AUTOVALORES Y AUTOVECTORES

CALCULO DE AUTOVALORES Y AUTOVECTORES

Concluimos que si x 0, es un autovector y su correspondiente autovalor,
entonces el sistema homogneo
( A - I ) x = 0,
donde I es la matriz idntica, tiene al menos esa solucin no trivial (el
autovector x 0).
Esta situacin se da si y slo si, la matriz
A - I
es singular, lo cual es equivalente a que
(2.3) A - I = 0.
La ecuacin (2.3) se denomina la ecuacin caracterstica de A y al
determinante A - I , el polinomio caracterstico de A. Todo autovalor
de A es una raz o cero de su polinomio caracterstico.
En el caso de la matriz
(2.4) A =
asociada a la forma cuadrtica, que se estudi en el captulo 6, el polinomio
caracterstico es:
(2.5) A - I = = ( + 2 ) ( - 1 ) 4 =
2
+ - 6
Para calcular (2.5), hemos multiplicado por (-1), simultneamente a 1 - y a
- 2 - , truco no importante que emplearemos continuamente para agilizar
nuestros clculos por medio de un bien conocida producto notable.
Algunos autores definen el polinomio caracterstico como I - A, definicin
que a la larga es equivalente ya que en tal caso
I - A = = = ( - 1 ) ( + 2 ) 2 =
2
+ - 6
1 2
2 -2
1 - 2
2 - 2 -
- 1 2
2 - ( -2 )
- 1 2
2 + 2 )
Sin embargo, por razones tambin poco importantes, hemos optado por la
expresin A - I para el polinomio caracterstico.
Las races del polinomio caracterstico o ceros de la ecuacin caracterstica
(2.6)
2
+ - 6 = 0
son precisamente los autovalores
1
= 2 y
2
= - 3, calculados por
diagonalizacin de la matriz A, en el captulo 6.
La relacin entre el problema de diagonalizacin de matrices y el clculo de los
valores y vectores propios, expuesta en el captulo 6 , la explicaremos de nuevo
para el caso de matrices cuadradas de orden n.
En general, el problema de la diagonalizacin se expresa como, hallar una
matriz B, regular, no necesariamente ortogonal, tal que:
(2.7) B
1
A B = D,
En donde D es una matriz diagonal ( con ceros fuera de la diagonal principal ).
En tal caso se dice que A ha sido diagonalizada por una transformacin
semejante.
La importancia de la diagonalizacin de matrices por medio de transformaciones
semejantes, para la solucin del problema del valor propio ( calculo del
autovalor ), radica en la siguiente proposicin.
Proposicin:
Si las matrices A y C, son semejantes, es decir, estn relacionadas por
una transformacin semejante.
(2.9) B
1
A B = C,
Entonces
El espectro de A o conjunto de sus autovalores es precisamente el
espectro de C, o sea que ambas matrices tienen los mismos autovalores.
Ello se debe a que si es un autovalor de la matriz A, tendremos que:
A x = x, para algn vector x 0.
Por lo tanto, de 2.9
C (B
-1
x) = (C B
1
) x = (B
1
A) x = B
1
(Ax) = B
1
( x) = B
1
( x )
de donde se concluye que es un autovalor de C con autovector B
1
( x ).
Vemos as, que las transformaciones semejantes conservan los autovalores,
mas no los autovectores. Si es un autovalor de A con autovector x, entonces
es tambin un autovalor de
B
1
A B = C, con autovector B
1
x ( asumimos por supuesto que A C.
Por supuesto, que con un razonamiento similar, aplicado ahora a A = B C B
1
,
concluimos que todo autovalor de C es un autovalor de A.
Es decir, como se propuso, A y C tienen los mismos autovalores.
Se puede probar que los autovalores de una matriz diagonal D, son
precisamente los elementos de la diagonal principal. Por lo tanto, si las matrices
cumplen la relacin 2.7
B
1
A B = D,
En donde D es una matriz diagonal, los autovalores de la matriz A, son
precisamente los elementos de la diagonal de la matriz D.
La matriz

A =
fue diagonalizada como
D =
De donde se concluye que sus autovalores son
1
= 2 y
2
= -3.
De paso, en el mismo captulo, los autovectores calculados fueron
v
1
= y v
2
=
2
-2
0
0 -3
25 / 5
5 / 5
-5 / 5
25/5
PROPIEDADES
Teorema 1. Una matriz A, nxn, es singular ssi
0 det A
.
Teorema 2 y definicin previa D2.
v Av
Donde

es un autovalor de A y v es un autovector derecho de A

correspondiente a ese

.
0 ) ( v A I
Como
0 v
,
A I
debe ser singular.
Entonces, por Teor1 debe ser que
0 ) det( A I
Teorema 3. n n
A
tieC:\WINDOWS\hinhem.scrne n autovalores.
Dem:
0 ... ) (
1
1
+ + +

n
n n
a a A I
tiene n races, por teorema fundamental del
lgebra.
Se supondr que todos los k

son distintos, reales y/o complejos conjugados.

Teorema 4. Sea n n
A
, cualquiera. Entonces, existe (se puede encontrar) otra
matriz n n
B
, con autovalores distintos y tal que
B A
, donde

es un
nmero positivo pequeo arbitrariamente preasignado.
El teorema 4 (de Bellman) nos permite trabajar con n n
A
de autovalores
distintos. Esa matriz se puede diagonalizar, o sea, representar por una matriz
) ,..., (
1 n
diag
mediante una transformacin de similaridad
1
M M A
Donde M es una matriz nxn, invertible (no singular). Se obtiene de M AM ,
donde A y son conocidos.
As, muchos teoremas se pueden demostrar, o ilustrar, con sistemas
diagonales, con , en vez de A. Se mantiene la similaridad.
Teorema 5.
) ( ) ( A
.
Dem:
) det( ) det( ) det( 0
1 1 1
M M MIM M M I A I

) det( ) det( ) det( ) det( ] ) ( det[
1 1


I M I M M I M
Nota:
) det(
1
) det(
1
M
M

, general.
0 ) det( M
.
Teorema 6. B, nxn, B B
T
det det
Dem: El determinante se puede desarrollar por col de B (o
T
B ) o por filas de B
(o
T
B ).
Teorema 7.
) ( ) ( A A
T

Dem:
), det( )] det[( ) det( ) det( A I A I A I A I
T T T T

por Teor6.
As
) ( ) ( A A
T

.
Teorema 8.
) ( ) ( A A

Dem: Basta considerar el caso diagonal, por el Teor4.

Si todos los
n k
k
,..., 1 ,
son reales, A A

, y no hay nada que demostrar.

Si hay un par de
) ( A
k

complejos conjugados, en la diagonal de A aparece, por

ejemplo:
1
]
1

+
jb a
jb a
0
0
, para
. , ) ( ) ( R b a jb a jb a
k k
+


En la diagonal de

A , estos
) (

A
k

seran
1
]
1

jb a
jb a
0
0
,
) ( , jb a
k k
t

, en otro orden.
Teorema 9.
) ( ) ( A A
H

Dem: H = *T = T*. Rigen Teor7 y Teor8 copulativamente (uno tras otro, o
viceversa).
Ejemplo:
Parte de
jb a
jb a
jb a
A t
1
]
1

2 1
, ,
0
0
. , R b a
Parte de
jb a
jb a
jb a
A
H
t
1
]
1

2 1
, ,
0
0

(en orden cambiado)
Teorema 10. Si i
v
es un autovector derecho (o izquierdo) de
) ( A
i

, entonces
C R v
i
,
, tambin es un autovector.
Dem:
0 ) )( ( 0 ) (
0 ) )( ( 0 ) (


A I w A I w
v A I v A I
i
H
i i
H
i
i i i i


H
i
w
es el autovector izquierdo de
) (A
i

.
As i
v
se puede normalizar, de modo que
1
i
H
i
v v
, largo 1.
Pero solo uno de los conjuntos
{ }
i
v
,
{ }
H
i
w
, puede ser normalizado a la vez, ya
que se demostrar que
. ,..., 1 , 1 n i v w
i
H
i

Teorema 11. Sea A, nxn, con todos sus
) ( A
i

distintos. Entonces:
(1) Existe a lo menos un autovector, i
v
, asociado con
). ,..., 1 ( n i
i

(2) Si A y i

son reales, i
v
puede ser tomado como real.
Dem:
. 0 ) det( A I
i

Por ende,
A I
i

es singular, por el Teor1, y existe un
0
i
v
tal que
0 ) (
i i
v A I
.
Si
j v
i
+
, con

, i

y A reales:
) ( ) ( j j A
i
+ +
O sea,
. ,
i i
A A
Como al menos uno de
,
debe ser
0
, se puede elegir i
v
como real.
Una matriz puede tener diversos i
v
linealmente independientes entre s para
cada i

. Un mltiplo de i
v
, no se considera como un
'
i
v
independiente.
Ejemplo:
: . ,
0
0
2 1 i i i
v Av b a
b
a
A
1
]
1

1)

a b a a a
b
a

1
]
1

1
]
1

1
]
1

; ;
0
0
. Entonces,

cualquiera; se elige 1 ,
. 0
As
... ,
0
20
,
0
1
,
0
1
1
v
1
]
1

1
]
1

1
]
1

1
]
1

2)

b b b a b
b
a

1
]
1

1
]
1

1
]
1

;
0
0
.
As
1
]
1

1
]
1

0
1
2

v
, o un mltiplo de
1
]
1

0
1
. Nota: si b = 0,
1

= a,
2

= 0,
1
]
1

1
]
1

0
1
,
0
1
1 1
v v

Ejemplo:
1
]
1

b
a
A w A w
H
i i
H
i
0
0

1)
] 0 1 [ ]; [ ] [ ] [
0
0
] [
1 1 1 1 1 1 1 1 1

1
]
1

H
w a a b a a
b
a

2)
] 1 0 [ ]; [ ] [ ] [
0
0
] [
2 1 1 1 1 1 1 1 1

1
]
1

H
w b b b a a
b
a

Nota: Para uso posterior. Sea
[ ]
1
]
1

1 0
0 1
2 1
v v P
. Entonces,
.
1 0
0 1
1
1
]
1

P
Sus
filas, son
H
w
1
y
H
w
2
.
Teorema 12. Si f(A) es un polinomio en A y v es un autovector asociado con
un autovalor

, entonces
. ) ( ) ( v f v A f
As,
) ( f
es un autovalor de f(A) y v es el correspondiente autovector.
Dem: Sea
... ) (
3 2
+ + + cA bA aA A f
. ) ( ...) ( ...
... ... ... ) (
3 2 2 2
2 2
v f v c b a Av c v b v a
Av cA Av b v a v cA v bA v a Av cA bAAv aAv v A f


+ + + + + +
+ + + + + + + + +
Teorema 13. Sea A, nxn, con sus n autovalores distintos y sus n autovectores
asociados linealmente independientes entre s,
{ }
i
v
Sea
[ ]
2 1
,..., v v P
se calcula
1
P , que existe por la independencia de los i
v
, y
sus filas se denotan por
{ }
H
i
w
. (o
{ }
T
i
w
, en casos reales)
Entonces
ij i
H
j
v w
(Delta de Kronecker) =

'

i j
i j
, 0
, 1
Dem: Basta un caso 2 2 :
1
]
1

d b
c a
v v P ] [
2 1 , donde
1
]
1

b
a
v
1 ,
1
]
1

d
c
v
2 .
1
]
1

H
H
w
w d b
c a
P
2
1
;
( ) bc ad
1
]
1

1
]
1

a b
w
c d
w
H H
2 1
Entonces:
[ ]
1
]
1

1
]
1

1
]
1

1 0
0 1
2 2 1 2
2 1 1 1
2 1
2
1 1
v w v w
v w v w
v v
w
w
P P
H H
H H
H
H
As: 0 , 0 , 1 , 1
1 2 2 1 2 2 1 1
v w v w v w v w
H H H H
En general, para nxn

'

j i
i j
v w
ij i
H
j
, 0
, 1

;
n i j ,..., 1 ,
Teorema 14. Con las mismas hiptesis del Teor13, demostrar

n
i
H
i i
I w v
1
Dem: Basta el caso 2 2 :
[ ] I w v w v
w
w
v v PP I
H H
H
H
+
1
]
1

2 2 1 1
2
1
2 1
1
En general:

n
i
H
i i
I w v
1
Teorema 15.
H
i i
H
i
w A w
Dem:
0 ) ( 0 ) ( 0 ) (
9

i
H
i
H
i
Teor Por
H
i
H
i i i
w A I v A I v v A I

Pero
0 , 0
H
i i
v v
, y:
0 ) (
i
H
i
w A I
[Los i
w
son autovalores derechos de
H
A o
T
A ]
O bien:
0 ) (
H
i
H
i
A I w
As:
H
i i
H
i
w A w
Los
H
i
w
son autovectores izquierdos de A
Teorema 16.

n
i
H
i i i
w v A
1

, suma didica.
Dem:



n
i
H
j i i
n
i
H
j i
H
j i i
H
j i i i i
w v w Av w v w Av v Av
1 1

n
i
H
j i i
n
i
H
j i
w v w v A
1 1

; Por Teor13.

n
i
H
j i i
w v A AI
1

; Por Teor14.
Teorema 17. ) ,..., ( ,
2 1
1
diag P P A

Dem1: Basta 2 2
[ ]

1
]
1

1
]
1

1
]
1

1
]
1

2
1
2
1
2 2
1 1
2
1
2
1
2 1
0
0
0
0
i
H
i i i
H
H
H
H
w v
w
w
v
v
w
w
v v A

Esto satisface el Teor16 y rige para nxn.

Dem2:
[ ] [ ] [ ] [ ]

1
]
1

2
1
2 1 2 2 1 1 2 1 2 1
0
0

P P
v v v v v v A Av Av
[ ] [ ]
1
1
2 1 2 1

P P v v v v A ; rige para nxn.

Teorema 18.

n
i
H
i i i
P P w v A
1
1 2 2 2

Dem:
[ ]
1
]
1

1
]
1

H
H
w
w
v v P P P P P P AA A P P A
2
1
2
2
2
1
2 1
1 2 1 1 2 1
0
0
] ][ [ ,

2
1
2
i
H
i i i
w v
; En general, nxn.
Teorema 19. Si f(A) es un polinomio en A, entonces
1
1
) ( ) ( ) (

P Pf w v f A f
n
i
H
i i i

Dem: Similar a Dem. de Teor12 y usando Teor17, Teor18 y sus extensiones a

mayores potencias.
Ejemplo:
2 , 1 ;
2 3
0 1
2 1

1
]
1

A
[ ] [ ] 1 3 ,
1
0
, 0 1 ,
3
1
2 2 1 1

1
]
1

1
]
1

H H
w v w v
1
]
1

1
]
1

+
1
]
1

+
1 0
0 1
1 3
0 0
0 3
0 1
2 2 1 1
H H
w v w v
0 , 0 , 1 , 1
1 2 2 1 2 2 1 1

H H H H
w v w v w v w v
A w v w v
H H

1
]
1

1
]
1

+
1
]
1

+
2 3
0 1
1 3
0 0
) 2 (
0 3
0 1
) 1 (
2 2 2 1 1 1