UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE

LGEBRA LINEAL

TRABAJO DE INVESTIGACIN

TEMA: VALORES Y VECTORES PROPIOS

NOMBRE: IVAN ALEJANDRO GARZN ORTIZ

DOCENTE: ING. JUAN CARLOS CUEVA NEVAREZ

NRC: 1705

AULA: A-106

FECHA:

1
Definicin de valores y vectores caractersticos de una matriz cuadrada.

Introduccin
En este apartado se definir los valores y vectores caractersticos de una matriz cuadrada,
por lo que una dimensin puede representarse por medio de matrices, lo que se trata de
encontrar son ecuaciones, relacionados con un sistema grfico.

T :V W
Sea una transformacin lineal. En diversas aplicaciones (una de las cuales se
v V Tv v
da en la siguiente seccin) resulta til encontrar un vector en tal que y son
v
paralelos. Es decir, se busca un vector y un escalar tal que:

Tv v

v0 T
Si y satisface (1), entonces se denomina un valor caracterstico de y

v T
un vector caracterstico de correspondiente al valor caracterstico . El
propsito de este captulo es investigar las propiedades de los valores caractersticos y

V T
vectores caractersticos. Si tiene dimensin finita, entonces se puede representar

Definicin
por una matriz 1 .Por esta razn se estudiaran los valores caractersticos de las

Valor caracterstico y vector caracterstico.

A nxn
Sea una matriz de con componentes reales. El nmero (real o complejo) se

A v Cn
denomina valor caracterstico de Av siexiste
v un vector diferente de cero en tal
que.

2
 v0 A
El vector se denomina vector caracterstico de correspondiente al valor

caracterstico .

Nota. Los valores y vectores caractersticos tambin se

denominan valores y vectores propios o eigenvalores y
eigenvectores: la palabra eigen es una palabra alemana para
propio.

EJEMPLO 1

10 18 2 10 18 2 2
A A
6 11 1 6 11 1 1 1
1
Sea Entonces As es un valor

2

A v1 1
caracterstico de con el correspondiente vector caracterstico . De manera

3 10 18 6 3
A 2
2 6 11 4 2 2
2
similar., de modo que es un valor

3

A v2 2
caracterstico de con el correspondiente vector caracterstico .como se ver

A
enseguida, stos son los nicos valores caractersticos de .

Ejemplo 2. 2
EJEMPLO

Valores caractersticos y vectores caractersticos de la matriz identidad.

3
 AI v Cn , Av Iv v 1
Sea , entonces para cualquier As, es el nico valor

A Cn I
caracterstico de y todo es un vector caracterstico de .

Se calcularn los valores y vectores caractersticos de mltiples matrices en esta seccin.

Pero primero es necesario probar algunas tcnicas que simplificaran estos clculos.

A
Suponga que es un valor caracterstico de . Entonces existe un vector diferente de cero

x 1

x
2

v x n 0 Av v / v
Tal que . Reescribiendo esto se obtiene:

( A I ) 0.

(Ecuacin 3)

A nxn n
Si es una matriz de , la ecuacin (3) corresponde a un sistema homogneo de

x , x , x
1 2 n
ecuaciones con las incgnitas . Como se ha supuesto que el sistema cuenta con

( A I ) 0
soluciones no triviales, se concluye de det . De forma inversa si det

( A I ) 0
entonces la ecuacin (3) tiene soluciones no triviales y es el valor

A ( A I ) 0
caracterstico de . Por otro lado, si det , entonces la nica solucin a (3) es

4
v0 A
de manera que no es un valor caracterstico de .Resumiendo estos hechos, se
tiene el siguiente teorema.

Teorema 1

A nxn A
Sea una matriz de . Entonces es un valor caracterstico de s y solo si

p ( ) det( A ) 0

Conclusin:
( A / 2) x 0
Sea una matriz cuadrada si le aplicamos la formula
posteriormente le extremos su determinante obtenemos la ecuacin caracterstica. Al
factorizar obtenemos los valores caractersticos.

Polinomio y ecuacin caracterstica.

Introduccin
Las ecuaciones algebraicas al trmino matricial l, los valores caractersticos son los valores
asociados con una ecuacin ya sea de dos o tres incgnitas.

5
Definicin 2
A; p( )
La ecuacin (4) se denomina la ecuacin caracterstica de se denomina el

A
polinomio caracterstico de .

p ( ) n A
es un polinomio de grado en . Por ejemplo,
Como ser evidente en los ejemplos,

a b a b 0 a b
A
c d A I c d 0 c d
si entonces y

p ( ) det( A I ) (a )( d ) bc (a d ) (ad bc).

2

n
De acuerdo con el teorema fundamental del algebra, cualquier polinomio de grado con
n
coeficientes reales o complejos tiene exactamente races (contando multiplicidades). Esto

( 1)
5

significa, por ejemplo, que el polinomio tiene cinco races, todas iguales al

1 A
nmero . Como cualquier valor caracterstico de es una raz de la ecuacin

A
caracterstica de , se concluye que:

nxn
Contando multiplicidades, toda matriz de tiene
n
exactamente valores caractersticos.

Teorema 2

6
 A nxn E {v : Av v}
Sea un valor caracterstico de la matriz de y sea . Entonces

E Cn
es un espacio de .

Demostracin

Av v ( A I )v 0 E Cn
Si , entonces es un subespacio de .

Av v ( A I )v 0 E A I .
Si entonces . As es el espacio nulo de la matriz , que
n
por ejemplo 4.6.10, pagina 343, en un sub espacio C

Espacio caracterstico:

Definicin 3

A E
Sea un valor caracterstico de . El subespacio se denomina espacio

A
caracterstico o propio de correspondiente al valor caracterstico de .

Ahora se probara otro resultado til

Teorema 3

A nxn
1 2 m A
Sea una matriz de y sea valores caracterstico distintos de (es

i j i j v v v
1 2 m
decir; si con vectores caractersticos correspondientes Entonces

7
v v v
1 2 m
son linealmente independientes. Esto es: los vectores caractersticos
correspondientes a valores caractersticos distintos son linealmente independientes.
m 2,
Se llevar a cabo la demostracin por induccin matemtica. Comenzando con
supongamos que

c v c v
1 1 2 2
0

A
Multiplicando ambos lados de (5) por se tiene
0 A(c v c v ) c A v c A v
1 1 2 2 1 1 2 2

como A vi i i para i 1,2

O sea (

c v c v
1 1 1 2 2 2
0

1
Se multiplica (5) por y se restan de (6) para obtener

(c1 1 v1 c2 2 v2) c v c v
1 1 1 2 2 2
0

O sea

c ( ) v
2 1 2 2
0

v 2
0
1 2
Como (por definicin de vectores caractersticos) y como se

c 2
0 c 2
0 c
1
0
concluyen que . Entonces sustituyendo en (5) se ve que lo que prueba

m2 mk
el teorema en el caso . Ahora supongamos que el teorema se cumple para .esto

8
 k
es, se supone que vectores caractersticos correspondientes a valores caractersticos

m k 1
distintos son linealmente independientes. Ahora se prueba el teorema para . As
que se supone que.

c v c v
1 1 2 2
ck vk c K k ck 1 v K 1 0

A A vi i vi
Multiplicando ambos lados de (7) por y usando el hecho de que se
obtiene

c v c v
1 1 1 2 2 2
ck k vk ck 1 k 1 vk 1 0

k 1
Se multiplica ambos lados de (7) por y se resta de (8).

c ( ) v c ( ) v
1 1 k 1 1 2 2 k 1 2
ck ( k 1) vk 0
k

v v ,v
1 2 k
Pero de acuerdo a las suposiciones de induccin son linealmente

c (
1 1 k 1
) c2 ( k 1) ck ( k k 1) 0;
2
independientes. As y como

i k 1 i 1,2, , k c c c
1 2 k
0
para se concluye que pero de (7) esto significa
.

c k 1
0 m k 1
que . Por lo tanto, el teorema se cumple para y la prueba que completa.

Si

9

a 11 a 12
a 1n




a 21 a 22
a 2n



a n1 a n2
a nn

Entonces
a11
a 12
a 1n

a a a
p ( ) det( A I ) 21 22 2n

a n1 a n2
a nn

p ( ) 0

Y se puede escribir en la forma

p ( ) (1)
n
n
bn 1
n 1
b1 b0 0

n
1 2 m
La ecuacin (9) tiene races, alguna de ellas repetidas. Si Son las diferentes
r1 r 2 r m
races de (9) con multiplicidades respectivamente, entonces (9) se puede
factorizar para obtener

(1)
n
p ( ) 1 )
r1
2) r2
( m) 0
rm

Conclusin

En conclusin tenemos que acuerdo con el teorema fundamental del algebra, cualquier
n n
polinomio de grado con coeficientes reales o complejos tiene exactamente races
(contando multiplicidades).

10
Las ecuaciones algebraicas al trmino matricial l, los valores caractersticos son los valores
asociados con una ecuacin ya sea de dos o tres incgnitas.

Valores y Vectores caractersticos de una matriz cuadrada

Introduccin:
Esta trata de la determinacin de aquellos valores caractersticos de una matriz triangular,
nos dice que los valores propios son tambin llamados valores caractersticos o tambin
autovalores y eigenvalores, en el cual puede hallarse por simple inspeccin, tambin nos
indica que existen varios mtodos para su resolucin.

A n n
Sea una matriz . El nmero real es un valor propio (tambin
conocidos como, valores caractersticos, autovalores o incluso eigenvalores) de
n
A x R
si existe un vector distinto en cero tal que
R
n 1 A
Todo vector distinto de cero que satisfaga es un vector propio de , asociado con

x
valor propio . Los valores propios tambin se llaman valores caractersticos,
autovalores, valores latentes o eigenvalores (del alemn eigen, que significa propio).
De manera similar los vectores propios tambin se llaman vectores caractersticos,
autovalores, valores latentes o eigenvalores.

Calculo de valores caractersticos y vectores caractersticos

Ejemplo
1 1
A
2 4

11
 A
Queremos determinar los valores propios de y sus vectores propios asociados. En

consecuencia, queremos determinar todos los nmeros reales y todos los vectores no
nulos.

X
x
1

x2

1
Que satisfaga , es decir,

1 1 1 1
2 4
2 2

2
La ecuacin se convierte
1 2 1
2 1 4 2 2 ,

O
1 1 2 0
21 4 2 0

3
La ecuacin es un sistema homogneo de dos ecuaciones en dos incgnitas. El

3
corolario 3.4 de la seccin 3.2 implica que el sistema homogneo en tiene una solucin

no trivial si solo si el determinante de su matriz de coeficientes es cero; es decir, si
solo si.

12
 1 1
2 4 0

Esto significa que

1 4 2 0

O
2 5 6 0 3 2.

Por tanto,
1 2 y 2 3

A A
Son los valores propios de . Para determinar todos los vectores propios de asociados

1 2,
con formamos el sistema lineal
Ax 2x,

O
1 1 x1 x1
2 4 x 2 x
2 2

Esto da como resultado

x1 x 2 2 x1
2 x1 4 x 2 2 x 2

O
2 1 x1 x 2 0
2 x1 2 4 x 2 0

13
 O
x1 x 2 0
2 x1 2 x 2 0

Observe que podramos haber obtenido este ltimo sistema homogneo simplemente

2 3
sustituyendo en . Todas las soluciones de este ltimo sistema estn dadas por
x1 x 2
x 2 cualquier ..numero..real ..r

1 2
Por tanto, todos los vectores propios asociados con el vector propio estn dados por

r
r
r
, donde es cualquier nmero real distinto de cero. En particular,
1
x1
1

1 2 2 3
Es un vector propio asociado con . De manera anloga, para obtenemos a

3
partir de ,
3 1 x1 x 2 0
2 x1 3 4 x 2 0

O
2 x1 x 2 0
2 x1 x 2 0

Todas las soluciones de este ultimo sistema homogneo estn dadas por

14
 1
x1 x2
2
x 2 cualquier ...numero..real ..r.

2 3
Por tanto, todos los vectores propios asociados con el valor propio estn dados por

1
2 r
r
r
, donde es cualquier nmero real distinto de cero. En particular,
1
x2
2

2 3
Es un vector propio asociado con .

Conclusin
Una matriz tiene un significado vectorial se desea ver de esta manera por lo que los
vectores caractersticos se pueden calcular o determinar a simple vista.
Por lo tanto para el clculo de los valores y vectores caractersticos hacemos uso de una
matriz homognea y de la ecuacin caracterstica.

Diagonalizacin de matrices, potencias y races de Matrices.

15
Introduccin
El tema trata de la determinacin de los vectores caractersticos de una matriz en la cual nos

A n n D
dice que una matriz de es diagonalizable si existe una matriz diagonal tal

A D D
que es semejante a , nos dice que si es una matriz diagonal; su componentes en la

A D
diagonal seria los valores propios y si y son semejantes se dice que tienen el mismo
valor propio.

Diagonalizacin de matrices

A nxn D A
Una matriz de es diagonalizable si existe una matriz diagonal tal que es

D
semejante a
D
Si es una matriz diagonal, entonces los valores propios son sus componentes en la

A D A D
diagonal. Si es semejante a , entonces y tienen los mismos valores propios.
A A
Se observa que si es diagonalizable, entonces es semejante a una matriz diagonal

A
cuyas componentes en la diagonal son los valores propios de .

nxn
Una matriz de es diagonalizable si y slo tiene n vectores propios linealmente

D
independientes. En tal caso la matriz diagonal semejante s A est dada por :

16


1 0 0 0
0 0 0
D 0
2

0 3 0
0 0 0 n

,
1 2, n A C
Donde son valores propios de . Si es una matriz cuyas columnas son

A
vectores propios linealmente independientes de , entonces :

D C AC
1

A nxn A
Si la matriz tiene n valores propios diferentes, entonces es diagonalizable
Ejemplo:

4 2
A
3 3
Diagonalizacin de una matriz 2 x 2 sea

Cuyos valores propios independientes son :

2 1 2 1
V 1

3
y...V 2
1
C
3 1

Despus haciendo
Se encuentra que:

1 1 1 1 4 2 2 1
C AC
5 3 2 3 3 3 1
1 1 1 2 6 1 5 0 1 0

5 3 2 3 6 5 0 30 0 6

17
 A
Que es la matriz cuyos componentes en la diagonal son valores propios de

Diagonalizacin de matrices de 3 x 3 con tres valores propios distintos sea

1 1 4

A 3 2 1
2 1 1

Cuyos vectores propios linealmente independientes son

1 1 1 1 1 1

V1 4 ,V2 1 , y ,V 3 2
C 4 1 2
1 1 1 1 1 1

entonces
1 2 3 1 1 4 1 1 1
1 1
C AC 6 2 2 6 3 2 1 4 1 2
3 0 3 2 1 1 1 1 1

1 2 3 1 2 3 6 0 0 1 0 0
1 1
2 2 6 4 2 6 0 12 0 0 2 0
6 6
3 0 3 1 2 3 0 0 18 0 0 3

Con valores propios 1, 2, y 3

18
Observacin. Como existe un nmero infinito de maneras en que se pueden elegir un
vector propio, existe un nmero infinito de maneras de escoger la matriz de diagonalizacion
C C
. El nico consejo es elegir los vectores propios y la matriz que sean los de ms
sencillo manejo aritmtico. En general, esto quiere decir que debe insertarse el mayor
nmero de ceros y unos posible.

Conclusin:
Como conclusin tenemos que si una matriz es diagonizable los valores propios que estar
tomando seran sus componentes en la diagonal, en caso de que las matrices sean
semejantes el valor propio sera completamente igual para ambos casos.

Diagonalizacin de matrices simtricas

Introduccin.
Este apartado hace referencia a la diagonlizacin de las matrices simtricas. Este tema
demuestra que si una diagonal A y B son matrices cuadradas del mismo tamao, entonces
se dice que B es similar o semejante a A. se entiende que una matriz puede estar
relacionada con sus propios vectores. La diagonalizacin ortogonal est relacionada con las
transformaciones semejantes que para pasar de un sistema de coordenadas a otro. Aqu se
podr comprender como es que el conjunto de matrices ortogonalmente es el conjunto de
matrices simtricas. Se muestran tambin ejercicios donde se demuestran los teoremas que
son necesarios para la comprobacin de los problemas aqu presentados con respecto a la
diagonalizacin de matrices.

Diagonalizacin de matrices sean A y B matrices cuadradas del mismo tamao.

Se dice que B es similar o semejante a A, si existe una matriz invertible C tal que
a esta transformacin de la matriz A en la matriz B se la llama trasformacin 19
semejante.
B C 1 AC.

B C 1 AC.
Considere las siguientes matrices A Y C. es invertible. Use la transformacin
semejante
Para transformar la matriz A en una matriz B.

7 10 2 5
A C
3 4 1 3

Solucin

2 5
1
2 5
1
2 5 3 5 7 10 2 5
1 3 1 2 3 4 1 3
B C AC. 1 3
1
1 3

6 10 2 5 2 0
1 3 0 1
1 2
Se tiene

20
 En este ejemplo, la matriz A se trasform en una matriz diagonal B. no todas las
matrices cuadradas se puede diagonalizar de esta manera, es importante que se
sepa diagonalizar ya que en las matrices simtricas se aplica este mtodo de
diagonalizacin

Diagonalizacin de matrices simtricas

La diagonalizacin de una matriz est relacionada con sus vectores propios, en el teorema
siguiente sintetiza las propiedades de los valores y vectores propios de las matrices
simtricas.

nxn
Sea A una matriz de
a) Todos los valores propios de A son nmeros reales.
b) La dimensin de un espacio propio de A es igual a la multiplicidad del
valor propio como ste a su vez es raz de la ecuacin caracterstica.
c) Los espacios propios de A son ortogonales.
d) A tiene n vectores propios linealmente independientes.
En este apartado se ilustrarn estas afirmaciones para la matriz simtrica

Ejemplo: para este problema se debe encontrar primero los valores y vectores de
esta matriz.
5 4 2
A 4 5 2
2 problema se debe encontrar primero los valores y vectores de esta
Ejemplo: 2para
2 este
matriz.

5 4 2
A 4 5 2
2 2 2

21
 A l3
La matriz se obtiene restando a los elementos diagonales de A. de manera que.
5 4 2
A l3 4 5 2
2 2 2

5 4 2 1 1 0 1 0 0
A l3 4 5 2 4 5 2 4 9 2

2 2 2 2 2 2 2 4 2

(1 ) (9 )( 2 ) 81 (1 ) 11 10
2

(1 )( 10)( 1) ( 10)( 1) 2

Ahora se resuelve ecuacin caracterstica de A

( 10)( 1) 2 0
10.o.1

Los valores propios de A son 10 y 1

22

Los vectores propios de correspondientes se encuentran sustituyendo por estos valores

( A l 3) x 0
en la ecuacin.

5 4 2 x
1
4 5
2 x2
0
2 2 8 x
3
Usando a = 10 se obtiene
( A l 3) x 0

x1 2r x2 2r x3 r
Las soluciones de este sistema de ecuaciones son , y donde r es un

10
escalar. De esta manera, el espacio propio de es un espacio unidimensional de

2
r 2
1
vectores de la forma

1 1 A l x 0
3
Usando se tiene en
A l x 0
3

23
 x 1
s t x 2
s
Se puede mostrar que las soluciones de este sistema de ecuaciones son ,

x 3
2t 1
donde s y t son escalares. As el espacio propio de es el espacio de vectores

s t
s

2t
de la forma se ver que
Ahora las afirmaciones
separando dadas seny el
los parmetros teorema
t se se ilustran como:
puede escribir

4 4 2 x1 s t 1 1 1
10 2 1
4 4 A) valores
los propios de A son nmeros
reales: y
2 x 2 0 s s 1 t 0
2 2 1 x
1 3 10 2t 0 2
B) es una raz de la ecuacin caracterstica de la multiplicidad 1 y su
2
1 R
Por lo tanto el espacio propio de es un subespacio bidimensional de con base.
2
1 1
r 2
s 1 , 0 1
0 2
espacio propio es el espacio 1) 2 0 que
( 10)(unidimensional tiene como base

Por lo que la
1
ecuacin
2 caracterstica se puede escribir como
a) propios es una raz de multiplicidad 2, y su espacio propio es el espacio
Los valores
bidimensional que tiene como base

1 1
s 1 t 0

0 2

Se dice que dos espacios vectoriales son ortogonales si cualquier vector de un espacio
es ortogonal a cualquier vector del otro espacio, sean
2 1 1
s 1 t 0
V 1 r 2 V2
1 0 2

Y dos vectores cualesquiera en los dos.

V V1 2
0 24
Espacios propios. Se puede ver que lo que muestra que los dos espacios
propios son ortogonales.
Diagonalizacin ortogonal

La diagonalizacin ortogonal est relacionado con el papel que tiene las transformaciones
semejantes para pasar de un sistema de coordenadas a otro, por otra parte las
trasformaciones semejantes en las que se tiene una matriz ortogonal, son las
trasformaciones que se usan para relacionar sistemas coordenados ortogonales (sistema de
coordenadas en los ejes estn en ngulos rectos)

Definicin: se dice que una matriz cuadrada A es diagonalizable ortogonalmente si

t
D c AC
25
existe una matriz ortogonal C, tal que
El teorema siguiente dice que el conjunto de matrices diagonalizables ortogonalmente es
el conjunto de matrices simtricas.

Sea una matriz cuadrada, A es diagonalizable ortogonalmente si y slo si A es una matriz

simtrica.
Demostracin: suponga que A es simtrica. Se sigue los pasos correspondientes para

t
D c AC
construir una matriz ortogonal C tal que sea diagonal.

1. Encontrar una base para cada espacio propio de A.

2. Encontrar una base ortonormal para cada espacio propio.( proceso de Gram.-Schmidt)
3. Sea C la matriz cuyas columnas son estos vectores ortonormales.
t
D c AC
4. La matriz ser una matriz diagonal

Este algoritmo se utiliza para diagonalizar ortogonalmente una matriz simtrica dada. En
forma reciproca, suponga que A es una matriz diagonalizable ortogonalmente. Entonces,

t
D c AC
si existe ortogonal C tal que por lo que:
1 2
A
2 1

Solucin: se puede verificar que los valores propios de esta matriz son
t
A (C D C )
t t
C CD
t t t
CDC A
t

1 1
1, V 1 s
1 3 V 2
r
1
1 2

26
Como A es simtrica, se sabe que no puede ser diagonal izada para dar
1 0
D
0 3 V yV
1 2
Determine la transformacin. Los espacios propios son
ortogonales como era de esperarse, use un vector unitario de cada espacio propio como
columna de una matriz ortogonal C y obtenga.
1 1

D 2 2
1 1
2 2

La transformacin ortogonal que conduce a D es

1 1
1 1
2 2 1 2 2

2
C AC
t

1 1 2 1 1
1

2 2
2 2

Conclusin:

Se pudo entender cmo se realiza la diagonalizacion de matrices con los teoremas ya

mencionados anteriormente, y que mtodos se pueden usar de igual manera, en el caso de la
diagonalizacion ortogonal se puede decir que las trasformaciones que se usan para
relacionar sistemas coordenados ortogonales, sistema de coordenadas en los ejes estn en
ngulos rectos.

Formas cuadrticas.

27
Introduccin

Una forma cuadrtica es una ecuacin en donde por lo menos dos o tres de sus trminos se
encuentran elevados a una potencia 2, se pueden utilizar estas ecuaciones para obtener

2
R
informacin acerca de secciones cnicas en en crculos parbolas, elipses , hiprbolas
etc. Por lo tanto se puede decir que juegan un papel importante en la geometra

Forma cuadrtica

La expresin algebraica
ax bxy cy
2 2

a b c
En donde , y son constantes es una forma cuadrtica. Las formas cuadrticas
juegan un papel importante en la geometra. Como el lector comprobar mediante la
multiplicacin de matrices siguientes, esta forma cuadrtica se escribe como:

b
a 2 x
xy b
c y
2

b
a 2
x A
X b
c
y 2
Sea y . Se puede escribir la forma cuadrtica como:
t
x Ax

A
A la matriz simtrica asociada a esta forma cuadrtica se le llama matriz de la forma
cuadrtica.

28
EJEMPLO 1

Escriba la siguiente forma cuadrtica en trminos de matrices.

5x 6 xy 4 y
2 2

Solucin

ax bxy cy
2 2

Por comparacin con la forma estndar , se tiene

a 5 b 6 c 4
, ,

Entonces, la forma matricial de la forma cuadrtica es

xy
5 3 x
y
3 4

EJEMPLO 2 Analice la siguiente ecuacin y dibuje su grafica

6 x 4 xy 9 y 20 0
2 2

Solucin
29
 6 x 4 xy 9 y
2 2

Esta ecuacin contiene la forma cuadrtica . Escriba la ecuacin en forma

matricial:

xy
6 2 x
20 0
2 9 y

Se encontraron los valores propios y los vectores propios correspondientes de la matriz que
son
1 2
1 10, v1
r
2
; 2 5, v 2
s 1 ;

Al normalizar estos vectores propios y escribirlos como las columnas de una matriz
C
ortogonal , se tiene

1 2
5
C 5
2 1
5 5

Se sabe que la ecuacin puede transformarse de la forma

10 0 x
,

y 0 5
,

y 20 0
,
x
,

Mediante la trasformacin de coordenadas

1 2

x
,

x , 5
5
y 2 1 y

5 5

30
 ,
xy
,

Al multiplicar las matrices y reordenar, la ecuacin en el sistema de coordenadas es

x,


2

y,


2

,
xy
,

Aqu se reconoce la ecuacin de una elipse en el sistema de coordenadas . La longitud

2
del semieje mayor es 2, y la longitud del semieje menor es . Slo queda localizar el
,
xy
,
xy
sistema de coordenadas respecto al sistema de coordenadas . La rotacin de las
C
coordenadas est definida por la matriz . Por lo que

1 2
cos sen
sen 5 5
cos 2 1
5 5

31
 cos 1 sen 2
5 5 1.1071 63 .4349
Esto da y en donde radianes; o grados, la
o
coordenada de rotacin es aproximadamente 63.4 . Ahora sabe cul es la grfica en el
xy
sistema de coordenadas .

Conclusin.

En conclusin se puede traducir una ecuacin cuadrtica a una expresin matricial, al decir
que nos da informacin acerca de secciones cnicas, nos referimos a que podemos
identificar una ecuacin estndar de.

2
x y r
2 2

x y
2 2 2

x y 1 y x 1
2 2

2 1 2
a b
2 2 2 2
a b a b
y de la forma

Teorema de Cayley Hamilton

Introduccin
El teorema de Cayley-Hamilton se debe en honor a los matemticos Willian Rowan
Hamilton y Arthur Cayley en su teorema indican que toda matriz cuadrada satisface su
ecuacin caracterstica.
En ocasiones se aplica el teorema de cayley Hamilton para encontrar las inversas de
matrices 3 x 3. Cuando un mtodo no es muy idneo.

32
 TEOREMA DE CAYLEY - HAMILTON

TEOREMA 2. Teorema de cayley-hamilton. Toda matriz cuadrada satisface su propia

P ( ) 0 A
ecuacin caracterstica. Es decir, si es la ecuacin caracterstica de ,

entonces
Demostracin. Se tiene


a a
11 12 a 1n


P( ) det( A l )
a a
21 22 a 2n



a a
n1 n2 a mn

( A l )
Es claro que cualquier cofactor de en un polinomio en . As, la adjunta de

A l nxn
es una matriz de en la que cada componente es un polinomio en . Es decir,

p 11
( ) P 12
( ) P 1n
( )

adj ( A l )
p21
( ) p22
( ) p2n
( )

p ( )
nl
p ( )
n2
p ( )
mn

33
 ( A l ) Q( ),
Esto significa que se puede pensar en adj como en un polinomio, en cuyos
nxn
coeficientes son matrices de . Para entender esto, se ve lo siguiente:

2 1 2 7 4
2
2
1 2 2 7 1 4

2

4 5 2 3 3 4 3 5 1 2 3
2 2

EJEMPLO 1 Ilustracin del teorema de Cayley Hamilton

1 1 4
A 3 2 1
2 5 6 0 2 1 1
3 2

Sea . E ejemplo 6.1.4, pg.538, se calcul la

ecuacin caracterstica

Ahora se calcula. La potencia de una matriz.

6 1 1 11 3 22
7 0 11 29 4 17
2 3
A A
3 1 8 16 3 5

Se tiene

11 3 22 12 2 2 5 5 20 6 0 0 0 0 0
2 A 5 A 6l 29 4 17 14 0 22 15 10 5 0 6 0 0 0 0
3 2
A
16 3 5 6 2 16 10 5 5 0 0 6 0 0 0

34
Teorema de Cayley Hamilton Para Calcular La Inversa De Matriz

En algunas situaciones el teorema de Cayley Hamilton es til para calcular la inversa de una
1 1
A P( A) 0, A P( A) 0.
matriz. Si existe y entonces para ilustrar esto,
P( ) a
n
........ a1 a0 ,
n 1
n 1

Entonces

Y
P( A) A an1 An1 ...... a1 A ao l 0
n

A P( A) A ........ a 2 A a1 l a 0
1 n 1 n2 1
an 1 A A 0

As

A
1

1
A n 1
a n 1 A
n2
......... a2 A a1 l
a 0

a 0
0 a 0
det A A
Observe que porque (Por qu?) y se supuso que era invertible.

35
EJEMPLO 2 1 1 4
A 3 2 1
1

A 2 1 1
Aplicacin del teorema de cayley Hamilton sea
n 3, a 2 2, a1 5, a0 6

P( ) 2 5 6
3 2

Entonces aqu

Y la ecuacin queda de esta manera

A
1

1
6
A 2 A 5l
2

6 1 1 2 2 8 5 0 0
1
7 0 11 6 4 2 0 5 0
6
3 1 8 4 2 2 0 0 5
Sustituimos en la matriz

1 3 7
1
1 9 13
6
1 3 5

36
 1
A
Observe que es calcul
haciendo slo una divisin y calculando slo un determinante
p ( ) det( A l )).
(al encontrar
Este mtodo en ocasiones es muy eficiente en una computadora.

Conclusin

Este teorema, nos indica que la ecuacin caracterstica de una matriz cuadrada es igual a

( A l )n
cero, por tanto concluimos que si una matriz multiplicado con la formula
P ( A) 0
Dara como resultado , la razn es la multiplicacin de la matriz con una
diagonal.

37