Documente Academic
Documente Profesional
Documente Cultură
DIAGONALIZACIN DE MATRICES
X k sk
a
k
donde jk, sk y ak, son el nmero de hembras en las etapas juvenil, subadultas y adultas
respectivamente.
jk 1 0' 33ak
0 0' 33 jk
jk 1 0
sk 1 0' 18 jk
sk 1 0' 18 0
0 sk
a 0
a 0'71s 0' 94a
0'71 0' 94 ak
k
k 1
k 1
Ante esta situacin, es lgico que nos preguntemos si la poblacin de lechuza moteada
ser capaz de sobrevivir o estaremos ante un fenmeno de extincin de una especie. La teora
sobre la diagonalizacin de matrices que estudiaremos a continuacin nos dar las claves para
contestar a la problemtica planteada.
A.
VALORES
A lo largo de este tema trabajaremos siempre con matrices cuadradas a menos que se diga
lo contrario.
DEFINICIN 4.1 Sea A=(aij) una matriz de orden nxn, se dice que un vector no nulo v de
n
Av= v
Al escalar se le denomina valor propio asociado a v.
EJEMPLO 4.1 Comprueba que el vector v = (11, 1, -14) es un vector propio de la siguiente
matriz
2 2 3
A 1 1 1
1 3 1
Calculemos Av
2 2
1 1
1
11 22
11
1 2 2 1
14
1 14 28
a 21 x1 + (a 22 ) x 2 + ...+ a 2n x n = 0
........................................................
a n1 x1 + a n2 x 2 + ...+ ( a nn ) x n = 0
Este sistema homogneo de ecuaciones tiene soluciones no nulas si, y slo si, la matriz de
coeficientes (A- I) es no invertible, es decir, se cumplir que |A- I| = 0. Este resultado nos
lleva la siguiente teorema.
TEOREMA 4.1 Sea A una matriz cuadrada de orden n.
1. Un escalar es un valor propio de A si y slo si, |A- I| = 0.
2.Los vectores propios de A asociados a son las soluciones no nulas del sistema
(A- I) = 0
expresin polinmica
H() = { v de R n: Av= v}
teniendo en cuenta las notas anteriores, H() es un subespacio vectorial (s.e.v.) que contiene
a los vectores propios de y al vector nulo, evidentemente.
EJEMPLO 4.2 Calcula los valores propios y los subespacios asociados de la matriz
1 1 1
0 2 0
0 0 2
1
1
1
1 1 1
1 0 0
det( A I ) det( 0 2 1 0 1 0 ) 0
2
1 (1 )(2 ) 2
0 0 2
0 0 1
0
0
2
0 1 1
0 1 0
0 0 1
x 0
yz 0
y 0 y 0 y 0, z 0
z 0
1z 0
0 0 0
0 0 0
0
x yz 0
y 0
00
x yz
z 0
00
PROPOSICIN 4.0:
(A I).
Los valores propios de una matriz diagonal coinciden con los valores
de su diagonal principal.
PROPOSICIN 4. 1:
Dado que los valores propios t verifican que |A- I|=0, si = 0 fuese valor propio tendramos |
A-0I|=0, |A|= 0, luego A no es invertible.
PROPOSICIN 4.3: Las matrices A y At tienen los mismos valores propios con la misma
multiplicidad.
DEMOSTRACIN
PA ( ) A t I A t I t ( A I ) t A I PA ( )
t
TEOREMA 4.2 Sea S= {u1, u2, ... , us} un conjunto de vectores propios asociados a valores
Rank 2
1 1 0 F2 F1 0 1 0
B.
DIAGONALIZACIN
DE MATRICES
A la hora de buscar las claves que permitan alcanzar una solucin del problema
introductorio, se coment que la potenciacin de matrices iba a jugar un papel importante. Si
una matriz es diagonal su potencias sucesivas son fciles de calcular
d1 n
d1 0 ... 0
0 d 2 ... 0
0
A
...
0
0 ... d n
...
...
...
...
...
0
d2
0
... d n
n
En este apartado vamos a estudiar como podemos relacionar una matriz que no sea
diagonal con otra que sea diagonal. Consecuentemente se encontrar un mtodo que facilite el
clculo de sus potencias sucesivas.
A = PDP-1 AP = PD
PROPOSICIN 4.4: Una matriz es diagonalizable si y solo si existe una base de R n formada por
vectores propios.
Se puede justificar que si existe una base {u1, u2 ,..., un} de Rn de vectores propios, entonces P
es la matriz cuyas columnas son los vectores propios, y D una matriz cuya diagonal son los
valores propios asociados a los vectores propios.
m entonces dimH() m
0 2 0
0 0 2
0 1 0
0 0 1
EJEMPLO 4. 5
1 1 1
0 2 0
0 0 2
1 1 1
0 1 0
0 0 1
1 0 0
0 2 0
0 0 2
3
3
1
det( A I ) det( 4 6 3 0
3
0
3 1
0 0
2
4
3
1 0 ) 4 6 3 3 3 2 4 (1 )(2 ) 2
0 1
3
3
1
y = -2, ste ltimo de multiplicidad 2.
4 4 3 y 0 4 x 4 y 3 z 0 x , y , z 0
3
3x 3 y 3z 0
3
3 z 0
An = P Dn P-1
DEMOSTRACIN
Si A es diagonalizable existe una matriz P invertible tal que AP= PD; es decir,
(AP)P-1 = PDP-1 , por tanto A= PD P-1
Hallemos An
An = AA... n- veces ... A= (PDP-1)( PD P-1)... n-veces... (PD P-1) =
P(D(P-1P) D(P-1P)...n-1- veces...D(P-1P))DP-1= P(DIDI...n-1-veces...DI)DP-1 =PDnP-1
1 2
0 2
hallar An
1 0
0 2
por tanto
1 0
n
0 2
D n
y0
0 1 y 0
y0
luego H(1) = {(x,0) / x R}= <(1,0)>
x 2y
00
0 0 y 0
0 1
An= P Dn P-1=
1 0
n
0 2
1 2
0 1
1 2
0 1
1 2n 1 1 2 1 2n 1 2
0 2 n 0 1 0
2 n
C.
SISTEMAS
DINMICOS DISCRETOS
Los valores y los vectores propios proporcionan la clave para entender el comportamiento a
largo plazo, o evolucin, de un sistema dinmico discreto.
Recordando la nocin de sistema dinmico, una ecuacin donde interviene una cantidad
vectorial dependiente del tiempo, x(t), este concepto ya fue introducido en el tema I . En un
sistema dinmico discreto la variable tiempo es un nmero entero, y x(t) se suele representar
con xk. Un sistema dinmico homogneo y discreto es una ecuacin vectorial con la siguiente
forma:
xk = Axk-1 (ecuaciones en diferencias)
Los vectores xk dan informacin sobre el sistema con el paso del tiempo. La matriz A (llamada
de transicin) es una matriz cuadrada, que recoge la informacin sobre el funcionamiento del
sistema. Recordemos que xk puede calcularse por medio de aplicaciones repetidas de esa
ecuacin,
x k Ax k 1 A 2 x k 1 A k x 0
es decir,
xk A k x0
que nos da la situacin del sistema en el instante k dependiendo slo de la situacin inicial, es
decir, x0. El clculo de xk en la ecuacin anterior tiene la dificultad: obtener el valor de Ak puede
ser laborioso. Generalmente, con frecuencia nos interesa el comportamiento a largo plazo del
lim x k lim A k x 0
k
sistema. Es decir, deseamos conocer el valor del vector k
, si es que existe. Pero
k
el clculo de A x 0 cuando k es muy grande es una labor muy seria y laboriosa. Veamos la
siguiente estrategia para facilitar su clculo.
Supongamos que nos interese calcular Akv para un vector x0 de Rn y una matriz cuadrada A de
orden n. Consideremos una base de vectores propios
B={ v1, v2 , ... ,vn } : Avi= i vi i=1,2,.n
entonces tendramos que v se podra expresar como combinacin lineal de B
x0 1 v1 n v n
Ax 0 A( 1 v1 n v n ) 1 Av1 n Av n 1 1 v1 n n v n
A 2 x 0 A 2 ( 1 v1 n v n ) 1 A 2 v1 n A 2 v n 1 12 v1 n 2n v n
..................................................................................................................
A k x 0 A k ( 1 v1 n v n ) 1 A k v1 n A k v n 1 1k v1 n kn v n
Con lo que la solucin del sistema puede simplificarse a
x k A k x 0 1 1k v1 n kn v n
Por tanto la solucin de la tendencia del sistema a largo plazo vendra dada por
lim x k lim ( 1 1k v1 n kn v n )
k
lim n
n
dos humedales A y B. Se conoce que al cabo de un ao, el 70% de las aves en A se desplazan a
B; en cambio el 50% de B se desplaza a A.
a) Calcula matriz de transicin
Si llamamos xn= aves en zona A e yn= poblacin en zona B, se tiene que
x n 0.3x n 1 0.5 y n 1
x 0.3 0.5 x n 1
z n Az n 1
n
y n 0.7 x n 1 0.5 y n 1 y n 0.7 0.5 y n 1
b) Si inicialmente haba el mismo nmero de aves en cada humedal Cul ser el porcentaje
en cada uno de ellos al cabo de tres aos?
0.3 0.5
z 3 A z 0
0.7 0.5
3
0.5 41.6
0.5 58.4
1
lim z n lim ( 1 z1 2 1n v 2 ) 0 2 v 2
n
n
5
A continuacin estudiemos solo el vector asociado a = 1.
0'7 0'5
0'7 0'5
A 1I V 0
x
y
0.7 x 0.5 y 0
5 / 7
x 5/ 7y v
y
0'7 x 0'5 y 0
1
Esto significa que a largo plazo tendramos una relacin de 5 a 7, es decir, en la zona A
el nmero de aves tiende a estabilizarse en el 5/12 (aproximadamente un 41666%) y en la
zona B el 7/12 (aproximadamente un 5833%). En definitiva la poblacin tendera a
estabilizarse rpidamente.
El ejemplo anterior es una muestra de lo que se denomina cadenas de Markov, en los
que la matriz de transicin A es una matriz con todas las entradas no negativas y en las cuales
cada columna suma 1. En estos casos se puede demostrar que = 1 s un valor propio de A y los
dems cumplen ||<1, por tanto
lim z n v
n
bn 1 pa n 1' 1bn
Determinar la evolucin del sistema cuando por termino medio las lechuzas consumen 104
ratas / mes.
Las ecuaciones que definen las relaciones del sistema se pueden establecer matricialmente:
0' 5 0' 4 an
an 1
b
n 1 0' 104 1' 1 bn
0' 5 0' 4
0' 104
1' 1
El polinomio caracterstico de T y por tanto sus valores propios vienen dado por:
0'5
0'4
0 1'02; 0'58
0'104 1'1
El subespacio asociado para = 102:
0' 52 0' 4
x
y
0
0.52 x 0.4 y 0
y 52 x / 40
0
0' 104 x 0' 08 y 0
0' 08 0' 4
x
y
0.08 x 0.4 y 0
x 5y
0' 104 x 0' 52 y 0
, v
13
y X0 la poblacin inicial del sistema, dado que B es base se tiene que X0 ser combinacin
lineal de u y de v : X0= (au+ bv)
Consecuentemente tendremos que:
X1= TX0,= T(au+ bv)= aTu+ bTv= a102u+ b058v;
X2 = TX1 = T(a102u+ b058v)= a102Tu+ b058Tv= a1022 u+ b0582v;
...........................