Autovalores y Autovectores
-
Upload
anto-vorterix -
Category
Documents
-
view
3 -
download
0
Transcript of Autovalores y Autovectores
José María Martínez Mediano
1
Tema 5. DIAGONALIZACIÓN DE MATRICES Introducción. Potencia de una matriz
Sea
=
32
12A . Supongamos que se desea calcular n
A : → →
=
=
1110
56
32
12
32
122A
=
=
4342
2122
1110
56
32
123A
=
=
171170
8586
4342
2122
32
124A
Determinar una regla para nA no resulta inmediato.
Comprobemos, antes de seguir adelante, que 1−= MDMA , siendo
−=
12
11M y
=
10
04D → Esta última matriz es diagonal.
En efecto, calculando
−
−−−=
−
12
11
3
11M y multiplicando, se ve que:
AMDM =
=
−−
−−−=
−
−−−
−=
−
32
12
96
36
3
1
12
11
3
1
10
04
12
111
Con esto:
( )( ) 12112 · −−− == MMDMDMMDMA → obsérvese que IMM =− ·1
( )( ) 131213 · −−− == MMDMMDMDMA …
1−= MMDAnn ⇒
⇒
−−+−
+−−−−=
−
−−−
−=
14·224·2
1424
3
1
12
11
3
1
10
04
12
11nn
nn
n
nn
A
Se consigue así calcular nA .
El problema está en encontrar M y D. El proceso que nos facilitará determinar las matrices M y D, que permitirán hallar la potencia n−ésima de una matriz, se llama diagonalización.
José María Martínez Mediano
2
Autovalores y autovectores • Definición de autovalor: λ ∈ R (o a C, aunque no lo consideraremos) es un autovalor de
una matriz A, cuadrada, n × n, si existe un vector xr
∈ Rn (a En), 0rr
≠x , tal que xxAsr
λ= . • A x
r se le llama autovector asociado a λ.
También se utilizan los nombres valor propio y vector propio, respectivamente, para autovalor y autovector. Observaciones:
1. Si xxArr
λ= ⇒ xxAxArrr 22 λ=λ= ⇒ … xxA
nn rrλ= .
Por tanto, para determinar cómo actúa nA resulta útil conocer λ y x
r, pues el estudio de nλ es
mucho más sencillo. 2. Si x
r es un autovector asociado a λ, entonces xk
r es otro autovector asociado a λ.
En efecto: si xxAsr
λ= ⇒ ( ) ( ) ( ) ( )xkxkxAkxkArrrr
λ=λ== .
Ejemplo: Si
=
32
12A , λ = 4 es un autovalor si
=
2
1xr
.
En efecto:
=
=
2
1·4
8
4
2
1
32
12
Otros autovectores asociados a λ = 4 son
−
−=
−=
2
1
2
1·1x
r o
=
=
6
3
2
1·3x
r.
(Habitualmente se toma el más sencillo, el correspondiente a k = 1.) Cálculo de autovalores. Ecuación característica.
De xxAsr
λ= ⇒ 0rsr
=λ− xxA ⇒ ( ) 0rs
=λ− xIA → sistema homogéneo, que tiene solución
distinta de la trivial (se buscan 0rr
≠x ) cuando 0=λ− IA .
• Es sistema ( ) 0rs
=λ− xIA recibe el nombre de autosistema.
• A 0=λ− IA se le llama ecuación característica.
• IAP λ−=λ)( es un polinomio de grado n → se llama polinomio característico.
• Las soluciones de 0=λ− IA , de 0)( =λ−=λ IAP , son los valores propios
(autovalores) de la matriz A.
• Si la matriz A es de orden n, IAP λ−=λ)( = 0
......
...
......
.
...
...
21
22221
11211
=
λ−
λ−
λ−
nnnn
n
n
aaa
aaa
aaa
• Los autovalores no tienen porqué ser distintos. El número de veces que se repite un autovalor es su multiplicidad algebraica.
• Si λ es un autovalor de A, una solución no trivial, xr
, de ( ) 0rs
=λ− xIA es un autovector
asociado a ese λ.
José María Martínez Mediano
3
Ejemplo: Si
=
32
12A ⇒ )1)(4(45
32
12 2−λ−λ=+λ−λ=
λ−
λ−=λ− IA
Los autovalores son: λ = 4 y λ = 1.
• Si λ = 4:
=
2
1
2
1 432
12
x
x
x
x ⇔
=
−
−
0
0
432
142
2
1
x
x ⇔
=
−
−
0
0
12
12
2
1
x
x
⇒
=−
=+−
02
02
21
21
xx
xx ⇒
=
=
tx
tx
22
1 → estas serían las componentes de los
autovectores asociados:
=
=
t
t
x
xx
22
1r. En particular, si t = 1,
=
2
1
2
1
x
x.
• Si λ = 1:
=
0
0
22
11
2
1
x
x ⇒
=+
=+
022
0
21
21
xx
xx ⇒
−=
=
tx
tx
2
1 → estas serían las
componentes de los autovectores asociados:
−=
=
t
t
x
xx
2
1r.
En particular, si t = 1,
−=
1
1
2
1
x
x.
Otro ejemplo: Página 382 de Sydsaeter: 14.12 b) →
−−
−
−−
=
463
241
665
B
→ 0
463
241
665
=
λ−−−
λ−−
−−λ−
=λ− IB ⇒ ( ) ( ) 012 2=−λ−λ− ⇒ λ = 2, doble; λ = 1.
• Si λ = 2, ( ) 0rs
=λ− xIB ⇔
=
λ−−−
λ−−
−−λ−
0
0
0
463
241
665
z
y
x
⇔
=
−−
−
−−
0
0
0
663
221
663
z
y
x
⇒
=−−
=++−
=−−
0663
022
0663
zyx
zyx
zyx
⇒
=
=
+=
hz
ty
htx 22
→ htx ·
1
0
2
·
0
1
2
+
=r
. Se toma:
=
0
1
2
1xr
;
=
1
0
2
2xr
.
En este caso la solución del autosistema depende de dos vectores (es la ecuación de un plano, cuya dimensión es 2): es un subespacio vectorial con multiplicidad geométrica igual a 2.
• Si λ = 1, ( ) 0rs
=λ− xIB ⇔
=
−−
−
−−
0
0
0
563
231
664
z
y
x
⇒
⇒
=−−
=++−
=−−
0563
023
0664
zyx
zyx
zyx
⇒
=
−=
=
tz
ty
tx
3
3
→ tx ·
3
1
3
−=r
. Se toma:
−=
3
1
3
3xr
.
José María Martínez Mediano
4
Autovalores de matrices diagonales.
Las matrices diagonales
=
nd
d
d
D
...00
............
0...0
0...0
2
1
, cumplen:
1. ndddD ·...·· 21=
2.
=
n
n
n
n
n
d
d
d
D
...00
............
0...0
0...0
2
1
3. La ecuación característica es: 0
...00
............
0...0
0...0
2
1
=
λ−
λ−
λ−
=λ−
nd
d
d
ID ⇒
=λ
=λ
=λ
nn d
d
d
...22
11
En definitiva, los autovalores de una matriz diagonal son los elementos de esa diagonal.
Ejemplo: Si
=
300
020
001
D ⇒ 1. 63·2·1 ==D . 2.
=n
n
n
nD
300
020
001
.
3. Los valores propios son: λ = 1, 2 y 3. Algunas propiedades de los autovalores 1. La suma de los autovalores es igual a la traza de la matriz A. nnn aaa +++=λ++λ+λ ...... 221121
2. El producto de los autovalores es igual al determinante de la matriz A. An =λλλ ·...·· 21
3. Los autovalores de A son los mismos que los de At.
4. Dos matrices A y B son semejantes si existe una matriz M invertible tal que 1−= MBMA . Con esto, si dos matrices A y B son semejantes, ambas tienen la misma ecuación característica. Por tanto, los autovalores de A y B son los mismos.
En efecto, si 1−= MBMA ⇒ IMBMIA λ−=λ− −1 = 11 −− λ− IMMMBM =
= IBMIBMMIBM λ−=λ−=λ− −− 11 ··)(
5. Sean λ1, λ2, …, λp autovalores, distintos entre sí, de A. Si 1x
r, 2xr
,..., pxr
son autovectores no
nulos, asociados respectivamente a λ1, λ2, …, λp, entonces, el conjunto { 1xr
, 2xr
,..., pxr
} es
linealmente independiente.
José María Martínez Mediano
5
→ Apunte para una demostración: Vamos a demostrarlo para p = 2. Por tanto, se tienen: λ1 ≠ λ2, y 1x
r, 2xr
, ambos vectores no nulos.
Si los vectores fuesen l.d., entonces existen k1 y k2, no nulos, tales que 02211
rrr=+ xkxk .
Por tanto:
( ) 00·2211
rrrr==+ AxkxkA ⇒
⇒ ( ) ( ) ( ) ( ) 022211122112211
rrrrrrr=λ+λ=+=+ xkxkxAkxAkxkAxkA (*)
De 02211
rrr=+ xkxk ⇒ 2211 xkxk
rr−= . Sustituyendo en (*):
( ) 0222221
rrr=λ+−λ xkxk ⇒ ( ) 0· 2212
rr=λ−λ xk ⇒ λ2 = λ1, pues k2 ≠ 0.
Lo que contradice la hipótesis inicial de λ1 ≠ λ2. En consecuencia, el conjunto { 1xr
, 2xr
} es linealmente independiente. Para demostrarlo en general se hace por inducción. Se comprueba para p = 1, se supone cierto hasta p, y demuestra que también es cierto para p + 1.
José María Martínez Mediano
6
Diagonalización Una matriz cuadrada A, de orden n, se dice que es diagonalizable si existe una matriz
invertible P, de orden n, y una matriz diagonal, tal que DAPP =−1 . Otra manera de decirlo es: Una matriz cuadrada A es diagonalizable si es semejante a una matriz diagonal.
• Diagonalizar una matriz A es encontrar las matrices D y P tales que 1−= PDPA • Es evidente que si DAPP =−1 ⇒ 1−= PDPA ⇒ 1−= PPDA
nn El objetivo es determinar qué matrices son diagonalizables y cómo hallar P y D. Teorema. Una matriz cuadrada A, de orden n, es diagonalizable si y sólo si tiene un conjunto
1xr
, 2xr
, ..., nxr
de n autovectores linealmente independientes..
En este caso,
λ
λ
λ
=−
n
APP
...00
............
0...0
0...0
2
1
1 ⇔ 12
1
·
...00
............
0...0
0...0
· −
λ
λ
λ
= PPA
n
donde P es la matriz cuyas columnas son los vectores 1xr
, 2xr
, ..., nxr
y λ1, λ2, …, λn son
autovalores de A. → P = ( 1xr
, 2xr
, ..., nxr
).
Nota: La demostración de este teorema puede verse en la p 386 del Sydsaeter.
Ejemplo: Para la matriz
=
32
12A , vista anteriormente, se tenía:
Autovalores: λ = 4 y λ = 1.
Autovectores asociados: Para λ = 4 → 1xr
=
=
2
1
2
1
x
x; Para λ = 1, 2x
r =
−=
1
1
2
1
x
x.
Por tanto:
=
10
04D ;
−=
12
11P … ⇒
−
−−−=−
12
11
3
11P
Puede verse que:
DAPP =−1 →
=
−
−
−−−
10
04
12
11
32
12
12
11
3
1
¿Qué matrices son diagonalizables? Las condiciones exigidas en el teorema anterior pueden concretarse como sigue: Caso 1. Todos los autovalores son distintos. Si una matriz cuadrada A, de orden n, tiene n autovalores reales distintos, entonces (como consecuencia de la propiedad 5 de los autovalores) el conjunto { 1x
r, 2xr
,..., nxr
} es linealmente
independiente. Luego, la matriz A es diagonalizable.
José María Martínez Mediano
7
Puede observarse que si { 1xr
, 2xr
,..., nxr
} son l.i. ⇒ la matriz P = ( 1xr
, 2xr
, ..., nxr
) es
inversible. Luego puede escribirse que APDP =−1 . Caso 2. Hay autovalores repetidos (múltiples). Una matriz cuadrada A, de orden n, es diagonalizable si y sólo si todos sus autovalores son reales y, además, la multiplicidad geométrica de cada uno coincide con su multiplicidad algebraica. La multiplicidad algebraica es la del autovalor: solución doble, triple… de la ecuación
0)( =λ−=λ IAP .
La multiplicidad geométrica es la de los autovectores respectivos: la dimensión del espacio
vectorial solución del autosistema ( ) 0rs
=λ− xIA . Nota: Este resultado no lo demostramos; lo damos por cierto. Ejemplos:
1. Diagonalización de
−
−−
−
=
310
121
013
A
→ 0
310
121
013
=
λ−−
−λ−−
−λ−
=λ− IA ⇒ ( )( )( ) 0413 =−λ−λλ−
Autovalores: λ = 3; λ = 1; λ = 4. Los tres autovalores son simples ⇒ la matriz es diagonalizable. • Si λ = 3,
( ) 0rs
=λ− xIA ⇔
=
−
−−−
−
0
0
0
010
111
010
z
y
x
⇒
=−
=−−−
=−
0
0
0
y
zyx
y
⇒
=
=
−=
tz
y
tx
0 →
−
=
1
0
1
1xr
• Si λ = 1,
( ) 0rs
=λ− xIA ⇔
=
−
−−
−
0
0
0
210
111
012
z
y
x
⇒
=+−
=−+−
=−
02
0
02
zy
zyx
yx
⇒
=
=
=
tz
ty
tx
2 →
=
1
2
1
2xr
• Si λ = 4,
( ) 0rs
=λ− xIA ⇔
=
−−
−−−
−−
0
0
0
110
121
011
z
y
x
⇒
=−−
=−−−
=−−
0
02
0
zy
zyx
yx
⇒
−=
=
−=
tz
ty
tx
→
−
−
=
1
1
1
3xr
La matriz
=
400
010
003
D . La matriz
−
−
=
111
120
111
P →
−−
−
=−
222
121
303
6
11P
Es fácil comprobar que APDP =−1 .
José María Martínez Mediano
8
2. Diagonalización de
−−
−−
=
103
323
301
A
→ 0
103
323
301
=
λ−−−
λ−
−λ−−
=λ− IA ⇒ ( ) ( ) 042 2=+λ−λ
Autovalores: λ = 2, doble (multiplicidad algebraica 2); y λ = −4, simple.
La matriz A será diagonalizable si la multiplicidad geométrica del sistema ( ) 02rs
=− xIA es 2. Veamos: • Si λ = 2,
( ) 02rs
=− xIA ⇔
=
−−
−−
0
0
0
303
303
303
z
y
x
⇒
=−−
=+
=−−
033
033
033
zx
zx
zx
⇒ (el rango de la matriz de
coeficientes es 1) ⇒
−=
=
=
tz
hy
tx
→ (para t = 1 y h = 0):
−
=
1
0
1
1xr
; (t = 0, h = 1):
=
0
1
0
2xr
Luego, la multiplicidad geométrica es 2: la solución depende de 2 parámetros. Como coincide con la multiplicidad algebraica, la matriz será diagonalizable. • Si λ = −4,
( ) 04rs
=+ xIA ⇔
=
−
−
0
0
0
303
363
303
z
y
x
⇒
=+−
=++
=−
033
0363
033
zx
zyx
zx
⇒
=
−=
=
tz
ty
tx
→
−=
1
1
1
3xr
La matriz
−
=
400
020
002
D . La matriz
−
−=
101
110
101
P →
−
=−
101
121
101
2
11P
Puede comprobarse que APDP =−1 .
Nota. La matriz
−−
−
−−
=
463
241
665
B , vista en un ejemplo anterior, cumplía:
Autovalores: λ = 2, doble; λ = 1. Autovectores:
=
0
1
2
1xr
,
=
1
0
2
2xr
,
−=
3
1
3
3xr
.
Por tanto:
=
100
020
002
D ;
−=
310
101
322
P .
José María Martínez Mediano
9
3. Diagonalización de
−=
240
110
102
A
→ 0
240
110
012
=
λ−
λ−−
λ−
=λ− IA ⇒ ( ) ( ) 032 2=−λ−λ
Autovalores: λ = 2, doble y λ = 3.
La matriz A será diagonalizable si la multiplicidad geométrica del sistema ( ) 02rs
=− xIA es 2. Veamos: • Si λ = 2,
( ) 02rs
=− xIA ⇔
=
−
0
0
0
040
130
010
z
y
x
⇒
=
=+−
=
04
03
0
z
zy
y
⇒ (el rango de la matriz de
coeficientes es 2: la solución depende de un solo parámetro) ⇒
=
=
=
0
0
z
y
tx
→
=
0
0
1
1xr
.
Como no coincide la multiplicidad geométrica con la algebraica, la matriz dada no es diagonalizable.
José María Martínez Mediano
10
Relación de congruencia y diagonalización de matrices simétricas Definición: Una matriz cuadrada C es ortogonal si y sólo si ICCCC
tt == . Esto es, una matriz es ortogonal cuando su inversa coincide con su traspuesta: t
CC =−1 • Si una matriz es ortogonal sus vectores fila (y sus vectores columna) son ortonormales:
tienen módulo 1 y son perpendiculares dos a dos. Por tanto, sus vectores fila (o columna) constituyen una base ortonormal.
La demostración es inmediata. Basta con considerar que ( )( ) 1· =iFiFrr
y ( )( ) 0· =jFiFrr
.
Ejemplo: La matriz
−=
01
10C es ortonormal →
=
−
−=
10
01
01
10
01
10· tCC .
Como puede observarse sus vectores fila con unitarios, y perpendiculares entre sí. • Si una matriz C es ortogonal, entonces 1±=C .
De ICCCCtt == ⇒ 1== CCCC
tt ⇒ 12
=C ⇒ 1±=C .
Congruencia Definición de congruencia: Una matriz cuadrada A es congruente con otra matriz B si y sólo si existe una matriz ortogonal C tal que 1−= CBCA • Cuando la matriz B es diagonal (B ≡ D), se dice que A es diagonalizable mediante
congruencias. Esto es: A es diagonalizable por (mediante) congruencias ⇔ 1−= CDCA , siendo C ortogonal y D diagonal.
Ejemplo: Veamos que la matriz
=
11
11A es diagonalizable por congruencias.
→ 0211
11 2 =λ−λ=λ−
λ−=λ− IA ⇒ Los autovalores son: λ = 0 y λ = 2.
• Si λ = 0:
=
0
0
11
11
y
x ⇒
=+
=+
0
0
yx
yx ⇒
−=
=
ty
tx →
Autovector
−≡
−=
2/1
2/1
1
11xr
. El segundo es unitario.
• Si λ = 2:
=
−
−
0
0
11
11
y
x ⇒
=−
=+−
0
0
yx
yx ⇒
=
=
ty
tx →
Autovector
≡
=
2/1
2/1
1
12xr
. El segundo es unitario.
Los vectores 1xr
y 2xr
son perpendiculares.
La matriz de paso puede ser
−=
11
11P . Pero también lo puede ser
−=
2/12/1
2/12/1C
Como la matriz C es ortogonal, la diagonalización de A por congruencias es: 1−= CDCA .
José María Martínez Mediano
11
Esto es:
−
−=
2/12/1
2/12/1
20
00
2/12/1
2/12/1
11
11.
Congruencia y matrices simétricas Las matrices simétricas cumplen: 1. El polinomio característico IAP λ−=λ)( , de toda matriz simétrica A, tiene solamente
raíces reales. Por tanto, todos los autovalores de A son reales. 2. La dimensión algebraica de un autovalor coincide con la multiplicidad geométrica de los autovalores asociados. 3. Los autovectores asociados a dos autovalores distintos son ortogonales. Esto es si λ1 ≠ λ2, sus autovectores asociados 1x
r y 2x
r verifican que 0· 21 =xx
rr.
4. En general, cualesquiera dos autovectores propios son ortogonales. (Esto es, los autovectores asociados a valores propios múltiples también cumplen la propiedad 2.) Como todo vector puede normalizarse (encontrar un vector de módulo 1 y con la misma dirección que el dado), siempre puede hallarse una matriz de paso, P, que sea ortogonal. Todo lo anterior conduce al siguiente teorema: Teorema espectral para matrices simétricas. Toda matriz simétrica es congruente con alguna matriz diagonal. Dicho de otra manera: toda matriz simétrica A es diagonalizable ortogonalmente. Para el caso de autovalores simples es inmediato puesto que la matriz es diagonalizable con seguridad. Por tanto, basta con normalizar la matriz de paso. Para el caso de autovalores múltiples la demostración requiere conocimientos avanzados de Álgebra → se encuentra en muchos manuales de Álgebra superior. Ejemplo:
1. Diagonalización de la matriz simétrica
=
311
131
113
A
→ 0
311
131
113
=
λ−
λ−
λ−
=λ− IA ⇒ ( ) ( ) 052 2=−λ−λ−
Autovalores: λ = 2, doble; λ = 5. • Si λ = 2,
( ) 0rs
=λ− xIA ⇔
=
0
0
0
111
111
111
z
y
x
⇒ { 0=++ zyx ⇒
−−=
=
=
htz
hy
tx
→
(para t = 1, h = 1) →
−
=
2
1
1
1xr
; (para t = 1, h = −1) →
−=
0
1
1
2xr
José María Martínez Mediano
12
• Si λ = 5,
( ) 0rs
=λ− xIA ⇔
=
−
−
−
0
0
0
211
121
112
z
y
x
⇒
=−+
=+−
=++−
02
02
02
zyx
zyx
zyx
⇒
=
=
=
tz
ty
tx
→
=
1
1
1
3xr
Como puede verse fácilmente los autovectores 1x
r, 2xr
y 3xr
son ortogonales entre sí. Normalizándolos se obtiene:
−
≡
−
=
6/2
6/1
6/1
2
1
1
1xr
;
−≡
−=
0
2/1
2/1
0
1
1
2xr
;
≡
=
3/1
3/1
3/1
1
1
1
3xr
Por tanto:
La matriz
=
500
020
002
D . La matriz
−
−=
3/106/2
3/12/16/1
3/12/16/1
P
La inversa, 1−P , es la traspuesta de P.
Es fácil comprobar que APDP =−1 .
2. Diagonalización de la matriz simétrica
−−
−−
−−
=
511
162
126
A
→ 0=λ− IA ⇒ ( )( )( ) 0386 =−λ−λ−λ−
Autovalores: λ = 6, λ = 8; λ = 3.
Si λ = 6,
−
=
2
1
1
1xr
; Si λ = 8,
−=
0
1
1
2xr
; Si λ = 3,
=
1
1
1
3xr
Como puede verse fácilmente los autovectores 1xr
, 2xr
y 3xr
son ortogonales entre sí. Normalizándolos se obtiene:
−
≡
−
=
6/2
6/1
6/1
2
1
1
1xr
;
−≡
−=
0
2/1
2/1
0
1
1
2xr
;
≡
=
3/1
3/1
3/1
1
1
1
3xr
Por tanto:
=
300
080
006
D ;
−
−=
3/106/2
3/12/16/1
3/12/16/1
P .
Se cumple que APDP =−1 . Nota. La coincidencia de las dos matrices P de los ejemplos anteriores es eso, una coincidencia.