SISTEMA LINEAL DE LA FORMA AX=λx

Definición y ¿Qué tipo son?

Sea una matriz nxn, con n ecuaciones y n incógnitas son de tipo:

AX=λx

Dónde:

A=Matriz nxn
X=Variables del sistema
λ= Escalar (valor desconocido)

*La matriz columna X recibe el nombre de Vector característico (Eigenvector) siendo

las Xi las componentes de dicho valor característico.

*Los valores que se obtienen para lambda se conoce como valores característicos
(Eigenvalores) de la matriz A

Ecuación característica
Dado que lambda aparece como incógnita es posible hacer que el determinante de
dicha matriz sea igual a cero (introduciendo una matriz identidad):
DET(A-λI)=0

Y encontrando los valores para lambda que hagan el Det=0 se tendrá la solución.

El desarrollo algebraico del determinante produce un polinomio de grado n de la forma:

λn+p1λn-1+k+pn-1λ+pn=0

*Este polinomio recibe el nombre de polinomio característico o ecuación característica.

*Es necesario resolver el polinomio y obtener los lambda que hacen Det=0
*Los lambda obtenidos se los llama valor propio de A si y solo si Det(A-λI)=0
* Det(A-λI)=0 Ecuación característica de la matriz A

Eigenvalores
Raíces que se obtuvieron del polinomio son eigenvalores de A.

Eigenvector
Un vector diferente de 0 que satisface Av- λv es un eigenvector de A.

Al par ordenado (λ,v) se le llama eigenpar

En conclusión:

Si A es una matriz nxn, hay vectores x diferente de cero en Rntales que Ax sea un
múltiplo escalar de x. El escalar denotado por lambda se llama valor propio de la
matriz A y el vector x diferente de cero se llama vector propio de A correspondiente a
lambda, por lo tanto se tiene:

Valor propio

Ax=λx

Vector propio

Ejemplo:

Hallar los valores y vectores propios de la matriz:

A= [ 21 −12
−5 ]
Ecuación característica de A es: Det (λI-A)=0

λI-A=λ [ 10 01]−[ 21 −12

−5
=
λ−2 12
][
−1 λ +5 ]
Det (λI-A)= (λ+1) (λ+2)=0

valores propios de la matriz A {λ=−1

λ=−2

Sea x= [ xx 12] un vector propio de A

X es un vector propio de A correspondiente a λ si y solo si X es una solución no trivial
de (λI-A)=0, es decir, solución no trivial para:

[ λ−2
−1
12 x 1
λ+5 x 2
=
0
][ ] [ ]
0

Si λ=-1 la ecuación de transforma en:

12 x 1 = 0
[−3
−1 4 ][ x 2 ] [ 0 ]

{−3−xx 1+12 x 2=0 x 1=4 x 2

1+ 4 x 2=0 x 2=t
 x= x 1 = 4 t =t 4 S on los vectores propios de A correspondientes a λ=−1
x2[ ][ ] []
t 1

Si λ=-2

12 x 1 = 0
[−4
−1 4 ][ x 2 ] [ 0 ]

{−4−xx 1+12 x 2=0 x 1=3 x 2

1+ 3 x 2=0 x 2=t

x= x 1 = 3 t =t 3 S on los vectores propios de A correspondientes a λ=−2

[ ][ ] []
x2 t 1

Algunas propiedades de los valores propios

*La suma de los n valores propios de la matriz A es igual a su Traza; λ1+λ2+…

+λn=Traza(A)

*El producto de los n valores propios de la matriz A es igual a su determinante; λ1λ2…

λn=det(A)

*Los valores propios de una matriz triangular (superior o inferior) son los valores de su
diagonal.

Usos y Aplicaciones:

En diversos campos de la ingeniería y las matemáticas surge el problema de calcular

los valores escalares λ y los vectores x≠0 tales que para la matriz cuadrada A se
cumple:

Ax=λx

Algunos de estos campos de aplicaciones son:

-Ecuaciones diferenciales
-Estabilidad de sistemas lineales
-Sistemas Eléctricos (componentes simétricas)
-Polos y ceros de funciones transferencia
-Diagonalizacion de matrices