Loading [MathJax]/extensions/TeX/mathchoice.js
Saltar al contenido principal
Library homepage
 

Text Color

Text Size

 

Margin Size

 

Font Type

Enable Dyslexic Font
LibreTexts Español

5.5: Valores propios complejos

( \newcommand{\kernel}{\mathrm{null}\,}\)

Objetivos
  1. Aprender a encontrar valores propios complejos y vectores propios de una matriz.
  2. Aprende a reconocer una matriz de escala de rotación y calcula según cuánto gira y escala la matriz.
  3. Comprender la geometría2×2 y3×3 las matrices con un valor propio complejo.
  4. Recetas: una2×2 matriz con un valor propio complejo es similar a una matriz de escala de rotación, el truco de autovector para2×2 matrices.
  5. Imágenes: la geometría de matrices con un valor propio complejo.
  6. Teoremas: el teorema de rotación-escalado, el teorema de diagonalización de bloques.
  7. Palabra de vocabulario: matriz de escala de rotación.

En la Sección 5.4, vimos que unan×n matriz cuyo polinomio característico tiene raíces realesn distintas es diagonalizable: es similar a una matriz diagonal, que es mucho más simple de analizar. La otra posibilidad es que una matriz tenga raíces complejas, y ese es el foco de esta sección. Resulta que tal matriz es similar (en el2×2 caso) a una matriz de escala de rotación, que también es relativamente fácil de entender.

En cierto sentido, toda esta sección es análoga a la Sección 5.4, con matrices de escala de rotación que juegan el papel de matrices diagonales. Consulte la Sección 7.1 para una revisión de los números complejos.

Matrices con valores propios complejos

Como consecuencia del teorema fundamental del álgebra, Teorema 7.1.1 en la Sección 7.1, aplicado al polinomio característico, vemos que:

Nota5.5.1

Cadan×n matriz tiene valores propios exactamenten complejos, contados con multiplicidad.

Podemos calcular un vector propio correspondiente (complejo) exactamente de la misma manera que antes: por fila reduciendo la matrizAλIn. Ahora, sin embargo, tenemos que hacer aritmética con números complejos.

Ejemplo5.5.1: A 2×2 matrix

Encuentra los valores propios complejos y los vectores propios de la matriz

A=(1111).

Solución

El polinomio característico deA es

f(λ)=λ2Tr(A)λ+det(A)=λ22λ+2.

Las raíces de este polinomio son

λ=2±482=1±i.

Primero calculamos un vector propio paraλ=1+i. Tenemos

A(1+i)I2=(1(1+i)111(1+i))=(i11i).

Ahora remaremos reducir, señalando que la segunda fila esi veces la primera:

(i11i)R2=R2iR1(i100)R1=R1÷i(1i00).

La forma paramétrica esx=iy, tal que un vector propio esv_1={i\choose 1}. A continuación calculamos un vector propio para\lambda=1-i. Tenemos

A-(1-i) I_2 = \left(\begin{array}{cc}1-(1-i)&-1\\1&1-(1-i)\end{array}\right) = \left(\begin{array}{cc}i&-1\\1&i\end{array}\right). \nonumber

Ahora remaremos reducir, señalando que la segunda fila es-i veces la primera:

\left(\begin{array}{cc}i&-1\\1&i\end{array}\right) \;\xrightarrow{R_2=R_2+iR_1}\; \left(\begin{array}{cc}i&-1\\0&0\end{array}\right) \;\xrightarrow{R_1=R_1\div i}\; \left(\begin{array}{cc}1&i\\0&0\end{array}\right). \nonumber

La forma paramétrica esx = -iy\text{,} tal que un vector propio esv_2 = {-i\choose 1}.

Podemos verificar nuestras respuestas:

\begin{aligned}\left(\begin{array}{cc}1&-1\\1&1\end{array}\right)\left(\begin{array}{c}i\\1\end{array}\right)&=\left(\begin{array}{c}i-1\\i+1\end{array}\right)=(1+i)\left(\begin{array}{c}i\\1\end{array}\right) \\ \left(\begin{array}{cc}1&-1\\1&1\end{array}\right)\left(\begin{array}{c}-i\\1\end{array}\right)&=\left(\begin{array}{c}-i-1\\-i+1\end{array}\right)=(1-i)\left(\begin{array}{c}-i\\1\end{array}\right).\end{aligned}

Ejemplo\PageIndex{2}: A 3\times 3 matrix

Encuentra los valores propios y vectores propios, reales y complejos, de la matriz

A=\left(\begin{array}{ccc}4/5&-3/5&0 \\ 3/5&4/5&0\\1&2&2\end{array}\right).\nonumber

Solución

Calculamos el polinomio característico expandiendo cofactores a lo largo de la tercera fila:

f(\lambda) = \det\left(\begin{array}{ccc}4/5-\lambda &-3/5&0 \\ 3/5&4-5-\lambda &0 \\ 1&2&2-\lambda\end{array}\right) = (2-\lambda)\left(\lambda^2-\frac 85\lambda+1\right). \nonumber

Este polinomio tiene una raíz real en2\text{,} y dos raíces complejas en

\lambda = \frac{8/5\pm\sqrt{64/25-4}}2 = \frac{4\pm 3i}5. \nonumber

Por lo tanto, los valores propios son

\lambda = 2,\quad \frac{4+3i}5,\quad \frac{4-3i}5. \nonumber

Nos globo ocular quev_1 = e_3 es un vector propio con valor propio2\text{,} ya que la tercera columna es2e_3.

A continuación encontramos un vector propio con valor propio(4+3i)/5. Tenemos

A-\frac{4+3i}5I_3 = \left(\begin{array}{ccc}-3i/5&-3/5&0\\3/5&-3i/5&0\\ 1&2&2-(4+3i)/5\end{array}\right) \;\xrightarrow[R_2=R_2\times5/3]{R_1=R_1\times -5/3}\; \left(\begin{array}{ccc}i&1&0\\1&-i&0\\1&2&\frac{6-3i}{5}\end{array}\right). \nonumber

Remamos reducir, señalando que la segunda fila es-i veces la primera:

\begin{aligned}\left(\begin{array}{ccc}i&1&0\\1&-i&0\\1&2&\frac{6-3i}{5}\end{array}\right)\xrightarrow{R_2=R_2+iR_1}\quad &\left(\begin{array}{ccc}i&1&0\\0&0&0\\1&2&\frac{6-3i}{5}\end{array}\right) \\ {}\xrightarrow{R_3=R_3+iR_1}\quad &\left(\begin{array}{ccc}i&1&0\\0&0&0\\0&2+i&\frac{6-3i}{5}\end{array}\right) \\ {}\xrightarrow{R_2\longleftrightarrow R_3}\quad &\left(\begin{array}{ccc}i&1&0\\0&2+i&\frac{6-3i}{5}\\0&0&0\end{array}\right) \\ {}\xrightarrow[R_2=R_2\div(2+i)]{R_1=R_1\div i}\quad &\left(\begin{array}{ccc}1&-i&0\\0&1&\frac{9-12i}{25}\\0&0&0\end{array}\right) \\ {}\xrightarrow{R_1=R_1+iR_2}\quad &\left(\begin{array}{ccc}1&0&\frac{12+9i}{25}\\0&1&\frac{9-12i}{25}\\0&0&0\end{array}\right).\end{aligned}

La variable libre esz\text{;} la forma paramétrica de la solución es

\left\{\begin{array}{rrr}x &=& -\dfrac{12+9i}{25}z \\ y &=& -\dfrac{9-12i}{25}z.\end{array}\right.\nonumber

Tomandoz=25 da el vector propio

v_2 = \left(\begin{array}{c}-12-9i\\-9+12i\\25\end{array}\right). \nonumber

Un cálculo similar (reemplazando todas las ocurrencias dei by-i) muestra que un vector propio con valor propio(4-3i)/5 es

v_3 = \left(\begin{array}{c}-12+9i\\-9-12i\\25\end{array}\right). \nonumber

Podemos verificar nuestros cálculos:

\begin{aligned}\left(\begin{array}{ccc}4/5&-3/5&0\\3/5&4/5&0\\1&2&2\end{array}\right)\left(\begin{array}{c}-12+9i\\-9-12i\\25\end{array}\right)&=\left(\begin{array}{c}-21/5+72i/5 \\ -72/5-21i/5\\20-15i\end{array}\right)=\frac{4+3i}{5}\left(\begin{array}{c}-12+9i\\-9-12i\\25\end{array}\right) \\ \left(\begin{array}{ccc}4/5&-3/5&0\\3/5&4/5&0\\1&2&2\end{array}\right)\left(\begin{array}{c}-12-9i\\-9+12i\\25\end{array}\right)&=\left(\begin{array}{c}-21/5-72i/5\\-72/5+21i/5\\20+15i\end{array}\right)=\frac{4-3i}{5}\left(\begin{array}{c}-12-9i\\-9+12i\\25\end{array}\right).\end{aligned}

SiA es una matriz con entradas reales, entonces su polinomio característico tiene coeficientes reales, por lo que la Nota 7.1.3 en la Sección 7.1 implica que sus valores propios complejos vienen en pares conjugados. En el primer ejemplo, notamos que

\begin{split} 1+i \text{ has an eigenvector } \amp v_1 =\left(\begin{array}{c}i\\1\end{array}\right) \\ 1-i \text{ has an eigenvector } \amp v_2 = \left(\begin{array}{c}-i\\1\end{array}\right). \end{split} \nonumber

En el segundo ejemplo,

\begin{split} \frac{4+3i}5 \text{ has an eigenvector } \amp v_1 = \left(\begin{array}{c}-12-9i\\-9+12i\\25\end{array}\right) \\ \frac{4-3i}5 \text{ has an eigenvector } \amp v_2 =\left(\begin{array}{c}-12+9i\\-9-12i\\25\end{array}\right) \end{split} \nonumber

En estos casos, un vector propio para el valor propio conjugado es simplemente el vector propio conjugado (el vector propio obtenido conjugando cada entrada del primer vector propio). Esto siempre es cierto. En efecto, siAv=\lambda v entonces

A \bar v = \bar{Av} = \bar{\lambda v} = \bar \lambda \bar v, \nonumber

que dice exactamente que\bar v es un vector propio deA con valor propio\bar \lambda.

Nota\PageIndex{2}

DejarA ser una matriz con entradas reales. Si

\begin{split} \lambda \text{ is a complex eigenvalue with eigenvector } \amp v, \\ \text{then } \bar\lambda \text{ is a complex eigenvalue with eigenvector }\amp\bar v. \end{split} \nonumber

En otras palabras, tanto los valores propios como los vectores propios vienen en pares conjugados.

Dado que puede resultar tedioso dividir por números complejos mientras se reduce la fila, es útil aprender el siguiente truco, que funciona igualmente bien para matrices con entradas reales.

Nota\PageIndex{3}: Eigenvector Trick for 2\times 2 Matrices

DejarA ser una2\times 2 matriz, y dejar\lambda ser un valor propio (real o complejo). Entonces

A - \lambda I_2 = \left(\begin{array}{cc}z&w\\ \star&\star\end{array}\right) \quad\implies\quad \left(\begin{array}{c}-w\\z\end{array}\right) \text{ is an eigenvector with eigenvalue } \lambda, \nonumber

asumiendo que la primera fila deA-\lambda I_2 es distinta de cero.

En efecto, como\lambda es un valor propio, sabemos que noA-\lambda I_2 es una matriz invertible. De ello se deduce que las filas son colineales (de lo contrario el determinante es distinto de cero), de manera que la segunda fila es automáticamente un múltiplo (complejo) de la primera:

\left(\begin{array}{cc}z&w\\ \star&\star\end{array}\right)=\left(\begin{array}{cc}z&w\\cz&cw\end{array}\right).\nonumber

Es obvio que{-w\choose z} está en el espacio nulo de esta matriz, como es{w\choose -z}\text{,} para el caso. Tenga en cuenta que nunca tuvimos que calcular la segunda fila de yA-\lambda I_2\text{,} mucho menos fila reducir!

Ejemplo\PageIndex{3}: A 2\times 2 matrix, the easy way

Encuentra los valores propios complejos y los vectores propios de la matriz

A = \left(\begin{array}{cc}1&-1\\1&1\end{array}\right). \nonumber

Solución

Dado que el polinomio característico de una2\times 2 matrizA es quef(\lambda) = \lambda^2-\text{Tr}(A)\lambda + \det(A)\text{,} sus raíces son

\lambda = \frac{\text{Tr}(A)\pm\sqrt{\text{Tr}(A)^2-4\det(A)}}2 = \frac{2\pm\sqrt{4-8}}2 = 1\pm i. \nonumber

Para encontrar un vector propio con valor propio1+i\text{,} calculamos

A - (1+i)I_2 = \left(\begin{array}{cc}-i&-1\\ \star&\star\end{array}\right) \;\xrightarrow{\text{eigenvector}}\; v_1 = \left(\begin{array}{c}1\\-i\end{array}\right). \nonumber

El vector propio para el valor propio conjugado es el conjugado complejo:

v_2 = \bar v_1 = \left(\begin{array}{c}1\\i\end{array}\right). \nonumber

En Ejemplo\PageIndex{1} encontramos los vectores propios{i\choose 1} y{-i\choose 1} para los autovalores1+i y1-i\text{,} respectivamente, pero en Ejemplo\PageIndex{3} encontramos los vectores propios{1\choose -i} y{1\choose i} para los mismos valores propios de la misma matriz. Estos vectores no parecen múltiplos entre sí al principio, pero como ahora tenemos números complejos a nuestra disposición, podemos ver que en realidad son múltiplos:

-i\left(\begin{array}{c}i\\1\end{array}\right) = \left(\begin{array}{c}1\\-i\end{array}\right) \qquad i\left(\begin{array}{c}-i\\1\end{array}\right) = \left(\begin{array}{c}1\\i\end{array}\right). \nonumber

Matrices de escala de rotación

Los ejemplos más importantes de matrices con valores propios complejos son matrices de escala de rotación, es decir, múltiplos escalares de matrices de rotación.

Definición\PageIndex{1}: Rotation-Scaling matrix

Una matriz de escala de rotación es una2\times 2 matriz de la forma

\left(\begin{array}{cc}a&-b\\b&a\end{array}\right), \nonumber

dondea yb son números reales, no ambos iguales a cero.

La siguiente proposición justifica el nombre.

Proposición\PageIndex{1}

Dejar A = \left(\begin{array}{cc}a&-b\\b&a\end{array}\right) \nonumber ser una matriz de escala de rotación. Entonces:

  1. Aes un producto de una matriz de rotación\left(\begin{array}{cc}\cos\theta&-\sin\theta \\ \sin\theta&\cos\theta\end{array}\right)\quad\text{with a scaling matrix}\quad\left(\begin{array}{cc}r&0\\0&r\end{array}\right).\nonumber
  2. El factor de escalador es r = \sqrt{\det(A)} = \sqrt{a^2+b^2}. \nonumber
  3. El ángulo de rotación\theta es el ángulo en sentido contrario a las agujas del reloj desde elx eje positivo hasta el vector{a\choose b}\text{:}

clipboard_e77a44044fae0133211b6b2dd1e067f74.png

Figura\PageIndex{1}

Los valores propios deA son\lambda = a \pm bi.

Prueba

Setr = \sqrt{\det(A)} = \sqrt{a^2+b^2}. El punto(a/r, b/r) tiene la propiedad que

\left(\frac ar\right)^2 + \left(\frac br\right)^2 = \frac{a^2+b^2}{r^2} = 1. \nonumber

En otras palabras,(a/r,b/r) se encuentra en el círculo unitario. Por lo tanto, tiene la forma(\cos\theta,\sin\theta)\text{,} donde\theta está el ángulo en sentido antihorario desde elx eje positivo hasta el vector{a/r\choose b/r}\text{,} o ya que está en la misma línea, para{a\choose b}\text{:}

clipboard_e3813567909b075cb84b4126769dd1718.png

Figura\PageIndex{2}

De ello se deduce que

A = r\left(\begin{array}{cc}a/r&-b/r \\ b/r&a/r\end{array}\right) =\left(\begin{array}{cc}r&0\\0&r\end{array}\right) \left(\begin{array}{cc}\cos\theta&-\sin\theta \\ \sin\theta&\cos\theta\end{array}\right), \nonumber

según se desee.

Para la última declaración, calculamos los valores propios deA como las raíces del polinomio característico:

\lambda = \frac{\text{Tr}(A)\pm\sqrt{\text{Tr}(A)^2-4\det(A)}}2 = \frac{2a\pm\sqrt{4a^2-4(a^2+b^2)}}2 = a\pm bi. \nonumber

Geométricamente, una matriz de escala de rotación hace exactamente lo que dice el nombre: gira y escala (en cualquier orden).

Ejemplo\PageIndex{4}: A rotation-scaling matrix

Qué hace la matriz

A = \left(\begin{array}{cc}1&-1\\1&1\end{array}\right) \nonumber

hacer geométricamente?

Solución

Esta es una matriz de escala de rotación cona=b=1. Por lo tanto, se escala en un factor de\sqrt{\det(A)} = \sqrt 2 y gira en sentido antihorario por45^\circ\text{:}

clipboard_e30a5cb699bba7f32ce27321349bdddf5.png

Figura\PageIndex{3}

Aquí hay una foto deA\text{:}

clipboard_e8087fd25baba758573e072c7d6ea84a6.png

Figura\PageIndex{4}

A continuación se incluye una figura interactiva.

clipboard_e3345bf120be86aefbad482f5eff60d38.png

Figura La\PageIndex{5}: multiplicación por la matrizA gira el plano por45^\circ y se dilata por un factor de\sqrt 2. Mueva el vector de entradax para ver cómob cambia el vector de salida.
Ejemplo\PageIndex{5}: A rotation-scaling matrix

Qué hace la matriz

A = \left(\begin{array}{cc}-\sqrt{3}&-1\\1&-\sqrt{3}\end{array}\right) \nonumber

hacer geométricamente?

Solución

Esta es una matriz de escala de rotación cona=-\sqrt3 yb=1. Por lo tanto, se escala en un factor de\sqrt{\det(A)}=\sqrt{3+1}=2 y gira en sentido contrario a las agujas del reloj por el ángulo\theta en la imagen:

clipboard_e41d3d4fc7025054ec471a500c53ea376.png

Figura\PageIndex{6}

Para calcular este ángulo, hacemos un poco de trigonometría:

clipboard_e71b300dfcbdf265224a3e194a9fca7a1.png

Figura\PageIndex{7}

Por lo tanto,A gira en sentido antihorario5\pi/6 y escala por un factor de2.

clipboard_e466572ea316ada2ab85e51672be053df.png

Figura\PageIndex{8}

A continuación se incluye una figura interactiva.

clipboard_e80d7ce7ef91a47d2a40f20e041beb480.png

Figura La\PageIndex{9}: multiplicación por la matrizA gira el plano por5\pi/6 y se dilata por un factor de2. Mueva el vector de entradax para ver cómob cambia el vector de salida.

La matriz en el segundo ejemplo tiene una segunda columna{-\sqrt 3\choose 1}\text{,} que se gira en sentido contrario a las agujas del reloj desde elx eje positivo en un ángulo de5\pi/6. Este ángulo de rotación no es igual a\tan^{-1}\bigl(1/(-\sqrt3)\bigr) = -\frac\pi 6. El problema es que arctan siempre genera valores entre-\pi/2 y\pi/2\text{:} no da cuenta de puntos en el segundo o tercer cuadrantes. Es por eso que dibujamos un triángulo y usamos sus longitudes de borde (positivas) para calcular el ángulo\varphi\text{:}

clipboard_e204f2067da799d95e6bce5041c0485e4.png

Figura\PageIndex{10}

Alternativamente, podríamos haber observado que se{-\sqrt 3\choose 1} encuentra en el segundo cuadrante, de manera que el ángulo\theta en cuestión es

\theta = \tan^{-1}\left(\frac1{-\sqrt3}\right) + \pi. \nonumber

Nota\PageIndex{4}

Al encontrar el ángulo de rotación de un vector{a\choose b}\text{,} no compute ciegamente\tan^{-1}(b/a)\text{,} ya que esto dará la respuesta incorrecta cuando{a\choose b} esté en el segundo o tercer cuadrante. En cambio, dibuja un cuadro.

Geometría de2 \times 2 Matrices con un Valor propio Complejo

DejarA ser una2\times 2 matriz con un valor propio complejo, no real\lambda. EntoncesA también tiene el valor propio\bar\lambda\neq\lambda. En particular,A tiene valores propios distintos, por lo que es diagonalizable usando los números complejos. A menudo nos gusta pensar en nuestras matrices como una descripción de transformaciones de\mathbb{R}^n (en contraposición a\mathbb{C}^n). Debido a esto, la siguiente construcción es útil. Da algo así como una diagonalización, excepto que todas las matrices involucradas tienen entradas reales.

Teorema\PageIndex{1}: Rotation-Scaling Theorem

DejarA ser una matriz2\times 2 real con un valor propio complejo (no real)\lambda\text{,} y dejarv ser un vector propio. EntoncesA = CBC^{-1} para

C = \left(\begin{array}{cc}|&| \\ \Re (v)&\Im(v) \\ |&|\end{array}\right)\quad\text{and}\quad B = \left(\begin{array}{cc}\Re(\lambda)&\Im(\lambda) \\ -\Im(\lambda)&\Re(\lambda)\end{array}\right). \nonumber

En particular,A es similar a una matriz de escala de rotación que escala por un factor de|\lambda| = \sqrt{\det(B)}.

Prueba

Primero tenemos que demostrar eso\Re(v) y\Im(v) somos linealmente independientes, ya que de lo contrario noC es invertible. Si no, entonces existen números realesx,y, no ambos iguales a cero, tal quex\Re(v) + y\Im(v) = 0. Entonces

\begin{split} (y+ix)v \amp= (y+ix)\bigl(\Re(v)+i\Im(v)\bigr) \\ \amp= y\Re(v) - x\Im(v) + \left(x\Re(v) + y\Im(v)\right)i \\ \amp= y\Re(v) - x\Im(v). \end{split} \nonumber

Ahora, también(y+ix)v es un vector propio deA con valor propio\lambda\text{,} ya que es un múltiplo escalar dev. Pero acabamos de demostrar que(y+ix)v es un vector con entradas reales, y cualquier vector propio real de una matriz real tiene un valor propio real. Por lo tanto,\Re(v) y\Im(v) debe ser linealmente independiente después de todo.

Dejar\lambda = a+bi yv = {x+yi\choose z+wi}. Observamos que

\begin{split} Av = \lambda v \amp= (a+bi)\left(\begin{array}{c}x+yi\\z+wi\end{array}\right) \\ \amp= \left(\begin{array}{c}(ax-by)+(ay+bx)i \\ (az-bw)+(aw+bz)i\end{array}\right) \\ \amp= \left(\begin{array}{c}ax-by\\az-bw\end{array}\right) + i\left(\begin{array}{c}ay+bx \\ aw+bz\end{array}\right). \end{split} \nonumber

Por otro lado, tenemos

A\left(\left(\begin{array}{c}x\\z\end{array}\right) + i\left(\begin{array}{c}y\\w\end{array}\right)\right) = A\left(\begin{array}{c}x\\z\end{array}\right) + iA\left(\begin{array}{c}y\\w\end{array}\right) = A\Re(v) + iA\Im(v). \nonumber

Emparejar partes reales e imaginarias da

A\Re(v) = \left(\begin{array}{c}ax-by\\az-bw\end{array}\right) \qquad A\Im(v) = \left(\begin{array}{c}ay+bx\\aw+bz\end{array}\right). \nonumber

Ahora calculamosCBC^{-1}\Re(v) yCBC^{-1}\Im(v). DesdeCe_1 = \Re(v) yCe_2 = \Im(v)\text{,} tenemosC^{-1}\Re(v) = e_1 yC^{-1}\Im(v)=e_2\text{,} así

\begin{split} CBC^{-1}\Re(v) \amp= CBe_1 = C\left(\begin{array}{c}a\\-b\end{array}\right) = a\Re(v)-b\Im(v) \\ \amp= a\left(\begin{array}{c}x\\z\end{array}\right) - b\left(\begin{array}{c}y\\w\end{array}\right) =\left(\begin{array}{c}ax-by\\az-bw\end{array}\right) = A\Re(v) \\ CBC^{-1}\Im(v) \amp= CBe_2 = C\left(\begin{array}{c}b\\a\end{array}\right) = b\Re(v)+a\Im(v) \\ \amp= b\left(\begin{array}{c}x\\z\end{array}\right) + a\left(\begin{array}{c}y\\w\end{array}\right) = \left(\begin{array}{c}ay+bx\\aw+bz\end{array}\right) = A\Im(v). \end{split} \nonumber

Por lo tanto,A\Re(v) = CBC^{-1}\Re(v) yA\Im(v) = CBC^{-1}\Im(v).

Dado que\Re(v) y\Im(v) son linealmente independientes, forman una base para\mathbb{R}^2 . Dejarw ser cualquier vector en\mathbb{R}^2 \text{,} y escribirw = c\Re(v) + d\Im(v). Entonces

\begin{split} Aw \amp= A\bigl(c\Re(v) + d\Im(v)\bigr) \\ \amp= cA\Re(v) + dA\Im(v) \\ \amp= cCBC^{-1}\Re(v) + dCBC^{-1}\Im(v) \\ \amp= CBC^{-1}\bigl(c\Re(v) + d\Im(v)\bigr) \\ \amp= CBC^{-1} w. \end{split} \nonumber

Esto lo demuestraA = CBC^{-1}.

Aquí\Re y\Im denotan las partes reales e imaginarias, respectivamente:

\Re(a+bi) = a \quad \Im(a+bi) = b \quad \Re\left(\begin{array}{c}x+yi\\z+wi\end{array}\right) = \left(\begin{array}{c}x\\z\end{array}\right) \quad \Im\left(\begin{array}{c}x+yi\\z+wi\end{array}\right) = \left(\begin{array}{c}y\\w\end{array}\right). \nonumber

La matriz de escala de rotación en cuestión es la matriz

B = \left(\begin{array}{cc}a&-b\\b&a\end{array}\right)\quad\text{with}\quad a = \Re(\lambda),\; b = -\Im(\lambda). \nonumber

Geométricamente, el teorema de escala de rotación dice que una2\times 2 matriz con un valor propio complejo se comporta de manera similar a una matriz de escala de rotación. Ver Nota 5.3.3 en la Sección 5.3.

Se debe considerar el Teorema\PageIndex{1} como un análogo cercano del Teorema 5.4.1 en la Sección 5.4, con una matriz de escala de rotación que juega el papel de una matriz diagonal. Antes de continuar, replanteamos el teorema como receta:

Receta: A2\times 2 Matrix with a Complex Eigenvalue

ADéjese ser una matriz2\times 2 real.

  1. Calcular el polinomio característico y f(\lambda) = \lambda^2 - \text{Tr}(A)\lambda + \det(A), \nonumber luego computar sus raíces usando la fórmula cuadrática.
  2. Si los valores propios son complejos, elige uno de ellos, y llámenlo\lambda.
  3. Encuentra un valor propio correspondiente (complejo)v usando el truco 3.
  4. EntoncesA=CBC^{-1} para C = \left(\begin{array}{cc}|&| \\ \Re(v)&\Im(v) \\ |&|\end{array}\right)\quad\text{and}\quad B = \left(\begin{array}{cc}\Re(\lambda)&\Im(\lambda) \\ -\Im(\lambda)&\Re(\lambda)\end{array}\right). \nonumber Esta escala por un factor de|\lambda|.
Ejemplo\PageIndex{6}

Qué hace la matriz

A = \left(\begin{array}{cc}2&-1\\2&0\end{array}\right) \nonumber

hacer geométricamente?

Solución

Los valores propios deA son

\lambda = \frac{\text{Tr}(A) \pm \sqrt{\text{Tr}(A)^2-4\det(A)}}2 = \frac{2\pm\sqrt{4-8}}2 = 1\pm i. \nonumber

Elegimos el valor propio\lambda = 1-i y encontramos un vector propio correspondiente, usando el truco, tenga en cuenta\PageIndex{3}:

A - (1-i)I_2 = \left(\begin{array}{cc}1+i&-1 \\ \star&\star\end{array}\right) \;\xrightarrow{\text{eigenvector}}\; v = \left(\begin{array}{c}1\\1+i\end{array}\right). \nonumber

Según el teorema\PageIndex{1}, tenemosA=CBC^{-1} para

\begin{split} C \amp= \left(\begin{array}{cc}\Re\left(\begin{array}{c}1\\1+i\end{array}\right)&\Im\left(\begin{array}{c}1\\1+i\end{array}\right)\end{array}\right) = \left(\begin{array}{cc}1&0\\1&1\end{array}\right) \\ B \amp= \left(\begin{array}{cc}\Re(\lambda)&\Im(\lambda) \\ -\Im(\lambda)&\Re(\lambda)\end{array}\right) = \left(\begin{array}{cc}1&-1\\1&1\end{array}\right). \end{split} \nonumber

La matrizB es la matriz de escala de rotación anterior Ejemplo\PageIndex{4}: gira en sentido antihorario por un ángulo de45^\circ y escala por un factor de\sqrt 2. La matrizA hace lo mismo, pero con respecto al sistema\Re(v),\Im(v) -coordinate:

clipboard_e8ebce3ac3a95ebd53f0c96895249ea7a.png

Figura\PageIndex{11}

Para resumir:

  • Bgira alrededor del círculo centrado en el origen y que pasa a travése_1 ye_2\text{,} en la dirección dee_1 ae_2\text{,} entonces escala por\sqrt 2.
  • Agira alrededor de la elipse centrada en el origen y pasando a través\Re(v) y\Im(v)\text{,} en la dirección desde\Re(v) hasta\Im(v)\text{,} entonces escala por\sqrt 2.

El lector podría querer volver a referirse al Ejemplo 5.3.7 en la Sección 5.3.

clipboard_e85427cb72d2836cc739e9fdbb657e1f0.png

Figura\PageIndex{12}: La acción geométrica deA yB sobre el plano. Haga clic en “multiplicar” para multiplicar los puntosB coloreados por a laA izquierda y a la derecha.

Si en cambio hubiéramos elegido\bar\lambda = 1+i como nuestro valor propio, entonces habríamos encontrado el vector propio\bar v = {1\choose 1-i}. En este caso tendríamosA=C'B'(C')^{-1}\text{,} donde

\begin{split} C' \amp= \left(\begin{array}{cc}\Re\left(\begin{array}{c}1\\1-i\end{array}\right)&\Im\left(\begin{array}{c}1\\1-i\end{array}\right)\end{array}\right) = \left(\begin{array}{cc}1&0\\1&-1\end{array}\right) \\ B' \amp= \left(\begin{array}{cc}\Re(\overline{\lambda})&\Im(\overline{\lambda}) \\ -\Im(\overline{\lambda})&\Re(\overline{\lambda})\end{array}\right) = \left(\begin{array}{cc}1&1\\-1&1\end{array}\right). \end{split} \nonumber

Entonces, tambiénA es similar a una rotación en sentido horario por45^\circ\text{,} seguida de una escala por\sqrt 2.

Ejemplo\PageIndex{7}

Qué hace la matriz

A = \left(\begin{array}{cc}-\sqrt{3}+1&-2\\1&-\sqrt{3}-1\end{array}\right) \nonumber

hacer geométricamente?

Solución

Los valores propios deA son

\lambda = \frac{\text{Tr}(A) \pm \sqrt{\text{Tr}(A)^2-4\det(A)}}2 = \frac{-2\sqrt 3\pm\sqrt{12-16}}2 = -\sqrt3\pm i. \nonumber

Elegimos el valor propio\lambda = -\sqrt3-i y encontramos un vector propio correspondiente, usando el truco, tenga en cuenta\PageIndex{3}:

A - (-\sqrt3-i)I_2 = \left(\begin{array}{cc}1+i&-2\\ \star&\star\end{array}\right) \;\xrightarrow{\text{eigenvector}}\; v = \left(\begin{array}{c}2\\1+i\end{array}\right). \nonumber

Según el teorema\PageIndex{1}, tenemosA=CBC^{-1} para

\begin{split} C \amp= \left(\begin{array}{cc}\Re\left(\begin{array}{c}2\\1+i\end{array}\right)&\Im\left(\begin{array}{c}2\\1+i\end{array}\right)\end{array}\right) = \left(\begin{array}{cc}2&0\\1&1\end{array}\right) \\ B \amp= \left(\begin{array}{cc}\Re(\lambda)&\Im(\lambda) \\ -\Im(\lambda)&\Re(\lambda)\end{array}\right) = \left(\begin{array}{cc}-\sqrt{3}&-1\\1&-\sqrt{3}\end{array}\right). \end{split} \nonumber

La matrizB es la matriz de escala de rotación en el Ejemplo anterior\PageIndex{5}: gira en sentido antihorario por un ángulo de5\pi/6 y escala por un factor de2. La matrizA hace lo mismo, pero con respecto al sistema\Re(v),\Im(v) -coordinate:

clipboard_e51b7a54c228d117addf94614c4d494f7.png

Figura\PageIndex{13}

Para resumir:

  • Bgira alrededor del círculo centrado en el origen y que pasa a travése_1 ye_2\text{,} en la dirección dee_1 ae_2\text{,} entonces escala por2.
  • Agira alrededor de la elipse centrada en el origen y pasando a través\Re(v) y\Im(v)\text{,} en la dirección desde\Re(v) hasta\Im(v)\text{,} entonces escala por2.

El lector podría querer volver a referirse al Ejemplo 5.3.7 en la Sección 5.3.

clipboard_e54f56aa77295d0713d7a3784a0988851.png

Figura\PageIndex{14}: La acción geométrica deA yB sobre el plano. Haga clic en “multiplicar” para multiplicar los puntosB coloreados por a laA izquierda y a la derecha.

Si en cambio hubiéramos elegido\bar\lambda = -\sqrt3-i como nuestro valor propio, entonces habríamos encontrado el vector propio\bar v = {2\choose 1-i}. En este caso tendríamosA=C'B'(C')^{-1}\text{,} donde

\begin{split} C' \amp= \left(\begin{array}{cc}\Re\left(\begin{array}{c}2\\1-i\end{array}\right)&\Im\left(\begin{array}{c}2\\1-i\end{array}\right)\end{array}\right) = \left(\begin{array}{cc}2&0\\1&-1\end{array}\right) \\ B' \amp= \left(\begin{array}{cc}\Re(\overline{\lambda})&\Im(\overline{\lambda}) \\ -\Im(\overline{\lambda})&\Re(\overline{\lambda})\end{array}\right) = \left(\begin{array}{cc}-\sqrt{3}&1\\-1&-\sqrt{3}\end{array}\right). \end{split} \nonumber

Entonces, tambiénA es similar a una rotación en sentido horario por5\pi/6\text{,} seguida de una escala por2.

Vimos en los ejemplos anteriores que el Teorema se\PageIndex{1} puede aplicar de dos maneras diferentes a cualquier matriz dada: uno tiene que elegir uno de los dos valores propios conjugados con los que trabajar. Reemplazar\lambda por\bar\lambda tiene el efecto de reemplazarv por\bar v\text{,} lo que solo niega todas las partes imaginarias, así que también tenemosA=C'B'(C')^{-1} para

C' = \left(\begin{array}{cc}|&| \\ \Re(v)&-\Im(v) \\ |&|\end{array}\right)\quad\text{and}\quad B' = \left(\begin{array}{cc}\Re(\lambda)&-\Im(\lambda) \\ \Im(\lambda)&\Re(\lambda)\end{array}\right). \nonumber

Las matricesB yB' son similares entre sí. La única diferencia entre ellos es el sentido de rotación, ya que{\Re(\lambda)\choose -\Im(\lambda)} y{\Re(\lambda)\choose \Im(\lambda)} son imágenes especulares entre sí sobre elx eje -eje:

clipboard_ed22d2dca1090c8b4ec00c51329097edb.png

Figura\PageIndex{15}

La discusión que sigue es muy análoga a la exposición en la subsección La geometría de las matrices diagonalizables en la Sección 5.4, en la que se estudió la dinámica de2\times 2 las matrices diagonalizables.

Nota\PageIndex{5}: Dynamics of a 2\times 2 Matrix with a Complex Eigenvalue

DejarA ser una2\times 2 matriz con un valor propio complejo (no real)\lambda. Por Teorema\PageIndex{1}, la matrizA es similar a una matriz que gira en cierta cantidad y escala por|\lambda|. De ahí,A gira alrededor de una elipse y escala por|\lambda|. Hay tres casos diferentes.

\color{Red}|\lambda| > 1\text{:}cuando el factor de escalado es mayor que1\text{,} entonces los vectores tienden a alargarse, es decir, más lejos del origen. En este caso, multiplicar repetidamente un vector porA hace que el vector se “salga en espiral”. Por ejemplo,

A = \frac 1{\sqrt 2}\left(\begin{array}{cc}\sqrt{3}+1&-2\\1&\sqrt{3}-1\end{array}\right) \qquad \lambda = \frac{\sqrt3-i}{\sqrt 2} \qquad |\lambda| = \sqrt 2 > 1 \nonumber

da lugar a la siguiente imagen:

162767989880585129.png

Figura\PageIndex{16}

\color{Red}|\lambda| = 1\text{:}cuando el factor de escalado es igual a1\text{,} entonces los vectores no tienden a alargarse o acortarse. En este caso, multiplicar repetidamente un vector porA simplemente “gira alrededor de una elipse”. Por ejemplo,

A = \frac 12\left(\begin{array}{cc}\sqrt{3}+1&-2\\1&\sqrt{3}-1\end{array}\right) \qquad \lambda = \frac{\sqrt3-i}2 \qquad |\lambda| = 1 \nonumber

da lugar a la siguiente imagen:

imageedit_6_3306311414.png

Figura\PageIndex{17}

\color{Red}|\lambda| \lt 1\text{:}cuando el factor de escalado es menor que1\text{,} entonces los vectores tienden a acortarse, es decir, más cerca del origen. En este caso, multiplicar repetidamente un vector porA hace que el vector se “incline”. Por ejemplo,

A = \frac 1{2\sqrt 2}\left(\begin{array}{cc}\sqrt{3}+1&-2\\1&\sqrt{3}-1\end{array}\right) \qquad \lambda = \frac{\sqrt3-i}{2\sqrt 2} \qquad |\lambda| = \frac 1{\sqrt 2} \lt 1 \nonumber

da lugar a la siguiente imagen:

162767989880585129.png

Figura\PageIndex{18}

Ejemplo\PageIndex{8}: Interactive: |\lambda|>1

A = \frac 1{\sqrt 2}\left(\begin{array}{cc}\sqrt{3}+1&-2\\1&\sqrt{3}-1\end{array}\right) \qquad B = \frac 1{\sqrt 2}\left(\begin{array}{cc}\sqrt{3}&-1\\1&\sqrt{3}\end{array}\right) \qquad C = \left(\begin{array}{cc}2&0\\1&1\end{array}\right) \nonumber

\lambda = \frac{\sqrt3-i}{\sqrt 2} \qquad |\lambda| = \sqrt 2 > 1 \nonumber

clipboard_e6fbc16677eb57e192e1fb8200bfaf1d9.png

Figura\PageIndex{19}: La acción geométrica deA yB sobre el plano. Haga clic en “multiplicar” para multiplicar los puntosB coloreados por a laA izquierda y a la derecha.
Ejemplo\PageIndex{9}: Interactive: |\lambda|=1

A = \frac 12\left(\begin{array}{cc}\sqrt{3}+1&-2\\1&\sqrt{3}-1\end{array}\right) \qquad B = \frac 12\left(\begin{array}{cc}\sqrt{3}&-1\\1&\sqrt{3}\end{array}\right) \qquad C = \left(\begin{array}{cc}2&0\\1&1\end{array}\right) \nonumber

\lambda = \frac{\sqrt3-i}2 \qquad |\lambda| = 1 \nonumber

clipboard_ec2f02437baf7d4e9f6fd884fb166626a.png

Figura\PageIndex{20}: La acción geométrica deA yB sobre el plano. Haga clic en “multiplicar” para multiplicar los puntosB coloreados por a laA izquierda y a la derecha.
Ejemplo\PageIndex{10}: Interactive: |\lambda|\lt1

A = \frac 1{2\sqrt 2}\left(\begin{array}{cc}\sqrt{3}+1&-2\\1&\sqrt{3}-1\end{array}\right) \qquad B = \frac 1{2\sqrt 2}\left(\begin{array}{cc}\sqrt{3}&-1\\1&\sqrt{3}\end{array}\right) \qquad C = \left(\begin{array}{cc}2&0\\1&1\end{array}\right) \nonumber

\lambda = \frac{\sqrt3-i}{2\sqrt 2} \qquad |\lambda| = \frac 1{\sqrt 2} \lt 1 \nonumber

clipboard_e4076acbab3646d86ea56cd764e7f5367.png

Figura\PageIndex{21}: La acción geométrica deA yB sobre el plano. Haga clic en “multiplicar” para multiplicar los puntosB coloreados por a laA izquierda y a la derecha.
Observación: Clasificación de2\times 2 matrices up to similarity

En este punto, podemos anotar la matriz “más simple” posible que es similar a cualquier2\times 2 matriz dadaA. Hay cuatro casos:

  1. Atiene dos valores propios reales\lambda_1,\lambda_2. En este caso,A es diagonalizable, por lo queA es similar a la matriz \left(\begin{array}{cc}\lambda_1&0\\0&\lambda_2\end{array}\right). \nonumber Esta representación es única hasta reordenar los valores propios.
  2. Atiene un valor propio real\lambda de multiplicidad geométrica2. En este caso, vimos en el Ejemplo 5.4.20 en la Sección 5.4 queA es igual a la matriz \left(\begin{array}{cc}\lambda&0\\0&\lambda\end{array}\right). \nonumber
  3. Atiene un valor propio real\lambda de multiplicidad geométrica1. En este caso, noA es diagonalizable, y vimos en Observación:2\times 2 Matrices no diagonalizables con un valor propio en la Sección 5.4 queA es similar a la matriz \left(\begin{array}{cc}\lambda&1\\0&\lambda\end{array}\right). \nonumber
  4. Ano tiene valores propios reales. En este caso,A tiene un valor propio complejo\lambda\text{,} yA es similar a la matriz rotación-escalado \left(\begin{array}{cc}\Re(\lambda)&\Im(\lambda) \\ -\Im(\lambda)&\Re(\lambda)\end{array}\right) \nonumber por Teorema\PageIndex{1}. Por Proposición\PageIndex{1}, los valores propios de una matriz de escala de rotación de\left(\begin{array}{cc}a&-b\\b&a\end{array}\right) are \(a\pm bi\text{,} manera que dos matrices de escala de rotación\left(\begin{array}{cc}a&-b\\b&a\end{array}\right) y\left(\begin{array}{cc}c&-d\\d&c\end{array}\right) son similares si y solo sia=c yb=\pm d.

Diagonalización de bloques

Para matrices mayores que2\times 2\text{,} hay un teorema que combina el Teorema 5.4.1 en la Sección 5.4 y el Teorema\PageIndex{1}. Dice esencialmente que una matriz es similar a una matriz con partes que parecen una matriz diagonal, y partes que parecen una matriz de escala de rotación.

Teorema\PageIndex{2}: Block Diagonalization Theorem

ADéjese ser unan\times n matriz real. Supongamos que para cada valor propio (real o complejo), la multiplicidad algebraica es igual a la multiplicidad geométrica. EntoncesA = CBC^{-1}\text{,} dondeB yC son los siguientes:

  • La matrizB es diagonal de bloques, donde los bloques son1\times 1 bloques que contienen los valores propios reales (con sus multiplicidades), o2\times 2 bloques que contienen las matrices \left(\begin{array}{cc}\Re(\lambda)&\Im(\lambda) \\ -\Im(\lambda)&\Re(\lambda)\end{array}\right) \nonumber para cada valor propio no real\lambda (con multiplicidad).
  • Las columnas deC forman bases para los espacios propios para los vectores propios reales, o vienen en pares\bigl(\,\Re(v)\;\Im(v)\,\bigr) para los vectores propios no reales.

El Teorema\PageIndex{2} se demuestra de la misma manera que el Teorema 5.4.1 en la Sección 5.4 y Teorema\PageIndex{1}. Se entiende mejor en el caso de3\times 3 las matrices.

Nota\PageIndex{6}: Block Diagonalization of a 3\times 3 Matrix with a Complex Eigenvalue

DejarA ser una3\times 3 matriz con un valor propio complejo\lambda_1. Entonces\bar\lambda_1 hay otro valor propio, y hay un valor propio real\lambda_2. Dado que hay tres valores propios distintos, tienen multiplicidad algebraica y geométrica uno, por lo que el Teorema\PageIndex{2} se aplica aA.

Dejarv_1 ser un vector propio (complejo) con valor propio\lambda_1\text{,} y dejarv_2 ser un vector propio (real) con valor propio\lambda_2. Entonces el teorema\PageIndex{2} dice queA = CBC^{-1} para

imageedit_5_3133266391.png

Figura\PageIndex{22}

Ejemplo\PageIndex{11}: Geometry of a 3\times 3 matrix with a complex eigenvalue

Qué hace la matriz

A = \frac 1{29}\left(\begin{array}{ccc}33&-23&9\\22&33&-23\\19&14&50\end{array}\right) \nonumber

hacer geométricamente?

Solución

Primero encontramos los valores propios (reales y complejos) deA. Calculamos el polinomio característico usando cualquier método que nos guste:

f(\lambda) = \det(A-\lambda I_3) = -\lambda^3 + 4\lambda^2 - 6\lambda + 4. \nonumber

Buscamos una raíz real utilizando el teorema de raíz racional. Las posibles raíces racionales son las que\pm 1,\pm 2,\pm 4\text{;} encontramosf(2) = 0\text{,} para que\lambda-2 se dividaf(\lambda). La realización de la división larga polinomial da

f(\lambda) = -(\lambda-2)\bigl(\lambda^2-2\lambda+2\bigr). \nonumber

El término cuadrático tiene raíces

\lambda = \frac{2\pm\sqrt{4-8}}2 = 1\pm i, \nonumber

para que la lista completa de valores propios sea\lambda_1 = 1-i\text{,}\bar\lambda_1 = 1+i\text{,} y\lambda_2 = 2.

Ahora calculamos algunos vectores propios, empezando por\lambda_1=1-i. Remaremos reducir (probablemente con la ayuda de una computadora):

A-(1-i)I_3 = \frac 1{29}\left(\begin{array}{ccc}4+29i&-23&9\\22&4+29i&-23\\19&14&21+29i\end{array}\right) \;\xrightarrow{\text{RREF}}\; \left(\begin{array}{ccc}1&0&7/5+i/5 \\ 0&1&-2/5+9i/5 \\ 0&0&0\end{array}\right). \nonumber

La variable libre esz\text{,} y la forma paramétrica es

\left\{\begin{array}{ccc}x &=& -\left(\dfrac 75+\dfrac 15i\right)z\\ y &=& \left(\dfrac 25-\dfrac 95i\right)z\end{array}\right. \quad\xrightarrow[\text{eigenvector}]{z=5}\quad v_1=\left(\begin{array}{c}-7-i\\2-9i\\5\end{array}\right).\nonumber

Para\lambda_2=2\text{,} nosotros tenemos

A - 2I_3 = \frac 1{29}\left(\begin{array}{ccc}-25&-23&9\\22&-25&-23\\19&14&-8\end{array}\right) \;\xrightarrow{\text{RREF}}\; \left(\begin{array}{ccc}1&0&-2/3 \\ 0&1&1/3 \\ 0&0&0\end{array}\right). \nonumber

La variable libre esz\text{,} y la forma paramétrica es

\left\{\begin{array}{rrr}x &=& \dfrac 23z \\ y &=& -\dfrac 13z \end{array}\right. \quad\xrightarrow[\text{eigenvector}]{z=3}\quad v_2=\left(\begin{array}{c}2\\-1\\3\end{array}\right).\nonumber

Según el teorema\PageIndex{2}, tenemosA=CBC^{-1} para

\begin{aligned}C&=\left(\begin{array}{ccc}|&|&| \\ \Re(v_1)&\Im(v_1)&v_2 \\ |&|&|\end{array}\right)=\left(\begin{array}{ccc}-7&-1&2\\2&-9&-1\\5&0&3\end{array}\right) \\ B&=\left(\begin{array}{ccc}\Re(\lambda_1)&\Im(\lambda_1)&0 \\ -\Im(\lambda_1)&\Re(\lambda_1)&0 \\ 0&0&2\end{array}\right)=\left(\begin{array}{ccc}1&-1&0\\1&1&0\\0&0&2\end{array}\right).\end{aligned}

La matrizB es una combinación de la matriz de escala de rotación\left(\begin{array}{cc}1&-1\\1&1\end{array}\right) de Ejemplo\PageIndex{4}, y una matriz diagonal. Más específicamente,B actúa sobre lasxy coordenadas girando en sentido contrario a las agujas del reloj45^\circ y escalando por\sqrt2\text{,} y escala laz coordenada por2. Esto significa que los puntos por encima de la espiralxy -plano fuera delz eje -y se mueven hacia arriba, y los puntos por debajo de la espiralxy -plano fuera delz eje -y se mueven hacia abajo.

La matrizA hace lo mismo queB\text{,} pero con respecto al sistema\{\Re(v_1),\Im(v_1),v_2\} -coordenada. Es decir,A actúa sobre el\Re(v_1),\Im(v_1) plano al salir en espiral, yA actúa sobre lav_2 coordenada escalando por un factor de2. Vea la demo a continuación.

clipboard_e27917602510bf4e07a2ccd2df3add014.png

Figura\PageIndex{23}: La acción geométrica deA yB sobre\mathbb{R}^3 . Haga clic en “multiplicar” para multiplicar los puntosB coloreados por a laA izquierda y a la derecha. (Hemos escaladoC por1/6 para que los vectoresx yy tengan aproximadamente el mismo tamaño.)

This page titled 5.5: Valores propios complejos is shared under a GNU Free Documentation License 1.3 license and was authored, remixed, and/or curated by Dan Margalit & Joseph Rabinoff via source content that was edited to the style and standards of the LibreTexts platform.

Support Center

How can we help?