Determinaci on Num erica de Eigenvalores y Eigenvectores.

Jos e Mar a Rico Mart nez Departamento de Ingenier a Mec anica. Universidad de Guanajuato, F. I. M. E. E. Calle Tampico No. 912, Col. Bellavista. CP 36730, Salamanca, Gto., M exico Tel. +52-464-6480911, Fax: +52-464-6472400. E-mail: jrico@salamanca.ugto.mx

Introducci on

Estas notas tienen como objetivo presentar los conceptos fundamentales de la teor a de Eigenvalores y Eigenvectores, tambi en conocidos como valores y vectores carater sticos o como valores y vectores propios, de una matriz cuadrada, as como una revisi on somera de los m etodos num ericos empleados para su determinaci on.

Establecimiento del problema y deniciones.

nn

Considere una matriz A

dada por A= a11 a21 a31 . . . an1 a12 a22 a32 . . . an2 a13 a23 a33 . . . an3 ... ... ... . . . a1n a2n a3n . . . (1)

. . . ann

Denici on: Eigenvalor y Eigenvector. Un vector b n , tal que b = 0, se dice que es un eigenvector, vector propio o vector caracter stico, de la matriz A si y s olo si1 Ab = b, donde C. (2)

Adem as, se dice que el escalar es el eigenvalor, valor propio o valor characteristico de la matriz A asociado al eigenvector b; de manera rec proca, se dice que b es un eigenvector de A asociado al eigenvalor . Debe notarse que, a un cuando la matriz A es real, los eigenvalores asociados a la matriz pueden ser n umeros complejos. Teorema I. El conjunto de todos los eigenvectores b asociados al eigenvalor constituyen un subespacio vectorial de n , concido como el eigenespacio asociado al eigenvalor . Prueba: Es suciente mostrar que el conjunto de vectores E = {b
n

| Ab = b}

est a cerrado respecto a la adici on de vectores y la multiplicaci on por escalar.

1 Debe

notarse que la ecuaci on (2) requiere necesariamente que la matriz deba ser cuadrada.

1. Sean b1 , b2 E , por lo tanto

Ab1 = b1

Ab2 = b2

Puesto que la multiplicaci on de matrices es una operaci on lineal, se tiene que A b1 + b2 = Ab1 + Ab2 = b1 + b2 = b1 + b2 por lo tanto, el conjunto est a cerrado respecto de la adici on. 2. Sea b1 E y , por lo tanto Ab1 = b1 .

Puesto que la multiplicaci on de matrices es una operaci on lineal, se tiene que A b1 = Ab1 = b1 = b1 = b1 . por lo tanto, el conjunto est a cerrado respecto a la multiplicaci on por escalar. Estas dos pruebas parciales verican que el conjunto de todos los eigenvectores b asociados al eigenvalor constituyen un subespacio vectorial de n Considere ahora la ecuaci on (2), que puede reescribirse de la siguiente forma Ab = b, o Ab = In b, o [A In ] b = 0 (3)

on, b = 0, la u nica posibilidad para que donde In es la matriz identidad de orden n. Puesto que, por denici la ecuaci on (3) se satisfaga es que, la matriz [A In ] sea singular y que b sea un elemento del espacio nulo o kernel de la matriz. Una condici on necesaria y suciente para que la matriz [A In ] sea singular es que su determinante sea cero; es decir p() =| A In |= 0. (4) Expandiendo el determinante de la ecuaci on (4), se obtiene una ecuaci on polinomial real de n- esimo orden en . Esta ecuaci on se denomina la ecuaci on caracter stica de la matriz A. Las raices de la ecuaci on caracter stica son los eigenvalores de la matriz y los vectores que satisfacen la ecuaci on (3) son los eigenvectores asociados a los eigenvalores respectivos. Es importante se nalar que si la matriz A es real, la ecuaci on caracter stica de orden n es real. Del teorema fundamental del algebra, se sabe que la ecuaci on (4) tiene n raices cuando se analiza en el campo de los n umeros complejos, tomando en cuenta la multiplicidad de una raiz; es decir, cuantas veces aparece como repetida una raiz. Adem as, si la ecuaci on (4) tiene una raiz compleja o imaginaria, el complejo conjugado de esa raiz, tambi en es raiz de la ecuaci on. En otras palabras, las raices complejas o imaginarias de una ecuaci on polinomial real siempre aparecen como pares conjugados.

M etodo directo de determinaci on de los eigenvalores y eigenvectores de una matriz.

Las observaciones indicadas al t ermino de la secci on 2, constituyen las bases de la determinaci on de eigenvalores y eigenvectores por el m etodo directo. Los pasos necesarios para esta determinaci on se indican a continuaci on. 1. Determine la ecuaci on caracter stica de la matriz; es decir determine p() =| A In |= 0. 2. Encuentre las n raices de la ecuaci on caracter stica. Estas raices son los eigenvalores de la matriz. 2

3. Para cada uno de los eigenvalores determine el subespacio soluci on de la ecuaci on [A In ] b = 0. Estos subespacios soluci on constituyen el eigenespacio asociado al eigenvalor .

3.1

Ejemplo 1.
2 6 A= 4 3 2 3 8 2 2 1 8 0 4 5 4 1

Considere la matriz dada por

La ecuaci on caracter stica de la matriz A est a dada por 0 =| A I4 |= p() = 1636 + 756 49 2 11 3 + 4 La gura 1 muestra la gr aca de la ecuaci on caracter stica, es evidente, de la gura que existen 4 raices reales Las raices de la ecuaci on caracter stica y, por lo tanto, los eigenvalores de la matriz A est an dadas por
2,000

1,000 lambda 8 6 4 2 0 0 2 4 6 8 10

1,000

2,000

3,000

4,000

Figure 1: Gr aca de la Ecuaci on Caracter stica de la Matriz A. 1 = 8.382430513, 2 = 3.094656787, 3 = 6.339424118, 4 = 9.948349608.

Para la determinaci on de los eigenvectores asociados a 1 = 8.382430513, se tienen que realizar los siguientes c alculos. 1. Determinar la matriz A 1 I4 , dada por 16.38243051 2 4 2 14.38243051 2 A 1 I4 = 4 3 0.382430513 2 3 3 4 1 1 0 13.38243051

2. Obtener la forma escalonada reducida de la matriz A 1 I4 , dada por 16.38243051 2.0 4.0 1.0 0 14.13826650 2.488328029 0.8779179928 0 0 5.059299318 13.30306562 0 0 0 0.0000000009

Este resultado parece contradictorio, si los c alculos se hubieran realizado de manera exacta, la matriz A 1 I4 debe ser singular, y el t ermino (4, 4) de la forma escalonada reducida deber a ser igual a 0. La diferencia es el resultado de no realizar los c alculos de manera exacta. a dado por 3. Despreciando el error indicado en el punto anterior, el eigenvector asociado al eigenvalor 1 est la soluci on del sistema 16.38243051 2.0 4.0 1.0 x1 0 x2 0 14.13826650 2.488328029 0.8779179928 x3 = 0 0 0 0 5.059299318 13.30306562 x4 La soluci on est a dada por b1 = 0.2453188593 0.1996149746 1 0.3803107842
T

Es importante se nalar que cualquier m ultiplo escalar de b1 es igualmente un eigenvector de la matriz A asociado al eigenvalor 1 . Procediendo de manera semejante con los restantes eigenvalores, se tiene que 1. Para 2 = 3.094656787, se tiene que b2 = 0.06478833904 0.4579574956 0.1004735120 1
T

2. Para 3 = 6.339424118, se tiene que b3 = 0.5802494150 0.2153771052 0.1168015068 1

T

3. Para 4 = 9.948349608, se tiene que b4 = 1 0.3756429166 0.2856490351 0.05446763308

T

Determinaci on de Eigenvalores y Eigenvectores de Matrices Sim etricas.

Esta secci on inicia deniendo de manera formal una matriz sim etrica. Denici on. Una matriz A nn se dice que es sim etrica, si y s olo si, su transpuesta es igual a la matriz original, es decir: AT = A. Si la matriz cuyos eigenvalores y eigenvectores se desea determinar es sim etrica, entonces es posible encontrar interesantes resultados te oricos que simplican esa determinaci on. Por ejemplo, en la secci on 2, se coment o que 4

los eigenvalores de una matriz real pueden ser reales o complejos, sin embargo, si la matriz es sim etrica, puede probarse que todos sus eigenvalores son reales. Sin embargo, para probar estos resultados, es necesario emplear algunos resultados acerca de matrices denidas sobre el campo de los n umeros complejos y de espacios vectoriales complejos. umeros complejos, C , es Denici on. Considere el espacio vectorial C n , denido sobre el campo de los n posible denir la siguiente forma cuadr atica q : Cn q (v ) = v v,

donde la barra indica la transpuesta conjugado del vector. Es necesario probar que la imagen de este mapeo es efectivamente un n umero real q (v ) = v v =
j =1 T n n n

v j vj =
j =1

(aj + i bj )(aj + i bj ) =
j =1

2 (a2 j + bj )

Teorema II. La forma cuadr atica denida en la denici on anterior es positiva denida. Prueba: Es evidente que q (v ) 0 v C n . En particular, si q (v ) = 0, entonces
n j =1 2 (a2 j + bj ) = 0 aj = bj = 0 j = 1, 2, . . . , n.

Por lo tanto, q (v ) = 0 v = 0. Ahora se analizar an algunas propiedades de matrices complejas. Denici on. Considere el a lgebra de matrices cuadradas, C nn , denidas sobre el campo de los n umeros nn complejos. Una matriz A C se denomina hermitiana si A = A. Donde, A representa la transpuesta conjugada de la matrix A. Es decir, una matriz es hermitiana, si la matriz es igual a su transpuesta conjugada. Puesto que el campo de los n umeros reales es un subcampo de los n umeros complejos, < C , entonces si a , entonces a = a, y se tiene el siguiente resultado. Teorema III. Una matriz sim etrica, real, es una matriz hermitiana. etrica, entonces A = AT , y se tiene que Prueba: Suponga que A nn < C nn es sim A = AT = A. por lo tanto es hermitiana. Teorema IV. Sea A C nn una matriz hermitiana. Entonces umero real para todo x C n , y 1. x A x es un n 2. Todos los eigenvalores de A son reales. Prueba: Para la primera parte, considere el n umero complejo x Ax

=x A x 5

= x Ax

puesto que el n umero complejo satisface la propiedad de que su conjugado es igual al n umero, entonces el n umero complejo es, en realidad, un n umero real. Para la segunda parte considere, un eigenvalor de la matriz A hermitiana y sea x un eigenvector de A asociado a y con la propiedad que su forma cuadr atica q (x) = x x = 1, entonces Ax = x Adem as = x x = x x = x A x. Debe notarse que por el primer resultado de este teorema es un n umero real. Debe recordarse que como indica el Teorema III, todas las matrices sim etricas son hermitianas, de manera que todos los resultados del Teorema IV son aplicables a todas las matrices sim etricas. Puede, adem as, mostrarse que si la matriz es sim etrica los eigenvectores son ortogonales, sin embargo, la prueba de este resultado requiere de conceptos bastante mas complicados.

4.1

Ejemplo 2.
2 6 A= 4 2 1 1 8 2 2 1 8 0 0 5 4 1

Considere la matriz dada por

La ecuaci on caracter stica de la matriz A est a dada por 0 =| A I4 |= p() = 2444 + 946 60 2 11 3 + 4 La gura 2 muestra la gr aca de la ecuaci on caracter stica, es evidente, de la gura que existen 4 raices reales Las raices de la ecuaci on caracter stica y, por lo tanto, los eigenvalores de la matriz A est an dadas por
3,000

2,000 lambda 0 0 2 4 6 8 10

1,000 10 8 6 4 2

1,000

2,000

3,000

4,000

5,000

6,000

Figure 2: Gr aca de la Ecuaci on Caracter stica de la Matriz A.

1 = 9.325502313,

2 = 4.446795311,

3 = 5.915205526,

4 = 9.963501476.

Para la determinaci on de los eigenvectores asociados a 1 = 9.325502313, se tienen que realizar los siguientes c alculos. 1. Determinar la matriz A 1 I4 , dada por 17.32550231 2 4 2 15.32550231 2 A 1 I4 = 4 2 1.325502313 1 1 0

1 1 0 14.32550231

2. Obtener la forma escalonada reducida de la matriz A 1 I4 , dada por 17.32550231 2.0 4.0 1.0 0 15.09462877 2.461747074 0.8845632315 0 0 0.0866122253 14.21594747 0 0 0 0.00000000332

Este resultado parece contradictorio, si los c alculos se hubieran realizado de manera exacta, la matriz A 1 I4 debe ser singular, y el t ermino (4, 4) de la forma escalonada reducida deber a ser igual a 0. La diferencia es el resultado de no realizar los c alculos de manera exacta. a dado por 3. Despreciando el error indicado en el punto anterior, el eigenvector asociado al eigenvalor 1 est la soluci on del sistema 17.32550231 2.0 4.0 1.0 x1 0 x2 0 15.09462877 2.461747074 0.8845632315 x3 = 0 0 x4 0 0 0.0866122253 14.21594747 La soluci on est a dada por b1 = 0.2500102856 0.1627305853 1 0.006092610111
T

Es importante se nalar que cualquier m ultiplo escalar de b1 es igualmente un eigenvector de la matriz A asociado al eigenvalor 1 . Procediendo de manera semejante con los restantes eigenvalores, se tiene que 1. Para 2 = 4.446795311, se tiene que b2 = 0.07156723992 0.4816374493 0.05439198782 1
T

2. Para 3 = 5.915205526, se tiene que b3 = 0.5818315235 1 0.3109782378 0.4569120971

T

3. Para 4 = 9.963501476, se tiene que b4 = 1 0.4961701156 0.1674317099 0.3014344054

T