Geometría Analítica I: Valores y vectores propios

Por Paola Lizeth Rojas Salazar

Introducción

Mucho hemos hablado, a lo largo de las entradas anteriores, sobre las soluciones de las ecuaciones resultantes de la forma $det(A-I\lambda)=0$ con $A$ matriz y $x$ vector; sin embargo, aún no nos hemos dedicado a resolver este tipo de ecuaciones. En esta entrada, hablaremos de las soluciones de estas ecuaciones que se llaman valores propios y que tienen un vector propio asociado.

¿Qué son?

Si tienes una matriz cuadrada $A$, vamos a decir que un vector $v$ es vector propio de $A$ con valor propio $\lambda \in \mathbb R$, si $v\neq 0$ y $Av=\lambda v$. A la pareja $\lambda , v$, la vamos a llamar pareja propia de A y el principal problema de estudio de esta entrada será encontrar a estas parejas.

Implicaciones importantes

Lema 4.7: Si $u$ y $v$ son vectores propios de $A$ con el mismo valor $\lambda \in \mathbb R$, entonces cualquier combinación lineal no trivial de ellos también es vector propio de $A$.

Demostración

Si tenemos dos parejas de $A$, $u$, $v$ que cumplen $Au=\lambda u$ y $Av=\lambda v$, entonces, para cualquier par de coeficientes $\alpha, \beta \in \mathbb R$ se tiene que, la combinación lineal de $u$ y $v$ con estos vectores, se cumple:

\begin{equation} A(\alpha u+\beta v)=\alpha (Au)+ \beta(Av)=\alpha (\lambda u)+\beta (\lambda v)=\lambda (\alpha u+\beta v)\end{equation}

Lo que significa que, si $\alpha u+ \beta v\neq 0$, entonces es vector propio de $A$ con valor propio $\lambda$.

Con lo que hemos terminado la demostración.

El siguiente lema es muy importante para realizar los cálculos.

Lema 4.8: Para cualquier matriz A cuadrada, se cumple: $\lambda$ es un valor propio de $A$ si y solo si, $det(A-\lambda I)=0$

Demostración

Sabemos que, como $\lambda$ es valor propio de $A$, entonces tiene a su vector propio $v$ correspondiente que cumple que: $Av=\lambda v$.

$\Longleftrightarrow Av-\lambda v=0$

$\Longleftrightarrow (A-\lambda I)v=0$

Y, como $v\neq 0$, entonces:

$\Longleftrightarrow det(A-\lambda I)=0$

Fin de la demostración.

Observa que, con los conocimientos que tenemos hasta el momento, ya puedes demostrar fácilmente el siguiente Lema y Corolario.

Lema 4.9: Si A es una matriz simétrica de $2×2$, entonces $A$ tiene dos valores propios $\lambda_1$ y $\lambda_2$ en $\mathbb R$.

Corolario 4.10: Sea $A$ una matriz simétrica de $2×2$, con valores propios $\lambda_1$ y $\lambda_2$. Entonces, sus valores propios coinciden ($\lambda_1 =\lambda_2$) si y solo si, $A= \lambda_1 I$. En este caso, cualquier vector $v\neq 0$ es vector propio.

Corolario 4.11: Considera una matriz simétrica $A$ de $2×2$. Entonces, existe una base $u, v \in \mathbb R^2$, donde $u$ y $v$ son vectores propios de $A$.

Demostración

Por el Lema 4.9, sabemos que $A$ tiene dos valores propios $\lambda_1$ y $\lambda_2$.

Caso 1, $\lambda_1=\lambda_2$

Por el Corolario 4.10, cualquier base $u,v \in \mathbb R^2$ funciona.

Caso 2, $\lambda_1\neq \lambda_2$

Por la definición de valor propio, existen $u,v$, vectores distintos de $0$ que corresponden a los valores propios $\lambda_1$ y $\lambda_2$ respectivamente.

Estos vectores no pueden ser paralelos porque por el Lema 4.8, esto implicaría que $\lambda_1=\lambda_2$.

Entonces, $u$ y $v$ forman una base de $\mathbb R^2$.

Terminamos la demostración.

Ejemplo

Calculemos los valores y vectores propios de la siguiente matriz simétrica:

\begin{equation}A=\begin{pmatrix} 2 & 2 \\ 2 & -1\end{pmatrix}\end{equation}

Valores propios

Recordemos que, para encontrar los valores propios, debemos resolver su polinomio característico que está dado por $det(A-\lambda I)$:

\begin{equation}det(A-\lambda I)=det\left(\begin{pmatrix} 2 & 2 \\ 2 & -1\end{pmatrix}-\begin{pmatrix} \lambda & 0\\ 0 & \lambda\end{pmatrix}\right)\end{equation}

Si continuamos con el desarrollo de la expresión anterior, comprueba que llegamos al siguiente polinomio característico:

\begin{equation}det(A-\lambda I)= \lambda^2-\lambda -6\end{equation}

Para resolver el polinomio anterior, debemos igualarlo a $0$, de donde vamos a obtener que, las raíces del polinomio son: $\lambda_1=\frac{1+\sqrt{1+24}}{2}=3$ y $\lambda_2=\frac{1-5}{2}=-2$

Vectores propios

Para encontrar los vectores propios correspondientes a $\lambda_1$ y $\lambda_2$, debemos encontrar una solución no trivial para los sistemas $(A-\lambda_i I)x=0$ con $i=1,2$

Para $\lambda_1=3$

\begin{equation}(A-3I)x=\begin{pmatrix} -1 & 2 \\ 2 & -4\end{pmatrix}\begin{pmatrix} x\\ y\end{pmatrix}=\begin{pmatrix} -x+2y\\ 2x-4y\end{pmatrix}=\begin{pmatrix} 0 \\ 0\end{pmatrix}\end{equation}

De donde obtenemos el siguiente sistema:

\begin{equation}\begin{matrix}-x+2y=0\\2x-4y=0\end{matrix}\end{equation}

Donde, una de sus soluciones no triviales es $u^T=(2,1)$

Para $\lambda_2=-2$

\begin{equation}(A-(-2)I)x=\begin{pmatrix} 4 & 2 \\ 2 & 1\end{pmatrix}\begin{pmatrix} x\\ y\end{pmatrix}=\begin{pmatrix} 4x+2y\\ 2x+y\end{pmatrix}=\begin{pmatrix} 0 \\ 0\end{pmatrix}\end{equation}

De donde obtenemos el siguiente sistema:

\begin{equation}\begin{matrix}4x+2y=0\\2x+y=0\end{matrix}\end{equation}

Donde, una de sus soluciones no triviales es $v^T=(-1,2)$

Observa que estos vectores $u$ y $v$ son ortogonales, ¿será coincidencia? Lo veremos más adelante.

Tarea moral

  1. Comprueba que, para los vectores propios obtenidos en los sistemas de ecuaciones $(6)$ y $(7)$, se cumple que $Au=3u$ y que $Av=-2v$.
  2. Demuestra, con un argumento algebraico y uno geométrico, que la matriz \begin{equation}\begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix}\end{equation} no tiene vectores propios.
  3. Demuestra que la matriz \begin{equation}\begin{pmatrix} a & -b \\ b & a \end{pmatrix}\end{equation} no tiene vectores propios para $b\neq0$.
  4. Usa el Lema 4.9 para demostrar el Corolario 4.10.
  5. Demuestra el Lema 4.9. Hint: usa que, al ser $A$ matriz simétrica, entonces $A=A^T$, después, expresa a $A$ de la siguiente forma y desarrolla:

\begin{equation}A=\begin{pmatrix} a & b \\ b & c\end{pmatrix} \end{equation}

Más adelante…

En la siguiente entrada, concluiremos nuestro estudio de los valores y vectores propios, analizando la diagonalización ortogonal de matrices simétricas.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.