Valores y Vectores Propios

UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS

1.1- VALORES Y VECTORES PROPIOS (EIGENVALORES Y EIGENVECTORES) Sea A una matriz n-cuadrada sobre un cuerpo K. Un escalar A si existe un vector (columna) no nulo para el que: Todo vector que satisfaga esta relacin se llama un vector propio de A perteneciente al valor propio . Ntese que cada mltiplo escalar , es a su vez un vector propio, puesto que: ( ) ( ) ( ) ( ) K se denomina un valor propio de
El conjunto de todos los vectores propios pertenecientes a es un subespacio de , conocido como espacio propio o caracterstico de . (Si dim= ), recibe el nombre de recta propia y se llama factor de escala.) Los trminos valor caracterstico y vector caracterstico (o eigenvalor y eigenvector) se utilizan con frecuencia en lugar de valor propio y vector propio. EJEMPLO: Sea 0 1 y sean ( ) y 0 Y 0 As pues, 10 1 0 1 ( ) ( 10 1 0 ) . Entonces: 1 0 1
son vectores propios e A pertenecientes, respectivamente, a los valores propios de .
El teorema que se enuncia a continuacin es la herramienta principal para el clculo de valores propios y de vectores propios. TEOREMA: Sea una matriz n-cuadrada sobre un cuerpo K. Las siguientes afirmaciones son equivalentes: a) Un escalar K es un valor propio de A b) La matriz es singular c) El escalar es una raz del polinomio caracterstico ( ) de BERNARDO ESTEBAN SARMIENTO COBOS
Pgina 1
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS DEMOSTRACION: El escalar es un valor propio de A si y solo si existe un vector no nulo tal que: ( ) ( )
espacio propio ( )
|. As mismo, esta en el es singular. En tal caso, es una raz de ( ) | de si y solo si se verifican las relaciones anteriores, luego es una solucin de
( ) El espacio propio de ser el espacio solucin del sistema homogneo . ) ) Muchas veces resulta ms conveniente resolver el sistema ( que el ( cuando se calculan vectores propios. Por supuesto, ambos sistemas conducen al mismo espacio solucin. Algunas matrices pueden no tener valores propios ni, por tanto, valores propios. No obstante, haciendo uso del teorema fundamental del algebra (todo polinomio sobre C tiene una raz) llegamos al siguiente resultado. TEOREMA: Sea una matriz n-cuadrada sobre el cuerpo complejo C, entonces A tiene al menos un valor propio. Supongamos ahora que es un valor propio de la matriz . La multicidad de como raz del polinomio caracterstico de . La dimensin de su espacio propio. Es valido el teorema enunciado a continuacin. de es la de es la
TEOREMA Sea un valor propio de la matriz . La multicidad geomtrica de no excede su multiplicidad algebraica. EJERCICIOS DE APLICACIN 1.- Compruebe que correspondiente. es un valor caracterstico de A y que es un vector caracterstico
| BERNARDO ESTEBAN SARMIENTO COBOS
| Pgina 2
( )
][ ]
[ ]
[ ]
2.- Supngase
] Calcular : a) el polinomio caracterstico ( ) de A, b) los valores
propios de A, c) un conjunto mximo de vectores propios linealmente independientes de A ( ) [ ]
| |
| |
)(
)(
)(
)(
BERNARDO ESTEBAN SARMIENTO COBOS
Pgina 3
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS ( ) [ ] [ ]
| |
3.-Determine si x es un vector caracterstico de A
[ ) ( ) ) ( ) ) (
] ) ) ( )
][ ]
( BERNARDO ESTEBAN SARMIENTO COBOS
Pgina 4
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS ) [ ][ ] [ ]
( ) ( )
][
4.-Determine la dimensin del espacio caracterstico correspondiente al valor caracterstico 3 de
| | | | |
Pgina 5
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS ( )
5.-Mostrar que dos matrices similares tienen los mismos valores propios , entonces: | | | | | | | ( ) | | || || |
Donde por medio de las propiedades de los determinantes nos dice | | | | |
|| |
se obtiene:
Al tener los mismos polinomios caractersticos tienen iguales valores propios 1.2.- DIAGONALIZACION Se dice que una matriz es (bajo similaridad) si existe una matriz no singular tal que es una matriz diagonal, o sea, si es similar a una matriz diagonal . El teorema que sigue caracteriza tales matrices. TEOREMA: Una matriz cuadrada es similar a una matriz diagonal si y solo si tiene vectores propios linealmente independientes. En tal caso, los elementos diagonales de son los valores propios correspondientes y , siendo la matriz cuyas columnas son los vectores propios.
Supongamos que una matriz diagonal. Entonces tiene la
puede diagonalizarse como antes, digamos extremadamente til
con
Empleando esta factorizacin, el algebra de manejable. Especficamente, supongamos ( )
se reduce a la de la matriz diagonal , fcilmente ) en ese caso diag ( ( )
Y, con mayor generalidad, para todo polinomio ( ), ( ) BERNARDO ESTEBAN SARMIENTO COBOS ( ) ( ) ( ( ) ( ))
Pgina 6
Ms aun, si las entradas diagonales de una raz cuadrada de :
son no negativas, la matriz
escrita a continuacin es
( Esto es, EJEMPLO Consideremos la matriz 0 .
1 De acuerdo con el Ejemplo del primer tema, 1. Tomemos 0
tiene dos
valores propios linealmente independientes 0 1 y 0 [ ] Entonces
1 y, por tanto,
es similar a la matriz diagonal.
]0
10
Se puede verificar que los elementos diagonales 4 y -1 de la matriz diagonal son los valores propios correspondientes a los vectores propios dados. En particular, tiene factorizacin
10
1[
En consecuencia
10
1[
Adems si ( )
( )
( )
10
1[
TEOREMA Sean propios distintos
vectores propios no nulos de una matriz , pertenecientes a valores Entonces son linealmente independientes.
TEOREMA Supongamos que el polinomio caracterstico de una matriz n-cuadrada es un )( ) ( ) En ese caso, es producto de factores distintos, digamos ( ) ( similar a una matriz diagonal cuyos elementos diagonales son los . BERNARDO ESTEBAN SARMIENTO COBOS
Pgina 7
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS CALCULO DE VALORES PROPIOS Y VECTORES PROPIOS. DIAGONALIZACION DE MATRICES. En esta seccin se calculan los valores propios y vectores propios de una matriz cuadrada y se determina si existe o no una matriz no singular tal que sea diagonal. En concreto, se aplicar a la matriz el algoritmo que enseguida exponemos ALGORITMO (Diagonalizacin) La entrada es una matriz cuadrada .
Paso 1. Hallar el polinomio caracterstico ( ) de Paso 2. Hallar las races de ( ) Paso 3. Repetir ) ) para cada valor propio de . A.
a) Construir
restando a los elementos diagonales de , o sustituyendo en . b) Encontrar una base para el espacio solucin de . (Los vectores de la base son vectores propios linealmente independientes de pertenecientes a ) Paso 4. Considerar la coleccin paso 3: a) Si b) Si , * + de todos los vectores propios obtenidos en el
no es diagonizable. , sea la matriz cuyas columnas son los vectores propios Entonces [ ]
Donde
es el valor propio correspondiente al vector propio
Ejemplo Apliquemos el algoritmo de diagonalizacin a 1. El polinomio caracterstico ( ) de 0 1.
es el determinante.
Pgina 8
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS ( ) 2. Hacemos ( ) . | ( | )( | ) | . Las races ( )( )
son los valores propios de
3. i) Hallemos un vector propio Restamos
de
perteneciente al valor propio para conseguir la matriz 0 1
a los elementos diagonales de
Los vectores propios pertenecientes a es decir: 0
forman la solucin del sistema homogneo 10 1 0 1 , As ( ) en
El sistema tiene solo una solucin independiente; por ejemplo, un vector propio que genera el espacio propio de . ii) Hallemos un vector propio de pertenecientes al valor propio
Restamos -2 (o sumamos 2) a los elementos diagonales de
para conseguir
El sistema tiene una solucin independiente, digamos ( ) Es un vector propio que genera el espacio propio de 4. Sea [
De este modo . 0 1. Entonces
la matriz cuyas columnas son los vectores propios precedentes: ] y
es la matriz diagonal que tiene por entradas diagonales los
respectivos valores propios: [ ]0 10 1 0 1
De acuerdo con ello,
posee la factorizacin diagonal: 0 10 1[ ]
Si ( ) ( )
, podemos calcular ( ) ( ) 0 10 1[
( ]
) 0
luego 1
Pgina 9
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS Ejemplo Consideremos la matriz ( ) ( nico valor propio de Restamos 0 1 Aqu tr | | . En consecuencia, 0 1 Por tanto es el )2 es el polinomio caracterstico de
a los elementos diagonales de
obteniendo la matriz
El sistema tiene nicamente una solucin independiente; por ejemplo, . Siendo as, ( ) es el nico vector propio de la matriz . Podemos decir, pues, que no es diagonalizable, por no existir una base constituida por vectores propios de . EJERCICIOS DE APLICACIN 1.-Sea 0 1 una matriz sobre el cuerpo real R. Determinar las condiciones necesarias y
suficientes qa imponer sobre a, b, c, y d para que A sea diagonalizable, es decir, para que tenga dos vectores propios linealmente independientes. ( | | ( )( ) ( ( ) ( ) ( ) ) ) 0 1 ( )
( ( (
( ) )
2.-Sea B=0
1. Hallar: ) Todos los valores propios de B y los vectores propios asociados; ) sea diagonal y ) Encuentre la matriz ( | | ) ( 0 )( ) 1
una matriz invertible tal que
Pgina 10
)(
1 ( )
]0
10
]0
Pgina 11
10
1[
1[
3.-Para cada matriz determine, en caso de ser posible, una matriz P no singular tal que sea diagonal. Comprobar que es una matriz diagonal con los valores caracteristicos en la diagonal
)(
)( (
)( )(
) )( )( )
Pgina 12
[ (
0 )
] [ ]
Pgina 13
[ [ ]
][
[ [ ]
4.- Demuestre que la matriz dada no es diagonalizable
| | |
)(
| |
( |
)(
=0
5.- Demuestre que si A es diagonalizable, entonces
tambien lo es
| |
Pgina 14
| | |
( | | (
)(
)( )(
) )
)( |
)( |
1.3.- MATRICES REALES SIMETRICAS Y DIAGONALIZACION ORTOGONAL Hay muchas matrices reales que no son diagonalizables. De hecho, algunas de ellas pueden no tener ningn valor propio (real). No obstante, si es una matriz real , estos problemas desaparecern. A saber: TEOREMA: Sea una matriz real simtrica. Toda raz de su polinomio caracterstico es real.
TEOREMA: Sea una matriz real simtrica. Supongamos que y son vectores propios no nulos de pertenecientes a valores propios distintos y Entonces y son ortogonales, o sea, . BERNARDO ESTEBAN SARMIENTO COBOS Pgina 15
Los dos teoremas anteriores nos lleva al resultado fundamental: TEOREMA: Sea diagonal. una matriz real simtrica. Existe una matriz ortogonal tal que es
Podemos elegir las columnas de la matriz precedente como vectores propios ortogonales normalizaos de , en cuyo caso las entradas diagonales de los valores propios correspondientes. EJEMPLO Sea 0 1. Hallemos una matriz ortogonal tal que sea diagonal. Aqu tr ( )( ) es el de la diagonal de | | ( ) Por tanto, polinomio de . Los valores propios de son 6 y 1. Restando obtenemos el sistema de ecuaciones lineales homogneo asociado
Una solucin no nula es ( ) Acto seguido restamos para llegar al sistema homogneo asociado
de la diagonal de la matriz
( ) Como poda esperarse, Una solucin no nula es normalizamos para conseguir los vectores ortonormales ( Finalmente, sea ) . /
son ortogonales. Los
la matriz cuyas columnas son [
respectivamente. Entonces 0 1
] y Como era de esperar, las entradas diagonales de a las columnas de . DIAGONALIZACION ORTOGONAL DEFINICION DE UNA MATRIZ ORTOGONAL Una matriz cuadrada P es ortogonal si es invertible y
son los valores propios correspondientes
Pgina 16
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS TEOREMA: Una matriz P de ortonormal. es orotgonal si y solo si sus vectores columna forman un conjunto
DIAGONALIZACION ORTOGONAL Una matriz es diagonizable ortogonalmente si existe una matriz ortogonal P tal que es diagonal. El siguiente teorema establece que el conjunto de matrices diegonizables ortogonalmente es ortogonalmente el conjunto de matrices simetricas. TEOREMA Sea A una matriz . Entonces A es diagonizable ortogonalmente y tiene valores caractersticos reales si y solo si A es simtrica ALGORITMO (Diagonalizacin ortogonal) La entrada es una forma cuadrtica ( ) Paso 1. Hallar la matriz simtrica que represente y calcular su polinomio caracterstico ( )
Paso 2. Hallar los valores propios de , que son las races de ( ). Paso 3. Encontrar una base ortogonal del espacio propio de cada uno de los valores propios paso 2. del
Paso 4. Normalizar todos los vectores propios del Paso 3, que pasaran as a formar una base ortonormal de Rn. Paso 5. Sea la matriz cuyas columnas son los vectores propios normalizados del Paso 4.
Entonces es el cambio de coordenadas ortogonal requerido. Las entradas diagonales de seran los valores propios asociados a las columnas de . EJERCICIOS DE APLICACIN: 1.- Encuentre los valores caractersticos de la matriz simtrica dada. Para cada valor caracterstico, determine la dimensin del espacio caracterstico correspondiente.
Pgina 17
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS ( ) [ ]
| | |
, -
2.- Determine si la matriz dada es ortogonal
| | BERNARDO ESTEBAN SARMIENTO COBOS
| |
Pgina 18
3.- Encuentre un matriz ortogonal forma diagonal correcta
tal que
diagonalice . Compruebe que
da la
Pgina 19
( ( ) ) (
( ( )
) ) ( ( ) )
[ ]
] [
] [
[ ]
4.- Demuestre que si A es una matriz siguiente ejemplo: 0
entonces 1
son simetricas mediante el
Pgina 20
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS [ 0 ]0 1[ 1 [ ] 0 1 ]
5.- Supngase
]. Hallar:
) El polinomio carcterisitco de C ;
) los
valorespropios de C ; ) Un conjunto mximo S de vectores propios ortogonales no nulos de C ; ) Una matriz ortogonal tal que sea diagonal
| |
( | (
)( |
)( )( | | |
) )
( ( )
Pgina 21
, (
, -
) +
[ ]
] [
[ ]
][
Pgina 22

1.4.- APLICACIONES: CRECIMIENTO DE UNA POBLACION Las matrices pueden aplicarse para elaborar modelos que describan el crecimiento de alguna poblacin. El primer paso es agrupar la poblacin en clases de edad de la misma duracin. Por ejemplo, si el tiempo que vive un miembro de la poblacin es L aos, entonces las clases de edad se representan por los n siguientes intervalos: Clase de primera edad [0, ) , Clase de segunda edad [ , Clase de la n-esima edad
( )
), . . . . . . . ,[
, L]
El nmero de elementos de la poblacin en cada clase de edad se representa entonces por el vector de distribucin de edades:
Durante un periodo de aos, la probabilidad de que un elemento de la clase de la i-esima edad sobreviva para convertirse en elemento de la clase de la (i + 1)-esima edad esta dada por pi, donde: 0 pi 1, i = 1, 2, , n 1.
El numero medio de descendencia producido por un miembro de la clase de la i-esima edad esta dado por bi, donde: 0 bi, i = 1, 2, , n.
Los nmeros mencionados pueden escribirse en forma matricial como se muestra a continuacin:
Pgina 23
A= [
, ]
Al multiplicar esta matriz de transicin de edades por el vector de distribucin de edades durante un periodo especfico se obtiene el vector de distribucin de edades para el siguiente periodo. Es decir: Axi = xi+1 Ejemplo: Una poblacin de conejos criados en un laboratorio tiene las siguientes caractersticas: a.) La mitad de conejos sobrevive el primer ao. De estos, la mitad sobrevive el segundo ao. La duracin mxima de vida es de tres aos. b.) Durante el primer ao los conejos no producen descendencia. El nmero medio de descendencia es 6 durante el segundo ao y 8 durante el tercer ao. Actualmente, la poblacin de laboratorio consta de 24 conejos en la clase de la primera edad, 24 en la segunda y 20 en la tercera. Cuntos habr en cada clase en un ao? Solucin: El vector actual de distribucin de edades es.
x1 = [ 0 1 2
] 1 2 3
edad edad edad
Y la matriz de transicin de edades es:
A=[
].
Al cabo de un ao el vector de distribucin de edades ser:
X2 = Ax1 = [ 0 1 edad edad 1 2
]. [
]=[
Pgina 24
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS 2 edad 3
Si el patrn de crecimiento de este ejemplo contina durante otro ao, entonces la poblacin de conejos seria:
X3 = Ax2 = [
]. [
]=[
0 edad 1 1 edad 2 2 edad 3 A partir de los vectores de distribucin de edades x1, x2, y x3 se observa que el porcentaje de conejos en las tres clases de edades cambia cada ao. Suponga que el laboratorio prefiere un patrn de crecimiento estable, uno en el que el porcentaje en cada clase de edad permanezca igual cada ao. Para lograr este patrn de crecimiento estable, el (n + 1)-esimo vector de distribucin debe ser mltiplo escalar del n-esimo vector de distribucin de edades. Es decir, Axn = xn + 1 = xn. Por tanto, el laboratorio puede obtener un patrn de crecimiento, en el cual el porcentaje en cada clase de edad permanezca igual el mismo ao, al determinar un vector caracterstico de A. En el siguiente ejemplo mostraremos como resolver este problema: Ejemplo: Encuentre una distribucin estable de edades para la poblacin del ejemplo 1: Solucin: para resolver este problema es necesario encontrar un eigenvalor y un eigenvector correspondiente x tales que: Ax = x El polinomio caracterstico es:
det (
- A) = [
]=
- 3 - 2 = ( + 1)2( -2)
Lo que implica que los eigenvalores son = -1 y = 2. Con el valor positivo, se hace = 2. Para encontrar un eigenvector correspondiente, la matriz en la que se reemplaza = 2 queda:
] al multiplicar por el vector x = [ ] nos da: [ ]
]=t[
] este eigenvector si
tomamos a t = 2 nos quedara: [ 0 1 edad edad 1 2
Pgina 25
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS 2 edad 3 Y el vector de distribucin de edades para el ao siguiente seria:
x2 = Ax1 = [
]. [
]=[
0 edad 1 1 edad 2 2 edad 3 Se puede observar que el porcentaje en cada clase de edad permanece igual. EJERCICIOS DE APLICACIN 1.- Utilice la matriz de transicin de edades y el vector encontrar los vectores de distribucin de edades y [ ] 0 de distribucin de edades para
]0
[ 0
]0 1
0 0
1 1
2.- Dada la matriz de transicin de edades y el vector los vectores de distribucin de edades y
de distribucin de edades determine
[ [ ]
Pgina 26
[ [ ]
[ [ ]
3.- Encuentre una distribucin de edades estable para la matriz de transicin de edades del primer ejercicio. [ ]
( |
) |
, ( ) 0 1
Pgina 27
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS 4.- Encuentre una distribucin de edades estable para la matriz de transicin de edades del primer ejercicio.
) [ | | | | ]
) [ ] [ ]
[ [ ] (
) [ ] [ ]
Pgina 28
[ [ ] (
[ ] 5.-Una poblacin presenta las siguientes caractersticas:
[ ]
a) Un total de 75% de la poblacin sobrevive el primer ao. De este 75%, el 25% sobrevive el segundo ao. La duracin mxima de vida es de 3 aos. b) El numero de descendencia de cada miembro de la poblacin es 2 el primer ao, 4 el segundo y 2 el tercero. Actualmente, la poblacin consta de 120 elementos en cada una de las tres clases de edad. Cunto habr en cada clase de edad en un ao? y en dos? [ ]
][
][
Pgina 29
1.5.- APLICACIONES: FORMAS CUADRATICAS Las dos variables sern x e y y se define como una expresin que puede escribirse como: ax2 + 2bxy + cy2 Las siguientes expresiones son formas cuadrticas en x e y:
2x2 + 6xy 7y2 (a = 2, b = 3, c = -7) 4x2 5y2 (a = 4, b = 0, c = -5) xy (a = 0, b = , c = 0) Si se acuerda suprimir los corchetes en las matrices de 1 x 1, entonces se puede escribir en forma matricial como: ax2 + 2bxy + cy2 =, -. 0 1. 0 1
Ntese que la matriz 2 x 2 es simtrica, que los elementos en la diagonal principal son los coeficientes de los trminos al cuadrado y que cada uno de los elementos fuera de la diagonal principal es la mitad de coeficientes del termino del producto xy. As: 2x2 + 6xy 7y2 = , xy = , -. [ -. 0 -. 0 ]. 0 1 1. 0 1 1. 0 1
4x2 5y2 = ,
FORMAS CUADRTICAS CON n VARIABLES: DEFINICIN: una forma cuadrtica no se limita a dos o tres variables, una de n variables x1, x2, , xn es una expresin que se puede escribir como:
-A [ ]
donde A es una matriz simtrica n x n.
Pgina 30
Si se hace x = [ ]
entonces se puede escribir de manera ms abreviada como: xTAx
Adems, es posible demostrar que si las matrices en xTAx se multiplican, la expresin resultante es de la forma: xTAx = a11x21 + a22x2n + annx2n + donde denota la suma de trminos de la forma donde xi y xj son variables diferentes. Los trminos denotan trminos de producto cruzado de la forma cuadrtica. Las matrices simtricas son tiles, aunque no esenciales, para representar formas cuadrticas en notacin matricial. As, para formar la cuadrtica 2x2 + 6xy 7y2, el coeficiente del trmino de producto cruzado se podra separar en 5 + 1 o 4 + 2 y escribir: , -. 0 1. 0 1 o , -. 0 1. 0 1
Sin embargo, las matrices simtricas producen en general los resultados ms simples, de modo que siempre se usaran. As, cuando una forma cuadrtica se denote por xTAx se entender que A es simtrica, aun cuando no se especifique. Como A es simtrica, es decir A = AT se puede expresar en trminos del producto interior euclidiano mediante: xTAx = xT(Ax) = <Ax, x> = <x, Ax> Ahora mostraremos una forma cuadrtica en x1, x2 y x3: X21 + 7x23 3x23 + 4x1x2 2x1x3 + 6x2x3 = , -. [
].[ ]
Se puede ver que los trminos al cuadrado aparecen sobre de la diagonal principal de la matriz 3 x 3, y que cada uno de los coeficientes de los trminos producto cruzado estn separados a la mitad y aparecen en las posiciones fuera de la diagonal como se muestra: Coeficientes de A x1x2 x1x3 x2x3 BERNARDO ESTEBAN SARMIENTO COBOS Posiciones de la matriz A a12 y a21 a13 y a31 a23 y a32
Pgina 31
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS PROBLEMAS EN QUE APARECEN FORMAS CUADRTICAS: TEOREMA : Sea A una matriz simtrica n x n cuyos eigenvalores en orden decreciente son 1 2 n Si x n se restringe de modo que || || = 1 con respecto al producto interior euclidiano sobre R , entonces: a.) 1 xTAx n b.) xTAx = n si x es un eigenvector de A correspondiente a n y xTAx = 1 si x es un eigenvector de A correspondiente a 1. Por este teorema se concluye que sujeta a la restriccin: || || = (x21 + x22 + + x2n)1/2 = 1 La forma cuadrtica xTAx tiene un valor mximo de mnimo de n (el eigenvalor mas pequeo).
1
(el eigenvalor mas grande) y un valor
EJEMPLO : Encontrar los valores mximo y mnimo de la forma cuadrtica. x21 + x22 + 4x1x2 sujeta a la restriccin x21 + x22 = 1, y determinar los valores de x1 y x2 en que ocurren el mximo y el mnimo. Solucin: La forma cuadrtica se puede escribir como: X21 + x22 + 4x1x2 = xTAx = , - A) = det0 -. 0 1=
2
1.0 1 y la ecuacin caracterstica de A es:
det(
-2 -3=(
)(
)=0
por lo tanto los eigenvalores son: = 3 y = -1 que son los valores mximo y minimo, respectivamente, de la forma cuadrtica sujeta a la restriccin. Para encontrar los valores de x1 y x2 en que ocurren estos valores extremos es necesario encontrar los eigenvectores correspondientes a estos eigenvalores y luego normalizarlos para satisfacer x21 + x22 = 1. Estos eigenvectores son: para = 3: 0 1 y para = -1: 0 Y normalizndolos: [ ] y [ ] 1
Pgina 32
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS As: sujeto a la restriccin x21 + x22 = 1, el valor mximo de la forma cuadrtica es = 3, que ocurre si x1 = , x2 = ; y el valor minimo es = -1, que ocurre si x1 = , x2 = . Adems se puede obtener otras bases para los eigenespacios al multiplicar por -1 t no altera en nada. MATRICES POSITIVAS DEFINIDAS Y FORMAS CUADRTICAS: DEFINICIN: Una forma cuadrtica xTAx se denomina positiva definida si xTAx > 0 para todo x diferente de cero, y una matriz simtrica A se denomina matriz positiva definida si xTAx es una forma cuadrtica positiva definida. TEOREMA : Una matriz simtrica A es positiva si y solo si los eigenvalores de A son positivos. TEOREMA : Una matriz simtrica A es positiva definida si y solo si el determinante de toda submatriz principal es positivo.
EJEMPLO : Ver si la matriz A = [
] es positiva definida.
| | = 2, |
| = 3, |
|=1
Por lo tanto si es una matriz positiva definida. Una matriz simtrica A y la forma cuadrtica xTAx se denominan: Positiva semidefinida: si xTAx 0 para todo x. Negativa definida: si xTAx < 0 para x diferente de cero. Negativa semidefinida: si xTAx 0 para todo x. Indefinida: si xTAx tiene valores tanto positivos como negativos. TEOREMA DE LOS EJES PRINCIPALES: Para una cnica cuya ecuacin es ax2 + bxy + cy2 + dx + ey + f = 0, la rotacin definida por X = PX elimina el termino xy si P es una matriz ortogonal, con | | = 1, que diagonaliza a A. es decir, PAP = [ por: (x)2 + (y)2 + *d e+PX + f. ], donde y son eigenvalores de A. la ecuacin de la cnica rotada esta dada
*NOTA: el producto matricial *d e+PX es de la forma: *d e+PX = (d cos + e sen )x + (-d sen + e cos)y BERNARDO ESTEBAN SARMIENTO COBOS Pgina 33
A continuacin se resumen los pasos para aplicar el teorema de los ejes principales: 1. Forme la matriz A y determine sus valores caractersticos 1 y 2. 2. Encuentre los eigenvectores correspondientes a 1 y 2. Normalice estos eigenvectores para formar las columnas de P. 3. Si | | = -1, entonces multiplique por -1 una de las columnas de P para obtener una matriz de la forma: P =0 1.
4. El ngulo representa en ngulo de rotacin de la cnica. 5. La ecuacin de la cnica rotada es:

1(x) 2
2(y)
+ *d e+PX + f = 0
EJEMPLOS DE APLICACIN 1.-Obtenga la matriz de la forma cuadrtica asociada con la ecuacin dada. En cada caso encuentre los valores caractersticos de y una matriz ortogonal tal que sea diagonal.
( | | |
) (
0 )( | )
Pgina 34
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS 0 1 , ( )
, ( ) ( ) ( )
]0
1[
1[
2.- Efecte una rotacin de ejes que elimine el trmino en la ecuacin cuadrtica dada. Identifique la conca rotada resultante y de su ecuacin en el nuevo sistema de coordenadas [ ] 0 1
( | | BERNARDO ESTEBAN SARMIENTO COBOS
) |
0 ( | )
Pgina 35
, ( )
, ( ) ( ) (

Pgina 36
( )
( )
( )
-[
][ ]
( ) ( )
-[ ]
3.- Hallar una transformacin de coordenadas ortogonal que diagonalice la siguiente forma cuadrtica: ( [ ) ] 0 1
( | | |
) ( |
0 )( )
Pgina 37
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS ( ) 0 1 0 1
, ( )
( 0
0 1 , (
) ( ) ( )
0 1
[ ]
0 1
][ ]
4.- Determine la matriz de la forma cuadrtica asociada con la ecuacin dada. Luego, encuentre la ecuacin de la superficie cuadrtica rotada en la que se hayan eliminado los trminos
Pgina 38
| |
( |
Pgina 39
, -
) ( ) ( )
( )
( )
( )
[ ] ]
( )
( )
( )
][ ]
( )
( )
( )
5.- Hallar una transformacin de coordenadas ortogonal que diagonalice la siguiente forma cuadrtica: ( )
Pgina 40
UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS ( ) [ ]
| |
( |
] (
1 ) ( )
, -
Pgina 41

[ ]
[ ]
[ ] [
[ ] ]
Pgina 42
BIBLIOGRAFIA
ALGEBRA LINEAL, SEGUNDA EDICION SEYMOUR LIPSCHUTZ SHAUM INTRODUCCION AL ALGEBRA LINEAL, TERCERA EDICION HOWARD ANTON LIMUSA WILEY INTRODUCCION AL ALGEBRA LINEAL LARSON EDWARDS LIMUSA WILEY
Pgina 43

Valores y Vectores Propios

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Valores y Vectores Propios

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD DE CUENCA VALORES Y VECTORES PROPIOS