Cap´ıtulo 5 Endomorfismos: autovalores, autovectores y
Transcripción
Cap´ıtulo 5 Endomorfismos: autovalores, autovectores y
Capı́tulo 5 Endomorfismos: autovalores, autovectores y diagonalización 5.1 Endomorfismos Un endomorfismo f es una aplicación lineal (también llamada homomorfismo) con el mismo dominio y codominio. Consideraremos en este capı́tulo endomorfismos f : IR n 7→ IR n , siendo IR n espacio vectorial sobre IR. 5.2 Valores y vectores propios Definición 5.1 Se dice que λ ∈ IR es autovalor o valor propio del endomorfismo f en IR n , si existe ⃗x ̸= ⃗0 ∈ IR n tal que f (⃗x) = λ⃗x. Definición 5.2 Sea f un endomorfismo en IR n con autovalor λ. Los vectores ⃗x ∈ IR n tales que f (⃗x) = λ⃗x se denominan vectores propios o autovectores de f correspondientes al autovalor λ. λ puede ser nulo Si ⃗x = ⃗0 ∀λ se cumple que f (⃗0) = λ⃗0, por eso para aceptar λ como autovalor debe existir ⃗x ̸= ⃗0 tal que f (⃗x) = λ⃗x. 2 2 Ejemplo [ ]5.1 Sea la aplicación lineal f : IR 7−→ IR , sobre IR, cuya matriz asociada es A = 10 −18 . Determina si los vectores ⃗u = (2, 1) y ⃗v = (3, 2) son vectores propios de A. En caso 6 −11 afirmativo da el valor del autovalor asociado. [ ][ ] [ ] [ ][ ] [ ] 10 −18 2 2 10 −18 3 −6 A⃗u = = A⃗v = = 6 −11 1 1 6 −11 2 −4 ⃗v es vector propio porque A⃗v = −2⃗v el autovalor asociado es λ = −2 ⃗u es vector propio porque A⃗u = 1⃗u el autovalor asociado es λ = 1 [ Ejemplo 5.2 Sea la aplicación lineal f : IR 2 7−→ IR 2 , cuya matriz asociada es A = Determina si los vectores ⃗u = (6, −5) y ⃗v = (3, −2) son vectores propios de A. [ ][ ] [ ] [ ][ ] [ ] 1 6 6 −24 1 6 3 −9 A⃗u = = A⃗v = = 5 2 −5 20 5 2 −2 11 ⃗u es vector propio porque A⃗u = −4⃗u ⃗v no es vector propio porque no existe s tal que A⃗v = s⃗v , o lo que es lo mismo, (−9, 11) no es múltiplo de (3, −2). 228 1 5 ] 6 . 2 CAPÍTULO 5. ENDOMORFISMOS: AUTOVALORES, AUTOVECTORES Y DIAGONALIZACIÓN229 Ejemplo 5.3 Consideremos el endomorfismo identidad id: IR n − 7 → IR n . Sabemos que su matriz asociada es la identidad. id(⃗x) = I⃗x = ⃗x La aplicación tiene un único valor propio, que es 1. Todos los vectores de IR n son autovectores correspondientes a ese autovalor. Ejemplo 5.4 Consideremos la aplicación lineal f : IR n 7−→ IR n cuya matriz asociada es la matriz λIn con λ ∈ IR. f (⃗x) = λI⃗x = λ⃗x La aplicación tiene un único valor propio, que es λ. Todos los vectores de IR n son autovectores correspondientes a ese autovalor. 5.3 Obtención de los valores propios. Polinomio caracterı́stico Teorema 5.1 Sea el endomorfismo f : IR n 7−→ IR n y An su matriz asociada respecto de la base estándar. λ es valor propio de f ⇔ |A − λI| = 0 ⇔ rg(A − λI) < n. Demostración: λ valor propio si ∃ ⃗x ̸= ⃗0 tal que f (⃗x) = A⃗x = λ⃗x = λI⃗x, siendo I la matriz identidad de orden n, o lo que es lo mismo, si ∃ ⃗x ̸= ⃗0 tal que (A − λI)⃗x = ⃗0 Por tanto λ es valor propio ⇔ el SL (A − λI)⃗x = ⃗0 es compatible indeterminado ⇔ rg (A − λI) < n ⇔ |A − λI| = 0 a11 − λ a . . . a 12 1n a22 − λ . . . a2n Desarrollemos |A − λI| = 0 a21 .. =0 .. .. .. . . . . an1 an2 . . . ann − λ El primer miembro de esta ecuación es un polinomio en λ de grado n, que tiene la forma (−1)n p(λ), siendo p(λ) = λn + an−1 λn−1 + . . . + a1 λ + a0 . En efecto p(λ) = |λI − A| = (−1)n |A − λI|. A p(λ) se le denomina polinomio caracterı́stico de f o polinomio caracterı́stico de la matriz A. Se trata de un polinomio mónico, es decir, con coeficiente uno para el término de mayor grado. Las ecuaciones |λI − A| = 0 y |A − λI| = 0 son iguales, y por tanto tienen las mismas soluciones λ. Esa ecuación se denomina ecuación caracterı́stica de la matriz A. Dada A, la expresión |A − λI| del determinante es la más sencilla de utilizar para cálculos realizados a mano. Sólo debemos tener en cuenta que ese determinante es p(λ) si la matriz es de orden par y −p(λ) si la matriz es de orden impar, ya que p(λ) debe ser mónico. p(λ) y −p(λ) tienen las mismas raı́ces, y esas raı́ces son las soluciones λ que buscamos. De acuerdo con el Teorema Fundamental del Álgebra, todo polinomio de grado n ≥ 1 con coeficientes reales tiene exactamente n raı́ces reales o complejas (contando multiplicidades). Denotamos la multiplicidad de la raı́z λ como pλ . El polinomio (λ − 1)5 tiene 5 raı́ces, todas iguales a 1. El polinomio tiene raı́z 1 con multiplicidad 5. El polinomio λ2 + 1 tiene dos raı́ces complejas, +i y −i. (Las raı́ces complejas siempre forman pares conjugados). El polinomio (λ2 + 1)(1 − λ2 ) tiene dos raı́ces complejas, i y −i y dos raı́ces reales 1 y −1. El polinomio caracterı́stico de A, p(λ), tendrá n raı́ces. Las raı́ces reales del polinomio son los valores propios del endomorfismo f , también designados como valores propios de A. La multiplicidad CAPÍTULO 5. ENDOMORFISMOS: AUTOVALORES, AUTOVECTORES Y DIAGONALIZACIÓN230 algebraica de un autovalor λi se define como su multiplicidad como raı́z del polinomio caracterı́stico, que habı́amos denotado como pλi . Al limitarnos a endomorfismos en el espacio vectorial IR n sobre IR, y no al espacio Cn sobre C, las raı́ces complejas de p(λ) no pueden considerarse como valores propios de A. Suponiendo s raı́ces distintas, incluyendo reales y complejas: p(λ) = (λ − λ1 )pλ1 (λ − λ2 )pλ2 . . . (λ − λs )pλs pλ1 + pλ2 + . . . + pλs = n Si r es el número de raı́ces reales y distintas, r <= s , entonces tenemos r autovalores distintos, y: pλ1 + pλ2 + . . . + pλr ≤ n pλ1 + pλ2 + . . . + pλr = n ⇔ todas las raı́ces son reales Si p(λ) tiene las n raı́ces reales y distintas (por tanto de multiplicidad algebraica 1), entonces: p(λ) = (λ − λ1 )(λ − λ2 ) . . . (λ − λn ) y el endomorfismo tiene n autovalores distintos. Obtención de valores propios: Obtención de las raı́ces reales del polinomio |A − λI|, o lo que es lo mismo, de las soluciones de la ecuación caracterı́stica |A − λI| = 0. 6 −3 1 0 5? Ejemplo 5.5 ¿Es 5 un valor propio de A = 3 2 2 6 5 es autovalor de A ⇔ 5 es solución de la ecuación |A − λI| = 0 ⇔ 1 −3 1 |A − 5I| = 3 −5 5 = −30, por tanto 5 no es autovalor. 2 2 1 [ ] 1 2 Ejemplo 5.6 a) Averigua si λ = 4 es autovalor de A = 4 5 [ 1 b) Determina el valor de c para que λ = 4 sea autovalor de A = 4 |A − 5 I| = 0 2 c ] Sol: −3 2 = −3 − 8 = −11 ̸= 0 ⇒ λ = 4 no es autovalor. a) |A − 4I| = 4 1 −3 2 = −3c + 12 − 8 = −3c + 4 = 0 ⇒ c = 4/3. b) |A − 4I| = 4 c − 4 [ ] 2 3 Ejemplo 5.7 Encuentra los valores propios de A = y un autovector distinto de ⃗0 corres3 −6 pondiente a cada uno de los autovalores encontrados. 2 − s 3 = (2 − s)(−6 − s) − 9 = s2 + 4s − 21 |A − sI| = 3 −6 − s Los autovalores, que son las raı́ces reales del polinomio anterior, son s = −7 y s = 3. [ 2 3 3 −6 ][ ] [ ] x x = −7 y y { 2x + 3y = −7x 3x − 6y = −7y { 9x + 3y = 0 3x + y = 0 ⇒ y = −3x CAPÍTULO 5. ENDOMORFISMOS: AUTOVALORES, AUTOVECTORES Y DIAGONALIZACIÓN231 (1, −3) es autovector correspondiente al autovalor −7 [ ][ ] [ ] [ ] 2 3 1 −7 1 Comprobación: = = −7 3 −6 −3 21 −3 Por el mismo procedimiento se puede calcular un vector propio asociado a λ = 3 5 −2 6 −1 0 3 −8 0 Ejemplo 5.8 Encuentra la ecuación caracterı́stica de A = 0 0 5 4 0 0 0 1 Por ser A − λI una matriz triangular, su determinante es el producto de los elementos de la diagonal principal. p(λ) = (5 − λ)(3 − λ)(5 − λ)(1 − λ) = 0 Ejemplo 5.9 El polinomio caracterı́stico de una matriz 6 × 6 es λ6 − 4λ5 − 12λ4 . Encuentra los valores propios y su multiplicidad algebraica. p(λ) = (λ2 − 4λ − 12)λ4 Tenemos la raı́z λ = 0 con multiplicidad 4 y las raı́ces de λ2 −4λ −12 = 0. Éstas últimas son λ = −2 y λ = 6. Ejemplo 5.10 Obtén los autovalores y multiplicidades del endomorfismo con matriz asociada A = −5 9 7 1 −1 1 −2 0 . 0 0 2 0 0 0 9 0 −5 − λ 9 7 1 −1 1−λ −2 0 Desarrollando | A−λI | = por cofactores de la tercera fila tenemos: 0 0 2−λ 0 0 0 9 0 − λ −5 − λ 9 1 −5 − λ 9 1 − λ 0 = (2 − λ) (−λ) | A − λI | = (2 − λ) −1 = −1 1 − λ 0 0 −λ (2 − λ) (−λ) ((−5 − λ)(1 − λ) + 9) = (2 − λ) (−λ) (−5 + 5λ − λ + λ2 + 9) = (λ2 + 4λ + 4)(2 − λ)(−λ) = (λ + 2)2 (2 − λ)(−λ) Los autovalores son λ = −2 con multiplicidad 2, λ = 2 con multiplicidad 1, y λ = 0 con multiplicidad 1. CAPÍTULO 5. ENDOMORFISMOS: AUTOVALORES, AUTOVECTORES Y DIAGONALIZACIÓN232 5.4 Subespacio propio El conjunto de los vectores propios de un endomorfismo f de IR n correspondientes a un autovalor λ es un subespacio de IR n , denotado como Vλ . En efecto, considerando la matriz estándar A asociada a f , tenemos: Vλ = {⃗x ∈ IR n / A⃗x = λ⃗x} = {⃗x ∈ IR n / (A − λI)⃗x = ⃗0} = Ker(A − λI) En el capı́tulo anterior ya vimos que el núcleo de una aplicación lineal es subespacio vectorial del espacio vectorial inicial. Definición 5.3 Sea f endomorfismo de IR n con matriz estándar asociada A y sea λi un autovalor de f . Al subespacio vectorial de IR n Ker(A − λi I) = {⃗x ∈ IR n /(A − λi I)⃗x = ⃗0} se le denomina subespacio propio correspondiente al valor propio λi . Se denota como Vλi . Observación: Por ser Vλ subespacio vectorial está garantizado que ⃗0 pertenece al conjunto, que la suma de autovectores de λ es cerrada, que el producto por un escalar también, y, cómo consecuencia de lo anterior, que la combinación lineal de autovectores de λ es autovector de λ. A modo de revisión presentamos las demostraciones de estos resultados: • Vλ contiene el vector ⃗0 pues f (⃗0) = ⃗0 = λ⃗0. • El producto por un escalar es cerrado, pues ⃗x ∈ Vλ ⇒ α ⃗x ∈ Vλ f (⃗x) = λ⃗x, entonces f (α ⃗x) = α f (⃗x) = α λ⃗x = λ α⃗x, por tanto α⃗x ∈ Vλ • La suma es cerrada: ⃗x, x⃗′ ∈ Vλ ⇒ ⃗x + x⃗′ ∈ Vλ f (⃗x + x⃗′ ) = f (⃗x) + f (x⃗′ ) = λ⃗x + λx⃗′ = λ(⃗x + x⃗′ ) • Toda combinación lineal de autovectores de un valor propio λ de A es también autovector de ese valor propio. A⃗x = λ⃗x, Ax⃗′ = λx⃗′ A(α⃗x + β x⃗′ ) = αA⃗x + βAx⃗′ = αλ⃗x + βλx⃗′ = λ(α⃗x + β x⃗′ ) luego α⃗x + β x⃗′ es autovector de A correspondiente al autovalor λ. CAPÍTULO 5. ENDOMORFISMOS: AUTOVALORES, AUTOVECTORES Y DIAGONALIZACIÓN233 5.5 Dimensión del subespacio propio Considerando el endomorfismo A − λI : IR n 7−→ IR n dim IR n = dim Ker(A − λI) + dim Im(A − λI) (propiedad de las aplicaciones lineales vista en el capı́tulo anterior) n = dim Vλ + rango (A − λI) dim Vλ = n − rango (A − λI) por ser λ autovalor, rango (A − λI) < n ⇒ 1 ≤ dim Vλ ≤ n dim Vλ = n cuando A − λI sea la matriz nula, es decir, A = λI. En este caso A⃗x = λ⃗x y por tanto Vλ = IR n ∀⃗x ∈ IR n , Se define multiplicidad geométrica de un autovalor λ como la dimensión de Vλ . Teorema 5.2 dimVλ es menor o igual que la multiplicidad algebraica del valor propio λ. 1 ≤ dim Vλ ≤ pλ ≤ n 5.6 Obtención de los subespacios propios En primer lugar se calculan los valores propios, es decir, las raı́ces reales de la ecuación |A − λI| = 0. A continuación: • Se determina Vλi = Ker(A − λi I) para cada valor propio λi , que es lo mismo que determinar la solución de cada sistema homogéneo (A − λi I)⃗x = ⃗0 (un sistema para cada autovalor). La resolución del sistema nos permitirá obtener una base y la dimensión del subespacio propio. • Es conveniente comprobar que dim Vλi esté dentro del rango permitido, 1 ≤ dim Vλi ≤ pλi , siendo pλi la multiplicidad algebraica de λi . 5.7 Propiedades de autovalores y autovectores Teorema 5.3 Los valores propios de una matriz triangular son los elementos de la diagonal principal. Demostración: Se demuestra para una λ a11 a12 a13 A − λI = 0 a22 a23 − 0 0 0 0 a33 λ es un autovalor ⇐⇒ matriz triangular superior y n = 3 0 0 a11 − λ a12 a13 λ 0 = 0 a22 − λ a23 0 λ 0 0 a33 − λ |A − λI| = (a11 − λ)(a22 − λ)(a33 − λ) = 0 Las raı́ces de p(λ) son a11 , a22 , a33 Se obtiene el mismo resultado para una matriz triangular inferior. Teorema 5.4 Si λ es autovalor de A con autovector asociado ⃗x, entonces λk (k = 2, 3, ...) es autovalor de Ak con el mismo autovector asociado ⃗x. k veces Demostración: z }| { Ak ⃗x = A ... A ⃗x = λk ⃗x Teorema 5.5 An es invertible ⇐⇒ el escalar 0 no es autovalor de A. Demostración: A es invertible ⇐⇒ |A| ̸= 0 ⇐⇒ |A − 0I| ̸= 0 ⇐⇒ 0 no es autovalor de A CAPÍTULO 5. ENDOMORFISMOS: AUTOVALORES, AUTOVECTORES Y DIAGONALIZACIÓN234 Teorema 5.6 Si A es invertible y λ autovalor de A con autovector asociado ⃗x, entonces λ−1 es autovalor de A−1 con autovector asociado también ⃗x. Demostración: A⃗x = λ⃗x, A invertible =⇒ ∃A−1 y λ ̸= 0 Multiplicando por A−1 por la izquierda, ⃗x = λA−1 ⃗x A−1 A⃗x = λA−1 ⃗x λ−1 ⃗x = A−1 ⃗x Teorema 5.7 A y At tienen el mismo polinomio caracterı́stico, y por tanto los mismos autovalores y con la misma multiplicidad algebraica. Demostración: It = I =⇒ |At − λI| = |At − λI t | = |(A − λI)t | = |A − λI| |At − λI| = |A − λI| =⇒ A y At tienen el mismo polinomio caracterı́stico y por tanto los mismos autovalores y con la misma multiplicidad algebraica. Ejemplo 5.11 Determina los valores 3 6 −8 4 0 6 B = −2 1 A = 0 0 0 0 2 5 3 propios de las matrices A y B. 0 0 4 Son matrices triangulares, y por tanto sus autovalores son los elementos de la diagonal principal. Los autovalores de A son 3,0,6 y los autovalores de B 4 (multiplicidad algebraica 2) y 1. RECORDAMOS: Dadas dos matrices An y Fn se dice que A es semejante a F si tal que A = P F P −1 . ∃ P invertible Si An es la matriz asociada a un endomorfismo respecto a una determinada base, la misma en el espacio inicial y final, y Fn es semejante a A, entonces F está asociada al mismo endomorfismo relativo a otra base, de nuevo la misma en los espacios inicial y final. Teorema 5.8 Si dos matrices An y Fn son semejantes, entonces tienen el mismo polinomio caracterı́stico, y por tanto los mismos autovalores y con la misma multiplicidad algebraica. Demostración: A y F semejantes =⇒ ∃ P / A = P F P −1 A − λI = P F P −1 − λI = P F P −1 − P λIP −1 = P (F − λI)P −1 |A − λI| = |P ||F − λI||P −1 | = |F − λI| ⇒ |A − λI| = |F − λI| —————————————————————Nota importante: La relación de equivalencia por filas, equivalencia por columnas, o equivalencia en general (filas y/o columnas), no implica la igualdad del polinomio caracterı́stico. [ ] 2 3 Ejemplo 5.12 Calcula el polinomio caracterı́stico y raı́ces de A = y de una matriz equi3 −6 valente por filas a A. Habı́amos calculado el polinomio caracterı́stico de A en un ejemplo anterior (Ejemplo 5.7), resultando p(s) = s2 + 4s − 21, con raı́ces s = −7 y s = 3. Puesto que A es invertible, |A| = −21, A es equivalente por filas a I2 . El polinomio caracterı́stico de I2 es p(s) = (1 − s)2 y con raı́z s = 1 doble. —————————————————————-