Documente Academic
Documente Profesional
Documente Cultură
Los valores propios son las medidas básicas de tamaño de una matriz, que no se ven
alteradas si hacemos un cambio de coordenadas que equivale a una rotación de los ejes.
Se demuestra que las medidas globales de tamaño de la matriz, como la traza o el
determinante, son sólo función de los valores propios y, en consecuencia, serán también
invariantes ante las transformaciones que preservan los valores propios.
Los vectores propios representan las direcciones características de la matriz y no son
invariantes. Al aplicar una matriz cuadrada de orden “n” a un vector de dimensión n este
se transforma en dirección y magnitud. Sin embargo, para cada matriz cuadrada existen
ciertos vectores que al transformarlos por la matriz sólo se modifica su longitud (norma)
y no su posición en el espacio. Estos vectores se denominan vectores propios de la matriz.
1.1. DEFINICIÓN:
Los vectores propios de las transformaciones lineales son vectores que, no se ven
afectados por la transformación o se ven multiplicados por un escalar, y por tanto no
varían su dirección.
Llamaremos vectores propios de una matriz cuadrada de orden “n” a aquellos vectores
cuya dirección no se modifica al transformarlos mediante la matriz. Por tanto u es un
vector propio de la matriz A si verifica que:
Au=λu …….(1)
(A-λI)u=0
|A − λI| = 0.
Esta ecuación se denomina la ecuación característica de la matriz. Es una ecuación
polinómica en λ de orden n y sus n raíces se denominan valores propios de la matriz.
Es inmediato de la definición que si una matriz es diagonal los valores propios son los
elementos de la diagonal principal. En efecto, tendremos:
𝑎1 … 0 𝜆 … 0 𝑎1 − 𝜆 … 0
|𝐴 − 𝜆𝐼| = |[ ∶ 𝑎2 ∶ ] − [∶ 𝜆 ∶ ]| = | ∶ 𝑎2 − 𝜆 ∶ |
0 … 𝑎𝑛 0 … 𝜆 0 … 𝑎𝑛 − 𝜆
Si se quiere calcular los valores propios de una matriz dada y ésta es pequeña, se puede
calcular simbólicamente usando el polinomio característico. Sin embargo, a menudo
resulta imposible para matrices extensas, caso en el que se debe usar un método
numérico.
1.3.Cálculo Simbólico:
Una vez que se conocen los valores propios λ, los vectores propios se pueden
hallar resolviendo el sistema de ecuaciones homogéneo:
Una forma más sencilla de obtener vectores propios sin resolver un sistema
de ecuaciones lineales se basa en el teorema de Cayley-Hamilton que
establece que cada matriz cuadrada satisface su propio polinomio
característico. Así, si son los valores propios de A se cumple
que
1.4.Cálculo Numérico;
, ,
1.3. GRÁFICAS:
Una gráfica es un conjunto de puntos llamados vértices o nodos conectados por líneas
llamadas aristas o ramas.
Dos nodos A y B conectados por una arista “a” se llaman adyacentes o vecinos, y en
tal caso, los nodos A y B se denominan incidentes a la arista “a”.
Una rama que parte de un nodo y regresa al mismo nodo se denomina lazo o bucle.
La matriz de una gráfica es una matriz G cuadrada de orden n cuyo elemento gij indica
la cantidad de aristas que unen al i-ésimo con el j-ésimo nodo. La matriz de adyacencia
de una gráfica es una matriz A cuadrada cuyo elemento aij es 1 si los nodos i y j son
adyacentes y 0 si no lo son.
Los valores propios de una matriz simétrica representan las magnitudes de los ejes del
elipsoide con centro el origen y determinado por los extremos de los vectores. Los
vectores propios indican las direcciones de estos ejes principales.
2. MATRICES
Casos particulares
Por tanto, una matriz de orden (m n) tiene m filas y n columnas. En caso de que el
número de filas y el de columnas sea el mismo se habla de matriz cuadrada.
Las matrices cuadradas tienen dos diagonales, de las cuales sobre un ejemplo vemos la
que se llama "diagonal principal" de la matriz
𝑎11 ⋯ 𝑎1𝑛
( ⋮ ⋱ ⋮ )
𝑎𝑛1 ⋯ 𝑎𝑛𝑛
Sea A una matriz de orden (m n), m=n y B una matriz de orden (n r) r=1,
entonces la matriz producto, es una matriz P = A*B de orden (m r):
Introducción:
1 𝟑
Como se sabe, la solución general del sistema homogéneo 𝑿´ = ( ) 𝑿 es
𝟓 𝟑
𝟏 𝟑
𝑿 = 𝑐𝟏 𝑿𝟏 + 𝑐𝟐 𝑿𝟏 = 𝑐𝟏 ( ) 𝒆−𝟐𝒕 + 𝑐𝟐 ( ) 𝒆𝟔𝒕
−𝟏 𝟓
Ya que los vectores solución 𝑿𝟏 y 𝑿𝟐 tienen la forma
𝑘
𝑿𝟏 = ( 1 ) 𝒆𝝀𝒊 𝒕 , 𝑖 = 1,2
k2
Donde 𝑘1 , 𝑘2 , 𝜆1 𝑦 𝜆2 son constantes, nos inquieta saber si siempre es posible hallar una
solución de la forma
𝑘1
k2
.
𝑿 = . 𝒆𝝀𝒕 = 𝑲𝒆𝝀𝒕
.
(k 𝑛 )
𝑿´ = 𝑨𝑿
EIGENVALORES Y EIGENVECTORES
Si (1) es un vector solución del sistema homogéneo lineal (2), entonces 𝑿´= 𝑲𝒆𝝀𝒕 , por
lo que el sistema se convierte en 𝑲𝝀𝒆𝝀𝒕 = 𝑨𝑲𝒆𝝀𝒕 . Después de dividir entre 𝒆𝝀𝒕 y
reacomodando, obtenemos 𝑨𝑲 = 𝝀𝑲 o 𝑨𝑲 − 𝝀𝑲 = 𝟎. Ya que 𝑲 = 𝑰𝑲 , la última
ecuación es igual a
(𝑲 − 𝝀𝑰)𝑲 = 𝟎 (3)
𝑑𝑒𝑡(𝑨 − 𝝀𝑰) = 𝟎
En el siguiente análisis se examina tres casos: eigenvalores reales y distintos (es decir,
los eigenvalores no son iguales), iegenvalores repetidos y, por último, Eigenvalores
complejos.
EIGEVALORES REPETIDOS
3 −𝟏𝟖
𝑿´ = ( )𝑿
𝟐 −𝟗
Se demuestra fácilmente que es ((𝝀 + 𝟑)𝟐 = 𝟎, y por lo tanto, 𝝀𝟏 = 𝝀𝟐 = −𝟑 es una
raíz de multiplicidad dos. Para este valor se encuentra el único eingevector
3 3
𝑲𝟏 = ( ), por lo que 𝑿𝟏 = ( ) 𝒆−𝟑𝒕 (11)
1 1
Es una solución de (10). Pero como es obvio que tenemos interes en formar la solución
general del sistema, se necesita continuar con la pregunta de encontrar una segunda
solución.
Segunda solución:
Suponga que 𝝀𝟏 es un valor propio de multiplicidad dos y que solo hay un
eigenvector asociado con este valor. Se puede encontrar una segunda solución
de la forma.
𝑿𝟐 = 𝑲𝒕𝒆𝝀𝟏 𝒕 + 𝑷𝒆𝝀𝟏 𝒕
𝑘1 𝑝1
k2 p2
. .
𝑲= . Y 𝑷= . .
. .
(k 𝑛 ) (p𝑛 )
EJERCICIOS DE APLICACIÓN
EJERCICO 1
2 1 6
𝑌 = (0 2 5) ∗ 𝑋
0 0 2
SOLUCIÓN:
𝑦𝑢 = 𝑢𝛾
𝑦𝑢 − 𝑢𝛾 = 0
(𝑦 − 𝛾𝐼) ∗ 𝑢 = 0
Como u≠ 0 , entonces,
(𝑦 − 𝛾𝐼) ∗ 𝑢 = 0
|𝑌 − 𝐼𝛾| = 0
|𝑌| − |𝛾𝐼| = 0
|𝑌| − 𝛾|𝐼| = 0
2 1 6 1 0 0
|0 2 5| − 𝛾 |0 1 0| = 0
0 0 2 0 0 1
2 1 6 𝛾 0 0
|0 2 5| − |0 𝛾 0| = 0
0 0 2 0 0 𝛾
2−𝛾 1 6
| 0 2−𝛾 5 |=0
0 0 2−𝛾
2−𝛾 5
(2 − 𝛾) ∗ | |=0
0 2−𝛾
(2 − 𝛾) ∗ (2 − 𝛾) ∗ (2 − 𝛾) = 0 , →𝛾=2
2−2 1 6 𝑥
( 0 2−2 5 ) (𝑦) = 0
0 0 2−2 𝑧
0 1 6 𝑥 0
(0 0 5) (𝑦 ) = ( 0)
0 0 0 𝑧 0
0 1 6 0
(0 0 5 0)
0 0 0 0
𝑦 + 6𝑧 = 0 → 𝑦 = 0
5𝑧 = 0 → 𝑧 = 0
𝑥=𝑡
𝑡 1 1
𝑘 = (0) → 𝑡 (0) → (0)
0 0 0
A continuación el sistema se resuelve primero el sistema (𝑨 − 𝟐𝑰)𝑷 = 𝑲 yy después el
sistema (𝑨 − 𝟐𝑰)𝑸 = 𝑷 y se encuentra que
1 0
𝑷 = (0) y 𝑸 = ( −6/5)
1 1/5
1 1 0 1 𝑡2 0 0
𝑿 = 𝑐1 (0) 𝒆 + 𝑐2 [(0) 𝑡𝒆 + (1) 𝒆 ] + 𝑐3 [(0) 𝒆 + (1) 𝑡𝒆 + (−6/5) 𝒆2𝑡 ]
2𝑡 2𝑡 2𝑡 2𝑡 2𝑡
2 1/5
0 0 0 0 0
EJERCICIO 2
Solución
3
De (11) se sabe que λ1 = -3 y que la solución es 𝑋1 = ( ) 𝑒 −3𝑡
1
3 𝑝1
Identificando 𝐾 = ( ) 𝑦 𝑃 = ( ), encontramos de (14) que ahora debemos resolver
1 𝑝2
2p1 – 6p2 =1
Puesto que resulta obvio que este sistema es equivalente a una ecuación, se tiene un
número infinito de elecciones de p1 y p2. Por ejemplo al elegir p1 = 1 se encuentra que
p2 = 1/6. Sin embargo, por simplicidad elegimos p1 = ½ por lo que p2 = 0. Entonces 𝑃 =
1 1
3
( 2 ). Así de (12) se encuentra que 𝑋2 = ( ) 𝑡𝑒 −3𝑡 + ( 2 ) 𝑒 −3𝑡 . La solución general
0 1 0
1
3 −3𝑡 3 −3𝑡
de (10) es 𝑋 = 𝐶1 𝑋1 + 𝐶2 𝑋2, 0 𝑋 = 𝑐1 ( ) 𝑒 + 𝑐2 [( ) 𝑡𝑒 + ( 2 ) 𝑒 −3𝑡 ]
1 1 0
Al asignar diversos valores c1 y c2 en la solución del ejemplo 4, se pueden trazar las
trayectorias del sistema en (10). En la figura 8.2.3 se presenta un diagrama fase de (10).
Las soluciones X1 Y -X1 determinan dos semirrectas Y = 1/3x, x>0 y Y = 1/3X, X<0
respetivamente.
𝑡 2 𝜆1𝑡
𝑋3 = 𝑘 𝑒 + 𝑃𝑡𝑒 𝜆1𝑡 + 𝑄𝑒 𝜆1𝑡
2
𝑘1 𝑝1 𝑞
Donde 𝑘 = ( ⋮ ), 𝑃=( ⋮) y 𝑄=(⋮ )
𝑘𝑛 𝑝𝑛 𝑞𝑛
( 𝐴 − 𝜆1 𝐼 )𝐾 = 0 (16)
( 𝐴 − 𝜆1 𝐼)𝑃 = 0 (17)
( 𝐴 − 𝜆1 𝐼)𝑄 = 0 (18)
Y por supuesto, las soluciones (16) y (17) se pueden usar para formar las soluciones X1
Y X2