UNIVERSIDAD DE CUENCA

Facultad de Ingeniera

ALGEBRA LINEAL

EIGENVALORES Y EIGENVECTORES

PEDRO ZHINDN S.

CUENCA, 10 ENERO 2014

EIGENVALORES Y EIGENVECTORES INTRODUCCIN:

En lgebra lineal, los vectores propios, autovectores o eigenvectores de un operador lineal son los vectores no nulos que, cuando son transformados por el operador, dan lugar a un mltiplo escalar de s mismos, con lo que no cambian su direccin. Este escalar recibe el nombre valor propio, autovalor, valor caracterstico o eigenvalor. A menudo, una transformacin queda completamente determinada por sus vectores propios y valores propios. Un espacio propio, autoespacio o eigenespacio es el conjunto de vectores propios con un valor propio comn. La palabra alemana eigen, que se traduce en espaol como propio se us por primera vez en este contexto por David Hilbert en 1904 (aunque Helmholtz la us previamente con un significado parecido). Eigen se ha traducido tambin como inherente, caracterstico o el prefijo auto-, donde se aprecia el nfasis en la importancia de los valores propios para definir la naturaleza nica de una determinada transformacin lineal. Las denominaciones vector y valor caractersticos tambin se utilizan habitualmente.

EIGENVALORES Y EIGENVECTORES En diversos campos de la ingeniera y las matemticas surge el problema de calcular los valores escalares l y los vectores x0 tales que para la matriz cuadrada A se cumple Ax = lx (1) Algunos de estos campos de aplicacin son: - Ecuaciones diferenciales - Estabilidad de sistemas lineales - Sistemas elctricos (componentes simtricas) - Polos y ceros de funciones transferencia - Diagonalizacin de matrices Podemos averiguar si el problema planteado por (1) tiene solucin si la reescribimos como sigue (A - lI)x = 0 (2) - As el problema se transforma en el ya conocido sistema lineal homogneo Bx=0, el cual ya sabemos que tiene solucin nica x=0 cuando det(B)0. Justamente este es el caso que no nos interesa. - El nmero l se dice valor propio de A (matriz cuadrada) si y slo si det(A - lI) = 0 (3) esta es la ecuacin caracterstica de la matriz A. - El determinante que aparece en (3) resulta ser un polinomio en potencias de l. Por ello a la expresin a(l)=det(A - lI) (4) se le llama polinomio caracterstico de la matriz A. Observacin: El polinomio caracterstico de una matriz de dimensin nn es de grado n, por lo cual tendr n posibles valores propios l que satisfacen (3) - Si l es un valor propio de A y si x es el vector no nulo tal que Ax = lx entonces x se dice vector propio de A correspondiente al valor propio l Las transformaciones lineales del espacio como la rotacin, la reflexin, el ensanchamiento, o cualquier combinacin de las anteriores; en esta lista podran incluirse otras transformaciones pueden interpretarse mediante el efecto que producen en los vectores. Los vectores pueden visualizarse como flechas de una cierta longitud apuntando en una direccin y sentido determinados.

Los vectores propios de las transformaciones lineales son vectores que, o no se ven afectados por la transformacin o se ven multiplicados por un escalar, y por tanto no varan su direccin. El valor propio de un vector propio es el factor de escala por el que ha sido multiplicado. Un espacio propio es un espacio formado por todos los vectores propios del mismo valor propio, adems del vector nulo, que no es un vector propio. La multiplicidad geomtrica de un valor propio es la dimensin del espacio propio asociado.

El espectro de una transformacin en espacios vectoriales finitos es el conjunto de todos sus valores propios.

Por ejemplo, un vector propio de una rotacin en tres dimensiones es un vector situado en el eje de rotacin sobre el cual se realiza la rotacin. El valor propio correspondiente es 1 y el espacio propio contiene a todos los vectores paralelos al eje. Como es un espacio de una dimensin, su multiplicidad geomtrica es uno. Es el nico valor propio del espectro (de esta rotacin) que es un nmero real. Formalmente, se definen los vectores propios y valores propios de la siguiente manera: Si A: V V es un operador lineal en un cierto espacio vectorial V, v es un vector diferente de cero en V y c es un escalar tales que Av= cv Entonces decimos que v es un vector propio del operador A, y su valor propio asociado es c. Observe que si v es un vector propio con el valor propio c entonces cualquier mltiplo diferente de cero de v es tambin un vector propio con el valor propio c. De hecho, todos los vectores propios con el valor propio asociado c junto con 0, forman un subespacio de V, el espacio propio para el valor propio c. Observe adems que un espacio propio Z es un subespacio invariante de A, es decir dado w un vector en Z, el vector Aw tambin pertenece a Z. Valores Caractersticos y Vectores Caractersticos: En muchos problemas cientficos y matemticos, se conoce un operador lineal T: VV, y se requiere encontrar todos aquellos escalares DEFINICIN: Si A es una matriz cuadrada, entonces un escalar es un valor caracterstico de A si satisface la ecuacin det(I A)=0 A esta ecuacin se le denomina ecuacin caracterstica. El trmino valor caracterstico se deriva del alemn eigen que entre otras cosas significa propio, algunos autores prefieren utilizar el trmino valores propios races latentes en lugar de valores caractersticos. Si la ecuacin caracterstica es muy grande, tenemos el siguiente teorema: TEOREMA : Si A es una matriz de orden nxn entonces las siguientes afirmaciones son equivalentes: (a) es un valor caracterstico de A (b) El sistema de ecuaciones (I A)x=0 tiene soluciones no triviales (c) Existe un vector x en Rn diferente de cero, tal que Ax = x

Si es un valor caracterstico de A entonces el espacio solucin del sistema de ecuaciones (I A)x=0 se denomina el espacio caracterstico de A correspondiente a , y los vectores diferentes de cero en el espacio se denominan los vectores caractersticos de A correspondientes a EJEMPLO: 1) Encuentre los valores caractersticos de la matriz A= * Dado que: I A= * +- * +=[ ] +

det(I A)=det[ =1 =2

]=2 - 3 + 2=0 luego

Luego estos valores son los valores caractersticos de la matriz A. DIAGONALIZACIN En lgebra lineal una matriz cuadrada A se dice que es diagonalizable si es semejante a una matriz diagonal, es decir, si mediante un cambio de base puede reducirse a una forma diagonal. En este caso, la matriz podr descomponerse de la forma A = PDP 1 donde P es una matriz invertible cuyos vectores columna son vectores propios de A y D es una matriz diagonal formada por los valores propios de A. Sea AMnxn(K) una matriz cuadrada con valores en un cuerpo K , decimos que la matriz A es diagonalizable si, y slo si, A se puede descomponer de la forma: A=PDP-1 Donde:

D es una matriz diagonal cuya diagonal principal est formada por los elementos de Sp(A), apareciendo cada uno tantas veces como indique su multiplicidad algebraica, siendo o(A) el espectro de A , es decir, el conjunto de autovalores de la matriz A : O(A)={ }

P es la matriz cuyas columnas son los vectores que constituyen una base del subespacio propio asociado a cada siguiendo el orden establecido en D, esto es, los vectores que forman el ncleo de la matriz (A- I): P=(v1|v2||vn)/vjker(A- I)

DEFINICIN: Se dice que una matriz cuadrada A es diagonalizable si existe una matriz inversible P tal que P-1AP sea diagonal; se dice entonces que la matriz P diagonaliza a A. Si existe una matriz ortogonal P tal que P -1AP(=PtAP) es diagonal, entonces A es diagonalizable ortogonalmente, y se dice que P diagonaliza ortogonalmente a A. El siguiente teorema es bsico para el estudio de la diagonalizabilidad: TEOREMA: Si A es una matriz de orden nxn, entonces las siguientes afirmaciones son equivalentes: (a) A es diagonalizable (b) A tiene n vectores caractersticos linealmente independientes DEMOSTRACIN: De (a) (b): Como A es diagonalizable, entonces existe una matriz inversible:

P= [

] tal que P-1AP es diagonal; sea D= P-1AP, donde:

D= [ ] AP=[ ] [ = [ ] ] por consiguiente AP=PD

Si p1, p2,,pn denotan los vectores columna de P entonces se tiene que:

A p1=

, A p2=

, ,Apn=

Dado que es inversible sus vectores columna son diferentes de cero, entonces se deduce que son valores caractersticos de A y p1, p2,,pn son los vectores caractersticos correspondientes, puesto que P es inversible, p 1, p2,,pn son linealmente independientes, luego entonces A tien n vectores linealmente independientes. De (b) (a)

Suponemos que A tiene n vectores caractersticos linealmente independientes p 1, p2,,pn, correspondientes a los valores caractersticos , y sea

P= [

] la matriz cuyos vectores columna son: p1, p2,,pn, las , A p2= ,

columnas del producto AP son: Ap1, Ap2,,Apn pero A p1= ,Apn= Por lo que: AP= [ ] =[ ] [

=PD

Donde D es la matriz diagonal que tiene como elementos en la diagonal principal a , dado que los vectores columna de P son linealmente independientes P es inversible y por consecuencia se puede expresar como P-1AP=D, es decir A es diagonalizable. OBSERVACIN: se sugiere el siguiente proceso para diagonalizar una matriz diagonalizable A de nxn.
1. Encuentre n vectores caractersticos linealmente independientes p1, p2,,pn 2. Forme la matriz P que tenga a p1, p2,,pn como sus vectores columna. -1 3. Entonces la matriz P AP ser diagonal, y sern los elementos

sucesivos en su diagonal principal, donde es el valor correspondiente a , i=1,2,,n TEOREMA: Los vectores caractersticos correspondientes caractersticos diferentes son linealmente independientes. a valores

TEOREMA: Si una matriz A de orden nxn tiene n valores caractersticos diferentes, entonces la matriz A es diagonalizable. EJEMPLO: 1) Determine una matriz P que diagonalice a A= [ ]

Los valores caractersticos de A son = 1 y = 5 adems se sabe que los vectores =[ a = 5 Y que =[ ] es una base del espacio caracterstico correspondiente a = 1 ] =[ ] forman una base del espacio caracterstico correspondiente

Luego tenemos que P=[

luego P-1AP=[

][

][

]= [

El orden de las columnas de P es totalmente arbitrario, luego si P=[

Se tendra que P-1AP=[

MATRICES SIMTRICAS Y DIAGONALIZACIN ORTOGONAL: Diagonalizacin de matrices simtricas y diagonalizacin ortogonal: Teorema 1. Sea A una matriz simtrica real de n x n. Entonces los valores caractersticos de A son reales.

Teorema 2. Sea A una matriz simtrica real de n x n. Si 1 y 2 son valores caractersticos distintos con correspondientes vectores caractersticos reales v1 y v2, entonces v1 y v2 son ortogonales. Teorema 3.Sea A una matriz simtrica real de n x n. Resulta entonces que A tiene n vectores caractersticos reales ortonormales. Observacin. Se concluye de este teorema que la multiplicidad geomtrica de cada valor caracterstico de A es igual a su multiplicidad algebraica. El Teorema 3 nos dice que si A es simtrica entonces Rn tiene una base B = {u1, u2, ... un} que consiste de vectores caractersticos ortonormales de A. Sea Q la matriz cuyas columnas u1, u2, ... un. Entonces Q es una matriz ortogonal. Esto nos conduce hacia la siguiente definicin. Definicin: Matriz ortogonalmente diagonizable. Una matriz A de n x n se dice que es diagonalizable ortogonalmente si existe una matriz ortogonal Q tal que Q'AQ = D (1) donde D = diag(1, 2, ..., n) y 1, 2, ..., n son los valores caractersticos de A. Nota. Recuerde que Q es ortogonal si Q' = Q-1; Por lo tanto (1) podra ser escrita como Q-1AQ = D. Teorema 4. Sea A una matriz real de n x n. Entonces A es diagonalizable ortogonalmente si y slo si A es simtrica. Procedimiento para encontrar una matriz diagonalizante Q: i. Encuentre una base para cada espacio caracterstico de A. ii. Encuentre una base ortonormal para cada espacio caracterstico de A, usando el procedimiento Gram-Schmidt. iii. Establezca a Q como la matriz cuyas columnas son los vectores caractersticos ortonormales obtenidos en el paso (ii) Diagonalizar ortogonalmente una matriz: Ortogonal significa ortogonal con respecto al producto interior euclidiano en R n.

TEOREMA: Si A es una matriz de orden nxn entonces las siguientes afirmaciones son equivalentes: (c) A es diagonalizable ortogonalmente (d) A tiene un conjunto de n vectores caractersticos ortonormales.

DEMOSTRACIN: D e (a) (b):

Dado que A es diagonalizable ortogonalmente, existe una matriz ortogonal P tal que P-1AP es diagonal. Los n vectores columna de P son vectores caractersticos de A. Dado que P es ortogonal estos vectores columna son ortonormales, por lo que A tiene n vectores caractersticos ortonormales. De (b) (a):

Suponemos que A tiene un conjunto ortonormal de n vectores caractersticos {p1,p2,,pn}, la matriz P que tiene estos vectores caractersticos como columna, diagonaliza a A. Puesto que estos vectores son ortonormales, P es ortogonal y por consiguiente, diagonaliza ortogonalmente a A. Una matriz A que sea diagonalizable ortogonalmente debe satisfacer la condicin: A=At, a una matriz con esta propiedad se le denomina MATRIZ SIMTRICA. TEOREMA: Toda matriz simtrica es diagonalizable ortogonalmente. Recprocamente toda matriz diagonalizable ortogonalmente es simtrica. TEOREMA: Si A es una matriz simtrica, entonces los vectores caractersticos que pertenecen a espacios caractersticos diferentes son ortogonales. DEMOSTRACIN: Sean 1 y 2 dos valores caractersticos y diferentes entre s, de una matriz simtrica A de orden nxn, y sean v1=[ ] y v2= [ correspondientes. Se requiere demostrar que: <v1,v2>=v1v1+v2v2++vnvn=0 Dado que v1tv2 es una matriz de orden 1x1, que tiene a <v1,v2> como su nico elemento, la demostracin se completar probando que v1tv2=0 ] los vectores caractersticos

Dado que v1tAv2 es una matriz de 1x1, y es obvio que toda matriz de 1x1 es simtrica, v1tAv2=(v1tAv2)t = v2tAtv1 = v2tAv1 Adems: v1tAv2= v1t 2v2 = 2 v1tv2 y v2tAv1= v2t 1v1= 1 v2tv1 = 1 (v2tv1)t= 1 v1tv2 Por consiguiente: 1 v1tv2= 2 v1tv2 Es decir: (1 - 2) v1tv2=0 Como 1 2 , se deduce que v1tv2=0 (por una propiedad de la matriz transpuesta) (dado que A es simtrica)

TEOREMA: (a) La ecuacin caracterstica de una matriz simtrica solamente tiene races reales. (b) Si un valor caracterstico de una matriz simtrica A es una raz de multiplicidad k de la ecuacin caracterstica, entonces el espacio caracterstico correspondiente a es de dimensin k. EJEMPLO: 1) La matriz A=[ ] es simtrica

Debido a un teorema indicado anterior que dice que una matriz A de nxn diagonalizable ortogonalmente queda diagonalizada ortogonalmente por una matriz P de orden nxn cuyas columnas forman un conjunto ortonormal de vectores caractersticos de A. Sea D la matriz diagonal: D= P 1AP, por lo que: A= PDP-1

 dado que P es ortogonal, A=PDPt Por tanto, At=(PDPt)t=PDtPt=PDPt=A Esto muestra que una matriz diagonalizable ortogonalmente es simtrica. La afirmacin recproca tambin es cierta. APLICACIONES: CRECIMIENTO DE UNA POBLACIN El modelo discreto ms simplista de crecimiento es el denominado modelo geomtrico escalar, que bsicamente consiste en suponer que la poblacin de la especie vara con velocidad constante, digamos r>0. Su formulacin matemtica corresponde al trmino general de una progresin geomtrica Pn= rpn-1 P0=p(0) Donde Pn denota el tamao de la poblacin en el instante n. Aqu el trmino instante corresponde a un perodo temporal discreto (n=1,2,) segundos, das, meses, aos, , segn convenga. El trmino de arranque o inicio, P 0, tiene un valor conocido, p(0), que representa la poblacin de la especie en el inicio del estudio. El modelo (2) es poco manejable desde el punto de vista numrico ya que para conocer por ejemplo qu poblacin hay en el instante n=100 necesitamos saber qu poblacin hay en n=99 que a su vez requiere de la poblacin cuando n=98 , y as sucesivamente. Por lo cual se llega a la frmula equivalente siguiente: Pn= rnp0 n = 1,2, P0=p(0) Que permite determinar la poblacin en cualquier instante en trminos nicamente de la poblacin inicial. Desde (2) (3) puede observarse que si 0<r<1, entonces la poblacin disminuye; si r=1, la poblacin permanece constante en tamao y si r>1, la poblacin crece. Y desde (3) se deduce a largo plazo (n ), la especie se extinguir si 0<r<1; se mantendr exactamente igual que al principio si r=1 y aumentar indefinidamente si r>1. La informacin anterior puede recogerse en el siguiente modelo discreto basado en un sistema de ecuaciones diferenciales en orden uno: (3) n = 1,2, (2)

pj,n =

k p a , n -1 p j, 0 = p , p a,o= q (4)

pa,n =

p j , n -1 +

p a , n -1 donde = * + , A=[ ] , = * +

matricialmente escrito = A (5)

Obsrvese que estamos suponiendo que inicialmente hay p individuos jvenes y q individuos adultos. Aplicando en (5) el proceso recurrente que se aplic para pasar de(2) a (3) se obtiene: = An n= 1,2, =* + Obsrvese que la nica diferencia entre (3) y (6) es la dimensin de ambas expresiones matemticas, y esto ha servido para refinar el modelo, haciendo de esta suerte que ahora s contemple las tasas de supervivencia de especies jvenes y adultas. Aumentando la dimensin, es como se consigue que el modelo sea ms fino, es decir, contemple ms descriptores. A (6), se le denomina modelo geomtrico matricial. Lo que sigue es el tratamiento matemtico para extraer conclusiones generales de este modelo. Como k 0, calculamos los valores propios de A. Calculamos el espectro de A:

(6)

Km2 m (7)

= 0 {

(A) ={

Como 0< , <1 y k>0 entero, entonces, > >0, y podemos asegurar que los valores propios de A son nmeros reales y distinto (de signo opuesto), por lo que la matriz A es diagonalizable. Adems y D=[ ] A=PDP-1 siendo P=[ ]

Y por tanto An=PDnP-1=

][

][

Sustituyendo esta expresin en (6) y separando componentes obtenemos cmo evolucionan las poblaciones de jvenes y adultos de la especie en cada instante pj,n = pa,n = donde (7) , , ( , ( , , ) ) ( ) ( ) (8)

han sido antes calculados en trminos de los datos, segn

La poblacin total (jvenes y adultos), p n en un instante genrico n ser: pn= Pn=AnP0 adultas. ,( )( ) ( )( ) (9)

donde Po es el vector de las poblaciones iniciales de hembras jvenes y

APLICACIONES: FORMAS CUDRTICAS Una forma cuadrtica o forma bilineal simtrica es una aplicacin matemtica que asigna a cada elemento de un espacio vectorial un nmero real, de una manera que generaliza la operacin un espacio vectorial de dimensin superior a 1. Una forma cuadrtica es una aplicacin w del espacio vectorial E en el cuerpo K, que cumple las siguientes condiciones equivalentes: a) Existe una forma bilineal simtrica f(-.-) de ExE en el cuerpo K tal que w(x)=f(x,x). A f(-.-) se le llama forma polar de w.

b)w(Ix)=I2w(x), I K, x E. Adems f(x,y)=(w(x+y)-w(x)-w(y))/2 es una forma bilineal simtrica definida en ExEy con valores en K. A w se la llama forma cuadrtica asociada a f(-,-). Una forma cuadrtica es por tanto un aplicacin f(x,x)=x B x que es un polinomio de segundo grado con varias variables. Se le puede considerar un caso especfico de forma bilineal. PROPIEDADES:

Cuando K=R se dice que la forma cuadrtica es real. Dos formas cuadrticas pueden ser: o Linealmente equivalentes en R si las signaturas de ambas formas cuadrticas coinciden. o Linealmente equivalentes en C si los rangos de las matrices de las formas cuadrticas coinciden. o Mtricamente equivalentes si poseen el mismo polinomio caracterstico. Una forma cuadrtica define un espacio vectorial eucldeo si y slo si es definida positiva, lo cual se puede comprobar utilizando el criterio de Sylvester.

La signatura de una forma cuadrtica q:V R se llama al par (p,m) donde p es el nmero de lementos positivos que posee la diagonal de la matriz diagonal asociada a q y m los negativos. Se designa sg(q) y se verifica: p m = sg(q) REPRESENTACIN GRFICA: El el caso de que V=R2, una forma cuadrtica, puede representarse por un conjunto de cnicas. Si la signatura de la forma cuadrtica es 2, entonces las curvas sern un conjunto de elipses, si la signatura es 1 ser un conjunto de parbola y si la signatura es 0 entonces ser un conjunto de hiprbolas. A todos los vectores cuyo extremo caiga sobre la misma curva cuadrtica se les asignar el mismo valor numrico. ACOTACIN DE UNA FORMA CUADRTICA: Sea la forma cuadrtica Q:Rn R definida por Q(x)=xTAx, con A Rnxn simtrica. Esta matriz es diagonalizable ortogonalmente siempre. Si pensamos en la factorizacin A=P PT con P Rnxn una matriz ortogonal compuesta por autovectores de A y Rnxn una matriz diagonal compuesta por los autovalores de A en su diagonal, vemos que la forma cuadrtica se reduce a: Q(x)= xT P PTx

Si llamamos y= PTx , entonces tenemos que yT=( PTx)T=xTP . Reemplazando en la ecuacin anterior tenemos que: Q(x)=Q(y)=yT y Y sabemos que =diag[1n ]T , con i, 1 i n autovalor de A. Por lo que si el cambio de variables propuesto es tal que y=[y1 yn]T tenemos que: Q(y)=

A este tipo de forma cuadrtica se la llama "forma cuadrtica sin productos cruzados". Sean, 1 decir, max= 1 Q(y)=
n

los autovalores de A ordenados de forma decreciente. Es min= n. Entonces tenemos que: max

Q(y)= min Por otro lado, observando bien el siguiente trmino, nos damos cuenta de que = y 2 Por lo tanto: min y 2 Q(y) : max y 2 Pero una de las propiedades fundamentales de las matrices ortogonales es que conservan el producto interno, pues en particular y
2

=(y,y)=( PTx, PTx)=( PTx)T PTx=xTP PTx=xTx= x

Entonces, finalmente tenemos que min= x

2

Q(x=

max= x

Y ocurre que Q(x)= min= x 2 cuando el vector x Smin y tambin Q(x)= 2 cuando el vector x Smax , siendo Smax y Smin los autoespacios max= x asociados a los autovalores mximo y mnimo respectivamente. Las formas cuadrticas surgen de una gran variedad de problemas importantes relacionados con vibraciones, relatividad, geometra, estadstica, etc. Se dice que la ecuacin de la forma ax2+2bxy+cy2+dx+ey+f=0 , donde a,b,c..,f son nmeros reales y al menos uno de los nmeros a,b y c es diferente de cero, es una ecuacin cuadrtica en x y y; la expresin ax2+2bxy + cy2 se denomina forma cuadrtica asociada. TEOREMA: (teorema de los ejes principales para R2) Sea ax2+2bxy+cy2+dx+ey+f=0 la ecuacin de una cnica C, y sea xtAx= ax2+2bxy + cy2 la forma cuadrtica asociada. Entonces, los ejes coordenados se pueden rotar de tal manera que la ecuacin de C con respecto al nuevo sistema de coordenadas x y tiene la forma 1x2 + 2y2 dx + ey + f=0

Donde 1 y 2 son los valores caractersticos de A. La rotacin se puede efectuar mediante la sustitucin x= Px Donde P diagonaliza ortogonalmente a A y, det(P)= 1 Las grficas de las secciones cuadrticas se llaman cnicas secciones cnicas. Las cnicas ms importantes son la elipse, la circunferencia, la hiprbola y la parbola; a stas se les conoce como cnicas no degeneradas. Las cnicas restantes se les llaman degeneradas e incluyen puntos aislados y pares de rectas. Se dice que una cnica no degenerada tiene una posicin normal relativa a los ejes de coordenadas si su ecuacin se puede expresar en una forma parecida o igual a: X2=ky SUPERFICIES CUADRTICAS: Se dice que una ecuacin de la forma ax2+by2+cz2+2dxy+2exz+2fyz+gx+hy+iz+j=0 , donde al menos uno de los trminos a,b,,f es diferente de 0, es una ecuacin cuadrtica en x, y y z; la expresin ax2+by2+cz2+2dxy+2exz+2fyz se llama la forma cuadrtica asociada.

Tambin la ecuacin se puede escribir en la forma matricial: [ ][ ] [ ]+ [ ] [ ]+j=0 o sea xtAx + kx + j = 0

donde

x=[ ]

A=[

K=[

La matriz A se denomina matriz de la forma cuadrtica xtAx = ax2+by2+cz2+2dxy+2exz+2fyz TEOREMA: (teorema de los ejes principales para R3) Sea ax2+by2+cz2+2dxy+2exz+2fyz+gx+hy+iz+j=0 cuadrtica Q, y sea xtAx= ax2+by2+cz2+2dxy+2exz+2fyz la ecuacin de una

la forma cuadrtica asociada.

Entonces los ejes de coordenadas se pueden girar de tal manera que la ecuacin de Q con respecto al sistema de coordenadas x-y-z tiene la forma:

 1x2 + 2y2 + 3z2 +gx + hy + iz + j =0

(1)

Donde 1, 2, 3 son los valores caractersticos de A. la rotacin se puede llevar a efecto mediante la sustitucin x =Px donde P diagonaliza ortogonalmente a A y det(P)=1. Este teorema sugiere el siguiente procedimiento para eliminar el trmino de producto cruz de una ecuacin cuadrtica en x, y, y z

Encuentre una matriz que diagonalice ortogonalmente a A. Sea P la matriz En caso necesario, intercambie dos columnas de P, de tal forma que det(P)=1. Esto garantiza que la transformacin ortogonal de coordenadas [ ]=P[ ] es una rotacin (2)

Substituir (2) en

(1)

BIBLIOGRAFA:

LIBRO: INTRODUCCIN AL LGEBRA LINEAL, HOWARD ANTON. LIBRO: LGEBRA LINEAL, 5ta edicin, STANLEY I. GROSSMAN. http://es.wikipedia.org/wiki/Vector_propio_y_valor_propio#Definiciones http://es.wikipedia.org/wiki/David_Hilbert http://lc.fie.umich.mx/~jrincon/apuntes%20intro%20valores%20propios.pdf http://es.wikipedia.org/wiki/Matriz_diagonalizable http://sistemas.itlp.edu.mx/tutoriales/matematicas4/t65.htm http://es.scribd.com/doc/305838/Coleccion-De-Problemas--Aplicadas-A-LaIngenieria http://es.wikipedia.org/wiki/Forma_cuadr%C3%A1tica http://dialnet.unirioja.es http://es.wikipedia.org/wiki/Joseph-Louis_de_Lagrange http://www.biografiasyvidas.com/biografia/c/cauchy.htm http://sauce.pntic.mec.es/~rmarti9/euler1.html http://matematicas.unex.es/~mamulero/biologos/temaV.pdf http://www.biografiasyvidas.com/biografia/c/cayley.htm http://es.wikipedia.org/wiki/Carl_Friedrich_Gauss