Documente Academic
Documente Profesional
Documente Cultură
Trimestre 2 - 2017
Vectores y valores propios de una transformación lineal
Definición
λ ∈ K es un valor propio de la transformación lineal T : V → V , si
existe v ∈ V tal que
v 6= Θ y T (v) = λv,
Definición
Si λ es un valor propio de T , se define:
Sλ (T ) = {v ∈ V | T (v) = λv}
= Ker(T − λid)
La transformación lineal
T : P2 (R) −→ P2 (R)
p 7−→ T (p(x)) = p(x) + x · p0 (x) + p0 (x),
σ(T ) = {1, 2, 3}
S1 (T ) = h{1}i, asociado a λ = 1,
S2 (T ) = h{x + 1}i, asociado a λ = 2,
2
S3 (T ) = h{x + 2x + 1}i, asociado a λ = 3.
Cálculo eficiente de los valores propios
Propiedad
Dada T : V → V lineal y B es una base de V , las siguientes
afirmaciones son equivalentes.
1. λ es valor propio de T
2. Ker(T − λid) 6= {Θ}
3. n(T − λid) 6= 0
4. n([T ]B
B − λI) 6= 0
5. det([T ]B
B − λI) = 0
Definición
λ ∈ C es un valor propio de A ∈ Mn×n (C), si existe x ∈ Cn tal
que
x 6= Θ y Ax = λx,
en tal caso, decimos que x es un vector propio de A asociado a λ.
El conjunto de todos los valores propios de A se llama espectro de
A y se denota por:
Propiedad
Dada T : V → V lineal y B una base de V , V e.v. sobre K ⊂ C
entonces
I λ ∈ σ(T ) ⇔ λ ∈ σ([T ]B
B) y λ ∈ K
I v es vector propio de T asociado a λ ∈ K ⇔
[v]B es vector propio de [T ]B
B asociado a λ ∈ K.
Polinomio caracterı́stico
Propiedad
λ es valor propio de A ⇔ det(A − λI) = 0.
Definición
Resulta que det(A − xI) es un polinomio en la variable x; lo
llamamos polinomio caracterı́stico de A, y lo denotamos por pA (x).
pT (t) = det [T ]B
B − tI
1−t 1 0
= det 0 2−t 2 = (1 − t)(2 − t)(3 − t).
0 0 3−t
Matrices semejantes
Propiedad
Si A y B son semejantes, entonces:
I A y B representan la misma transformación lineal.
I pA (x) = pB (x),
I σ(A) = σ(B),
I Si M cumple A = M −1 BM e y es vector propio de A,
entonces M y es vector propio de B.
Multiplicidad algebraica y geométrica
Definición
Si la factorización de pT (x) en K es
Definición
La multiplicidad geométrica de λi es
gi = dim(Sλi (T )).
Ejemplo de multiplicidad
T : P2 (R) −→ P2 (R)
p 7−→ T (p(x)) = p(x) + x · p0 (x) + p0 (x),
λ1 = 1, r1 = 1, g1 = dim(S1 (T )) = dim(h{1}i) = 1,
λ2 = 2, r2 = 1, g2 = dim(S2 (T )) = dim(h{x + 1}i) = 1
λ3 = 3, r3 = 1. g3 = dim(S3 (T )) = dim(h{x2 + 2x + 1}i) = 1.
Vectores asociados a valores propios distintos
Propiedad
Si v1 , .., vk son vectores propios asociados a valores propios
distintos λ1 , λ2 , · · · , λk , entonces {v1 , .., vk } es l.i. y
k
X
dim(Sλ1 (T ) ⊕ Sλ2 (T ) ⊕ · · · ⊕ Sλk (T )) = dim(Sλi (T )).
i=1
Multiplicidad algebraica y geométrica
Teorema
Si (ri )ki=1 y (gi )ki=1 son las multiplicidades algebraica y geométrica,
respectivamente, de los v.p. distintos (λi )ki=1 , entonces:
I 1 ≤ gi ≤ ri ,
k ≤ ki=1 gi ≤ ki=1 ri ≤ dim(V ).
P P
I
Diagonalización
Definición
Una transformación lineal T : V → V se dice diagonalizable si
existe una base B de V tal que [T ]B
B es diagonal.
Diagonalización
Teorema
Si (ri )ki=1 y (gi )ki=1 son las multiplicidades algebraica y geométrica,
respectivamente, de los v.p. (λi )ki=1 , entonces son equivalentes:
I T es diagonalizable,
I existe una base de V formada solo por vectores propios de T ,
Xk
I gi = dim(V ),
i=1
Xk
I ri = dim(V ) y ∀i ∈ {1, . . . , k}, gi = ri .
i=1
Ejemplo de transformación diagonalizable
La transformación lineal
T : P2 (R) −→ P2 (R)
p 7−→ T (p(x)) = p(x) + x · p0 (x) + p0 (x),
B 0 = {1, x + 1, x2 + 2x + 1},
es diagonal.
Matrices diagonalizables
Definición
Una matriz A ∈ Mn×n (C) se dice diagonalizable si existe una
matriz P ∈ Mn×n (C) invertible tal que A = P −1 DP , donde
D ∈ Mn×n (C) es una matriz diagonal.
Observación
Las columnas de la matriz P −1 de la definición anterior
corresponden a los vectores propios de A, y D contiene a los
valores propios de A en su diagonal.
El valor propio λi que se localiza en la i−ésima posición de la
diagonal principal de D tiene como vector propio asociado a la
i−ésima columna de P −1 .
Matrices simétricas
Teorema
Toda matriz simétrica A ∈ Mn×n (R) es diagonalizable por una
base ortogonal y σ(A) ⊂ R.
Teorema
t
Toda matriz A ∈ Mn×n (C) tal que A = A es diagonalizable por
una base ortogonal y σ(A) ⊂ R.
Observación
Si A es diagonalizable por una base ortonormal, entonces
P −1 = P t .
Aplicación: Cónicas
Si definimos:
a b x d
L= , v= y k= ,
b c y e
v t Lv + k t v = f.
(P v 0 )t L(P v 0 ) + k t (P v 0 ) = f
o reescribiendo:
(v 0 )t (P t LP )(v 0 ) + (P t k)t (v 0 ) = f,
λ1 (x0 )2 + λ2 (y 0 )2 + d0 x0 + e0 y 0 = f.
Calculamos
2 1 20
√ √ √
−8
k 0 = P t k = 15 5 5
=
2 80 −36
−√ √ √
5 5 5
Ası́, la ecuación de la cónica escrita en las coordenadas de la base
ortogonal B está dada por: