¿Cuándo tendrá una matriz valores propios negativos? ¿Y qué significa eso?

Hay muchas situaciones en las que una matriz tendrá valores propios negativos. Aquí hay algunos:

1) Cuando la matriz es negativa definida, todos los valores propios son negativos.
2) Cuando la matriz es distinta de cero y se define de forma negativa, tendrá al menos un valor propio negativo.
3) Cuando la matriz es real, tiene una dimensión impar y su determinante es negativo, tendrá al menos un valor propio negativo.
4) Cuando la matriz es diagonal y tiene algunas entradas diagonales negativas, tiene valores propios negativos.
5) Cuando la matriz es distinta de cero, real, simétrica y no positiva, se debe definir algunos valores propios negativos.
6) Cuando la matriz no es cero, es real, simétrica y tiene una traza negativa, debe tener algunos valores propios negativos.

Todos estos son casos más restrictivos (algunos superpuestos) en los que definitivamente sabe que hay un valor propio negativo, pero no son exhaustivos. En general, una matriz tiene valores propios negativos siempre que [math] Ax = -cx [/ math] para algunos [math] c> 0 [/ math], lo que puede suceder de muchas maneras.

El significado de los valores propios negativos en una matriz depende, por supuesto, del contexto. Aquí hay una pareja en la que puedo pensar:

1) Interpretando geométricamente, una matriz que tiene un valor propio negativo representa una transformación lineal que actúa como un reflejo a través de algún eje. Esto puede tener repercusiones sobre si un conjunto de vectores orientados de una manera particular (por ejemplo, de acuerdo con la regla de la mano derecha) mantiene esa orientación o no.
2) En las ecuaciones diferenciales lineales, los valores propios negativos corresponden a modos / soluciones no oscilatorios, exponencialmente estables. Entonces, si el vector de condición inicial de un sistema corresponde a un valor propio negativo, el estado del sistema decaerá a 0 como un exponencial sin oscilar.
3) En las ecuaciones de diferencia lineal, los valores propios negativos corresponden a oscilaciones similares al papel de los valores imaginarios distintos de cero en las ecuaciones diferenciales lineales.

Esencialmente, cualquier matriz [matemática] M [/ matemática] que tenga al menos un valor propio negativo no es semidefinida positiva . Esto significa que [matemática] M [/ matemática] no puede escribirse como una matriz de columnas de otra matriz [matemática] B [/ matemática], es decir, no existe una matriz [matemática] B [/ matemática] tal que [ matemáticas] M = B ^ TB [/ matemáticas]. Por otro lado, si los valores propios de la matriz son todos no negativos, entonces la matriz es al menos semidefinida positiva (también podría ser positiva definida) y existen algunas columnas tales que la matriz [matemáticas] M = B ^ TB [/ math], donde [math] B [/ math] es la matriz que tiene estas columnas.

Otra forma de ver esto es la siguiente. Una matriz semidefinida positiva [matemática] M [/ matemática] satisface [matemática] x ^ TM x \ geq 0 [/ matemática] para cualquier vector de columna [matemática] x [/ matemática], y una matriz definida positiva satisface [matemática] x ^ TM x> 0 [/ math] para cualquier vector distinto de cero [math] x [/ math]. Si su matriz [matemática] M [/ matemática] tiene un valor propio negativo, está seguro de que existe algún vector [matemático] y [/ matemático] tal que [matemático] y ^ TM y <0 [/ matemático]. De hecho, este vector [matemática] y [/ matemática] puede elegirse como uno de los vectores propios asociados con este valor propio negativo. Como [math] My = \ lambda y [/ math] y [math] \ lambda <0 [/ math], tenemos [math] y ^ TM y = y ^ T (\ lambda y) = \ lambda (y ^ T y) [/ matemáticas]. Pero [matemática] y ^ T y> 0 [/ matemática] (¿por qué?), Entonces [matemática] y ^ TM y = \ lambda (y ^ T y) <0 [/ matemática].