nota existen vectores especiales para los cuales la … · concluimos que (−h´ector fabi´an...
TRANSCRIPT
Valores y vectores propios
NOTA Existen vectores especiales para los cuales la accion de latransformacion es muy sencilla: el vector y su imagen tienen la mismadireccion
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
NOTA Existen vectores especiales para los cuales la accion de latransformacion es muy sencilla: el vector y su imagen tienen la mismadireccion T(v) = λv.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
NOTA Existen vectores especiales para los cuales la accion de latransformacion es muy sencilla: el vector y su imagen tienen la mismadireccion T(v) = λv.
EJEM: Sea T : R2 → R2, definida por T(x) = Ax , donde
A =
(
3/2 31 1
)
entoces
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
NOTA Existen vectores especiales para los cuales la accion de latransformacion es muy sencilla: el vector y su imagen tienen la mismadireccion T(v) = λv.
EJEM: Sea T : R2 → R2, definida por T(x) = Ax , donde
A =
(
3/2 31 1
)
entoces
T
(
2
1
)
= 3
(
2
1
)
(estira) T
(
−3
2
)
= −1
2
(
−3
2
)
(encoge y sentido)
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
NOTA Existen vectores especiales para los cuales la accion de latransformacion es muy sencilla: el vector y su imagen tienen la mismadireccion T(v) = λv.
EJEM: Sea T : R2 → R2, definida por T(x) = Ax , donde
A =
(
3/2 31 1
)
entoces
T
(
2
1
)
= 3
(
2
1
)
(estira) T
(
−3
2
)
= −1
2
(
−3
2
)
(encoge y sentido)
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
NOTA Existen vectores especiales para los cuales la accion de latransformacion es muy sencilla: el vector y su imagen tienen la mismadireccion T(v) = λv.
EJEM: Sea T : R2 → R2, definida por T(x) = Ax , donde
A =
(
3/2 31 1
)
entoces
T
(
2
1
)
= 3
(
2
1
)
(estira) T
(
−3
2
)
= −1
2
(
−3
2
)
(encoge y sentido)
OBJETIVO: Estudiar los valores y vectores propios de T como unapropiedad de las matrices asociadas AT .
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
Av = λv, v = 0, entonces λ puede ser cualquier numero real.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
Av = λv, v = 0, entonces λ puede ser cualquier numero real.
Si v es un vector tal que T(v) = Av = v, decimos que v es un vectorinvariante para T definida por la matriz A.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
EJEM: Consideremos A =
1 0 31 −1 2−1 1 −2
Verifiquemos que
u =
−3−11
y v =
−1−11
son vectores propios de A asociados a los
valores propios λ1 = 0 y λ2 = −2,
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
EJEM: Consideremos A =
1 0 31 −1 2−1 1 −2
Verifiquemos que
u =
−3−11
y v =
−1−11
son vectores propios de A asociados a los
valores propios λ1 = 0 y λ2 = −2,
SOL: Au = 0u y Av = −2v
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
EJEM: Consideremos A =
1 0 31 −1 2−1 1 −2
Verifiquemos que
u =
−3−11
y v =
−1−11
son vectores propios de A asociados a los
valores propios λ1 = 0 y λ2 = −2,
SOL: Au = 0u y Av = −2v
OBS: Un vector propio asociado a λ es una solucion no nula de Ax = λxes decir, solucion de (A− λI )x = 0. Luego para garantizar solucionesx 6= 0, el det (A− λI )
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios
DEF: Dada A una matriz n× n, decimos que λ ∈ R es un valor propio deA y que v ∈ R
n, v 6= 0, es un vector propio de A asociado a λ, si y solo si,
Av = λv.
EJEM: Consideremos A =
1 0 31 −1 2−1 1 −2
Verifiquemos que
u =
−3−11
y v =
−1−11
son vectores propios de A asociados a los
valores propios λ1 = 0 y λ2 = −2,
SOL: Au = 0u y Av = −2v
OBS: Un vector propio asociado a λ es una solucion no nula de Ax = λxes decir, solucion de (A− λI )x = 0. Luego para garantizar solucionesx 6= 0, el det (A− λI ) = 0
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
EJEM: Encontremos todos los valores y vectores propios de la matriz
A =
1 0 31 −1 2−1 1 −2
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
EJEM: Encontremos todos los valores y vectores propios de la matriz
A =
1 0 31 −1 2−1 1 −2
SOL: Como el det (A− λI ) = −λ3 − 2λ2 ,
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
EJEM: Encontremos todos los valores y vectores propios de la matriz
A =
1 0 31 −1 2−1 1 −2
SOL: Como el det (A− λI ) = −λ3 − 2λ2 = 0, entonces los valorespropios de A son λ = 0 y λ = −2
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
EJEM: Encontremos todos los valores y vectores propios de la matriz
A =
1 0 31 −1 2−1 1 −2
SOL: Como el det (A− λI ) = −λ3 − 2λ2 = 0, entonces los valorespropios de A son λ = 0 y λ = −2
Hallemos los vectores propios, resolviendo (A− 0I )x = Ax = 0 y(A+ 2I )x = Ax = 0,
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
EJEM: Encontremos todos los valores y vectores propios de la matriz
A =
1 0 31 −1 2−1 1 −2
SOL: Como el det (A− λI ) = −λ3 − 2λ2 = 0, entonces los valorespropios de A son λ = 0 y λ = −2
Hallemos los vectores propios, resolviendo (A− 0I )x = Ax = 0 y(A+ 2I )x = Ax = 0, obtenemos
Solλ=0 =
α
−3−11
, α ∈ R
Solλ=2 =
β
−1−11
, β ∈ R
.
Concluimos que (−1,−1, 1)T y (−3,−1, 1)T son vectores propios de AHector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
TEO Una matriz A es invertible, si y solo si, λ = 0 no es un valor propiode A.
DEM:...
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
TEO Una matriz A es invertible, si y solo si, λ = 0 no es un valor propiode A.
DEM:...
DEF: Dada una matriz A, decimos que p(λ) = det (A− λI ) es elpolinomio caracterıstico de A.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizacion de los vectores y valores propios
TEO Sea A una matriz cuadrada. Entonces
λ ∈ R es valor propio de A, si y solo si, det (A− λI ) = 0.
v es un vector propio de A asociado al valor propio λ, si y solo si, ves una solucion no trivial de (A− λI )x = 0.
TEO Una matriz A es invertible, si y solo si, λ = 0 no es un valor propiode A.
DEM:...
DEF: Dada una matriz A, decimos que p(λ) = det (A− λI ) es elpolinomio caracterıstico de A.
EJEM: Calculemos el polinomio caracterıstico de la matriz
A =
3 −1 70 5 20 0 −1
y la matriz B =
(
2 −15 −2
)
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio Eλ Multi Algebraica y Geometrica
DEF: A la multiplicidad de una raız real λ del polinomio caracterısticode la matriz A le llamamos multiplicidad algebraica del valor propio λ
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio Eλ Multi Algebraica y Geometrica
DEF: A la multiplicidad de una raız real λ del polinomio caracterısticode la matriz A le llamamos multiplicidad algebraica del valor propio λ
EJEM: Si A =
3 −1 70 5 20 0 −1
despues de una serie de calculos,
tenemos que su polinomio caracterıstico es
p(λ) = det (A− λI ) = −λ3 + 5λ2 − 8λ+ 4 = (1− λ)(λ− 2)2.
Ası, que λ = 1 es un valor propio de multiplicidad algebraica 1 y λ2 = 2es un valor propio de multiplicidad algebraica 2.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio Eλ Multi Algebraica y Geometrica
DEF: A la multiplicidad de una raız real λ del polinomio caracterısticode la matriz A le llamamos multiplicidad algebraica del valor propio λ
EJEM: Si A =
3 −1 70 5 20 0 −1
despues de una serie de calculos,
tenemos que su polinomio caracterıstico es
p(λ) = det (A− λI ) = −λ3 + 5λ2 − 8λ+ 4 = (1− λ)(λ− 2)2.
Ası, que λ = 1 es un valor propio de multiplicidad algebraica 1 y λ2 = 2es un valor propio de multiplicidad algebraica 2.
DEF: Dada A una matriz de tamano n × n y λ ∈ R un valor propio deA, definimos E(λ), el espacio propio de A asociado a λ, como
E(λ) = N(A−λI ) = {x ∈ Rn : (A− λI )x = 0}.
y definimos la multiplicidad geometrica del valor propio λ comodim(E(λ)).
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio E(λ) Multi Algebraica y Geometrica
EJEM: Dada la matriz A =
4 2 32 1 2−1 −2 0
determine las
multiplicidades geometricas de sus valores propios; es decir, dim(E(λ)).
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio E(λ) Multi Algebraica y Geometrica
EJEM: Dada la matriz A =
4 2 32 1 2−1 −2 0
determine las
multiplicidades geometricas de sus valores propios; es decir, dim(E(λ)).
SOL: No es difıcil ver que el polinomio caracterıstico de A,
p(λ) = det (A− λI ) = −λ3 + 5λ2 − 7λ+ 3 = (λ− 1)2(3− λ).
Ası que sus valores propios son λ1 = 1 de multiplicidad algebraica 2 yλ2 = 3 de multiplicidad algebraica 1.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio E(λ) Multi Algebraica y Geometrica
EJEM: Dada la matriz A =
4 2 32 1 2−1 −2 0
determine las
multiplicidades geometricas de sus valores propios; es decir, dim(E(λ)).
SOL: No es difıcil ver que el polinomio caracterıstico de A,
p(λ) = det (A− λI ) = −λ3 + 5λ2 − 7λ+ 3 = (λ− 1)2(3− λ).
Ası que sus valores propios son λ1 = 1 de multiplicidad algebraica 2 yλ2 = 3 de multiplicidad algebraica 1.
Los espacios propios son:
E(1) = N(A−1I ) =
E(3) = N(A−3I )
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio E(λ) Multi Algebraica y Geometrica
EJEM: Dada la matriz A =
4 2 32 1 2−1 −2 0
determine las
multiplicidades geometricas de sus valores propios; es decir, dim(E(λ)).
SOL: No es difıcil ver que el polinomio caracterıstico de A,
p(λ) = det (A− λI ) = −λ3 + 5λ2 − 7λ+ 3 = (λ− 1)2(3− λ).
Ası que sus valores propios son λ1 = 1 de multiplicidad algebraica 2 yλ2 = 3 de multiplicidad algebraica 1.
Los espacios propios son:
E(1) = N(A−1I ) ={
x ∈ R3 : (A− 1I )x = 0} = gen{
10−1
}
E(3) = N(A−3I ) ={
x ∈ R3 : (A− 3I )x = 0} = gen{
−5−23
}
Hector Fabian Ramırez Ospina Algebra lineal Basica
Espacio propio E(λ) Multi Algebraica y Geometrica
EJEM: Dada la matriz A =
4 2 32 1 2−1 −2 0
determine las
multiplicidades geometricas de sus valores propios; es decir, dim(E(λ)).
SOL: No es difıcil ver que el polinomio caracterıstico de A,
p(λ) = det (A− λI ) = −λ3 + 5λ2 − 7λ+ 3 = (λ− 1)2(3− λ).
Ası que sus valores propios son λ1 = 1 de multiplicidad algebraica 2 yλ2 = 3 de multiplicidad algebraica 1.
Los espacios propios son:
E(1) = N(A−1I ) ={
x ∈ R3 : (A− 1I )x = 0} = gen{
10−1
}
E(3) = N(A−3I ) ={
x ∈ R3 : (A− 3I )x = 0} = gen{
−5−23
}
dim(E(1)) = dim(E(3)) = 1 es decir, tienen multiplicidades geometricas 1.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Calculo de Valores y Vectores Propios
Pasos a seguir
1 Calcular el polinomio caracterıstico p(λ) = det (A− λI ).
Hector Fabian Ramırez Ospina Algebra lineal Basica
Calculo de Valores y Vectores Propios
Pasos a seguir
1 Calcular el polinomio caracterıstico p(λ) = det (A− λI ).
2 Calcular las raıces reales de p(λ)
Hector Fabian Ramırez Ospina Algebra lineal Basica
Calculo de Valores y Vectores Propios
Pasos a seguir
1 Calcular el polinomio caracterıstico p(λ) = det (A− λI ).
2 Calcular las raıces reales de p(λ) (valores propios de A).
Hector Fabian Ramırez Ospina Algebra lineal Basica
Calculo de Valores y Vectores Propios
Pasos a seguir
1 Calcular el polinomio caracterıstico p(λ) = det (A− λI ).
2 Calcular las raıces reales de p(λ) (valores propios de A).
3 Resolver el sistema homogeneo (A− λI )x = 0, para cada valor de λ.(vectores propios de A asociados a λ)
Hector Fabian Ramırez Ospina Algebra lineal Basica
Calculo de Valores y Vectores Propios
Pasos a seguir
1 Calcular el polinomio caracterıstico p(λ) = det (A− λI ).
2 Calcular las raıces reales de p(λ) (valores propios de A).
3 Resolver el sistema homogeneo (A− λI )x = 0, para cada valor de λ.(vectores propios de A asociados a λ)
EJEM: Hallar los valores y vectores propios de A =
(
3 −2−3 2
)
SOL:...profesor
Hector Fabian Ramırez Ospina Algebra lineal Basica
Calculo de Valores y Vectores Propios
Pasos a seguir
1 Calcular el polinomio caracterıstico p(λ) = det (A− λI ).
2 Calcular las raıces reales de p(λ) (valores propios de A).
3 Resolver el sistema homogeneo (A− λI )x = 0, para cada valor de λ.(vectores propios de A asociados a λ)
EJEM: Hallar los valores y vectores propios de A =
(
3 −2−3 2
)
SOL:...profesor
EJEM: Halle los valores y vectores propios de A =
0 1 0−1 0 00 0 2
Hector Fabian Ramırez Ospina Algebra lineal Basica
Calculo de Valores y Vectores Propios
Pasos a seguir
1 Calcular el polinomio caracterıstico p(λ) = det (A− λI ).
2 Calcular las raıces reales de p(λ) (valores propios de A).
3 Resolver el sistema homogeneo (A− λI )x = 0, para cada valor de λ.(vectores propios de A asociados a λ)
EJEM: Hallar los valores y vectores propios de A =
(
3 −2−3 2
)
SOL:...profesor
EJEM: Halle los valores y vectores propios de A =
0 1 0−1 0 00 0 2
SOL: No es difıcil ver
p(λ) = det (A− λI ) = (2− λ)(λ2 + 1)
Continuar...
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
TEO: Si λ1, λ2, . . . , λk son valores propios distintos de una matriz A(n),entonces
1 El conjunto de vectores propios {v1, v2, . . . , vk} de A asociadosλ1, λ2, . . . , λk es l .i .
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
TEO: Si λ1, λ2, . . . , λk son valores propios distintos de una matriz A(n),entonces
1 El conjunto de vectores propios {v1, v2, . . . , vk} de A asociadosλ1, λ2, . . . , λk es l .i .
2 Si B1,B2, . . . ,Bk son bases de los espacios propios Eλ1,Eλ2
, . . . ,Eλk,
entonces B = B1 ∪ B2 ∪ · · · ∪ Bk es un conjunto l .i .. En el caso, deque B tenga n elementos, entonces B es una base de R
n.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos la independencia de los vectores propios distintos
de la matrix A
1 1 1 10 2 0 00 0 1 00 3 3 1
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos la independencia de los vectores propios distintos
de la matrix A
1 1 1 10 2 0 00 0 1 00 3 3 1
SOL: No es dificil ver que el polinomio caracterıstico de A es :
p(λ) = λ4 − 5λ3 + 9λ2 − 7λ+ 2 = (λ− 2)(λ− 1)3
y por lo tanto, sus valores propios son λ1 = 2 de multiplicidad algebraica1 y λ2 = 1 de multiplicidad algebraica 3.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos la independencia de los vectores propios distintos
de la matrix A
1 1 1 10 2 0 00 0 1 00 3 3 1
SOL: No es dificil ver que el polinomio caracterıstico de A es :
p(λ) = λ4 − 5λ3 + 9λ2 − 7λ+ 2 = (λ− 2)(λ− 1)3
y por lo tanto, sus valores propios son λ1 = 2 de multiplicidad algebraica1 y λ2 = 1 de multiplicidad algebraica 3. Al resolver los sistemashomogeneos (A− 2I )x = 0 y (A− I )x = 0 encontramos
E(2) = gen{
4103
} E(1) = gen{
1000
}
Ası que la multiplicidad geometrica de λ1 = 2, λ2 = 1 es 1, y claramenteson l .i
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos que los vectores propios de la matrix A
5 4 24 5 22 2 2
forman una base de R3
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos que los vectores propios de la matrix A
5 4 24 5 22 2 2
forman una base de R3
SOL: No es dificil ver que el polinomio caracterıstico de A es :
p(λ) = −λ3 + 12λ2 − 21λ+ 10 = −(λ− 10)(λ− 1)2
y por lo tanto, sus valores propios son λ1 = 10 de multiplicidadalgebraica 1 y λ2 = 1 de multiplicidad algebraica 2.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos que los vectores propios de la matrix A
5 4 24 5 22 2 2
forman una base de R3
SOL: No es dificil ver que el polinomio caracterıstico de A es :
p(λ) = −λ3 + 12λ2 − 21λ+ 10 = −(λ− 10)(λ− 1)2
y por lo tanto, sus valores propios son λ1 = 10 de multiplicidadalgebraica 1 y λ2 = 1 de multiplicidad algebraica 2.Al resolver los sistemas homogeneos (A− 10I )x = 0 y (A− I )x = 0encontramos
E(10) = gen{
221
} E(1) = gen{
−110
,
−102
}
Ası los valores propios λ1 y λ2 tienen multiplicidad geometrica 1 y 2, yclaramente son l .i y forman un base de R
3.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos que los vectores propios de la matrix
A
−1 0 03 2 01 3 5
forman una base de R3
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos que los vectores propios de la matrix
A
−1 0 03 2 01 3 5
forman una base de R3
SOL: Claramente por ser triangular el polinomio caracterıstico de A es :
p(λ) = (λ+ 1)(λ− 2)(λ− 5)
y por lo tanto, sus valores propios son λ = −1, 2, 5 cada uno demultiplicidad algebraica 1.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Independencia de los vectores propios
EJEM: Verifiquemos que los vectores propios de la matrix
A
−1 0 03 2 01 3 5
forman una base de R3
SOL: Claramente por ser triangular el polinomio caracterıstico de A es :
p(λ) = (λ+ 1)(λ− 2)(λ− 5)
y por lo tanto, sus valores propios son λ = −1, 2, 5 cada uno demultiplicidad algebraica 1.Al resolver los sistemas homogeneos (A+ I )x = 0, (A− 2I )x = 0 y(A− 5I )x = 0 encontramos
E(−1) = gen{
−33−1
} E(2) = gen{
01−1
} E(5) = gen{
001
}
Ası los valores propios λ = −1, 2, 5 tienen multiplicidad geometrica 1, yclaramente son l .i y forman un base de R
3
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
DEM: Si A = (aij) es una matriz triangular, su polinomio caracterıstico es
p(λ) = det (A− λI ) = (a11 − λ)(a22 − λ) · · · (ann − λ).
Ası que los valores propios de A, que son las soluciones de p(λ) = 0 sona11, a22, . . . ann, los cuales son los elementos de la diagonal de A.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
CORO: Si una matriz A de tamano n × n tiene n valores propiosdistintos, existe una base de R
n formada por vectores propios de lamatriz A.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
CORO: Si una matriz A de tamano n × n tiene n valores propiosdistintos, existe una base de R
n formada por vectores propios de lamatriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tamano n× n y v un vector propio de A asociado al valorpropio λ. Entonces,
1 λ es un valor propio de AT .
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
CORO: Si una matriz A de tamano n × n tiene n valores propiosdistintos, existe una base de R
n formada por vectores propios de lamatriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tamano n× n y v un vector propio de A asociado al valorpropio λ. Entonces,
1 λ es un valor propio de AT .
2 Si A es invertible, entonces λ 6= 0 y v es un vector propio de A−1
asociado al valor propio 1λ.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
CORO: Si una matriz A de tamano n × n tiene n valores propiosdistintos, existe una base de R
n formada por vectores propios de lamatriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tamano n× n y v un vector propio de A asociado al valorpropio λ. Entonces,
1 λ es un valor propio de AT .
2 Si A es invertible, entonces λ 6= 0 y v es un vector propio de A−1
asociado al valor propio 1λ.
DEM: Si A es invertible, λ 6= 0, ¿Porque?
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
CORO: Si una matriz A de tamano n × n tiene n valores propiosdistintos, existe una base de R
n formada por vectores propios de lamatriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tamano n× n y v un vector propio de A asociado al valorpropio λ. Entonces,
1 λ es un valor propio de AT .
2 Si A es invertible, entonces λ 6= 0 y v es un vector propio de A−1
asociado al valor propio 1λ.
DEM: Si A es invertible, λ 6= 0, ¿Porque? ahora sea v un vectorpropio de A, asociado a λ, entonces Av = λv luego 1
λv = A−1v; es
decir, v es un vector propio de A−1 asociado al valor propio 1λ.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
CORO: Si una matriz A de tamano n × n tiene n valores propiosdistintos, existe una base de R
n formada por vectores propios de lamatriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tamano n× n y v un vector propio de A asociado al valorpropio λ. Entonces,
1 λ es un valor propio de AT .
2 Si A es invertible, entonces λ 6= 0 y v es un vector propio de A−1
asociado al valor propio 1λ.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Corolarios importantes
TEO: Los valores propios de una matriz triangular son los elementos dela diagonal de la matriz.
CORO: Si una matriz A de tamano n × n tiene n valores propiosdistintos, existe una base de R
n formada por vectores propios de lamatriz A.
Propiedades de los valores y vectores propios
DEF: Sea A de tamano n× n y v un vector propio de A asociado al valorpropio λ. Entonces,
1 λ es un valor propio de AT .
2 Si A es invertible, entonces λ 6= 0 y v es un vector propio de A−1
asociado al valor propio 1λ.
3 v es un vector propio de Ak asociado al valor propio λk .
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP . Para items 1-2 profesor...
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP . Para items 3-4 tenemos que
pA(λ) = det (A− λI )
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP . Para items 3-4 tenemos que
pA(λ) = det (A− λI ) = det (PBP−1 − λPP−1)
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP . Para items 3-4 tenemos que
pA(λ) = det (A− λI ) = det (PBP−1 − λPP−1) = det [P(B − λI )P−1]
= detPdet (B − λI )detP−1 = det (B − λI )
= pB(λ)
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP . Para items 3-4 tenemos que
pA(λ) = det (A− λI ) = det (PBP−1 − λPP−1) = det [P(B − λI )P−1]
= detPdet (B − λI )detP−1 = det (B − λI )
= pB(λ)
concluimos que los polinomios caracterısticos de A y B son iguales. y porende los valores propios son los mismos
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP .
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP .
item 5 Sea v un vector propio de A asociado al valor propio λ, entoncesAv = λv . Multiplicando por P , tenemos
PAv = λ(Pv),
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP .
item 5 Sea v un vector propio de A asociado al valor propio λ, entoncesAv = λv . Multiplicando por P , tenemos
BPv = PAv = λ(Pv),
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP .
item 5 Sea v un vector propio de A asociado al valor propio λ, entoncesAv = λv . Multiplicando por P , tenemos
BPv = PAv = λ(Pv),
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP .
item 5 Sea v un vector propio de A asociado al valor propio λ, entoncesAv = λv . Multiplicando por P , tenemos
BPv = PAv = λ(Pv),
Entonces Pv es un vector propio de B asociado al valor propio λHector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP .
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Semejantes
Sean A y B dos matrices semejantes, entonces
1 detA = detB .
2 Si una de las matrices es invertible, la otra tambien lo es.
3 A y B tienen el mismo polinomio caracterıstico.
4 A y B tienen los mismos valores propios.
5 Existe P , una matriz invertible, tal que si v es un vector propio de A,Pv es un vector propio de B .
6 A y B tienen el mismo rango.
DEM: Como A y B son semejantes, existe P , una matriz invertible, talque PA = BP .
item 6 Ejercicio 12
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
EJEM: Si T : P2 → P2 tal queT(a + bx + cx2) = (a− b) + bx + (a − c)x2, entonces
T (2 + x2) = 1(2 + x2),
entonces 2 + x2 es un vector propio de T asociado al valor propio λ = 1.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇒) Sean λ un valor propio de T y v ∈ V un vector propio de T
asociado a λ. Luego, T(v) = λv.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇒) Sean λ un valor propio de T y v ∈ V un vector propio de T
asociado a λ. Luego, T(v) = λv. Aplicando coordenadas,
[T(v)]B = [λv]B = λ[v]B,
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇒) Sean λ un valor propio de T y v ∈ V un vector propio de T
asociado a λ. Luego, T(v) = λv. Aplicando coordenadas,
AT [v]B = [T(v)]B = [λv]B = λ[v]B,
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇒) Sean λ un valor propio de T y v ∈ V un vector propio de T
asociado a λ. Luego, T(v) = λv. Aplicando coordenadas,
AT [v]B = [T(v)]B = [λv]B = λ[v]B,
Es decir, λ es valor propio de AT y [v]B es un vector propio de AT
asociado a λ.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇐) Si λ es valor propio de AT y x ∈ Rn es un vector propio de
AT asociado a λ, esto es, AT x = λx
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇐) Si λ es valor propio de AT y x ∈ Rn es un vector propio de
AT asociado a λ, esto es, AT x = λx entonces existe un v ∈ V tal quex = [v ]B. Asi que
AT x = λx
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇐) Si λ es valor propio de AT y x ∈ Rn es un vector propio de
AT asociado a λ, esto es, AT x = λx entonces existe un v ∈ V tal quex = [v ]B. Asi que
AT x = λx = λ[v ]B
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇐) Si λ es valor propio de AT y x ∈ Rn es un vector propio de
AT asociado a λ, esto es, AT x = λx entonces existe un v ∈ V tal quex = [v ]B. Asi que
[T (v)]B = AT [v ]B = AT x = λx = λ[v ]B
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
DEF: Sean V , un espacio vectorial, y T : V → V , una transformacionlineal. Diremos que el escalar λ es un valor propio de T y que v ∈ V ,v 6= 0, es un vector propio de T asociado a λ, si y solo si, T(v) = λv yλ ∈ R.
TEO: Sea T : V → V , una transformacion lineal, B una base de V . λ esun valor propio de T y v ∈ V es un vector propio de T asociado a λ, si ysolo si, λ es un valor propio de AT y [v ]B es un vector propio de AT
asociado a λ.
DEM: (⇐) Si λ es valor propio de AT y x ∈ Rn es un vector propio de
AT asociado a λ, esto es, AT x = λx entonces existe un v ∈ V tal quex = [v ]B. Asi que
[T (v)]B = AT [v ]B = AT x = λx = λ[v ]B
Esto equivale aTv = λv
Entonces v es un vector propio de T asociado a λ.Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
EJEM: Sea T : P2 → P2 tal queT(a + bx + cx2) = (a− b) + bx + (a − c)x2, entonces
T (2 + x2) = 1(2 + x2),
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
EJEM: Sea T : P2 → P2 tal queT(a + bx + cx2) = (a− b) + bx + (a − c)x2, entonces
T (2 + x2) = 1(2 + x2),
Ahora, sean B la base canonica y B′ = {1, 1 + x , 1 + x + x2} de P2
entonces
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
EJEM: Sea T : P2 → P2 tal queT(a + bx + cx2) = (a− b) + bx + (a − c)x2, entonces
T (2 + x2) = 1(2 + x2),
Ahora, sean B la base canonica y B′ = {1, 1 + x , 1 + x + x2} de P2
entonces usando solo la base B tenemos
AT [2 + x2]B =
1 −1 00 1 01 0 −1
201
= 1
201
entonces [2 + x2]B = (2, 0, 1)T es un vector propio de AT asociado aλ = 1
Hector Fabian Ramırez Ospina Algebra lineal Basica
Valores y vectores propios de T vrs AT
EJEM: Sea T : P2 → P2 tal queT(a + bx + cx2) = (a− b) + bx + (a − c)x2, entonces
T (2 + x2) = 1(2 + x2),
Ahora, sean B la base canonica y B′ = {1, 1 + x , 1 + x + x2} de P2
entonces usando solo la base B tenemos
AT [2 + x2]B =
1 −1 00 1 01 0 −1
201
= 1
201
entonces [2 + x2]B = (2, 0, 1)T es un vector propio de AT asociado aλ = 1 Usando solo la base B′ tenemos
A′
T [2 + x2]B′ =
1 −1 −1−1 0 11 1 0
2−11
= 1
2−11
entonces [2 + x2]B′ = (2,−1, 1)T es un vector propio de A′
T asociado aλ = 1.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
NOTA: Al procedimiento de encontrar la matriz diagonal D y la matrizinvertible P lo llamamos proceso de diagonalizacion y decimos que P y D
diagonalizan a A.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
PREG: ¿Cuales son las matrices que diagonalizan a A?
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
PREG: ¿Cuales son las matrices que diagonalizan a A?
RESP: Si P y D son las matrices que diagonalizan a A, entonces
AP = PD
[Ap1 Ap2 · · · Apn] = [Pd1 Pd2 · · · Pdn]
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
PREG: ¿Cuales son las matrices que diagonalizan a A?
RESP: Si P y D son las matrices que diagonalizan a A, entonces
AP = PD
[Ap1 Ap2 · · · Apn] = [Pd1 Pd2 · · · Pdn]
= [d11p1 d22p2, . . . ,dnnpn].
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
PREG: ¿Cuales son las matrices que diagonalizan a A?
RESP: Si P y D son las matrices que diagonalizan a A, entonces
AP = PD
[Ap1 Ap2 · · · Apn] = [Pd1 Pd2 · · · Pdn]
= [d11p1 d22p2, . . . ,dnnpn].
entonces
Ap1 = d11p1, Ap2 = d22p2 , . . . , Apn = dnnpn.
es decir, p1,p2, . . . ,pn son los vectores propios de A asociados a losvalores propios d11, d22, . . . , dnn.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
PREG: ¿Cuales son las matrices que diagonalizan a A?
RESP: Si {v1, v2, . . . , vn} son vectores propios l .i . de A asociados a losvalores propios λ1, λ2, . . . , λn, entonces la matriz A se puede diagonalizarcon
P = [v1 v2 · · · vn] D =
λ1 0 · · · 00 λ2 · · · 0...
.... . .
0 0 · · · λn
.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Diagonalizables
DEF: Diremos que una matriz A es diagonalizable, si y solo si, existe unamatriz diagonal D semejante a A; es decir, que existe una matrizinvertible P , tal que
AP = PD.
PREG: ¿Cuales son las matrices que diagonalizan a A?
RESP: Si {v1, v2, . . . , vn} son vectores propios l .i . de A asociados a losvalores propios λ1, λ2, . . . , λn, entonces la matriz A se puede diagonalizarcon
P = [v1 v2 · · · vn] D =
λ1 0 · · · 00 λ2 · · · 0...
.... . .
0 0 · · · λn
.
En efecto,
AP = [Av1 Av2 . . . Avn]
= [λ1v1 λ2v2 . . . λnvn] = PD,
de modo que A es diagonalizable y P y D diagonalizan a A.Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectorespropios que forman un conjunto l .i .
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectorespropios que forman un conjunto l .i .
CORO: Sea A una matriz n × n. Si A tiene n valores propios diferentes,A es diagonalizable.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectorespropios que forman un conjunto l .i .
CORO: Sea A una matriz n × n. Si A tiene n valores propios diferentes,A es diagonalizable.
EJEM: ¿Es A =
1 0 02 −1 0−1 3 0
diagonalizable?
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectorespropios que forman un conjunto l .i .
CORO: Sea A una matriz n × n. Si A tiene n valores propios diferentes,A es diagonalizable.
EJEM: ¿Es A =
1 0 02 −1 0−1 3 0
diagonalizable? RESP: Dado que el
polinomio caracterıstico, pA(λ) = λ(1− λ)(1 + λ) entonces los valorespropios de A son λ1 = 1, λ2 = −1 y λ3 = 0.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectorespropios que forman un conjunto l .i .
CORO: Sea A una matriz n × n. Si A tiene n valores propios diferentes,A es diagonalizable.
EJEM: ¿Es A =
1 0 02 −1 0−1 3 0
diagonalizable? RESP: Dado que el
polinomio caracterıstico, pA(λ) = λ(1− λ)(1 + λ) entonces los valorespropios de A son λ1 = 1, λ2 = −1 y λ3 = 0. Los espacio propios son,
E(1) = gen{
110
}, E(−1) = gen{
01−1
}, E(0) = gen{
001
}
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
CORO: La matriz A es diagonalizable, si y solo si, A tiene n vectorespropios que forman un conjunto l .i .
CORO: Sea A una matriz n × n. Si A tiene n valores propios diferentes,A es diagonalizable.
EJEM: ¿Es A =
1 0 02 −1 0−1 3 0
diagonalizable? RESP: Dado que el
polinomio caracterıstico, pA(λ) = λ(1− λ)(1 + λ) entonces los valorespropios de A son λ1 = 1, λ2 = −1 y λ3 = 0. Los espacio propios son,
E(1) = gen{
110
}, E(−1) = gen{
01−1
}, E(0) = gen{
001
}
entonces A =
1 0 01 1 00 −1 1
y D =
1 0 00 −1 00 0 0
. Existen otras
matrices P y D que diagonalicen a A?Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidadesalgebraicas y multiplicades geometricas de los valores propios de A soniguales y la suma de las multiplicidades algebraicas de los valores propioses n.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidadesalgebraicas y multiplicades geometricas de los valores propios de A soniguales y la suma de las multiplicidades algebraicas de los valores propioses n.
EJEM: la matriz A =
5 4 24 5 22 2 2
tiene pA(λ) = −(λ− 10)(λ− 1)2,
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidadesalgebraicas y multiplicades geometricas de los valores propios de A soniguales y la suma de las multiplicidades algebraicas de los valores propioses n.
EJEM: la matriz A =
5 4 24 5 22 2 2
tiene pA(λ) = −(λ− 10)(λ− 1)2, y
E(10) = gen{
221
}, E(1) = gen{
−110
,
−102
}
Entonces mult.alg(10) = 1, mult.geom(10) = 1 y mult.alg(1) = 2,mult.geom(1) = 2
entonces P =
2 −1 −12 1 01 0 2
y D =
10 0 00 1 00 0 1
diagonalizan la
matriz A
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidadesalgebraicas y multiplicades geometricas de los valores propios de A soniguales y la suma de las multiplicidades algebraicas de los valores propioses n.
EJEM: la matriz A =
5 4 24 5 22 2 2
tiene pA(λ) = −(λ− 10)(λ− 1)2, y
E(10) = gen{
221
}, E(1) = gen{
−110
,
−102
}
Entonces mult.alg(10) = 1, mult.geom(10) = 1 y mult.alg(1) = 2,mult.geom(1) = 2
entonces P =
2 −1 −12 1 01 0 2
y D =
10 0 00 1 00 0 1
diagonalizan la
matriz A
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidadesalgebraicas y multiplicades geometricas de los valores propios de A soniguales y la suma de las multiplicidades algebraicas de los valores propioses n.
TEO: Sean P , una matriz invertible, y D, una matriz diagonal, lasmatrices que diagonalizan a A. Entonces
Ak = PDkP−1.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Caracterizar las Matrices Diagonalizables
TEO: Una matriz A(n) es diagonalizable, si y solo si, las multiplicidadesalgebraicas y multiplicades geometricas de los valores propios de A soniguales y la suma de las multiplicidades algebraicas de los valores propioses n.
TEO: Sean P , una matriz invertible, y D, una matriz diagonal, lasmatrices que diagonalizan a A. Entonces
Ak = PDkP−1.
DEM: Induccion sobre k
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
3 Los vectores propios de A asociados a valores propios diferentes sonortogonales.
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
3 Los vectores propios de A asociados a valores propios diferentes sonortogonales.
DEM: Sean v y u vectores propios de A asociados a los valores propios λy µ, con λ 6= µ. Entonces,
Av = λv
Au = µu
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
3 Los vectores propios de A asociados a valores propios diferentes sonortogonales.
DEM: Sean v y u vectores propios de A asociados a los valores propios λy µ, con λ 6= µ. Entonces,
Av = λv uTAv = λuTv
Au = µu
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
3 Los vectores propios de A asociados a valores propios diferentes sonortogonales.
DEM: Sean v y u vectores propios de A asociados a los valores propios λy µ, con λ 6= µ. Entonces,
Av = λv uTAv = λuTv
Au = µu ⇒ vTAu = µvTu
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
3 Los vectores propios de A asociados a valores propios diferentes sonortogonales.
DEM: Sean v y u vectores propios de A asociados a los valores propios λy µ, con λ 6= µ. Entonces,
Av = λv uTAv = λuTv
Au = µu ⇒ vTAu = µvTu ⇒ (vTAu)T = µ(vTu)T
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
3 Los vectores propios de A asociados a valores propios diferentes sonortogonales.
DEM: Sean v y u vectores propios de A asociados a los valores propios λy µ, con λ 6= µ. Entonces,
Av = λv uTAv = λuTv
Au = µu ⇒ vTAu = µvTu ⇒ (vTAu)T = µ(vTu)T ⇒ uTAv = µuTv
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
Sea A un matriz simetrica de tamano n × n entonces
1 A tiene n valores propios, contando multiplicidades.
2 Las multiplicidades algebraica y geometrica de cada uno de losvalores propios de A son iguales.
3 Los vectores propios de A asociados a valores propios diferentes sonortogonales.
DEM: Sean v y u vectores propios de A asociados a los valores propios λy µ, con λ 6= µ. Entonces,
Av = λv uTAv = λuTv
Au = µu ⇒ vTAu = µvTu ⇒ (vTAu)T = µ(vTu)T ⇒ uTAv = µuTv
entonces igualando tenemos (λ− µ)vTu = 0. por tanto, vTu = 0 = v · u
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existeuna matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQT = I )
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existeuna matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQT = I )
Caracterizacion de una matriz simetrica
TEO La matriz A es simetrica, si y solo si, es ortogonalmentediagonalizable. donde Q es una matriz ortogonal. (QQT = I )
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existeuna matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQT = I )
Caracterizacion de una matriz simetrica
TEO La matriz A es simetrica, si y solo si, es ortogonalmentediagonalizable. donde Q es una matriz ortogonal. (QQT = I )
DEM: (⇒): OK...
Hector Fabian Ramırez Ospina Algebra lineal Basica
Matrices Simetricas y Diagonalizacion
TEO: Una matriz A es ortogonalmente diagonalizable, si y solo si, existeuna matriz diagonal D tal que
AQ = QD,
donde Q es una matriz ortogonal.(QQT = I )
Caracterizacion de una matriz simetrica
TEO La matriz A es simetrica, si y solo si, es ortogonalmentediagonalizable. donde Q es una matriz ortogonal. (QQT = I )
DEM: (⇒): OK...(⇐) Si A sea ortogonalmente diagonalizable significa que
A = QDQT
donde Q es una matriz ortogonal. Por lo tanto,
AT = (QDQT )T = (QT )TDTQT = QDQT = A
Hector Fabian Ramırez Ospina Algebra lineal Basica