos

Fuente: LGEBRA LINEAL. Stanley I. Grossman

En esta seccin se describe una relacin interesante y til que se

Definicin 1: Matrices semejantes Se dice que dos matrices A

son semejantes si existe una matriz invertible c de

TEOREMA 1. Si A y b son matrices semejantes de

entonces A y b tienen el mismo polinomio caracterstico y, por lo

Definicin 2: Matriz diagonalizable Una matriz A de n x n es

vectores propios linealmente independientes. En tal

caso, la matriz d semejante a A esta dada por:

son los valores propios de A. si

matriz cuyas columnas son

Fuente: LGEBRA LINEAL. Stanley I. Grossman

tiene A de n valores propios

diferentes, entonces A es diagonalizable.

TEOREMA 3. Sea v un espacio vectorial de dimensin finita con

una transformacin lineal. Si

con respecto a la base

3.3. Matrices simtricas y diagonalizacion

vectores propios reales

linealmente independientes y, por lo tanto es diagonalizable. Se

TEOREMA 1. Sea A una matriz simtrica real de

los valores propios de A son reales.

TEOREMA 2. Sea A una matriz simtrica real de

son valores propios diferentes con vectores propios reales

TEOREMA 3. Sea A una matriz simtrica real de

Entonces A tiene n vectores propios reales ortonormales.

Definicin 1: Matriz diagonalizable ortogonalmente Se dice

existe una matriz ortogonal q tal que

son valores propios de A.

TEOREMA 4. Sea A una matriz real de

diagonalizable ortogonalmente si y slo si A es simtrica.

Forma cannica de jordan.

Es esta seccin se vera que aunque toda matriz no es

vectores propios linealmente

independientes) para analizar bien este caso, se define la matriz