Eigenvalores Complejos

Ahora tratamos el caso en el que A tiene valores propios no reales (complejos).

Supongamos que α + iβ es un valor propio de A con β ≠ 0. Dado que la ecuación
característica para A tiene coeficientes reales, se deduce que si α + iβ es un valor propio,
entonces también lo es su conjugado complejo α +iβ = α −iβ . Otra forma de ver esto es la
siguiente. Sea V un vector propio asociado a α + iβ. Entonces la ecuación
AV = (α + iβ)V
muestra que V es un vector con entradas complejas. Nosotros escribimos

( )
X 1+ i Y 1
V= :
X n+ i Y n

Sea V el conjugado complejo de V:

( )
X 1−iY 1
V= :
X n−iY n

Entonces, tenemos:

A V = AV =(α +iβ )V =(α −iβ ) V ,

lo que muestra que V es un vector propio asociado al valor propio α - iβ. Observe que
hemos salido (temporalmente) del mundo "real" de Rn y en el mundo C n de vectores
complejos. Esto no es realmente un problema, ya que todos los resultados algebraicos
lineales anteriores son igualmente válidos para vectores complejos. Ahora suponga que A
es una matriz de 2n × 2n con valores propios no reales distintos αj ± iβj para j = 1, ..., n.
Sean Vj y V j los vectores propios asociados. Entonces, al igual que en la proposición
anterior, esta colección de eigenvectores es independiente linealmente. Es decir, si tenemos
n

∑ ( cjVj+djV j )=0
j=1

donde cj y dj ahora son números complejos, entonces debemos tener cj = dj = 0 para cada j.
Ahora cambiamos las coordenadas para poner A en forma canónica. Sea
1
W 2 j−1 = ¿)
2
−i
W 2 j= ¿)
2
Tenga en cuenta que W2j − 1 y W2j son vectores reales. De hecho, W2j − 1 es solo el real
parte de Vj mientras que W2j es su parte imaginaria. Trabajar con Wj nos trae de vuelta a
casa a Rn .

Proposición. Los vectores W1, ..., W2n son linealmente independientes.

Prueba: supongamos que no. Entonces podemos encontrar números reales cj, dj para j =
1, ..., n tal que
n

∑ ( cjW 2 j−1+ djW 2 j )=0

j=1

pero no todos los cj y dj son cero. Pero luego tenemos

n
1
∑ ( cj(Vj +Vj)+idj(Vj−Vj))=0
2 j=1

De la que encontramos
n

∑ ( (cj−idj)Vj+(cj+idj)Vj ) =0
j=1

Dado que Vj y Vj son linealmente independientes, debemos tener cj ± idj = 0, de lo cual

concluimos cj = dj = 0 para todo j. Esta contradicción establece el resultado.
Note que tenemos:
1
A W 2 j −1= ¿ )
2
1
¿ ¿)
2
α iβ
¿ (Vj +Vj )+ ¿)
2 2
¿ αW 2 j−1−β W 2 j

Del mismo modo, calculamos

AW 2 j =¿ βW 2 j−1 +α W 2 j

Ahora considere el mapa lineal T para el cual TEj = Wj para j = 1, ..., 2n. Es decir, la matriz
asociada a T tiene columnas W1, ..., W2n. Tenga en cuenta que esto La matriz tiene
entradas reales. Dado que las Wj son linealmente independientes, se sigue de Sección 5.2
que T es invertible. Ahora considere la matriz T −1 AT . Tenemos

(T ¿¿−1 AT ) E2 j −1 =T −1 A W 2 j−1 ¿
 −1
¿ T (αW 2 j−1−β W 2 j )
¿ αE 2 j−1−β E2 j

Y similarmente tenemos:
(T ¿¿−1 AT ) E2 j =βE2 j−1 +αW 2 j ¿

Por lo tanto, la matriz asociada a T −1 AT es:

T −1 AT =( D 1 ¿ Dn )
donde cada Dj es una matriz de 2 × 2 de la forma

D j=
( α j βj
−β j α j )
Esta es nuestra forma canónica para matrices con valores propios no reales distintos.
Combinando los resultados de esta sección y la anterior, tenemos:

Teorema. Suponga que la matriz A n × n tiene valores propios distintos. Entonces allí existe
un mapa lineal T de modo que

donde los Dj son matrices 2 × 2 en la forma

D j=
( α j βj
−β j α j )
Proposición. Sea T: Rn → Rn un mapa lineal. Entonces Ker T y Range T son ambos
subespacios de Rn. Es más,
dim Ker T + dim Rango T = n.

Prueba: primero suponga que Ker T = {0}. Sea E1, ..., En la base estándar de Rn. Entonces
afirmamos que TE1, ..., TEn son linealmente independientes. Si esto no es el caso, entonces
podemos encontrar α1, ..., αn, no todo 0, tal que
n

∑ α j T E j=0
j=1

Pero entonces tenemos:

( )
n
T ∑ α j E j =0
j=1

lo que implica que αjEj ∈ Ker T, de modo que αjEj = 0. Por lo tanto, cada αj = 0, lo cual es
una contradicción. Por tanto, los vectores TEj son linealmente independientes. Pero
entonces, dado V ∈ Rn, podemos escribir
n
V =∑ β j T E j
j=1

para algunos β1, ..., βn. Por lo tanto

(∑ )
n
V =T βjEj
j=1

lo que muestra que Rango T = Rn. Por tanto, tanto Ker T como Range T son subespacios de
Rn y tenemos dim Ker T = 0 y dim Range T = n. Si Ker T = {0}, podemos encontrar un
vector distinto de cero V1 ∈ Ker T. Claramente, T (αV1) = 0 para cualquier α ∈ R, por lo
que todos los vectores de la forma αV1 se encuentran en Ker T. Si Ker T contiene vectores
adicionales, elija uno y llámelo V2. Entonces Ker T contiene todas las combinaciones
lineales de V1 y V2, ya que
T (α 1 V 1+ α 2V 2)=α 1 TV 1+ α 2 TV 2=0.
Continuando de esta manera obtenemos un conjunto de vectores linealmente
independientes que abarca Ker T, mostrando así que Ker T es un subespacio. Tenga en
cuenta que este proceso debe terminar, ya que cada colección de más de n vectores en Rn es
linealmente dependiente.
Un argumento similar funciona para mostrar que Range T es un subespacio. Ahora suponga
que V1, ..., Vk forman una base de Ker T donde 0 <k <n (el caso donde k = n es obvio).
Elija los vectores Wk + 1, ..., Wn para que V1, ..., Vk, Wk + 1, ..., Wn forman una base de
Rn. Sea Zj = TWj para cada j. Luego los vectores Zj son linealmente independientes,
porque si tuviéramos
αk +1 Zk +1+·· ·+αnZn=0 ,
Entonces también tendríamos
T (αk+ 1Wk+ 1+· · ·+ αnWn)=0.
Esto implica que
αk +1Wk +1+·· ·+αnWn ∈ Ker T .
Pero esto es imposible, ya que no podemos escribir ningún Wj (y por lo tanto ninguna
combinación lineal de Wj) como una combinación lineal de Vi. Esto prueba que la suma de
las dimensiones de Ker T y Rango T es n.
Observamos que es fácil encontrar un conjunto de vectores que abarque el rango T;
simplemente tomar el conjunto de vectores que componen las columnas de la matriz
asociada a T. Esto funciona ya que el i-ésimo vector de columna de esta matriz es la imagen
del vector base estándar Ei bajo T. En particular, si estos vectores columna son linealmente
independiente, entonces Ker T = {0} y hay una solución única para la ecuación T (X) = V
para todo V ∈ Rn. Por lo tanto, tenemos:

Corolario. Si T: Rn → Rn es un mapa lineal con dim Ker T = 0, entonces T es invertible.