Documente Academic
Documente Profesional
Documente Cultură
General.
Especficos.
ndice
OBJETIVOS........................................................................................................... 0
General............................................................................................................ 0
Especficos....................................................................................................... 0
1.
Definicin:..................................................................................................... 2
Determinacin de los valores y vectores caractersticos..............................2
Pasos para determinar los valores y vectores caractersticos.......................3
Ejemplos:...................................................................................................... 4
Valores propios complejos............................................................................ 7
Ejemplos....................................................................................................... 7
Espacios caractersticos................................................................................ 8
Valores caractersticos para matrices triangulares.....................................10
1.2.
Diagonalizacin de matrices.................................................................10
1.5.
Matrices unitarias....................................................................................... 14
Matrices hermitiana.................................................................................... 15
Los valores caractersticos de una matriz de Hermite................................15
Matrices diagonalizables Unitariamente.....................................................16
Vectores caractersticos de una matriz hermitiana.....................................16
1.6.
1.7.
Ax=x
Definicin:
Un vector propio de una matriz A de n x n es un vector diferente de cero tal
que Ax = x para algn escalar . Un escalar se llama valor propio si existe
una solucin no trivial x de Ax = x; una x como esta se denomina vector
propio correspondiente.1
Determinacin de los valores y vectores caractersticos.
Para determinar los valores y vectores caractersticos de una matriz A, n x n
sea I la matriz identidad n x n. Al escribir la ecuacin Ax = x en la forma Ix
= Ax se obtiene:
( I A ) x=0
1 Observe que, por definicin un vector propio dese ser distinto de cero, pero
un valor propio si puede ser cero.
Valores y Vectores Caractersticos
Pgina 2
( I A )
( I A )
siguiente teorema.
( I A ) x=0
( I A ) =n +c n1 n1 + c1 + c0
Se llama polinomio caracterstico de A. Esta definicin establece que los
valores caractersticos de una matriz A n x n corresponden a las races del
polinomio caracterstico de A. Debido a que el grado del polinomio
caracterstico de A es igual a n, entonces A de tener cuando mucho a valores
caractersticos distintos.
Veamos explcitamente el polinomio caracterstico para matrices de orden 2 y
3:
Si n= 2, entonces:
a 11 a12
a21 a22
a11 a 12 a13
A ( )= ( a11 + a22+ a33 ) + ( M 11 + M 22 + M 33 ) a21 a 22 a23
a31 a 32 a33
3
( I i A ) x=0
1.
4 1 1
A= 2 5 2
1 1 2
1. Ecuacin caracterstica:
4 1 1
A ( )= ( 4+ 5+2 ) + ( 12+ 9+18 ) 2 5 2
1 1 2
3
A ( )=3 11 2 +39 45
2. Obtencin de los valores propios:
( 3 ) ( 28 +15 )
( 3 ) ( 3 )( 5 )= ( 3 )2 ( 5 )
][ ] [ ]
1 1 1 x
tr
A= 2 2 2 y = r
1 1 1 z
t
[ ][]
1 1
de donde : r 1 t 0
0
1
Con = 5
][ ] [ ]
1 1 1 x
t
A= 2 0 2 y = 2 t
1 1 3 z
t
[]
1
de donde : t 2
1
Vectores propios:
2.
v 1= (1,1,0 ) ,
v 2=( 1,0,1 ) ,
v 3=( 1,2,1 )
[ ]
A= 1 2
5 4
1. Ecuacin caracterstica:
| |
A ( )=2 (1+ 4 ) + 1 2
5 4
A ( )=25 6
( 6 ) ( +1 )
Valores y Vectores Caractersticos
Pgina 5
[]
2
A= 5 2 x = 5 t
5 2 y
t
][ ]
[]
2 1
de donde : t 5
5
2
Con =
[ ][ ] [ ]
A= 2 2 x = t
5 5 y
t
de donde : t
[ ]
1
1
Vectores propios:
3.
A= 2 12
1 5
( 52 ), v =(1,1,)
v 1= 1,
1. Ecuacin caracterstica:
A ( )=2 ( 25 ) + 2 12
1 5
A ( )=2 +3 +2
( +2 ) ( +1 )
3. Obtencin de vectores propios:
Con =
][ ] [ ]
A= 4 12 x = 0
1 1 y
0
[]
donde queda : 0
0
Con =
A=
][ ] [ ]
3 12 x
4t
=
1 4 y
t
[]
de donde : t 4
1
Vectores propios:
v 1= ( 0,0 )
v 2=( 4,1 )
Cn tal que
complejo correspondiente a .
Ejemplos. Nmeros complejos
4.
se aplica
igualmente bien a
Ax= xA
Rn
A=
0 1
1 0
1. Ecuacin caracterstica:
| |
A ( )=2 (+ 0 ) + 0 1
1 0
A ( )=2 +1
( +i ) ( i )
3. Obtencin de vectores propios:
Con =
A=
][ ] [ ]
i 1 x
it
=
1 i y
t
[] [ ]
de donde :t i =i 1
1
i
Con =
][ ] [ ]
A= i 1 x = it
1 i y
t
[ ] []
de donde : t i =i 1
1
i
Vectores propios:
5.
5 1
3 1
v 1= (1,i )
v 2=( 1,i )
1. Ecuacin caracterstica:
| |
A ( )=2 (5+ 1 ) + 5 1
3 1
A ( )=2 +2 +8
+ 1+
( +17 i )
3. Obtencin de vectores propios:
=1+7 i
Con
][ ] [ ]
A= 67i 1 x = it
3
27 i y
t
[] [ ]
de donde : t i =i 1
1
i
Con =
][ ] [ ]
A= i 1 x = it
1 i y
t
[ ] []
de donde : t i =i 1
1
i
Vectores propios:
v 1= (1,i )
v 2=( 1,i )
Espacios caractersticos.
De hecho si A es una matriz de n x n con un valor caracterstico , entonces su
suma tambin es un vector caracterstico correspondiente a , porque:
A ( cx )=c ( Ax )=c ( x )= ( cx )
Tambin es cierto que si
x 1 y x2
1+ x2
x
A
En otras palabras, el conjunto de todos los vectores caractersticos de un valor
caracterstico dado, junto con el vector cero, es un subespacio de
subespacio especial de
Rn
Rn . Este
( 0 ) ( x : x es un vector caracterstico de )
R
Es un subespacio de
Valores y Vectores Caractersticos
Este
Pgina 10
subespacio
se
llama
espacio
Teorema.
{ v1 , v n }
entonces el conjunto
de una matriz A de n x n,
, es linealmente independiente
Demostracin:
Suponga que
{ v1 , v r }
v1
es distinto de
c 1 , c n , tales que:
c 1 v 1++ c p v p =v p +1 ( 5 )
Si se multiplican ambos lados de (5) por A y se usa el hecho de que
aA v k = k v k
c 1 A v 1++ c p A v p =Av p +1
c 1 1 v 1++ c p p v p = p +1 v p+1 ( 6 )
Si se multiplican ambos lados de (5) por
tiene
{ v1 , v p }
( i p +1 )
c i=0
para
i=0, , p . Pero
{ v1 , v p }
2 0 0
A= 1 1 0
5 3 3
2
0
0
A= 1 1
0
5
3
3
A=PD P1
Teorema de la diagonalizacin
Una matriz A de n x n s y slo si, A tienen n vectores propios linealmente
independientes.
De hecho,
A=PD P1
v 1 , v n ,
1 , n ,
entoces:
AP=[ v 1 v 2 v n ] =[ Av 1 Av 2 Av n ] ( 1 )
Mientras que
[ ]
1 0 0
PD=P 0 2 0 =[ 1 v 1 2 v 2 n v n ] ( 2 )
0 0 n
PD P
. Entonces al
multiplicar por la derecha esta relacin por P se tendr AP = Pd. En este caso
(1) y (2) implican que
[ Av 1 Av 2 Av n ]=[ 1 v 1 2 v 2 n v n ] ( 3 )
Igualando columnas, se encuentran que
[ Av 1= 1 v 1 Av 2=2 v 2 Av n= n v n ] ( 4 )
Como P es invertible, sus columnas
1 , n ,
v 1 , v n ,
{ v1 , v n }
es linealmente independiente.
{ v1 , v n }
y si
P =
{ v1 , v n }
, entonces P
es
1 k p ,
1 , p .
es menor o igual
k .
Bk
es igual a la multiplicidad de
k .
x 1 y x2
son
ortogonales.
Demostracin.
Sean
1 y 2
correspondientes a
x 1 . x2 =[ x11 x 12 x1 n ]
x 1 y x2 .
As
A x1 =1 x 1
A x2 =2 x2 .
[]
x 21
x 22 =x x
1 2
x2n
1 ( x 1+ x 2 )= ( 1 x1 ) . x2
( A x1 ) . x 2
( A x1 ) x 2
( x 1 A ) x 2
( x 1 A ) x 2
2 MATRIZ SIMTRICA: es aquella matriz que es igual a su traspuesta.
Valores y Vectores Caractersticos
Pgina 15
x1 ( A x 2 )
x1 ( 2 x 2 )
x1 . ( 2 x2 ) =2 ( x 1 . x 2) .
( 1 2 ) ( x 1 . x 2) =0
x 1 y x2
1 2
se concluye que
x 1 . x2 =0. Por
son ortogonales.
P1 AP=D
Demostracin.
Se supone que A es diagonalizable ortogonalmente, entonces existe una matriz
ortogonal P tal que
1
A=P DP =PDP
P1=Pt , se tiene
A t =( P DPt ) =( ( Pt ) D t ) P =P DPt = A
Por consiguiente, A es simtrica.
Pasos para diagonalizar ortogonalmente una matriz simetrica.
Sea A una matriz simtrica n x n.
1. Determine todos los valores caractersticos de A y la multiplicidad de
cada uno.
2. Par cada valor caracterstico de multiplicidad 1, elija un vector
caracterstico unitario. (Elija cualquier vector caracterstico y despus
normalcelo)
3. Para cada valor caracterstico de multiplicidad
k 2 , encuentre un
matrices unitarias
Definicion.
Una matriz compleja A se denomina unitaria si:
A =A
Cn
Matrices hermitiana
Una matriz real se denomina simtrica si es igual a su propia transpuesta. En el
sistema complejo, el tipo ms til de matriz es aquel que es igual a su propia
transpuesta conjugada.
Definicin.
Se dice que una matriz a es hermitiana si
A= A
v =( a1 +b 1 i ,a 2+ b2 i an +bn i )
Es un vector caracterstico correspondiente, entonces
Av =v
Al multiplicar ambos lados de esta ecuacin por
se tiene
( v Av ) =v A ( v ) =v Av
Se concluye que
v Av es un
v1 y v2
1 y 2 , entonces