Академический Документы
Профессиональный Документы
Культура Документы
ESCUELA CIVIL
ÁLGEBRA LINEAL
CAPÍTULO 5:
Puede parecer muy extraño, pero los valores propios de las matrices aparecieron
publicados antes que las matrices. Esto se debe al hecho insólito de que,
parafraseando a Cailey, la teoría de las matrices estaba bien desarrollada (a través
de la teoría de los determinantes) antes de que siquiera se definieran las matrices.
Según Morris Kline, los valores propios se originaron en el contexto de formas
cuadráticas y en la mecánica celeste (el movimiento de los planetas), conociéndose
como raíces características de la ecuación escalar. Desde aproximadamente 1740,
Euler usaba de manera implícita los valores propios para describir
geométricamente las formas cuadráticas en tres variables.
Objetivos:
CONTENIDO:
INTRODUCCIÓN BIOGRÁFICA
2. Diagonalización de matrices.
6. Aplicaciones:
Crecimiento de una población.
Formas cuadráticas.
INGENIERIA CIVIL
INTRODUCCIÓN BIOGRÁFICA:
A los 12 años ya miraba con cierto recelo los fundamentos de la Geometría, y a los
16 tuvo sus primeras ideas intuitivas sobre la posibilidad de otro tipo de
geometría. A los 17 años, Gauss se dio a la tarea de completar lo que, a su juicio,
habían dejado a medias sus predecesores en materia de teoría de números. Así
descubrió su pasión por la Aritmética, área en la que poco después tuvo sus
primeros triunfos. Su gusto por la aritmética prevaleció por toda su vida, ya que
para él “La Matemática es la reina de las ciencias y la Aritmética es la reina de las
Matemáticas”. Gauss tenía 14 años cuando conoció al duque Ferdinand. Éste
quedó fascinado por lo que había oído del muchacho, y por su modestia y timidez.
Decidió solventar todos los gastos de Gauss para asegurar que su educación
llegara a buen fin.
n 1796 demostró que se puede dibujar un polígono regular de 17 lados con regla y
compás.
En 1809 fue nombrado director del Observatorio de Göttingen. En este mismo año
publicó Theoria motus corporum coelestium in sectionibus conicis Solem
ambientium describiendo cómo calcular la órbita de un planeta y cómo refinarla
posteriormente. Profundizó sobre ecuaciones diferenciales y secciones cónicas.
DAVID HILBERT
LEONHARD EULER
Tal como le advirtieron los médicos, Euler perdió la vista casi por completo; sólo
conservó la capacidad de distinguir los trazos gruesos de la tiza en la pizarra, con
lo que su capacidad de trabajo no disminuyó.
INGENIERIA CIVIL
En 1777, su casa fue destruida por un incendio, pero gracias al conde de Orloff, se
salvaron sus manuscritos.
Pasó sus últimos días jugando con sus nietos y discutiendo las últimas teorías
sobre el planeta Urano.
LAGRANGE
Joseph Louis de Lagrange procedía de una familia parisina que gozaba de buena
posición social. Fue educado en la universidad de Turín y no fue hasta los
diecisiete años cuando mostró interés por las matemáticas. Su entusiasmo lo
despertó la lectura de una obra del astrónomo Edmund Halley. Tras un año de
incesante trabajo era ya un matemático consumado.
Cuando tenía sólo diecinueve años envió una carta a Leonhard Euler en que
resolvió un problema, que había sido un asunto de discusión durante más de
medio siglo, mediante una nueva técnica: el cálculo de variaciones. Euler reconoció
la generalidad del método y su superioridad, y con una cortesía rara en él retuvo
un artículo que él había escrito previamente para que el joven italiano tuviera
INGENIERIA CIVIL
tiempo para completar su trabajo, como exige la invención de un nuevo método de
cálculo. El nombre de esta rama del análisis la sugirió el propio Euler.
Este trabajo puso a Lagrange en primera línea entre los matemáticos de su época.
En 1758, con la ayuda de sus alumnos, Lagrange publicó en la Academia de Turin
la mayoría de sus primeros escritos, consistentes en los cinco volúmenes
normalmente conocidos como Miscellanea Taurinensia .
Lagrange era de mediana estatura, complexión débil, con ojos azul claro y un color
de piel pálido. Era de un carácter nervioso y tímido, detestó la controversia, y al
evitarla de buena gana permitió a otros tener crédito por cosas que él había hecho.
ARTHUR CAYLEY
(París, 1789-Sceaux, Francia, 1857) Matemático francés. Era el mayor de los seis
hijos de un abogado católico y realista, que hubo de retirarse a Arcueil cuando
estalló la Revolución. Allí sobrevivieron de forma precaria, por lo que Cauchy
creció desnutridos y débiles.
Con veintisiete años ya era uno de los matemáticos de mayor prestigio y empezó a
trabajar en las funciones de variable compleja, publicando las 300 páginas de esa
investigación once años después. En esta época publicó sus trabajos sobre límites,
continuidad y sobre la convergencia de las series infinitas. En 1830 se exilió en
Turín, donde trabajó como profesor de física matemática hasta que regresó a París
(1838). Pasó el resto de su vida enseñando en La Sorbona.
INGENIERIA CIVIL
DESARROLLO:
EJEMPLO 1:
3 −2 −1 2
Sean 𝐴 = [ ⃗ = [ ] ; 𝑣 = [ ] . Las imágenes de 𝑢
] ,𝑢 ⃗ y de 𝑣
1 0 1 1
bajo la multiplicación por A se muestra en la figura:
EJEMPLO 2:
1 6 6 3
Sean 𝐴=[ ⃗ = [ ];𝑣 = [ ] .
] ,𝑢 ¿Son 𝑢
⃗ 𝑦𝑣 vectores
5 2 −5 −2
propios de A?
Solución:
1 6 6 −24 6
𝐴𝑢
⃗ =[ ][ ] = [ ] = −4 [ ] = −4𝑢
⃗
5 2 −5 20 −5
1 6 3 −9 3
𝐴𝑣 = [ ][ ] = [ ] ≠ 𝜆[ ]
5 2 −2 11 −2
EJEMPLO 3:
Solución:
(Razonamiento) El escalar 7 es un valor propio de 𝐴 ↔ 𝐴𝑥 = 7𝑥
no tiene solución trivial.
INGENIERIA CIVIL
𝐴𝑥 − 7𝑥 = 0
(𝐴 − 7𝐼)𝑥 = 0 → 1
1 6 7 0 −6 6
∴ (𝐴 − 7𝐼) = [ ]−[ ]=[ ]=𝐵
5 2 0 7 5 −5
[0 0]
2 1 6 2 14 2
Con 𝑥2 = 2 ∴ [ ] → [ ][ ] = [ ] = 7[ ]
2 5 2 2 14 2
EJEMPLO 4.
INGENIERIA CIVIL
10 −18 2 3
Sean 𝐴=[ ⃗ = [ ];𝑣 = [ ] .
] ,𝑢 ¿Son 𝑢
⃗ 𝑦𝑣 vectores
6 −11 1 2
propios de A?
10 −18 2 2
∴ 𝐴𝑢
⃗ =[ ] [ ] = [ ] = 1𝑢
⃗ → 𝜆1 = 1
6 −11 1 1
De igual manera:
10 −18 3 −6
𝐴𝑣 = [ ] [ ] = [ ] = −2𝑣 → 𝜆2 = −2
6 −11 2 −4
EJEMPLO 5:
3 2 1 0 3−𝜆 2
∴[ ]− 𝜆[ ]=𝐵=[ ]
−1 0 0 1 −1 −𝜆
det(𝐵) = 𝜆2 + 1 = 0; 𝑑𝑜𝑛𝑑𝑒 𝜆 = 𝑖 𝑦 𝜆 = −𝑖
Este ejemplo ilustra que una matriz real puede tener valores y vectores
característicos complejos. Algunos autores definen los valores característicos
de matrices reales como las raíces reales de la ecuación característica. Con
esta definición la matriz de este ejemplo no tiene valores propios. Esto
puede hacer que los cálculos sean más sencillos, pero también reduce en
gran medida la utilidad de la teoría de valores propios y vectores propios.
Nótese también que λ1 y λ2 son conjugados.
EJEMPLO 6:
2 1 0
Encuentre los valores propios de la matriz 𝐴 = [3 2 0]
0 0 4
SOLUCIÓN:
𝜆 − 2 −1 0
det(𝐴 − 𝜆𝐼) = det ([ −3 𝜆 − 2 0 ])
0 0 𝜆−4
3 2
= 𝜆 − 8𝜆 + 17λ − 4 = 0
INGENIERIA CIVIL
Entonces los valores propios de A son:
𝜆 = 4; 𝜆 = 2 + √3 ; 𝜆 = 2 − √3
EJEMPLO 7:
Encuentre los valores propios y los vectores propios para 𝐴 =
3 2 −3
[−3 −4 9 ]
−1 −2 5
𝜆−3 −2 3
det(𝐴 − 𝜆𝐼) = det ((−1) [ 3 𝜆 + 4 −9 ])
1 2 𝜆−5
= 𝜆3 − 4𝜆2 + 4λ = 0
𝜆(𝜆2 − 4λ + 4) = 0
2
𝜆(𝜆 − 2) = 0
𝜆 − 3 −2 3 𝑥1 0
∴[ 3 𝜆 + 4 −9 ] [𝑥2 ] = [0]
1 2 𝜆 − 5 𝑥3 0
−3 −2 3 𝑥1 0
→[ 3 4 −9] [𝑥2 ] = [0]
1 2 −5 𝑥3 0
INGENIERIA CIVIL
−3 −2 3
−6 18
[3 4 −9] ≅ [ ] ≅ [0]
−4 12
1 2 −5
−1
𝑆= {(−𝑡 , 3𝑡 , 𝑡)} = 𝑡 [ 3 ]
1
o Para 𝜆2 = 2
(𝜆𝐼 − 𝐴)𝑥 = 0
𝜆 − 3 −2 3 𝑥1 0
∴[ 3 𝑥
𝜆 + 4 −9 ] [ 2 ] = [0]
1 2 𝜆 − 5 𝑥3 0
−1 −2 3 𝑥1 0
→[ 3 𝑥
6 −9] [ 2 ] = [0]
1 2 −3 𝑥3 0
Después de resolver mediante eliminación continua
tenemos:
𝑆 = {(3𝑡 − 2𝑠 , 𝑠 , 𝑡)} = {(3,1,0); (−2,0,1)}
TEOREMA DE RESUMEN:
INGENIERIA CIVIL
2. DIAGONALIZACIÓN DE MATRICES:
EJEMPLO 1:
7 2
Sea 𝐴 = [ ] encuentre una fórmula para Ak, dado que 𝐴 =
−4 1
1 1 5 0
𝑃𝐷𝑃−1 , 𝑑𝑜𝑛𝑑𝑒 𝑃 = [ ] 𝑦𝐷=[ ]
−1 −2 0 3
SOLUCIÓN:
2 1
Tenemos 𝑃−1 = [ ]
−1 −1
1 1 52 0 ][ 2 1
= 𝑃𝐷2 𝑃−1 = [ ][ 2 −1 −1]
−1 2 0 3
INGENIERIA CIVIL
En general, para 𝑘 ≥ 1:
1 1 5𝑘 0 ][ 2 1
𝐴𝑘 = 𝑃𝐷𝑘 𝑃−1 = [ ][ 𝑘 −1 −1]
−1 −2 0 3
𝑘 𝑘
= [ 2 ∙ 𝑘5 − 3 𝑘 5𝑘 − 3𝑘 ]
2∙3 −2∙5 2 ∙ 3𝑘 − 5𝑘
EL TEOREMA DE DIAGONALIZACIÓN:
Demostración:
𝜆1 ⋯ 0
𝑃𝐷 = 𝑃 [ ⋮ ⋱ ⋮ ] = [𝜆1 𝑣1 ⋯ 𝜆𝑛 𝑣𝑛 ]
0 ⋯ 𝜆𝑛
Ahora suponga que A es diagonalizable y que 𝐴 = 𝑃𝐷𝑃−1 .
Entonces, si multiplicamos por la derecha eta relación por P,
tendremos AP=PD:
EJEMPLO 2:
Diagonalice la siguiente matriz, si es posible.
1 3 3
𝐴 = [−3 −5 −3]
3 3 1
Esto es, encuentre una matriz P invertible y una matriz diagonal
D tales que 𝐴 = 𝑃𝐷𝑃−1 .
SOLUCIÓN:
INGENIERIA CIVIL
Paso 1. Encontrar los valores propios de A.
0 = det(𝐴 − 𝜆𝐼) = −𝜆3 − 3𝜆2 + 4 = −(𝜆 − 1)(𝜆 + 2)2
1 −1 −1
𝑃 = [𝑣1 𝑣2 𝑣3 ] = [−1 1 0]
1 0 1
1 0 0
𝐷 = [0 −2 0 ]
0 0 −2
Comprobemos:
INGENIERIA CIVIL
→ 𝐴𝑃 = 𝑃𝐷
1 3 3 1 −1 −1 1 2 2
𝐴𝑃 = [−3 −5 −3] [−1 1 0 ] = [−1 −2 0 ]
3 3 1 1 0 1 1 0 −2
1 −1 −1 1 0 0 1 2 2
𝑃𝐷 = [−1 1 0 ] [0 −2 0 ] = [−1 −2 0]
1 0 1 0 0 −2 1 0 −2
CONCLUSIÓN:
Si una matriz de nxn tiene n valores propios distintos, entonces
los vectores propios correspondientes son linealmente
independientes y A es diagonalizable
EJEMPLO 3.
−14 12
𝐴=[ ]
−20 17
1. Valores propios de A:
det(𝜆𝐼 − 𝐴) = 0
𝜆 + 4 −12
| |=0
20 𝜆 − 17
(𝜆 − 2)(𝜆 − 1) = 0
Los valores propios de A son 1 y 2.
INGENIERIA CIVIL
2. Vectores propios:
Para λ=2
(Luego de resolver el sistema homogéneo tenemos:)
3 3
𝑆 = {( 𝑡, 𝑡)} = ( , 1) = 𝑣1
4 4
Para 𝜆 = 1
4 4
𝑆 = {( 𝑡, 𝑡)} = ( , 1) = 𝑣2
5 5
3 4
∴ 𝑃 = [𝑣1 𝑣2 ] = [4 5]
1 1
Comprobamos si P es invertible:
−20 16
𝑃−1 = [ ]
20 −15
Ahora si D es diagonal:
3 4
−1 −20 16 −14 12 𝟐 𝟎
𝐷 = 𝑃 𝐴𝑃 = [ ][ ] [4 5] = [ ]
20 −15 −20 14 𝟎 𝟏
1 1
EJEMPLO 4:
Encuentre una matriz P que diagonalice, si es posible, la
siguiente matriz:
−1 0 1
𝐴 = [−1 3 0]
−4 13 −1
|𝜆𝐼 − 𝐴| = 0
𝜆+1 0 −1
| 1 𝜆−3 0 |=0
4 −13 𝜆 + 1
INGENIERIA CIVIL
(𝜆 + 1)(𝜆 − 3)(𝜆 + 1) + 13 + 4(𝜆 − 3) = 0
𝜆3 − 𝜆2 − 𝜆 − 2 = 0
La ecuación característica tiene solo una raíz real, un
solo valor propio que es λ=2
Conclusión:
Como el número de valores propios es menor que la
dimensión de la matriz, entonces la matriz A NO es
diagonalizable.
EJEMPLO 5:
1 0 0
𝐴 = [0 1 1]
0 1 1
Valores propios:
|𝜆𝐼 − 𝐴| = 0
𝜆−1 0 0
| 0 𝜆 − 1 −1 | = 0
0 −1 𝜆 − 1
(𝜆 − 1)2 − (𝜆 − 1) = 0
𝜆1 = 0; 𝜆2 = 1; 𝜆3 = 2
Para 𝜆1 = 0
(𝜆𝐼 − 𝐴)𝑥 = 0
𝜆−1 0 0 𝑥 0
[ 0 𝜆 − 1 −1 ] [ 𝑥 ] = [ 0]
0 −1 𝜆 − 1 𝑥 0
−1 0 0 𝑥 0
[0 −1 −1] [𝑥] = [0]
0 −1 −1 𝑥 0
0 0 0 𝑥 0
𝑥
[0 0 −1] [ ] = [0]
0 −1 0 𝑥 0
Para 𝜆3 = 2
(𝜆𝐼 − 𝐴)𝑥 = 0
𝜆−1 0 0 𝑥 0
[ 0 𝜆−1 −1 ] [𝑥] = [0]
0 −1 𝜆−1 𝑥 0
1 0 0 𝑥 0
[0 1 −1] [𝑥 ] = [0]
0 −1 1 𝑥 0
0 1 0
Entonces 𝑃 = [𝑣
⃗⃗⃗⃗1 𝑣2
⃗⃗⃗⃗ 𝑣3 ] = [−1 0
⃗⃗⃗⃗ 1]
1 0 1
1 1
0 −
2 2
𝑃−1 = 1 0 0
1 1
[ 0
2 2]
𝐷 = 𝑃−1 𝐴𝑃
1 1
0 −
2 2 1 0 0 0 1 0
𝐷= 1 0 0 [0 1 1] [−1 0 1]
1 1 0 1 1 1 0 1
[0 2 2]
INGENIERIA CIVIL
0 0 0
𝐷 = [0 1 0]
0 0 2
Teorema 1.
Sea A una matriz simétrica real de nxn. Entonces los valores
característicos de A son reales.
EJEMPLO 1:
Diagonalice de ser posible la matriz:
6 −2 −1
𝐴 = [−2 6 −1]
−1 −1 5
1
Con λ=3 → 𝑣
⃗⃗⃗⃗3 = [1]
1
INGENIERIA CIVIL
Estos tres vectores forman una base para R3 y los podemos usar como
columnas para una matriz P que Diagonalice A. sin embargo, nos damos
cuenta que {𝑣1 𝑣2 𝑣3 } es un conjunto ortogonal; y P será más útil si sus
columnas son ortonormales. Puesto que un múltiplo diferente de cero de un
vector propio sigue siendo un vector propio y podemos normalizar a
𝑣1 𝑣2 𝑦 𝑣3 para producir vectores propios unitarios.
1 1
−
1 −
√6 √3
√2 1 1
𝑢1 = [
⃗⃗⃗⃗ 1 ], 𝑢2 = − √6 ,
⃗⃗⃗⃗ 𝑢3 =
⃗⃗⃗⃗ √3
√2 2 1
0 [ √6 ] [ √3 ]
Entonces tenemos:
1 1
1 −
− √6 √3
√2 1 1 8 0 0
𝑃= 1 − → 𝐷 = [0 6 0]
√6 √3 0 0 3
√2 2 1
0
[ √6 √3 ]
Teorema 2:
Si A es simétrica, entonces cualesquier dos vectores propios de
espacios propios diferentes son ortogonales.
Demostración:
INGENIERIA CIVIL
Sean λ1 y λ2 valores propios distintos de A con vectores propios
correspondientes 𝑣1 𝑦 𝑣2 ∴ 𝐴𝑣1 = 𝜆1 𝑣1 𝑦 𝐴𝑣2 = 𝜆2 𝑣2
La forma escalar del producto punto (producto escalar) es:
𝑣21
𝑣22
𝑣1 ∙ 𝑣2 = [𝑣11 𝑣12 … 𝑣1𝑛 ] [ ⋮ ] = 𝑣1𝑇 𝑣2
𝑣2𝑛
Dado que 𝑣1𝑇 𝐴𝑣2 es una matriz de 1x1, y es obvio que toda matriz
de 1x1 es simétrica; entonces ↓
𝑣1𝑇 𝐴𝑣2 = (𝑣1𝑇 𝐴𝑣2 )𝑇
= 𝑣1𝑇 𝐴𝑇 𝑣2 (Por una propiedad de la matriz transpuesta)
𝑇
= 𝑣2 𝐴𝑣1 (dado que A es simétrica)
Además:
∴ 𝜆1 (𝑣2𝑇 𝑣1 )𝑇 = 𝜆2 (𝑣1𝑇 𝑣2 )
Por consiguiente:
∴ 𝜆1 𝑣1𝑇 𝑣2 = 𝜆2 (𝑣1𝑇 𝑣2 )
Es decir:
(𝜆1 − 𝜆2 )𝑣𝑇1 𝑣2 = 0
Teorema 3:
INGENIERIA CIVIL
La ecuación característica de una matriz simétrica solamente
tiene raíces reales.
Teorema 4:
Si un valor característico λ de una matriz simétrica A es una raíz de
multiplicidad k de la ecuación característica, entonces el espacio
característico correspondiente a λ ﮑes de dimensión k.
EJEMPLO 2:
Demuestre que A es diagonalizable:
1 −4 5
𝐴 = [−4 3 0] → 𝐴 = 𝐴𝑇 (𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎)
5 0 7
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 característicos de A.
EJEMPLO 3:
3. Forme la matriz P cuyas columnas son los vectores de las bases que se
obtuvieron en el paso número 2, esta matriz diagonaliza
ortogonalmente a A.
𝜆−4 −2 −2
det(ﮑI – A)=det[ −2 𝜆 − 4 −2 ] → (𝜆 − 2)2 (𝜆 − 8) = 0
−2 −2 𝜆 − 4
EJEMPLO 4.
1 −2
Sea A=[ ]
−2 3
Entonces la ecuación característica de A es:
1−𝜆 −2
det(𝐴 − 𝜆𝐼) = det ([ ])=λ2- 4λ -1=0
−2 3−𝜆
INGENIERIA CIVIL
4±√20
Las raíces son: λ= = 2±√5
2
v2=[1 − √5]
2
Note que v1v2=0 , se tiene así que |v2|=√(10 − 2√5), por lo que:
Q=
1
[ 2 1 − √5], Qt= 1
[ 2 −1 + √5] y
√(10−2√5) −1 + √5 2 √(10−2√5) 1 − √5 2
Q’AQ=
1
[ 2 −1 + √5] [ 1 −2] [ 2 1 − √5]
√(10−2√5) 1 − √5 2 −2 3 −1 + √5 2
=
1
[30 − 14√5 0 ]=[2 − √5 0 ]
√(10−2√5) 0 10 + 6√5 0 2 + √5
INGENIERIA CIVIL
EJEMPLO 5:
Resumen de diagonalización ortogonal de una matriz simétrica:
Hallar una base para cada espacio característico de A.
Aplique el proceso de Gram-Schmidt o determinantes a cada una
de las bases para obtener una base ortonormal para cada espacio
característico.
Formar la matriz P que tiene por columnas os vectores base
construidos en el pase anterior, esta matriz P diagonaliza
ortogonalmente a la matriz A.
0 4 4
𝐴 = [4 2 0]
4 0 −2
𝜆 −4 −4
|−4 𝜆−2 0 |=0
−4 0 𝜆+2
Para λ=0
0 −4 −4 −4 −2 0
[−4 −2 0 ] ≅ [ 0 −4 −4]
−4 0 2 −4 0 2
−4 −4
[ ]
−8 −8
1
𝑆 = {( 𝑡, −𝑡, 𝑡)}
2
𝑥1 1 1
𝑡
𝑣1 = [𝑥2 ] = [2 ] = 𝑡 [ 2 ]
𝑥3 −𝑡 −1
𝑡 1
Para λ=-6
−6 −4 −4
32 −16
[−4 −8 0 ] ≅ [ ]
−16 8
−4 0 −4
𝑥1 −𝑡 −1
1 1
𝑣2 = [𝑥2 ] = [ 𝑡 ] = 𝑡 [ ]
𝑥3 2 2
𝑡 1
Y para λ=6
𝑥1 2𝑡 2
𝑥
𝑣3 = [ 2 ] = [2𝑡] = 𝑡 [2]
𝑥3 𝑡 1
Como todos los valores propios tienen multiplicidad 1; y
forman bases ortogonales para R3 entonces simplemente
INGENIERIA CIVIL
debemos normalizar los vectores propios. Para obtener
bases ortonormales.
1 2 3
‖𝑣1 ‖ = √( ) + (−1)2 + (1)2 =
2 2
1 2 3
√
‖𝑣2 ‖ = (−1) + ( ) + (1)2 =
2
2 2
1 2 2 2 1 2 2 2 1
∴ 𝑃1 = ( , − , ) ; 𝑃2 = (− , , ) ; 𝑃3 = ( , , )
3 3 3 3 3 3 3 3 3
Matriz potencia:
Una primera aplicación a la diagonalización de una matriz es que
se puede encontrar fácilmente su potencia n-ésima. Supongamos
que la matriz A se ha diagonalizado y por lo tanto podemos decir
que 𝐴 = 𝑃𝐷𝑃−1 .
Al elevar al cuadrado:
𝐴2 = (𝑃𝐷𝑃−1 )(𝑃𝐷𝑃−1 ) = 𝑃𝐷𝐼𝐷𝑃−1 = 𝑃𝐷𝐷𝑃 −1
En general, para 𝑛 ≥ 1:
𝐴𝑛 = 𝑃𝐷𝑛 𝑃−1
EJEMPLO 1:
𝑎 0
Elevar la matriz 𝐴 = [ ] al cuadrado, al cubo y a la cuarta
0 𝑏
potencia:
SOLUCIÓN:
𝑎 0 𝑎 0 2
𝐴2 = 𝐴 ∙ 𝐴 = [ ][ ] = [𝑎 0]
0 𝑏 0 𝑏 0 𝑏2
INGENIERIA CIVIL
2 3
𝐴3 = 𝐴2 ∙ 𝐴 = [𝑎 0 ] [𝑎 0
] = [𝑎 0]
0 𝑏2 0 𝑏 0 𝑏3
𝐴3 = 𝐴2 ∙ 𝐴2 = [𝑎
2
0 ] [𝑎2 0 ] = [𝑎 4 0]
0 𝑏2 0 𝑏2 0 𝑏4
13 24
𝐴2 = [ ]
18 37
ECUACIONES EN DIFERENCIA:
𝑥𝑛+1 = 𝐴𝑥𝑛
EJEMPLO 3:
0.8 0.8 𝑑
Si ponemos 𝐴 = [ ] 𝑦 𝑢𝑛 = [ 𝑛 ]se tiene que las ecuaciones anteriores
0.2 0.7 𝑒𝑛
pueden ponerse del siguiente modo equivalente 𝑢𝑛+1 = 𝐴𝑢𝑛 . Si aplicamos
𝑑0
reiteradamente dicha relación se obtiene que 𝑢𝑛 = 𝐴𝑛 𝑢𝑛 , donde 𝑢0 = [ ]=
𝑒0
2000
[ ]. Debemos pues hallar 𝐴𝑛 . Para ello calcularemos la diagonalización
8000
INGENIERIA CIVIL
de la matriz A. sus valores propios son 0.5 y 1. Los subespacios propios
asociados son ker(A-0.5I)=< (1, −1) >. De este modo tomando 𝐷 =
0.5 0 1 1
[ ]𝑦 𝑃 = [ ] se tiene que que A=PDP-1. En este caso el cálculo de
0 1 −1 1
1 1 −1
la inversa de P sea 𝑃′ = 2 [ ]Finalmente se tiene que 𝐴𝑛 = 𝑃𝐷𝑛 𝑃−1 =
1 1
1 (0.5)𝑛 − 1 −(0.5)𝑛 + 1
[ ]
2 (0.5)𝑛 + 1 (0.5)𝑛 + 1
Entonces deducimos que
1 (0.5)𝑛 − 1 −(0.5)𝑛 + 1 2000 −3000(0.5)𝑛 + 500
𝑢𝑛 = 𝐴𝑛 𝑢𝑛 = 2 [ ][ ]=[ ]
(0.5)𝑛 + 1 (0.5)𝑛 + 1 8000 3000(0.5)𝑛 + 500
EJEMPLO 4:
cuadrática 𝟏𝟔𝒙𝟐+𝟐𝟒𝒙𝒚+𝟗𝒚𝟐+𝟐𝟓𝒙=𝟎
16 12
𝐴=[ ]
12 9
La ecuación característica de A es
(𝜆−25)=0
3 3
𝑆 = {(− 𝑡, 𝑡)} = (− , 1)
4 4
3 3 4
Ortonormalizamos (− 4 , 1). Dividiendo para su norma obtenemos (− 5 , 5)
4 3
−
𝑃 = [5 5] = [cos 𝜃 −𝑠𝑒𝑛𝜃
]
3 4 𝑠𝑒𝑛𝜃 𝑐𝑜𝑠𝜃
5 5
[𝑑 𝑒]𝑃𝑋′=25∗45+0𝑥′+−2535+0𝑦′
[𝑑 𝑒]𝑃𝑋′=(20)𝑥′+(−15)𝑦′
25(𝑥′)2+20(𝑥′)−15(𝑦′)=0
5(𝑥′)2+4(𝑥′)−3(𝑦′)=0
INGENIERIA CIVIL
EJEMPLO 1:
Determine A* para la matriz
3 + 7𝑖 0
𝐴=[ ]
2𝑖 4−𝑖
SOLUCIÓN:
3 − 7𝑖 0 3 − 7𝑖 0
𝐴̅ = [ ] →→→ 𝐴∗ = ̅̅̅̅
𝐴𝑇 = [ ]
−2𝑖 4+𝑖 −2𝑖 4+𝑖
1. (𝐴∗ )∗ = 𝑨
2. (𝐴 + 𝐵)∗ = 𝐴∗ + 𝐵∗
3. (𝑘𝐴)∗ = 𝑘̅𝐴∗
4. (𝐴𝐵)∗ = 𝐵∗ 𝐴∗
EJEMPLO 2:
Demuestre que la siguiente matriz es unitaria
1 1+𝑖 1−𝑖
𝐴= [ ]
2 1−𝑖 1+𝑖
Como:
INGENIERIA CIVIL
1 1+𝑖 1−𝑖 1 1+𝑖 1−𝑖 1 4 0
𝐴𝐴∗ = [ ] [ ]= [ ]=𝐼
2 1−𝑖 1+𝑖 2 1−𝑖 1+𝑖 4 0 4
Matrices Unitarias
EJEMPLO 3:
1 1+𝑖 1
−
2 2 2
𝑖 𝑖 𝑖
−
√3 √3 √3
5𝑖 3+𝑖 4 + 3𝑖
[2√15 2√15 2√15 ]
1 1+𝑖 1
𝑟1 = ( , ,− )
2 2 2
𝑖 𝑖 𝑖
𝑟2 = (− , , )
√ 3 √3 √3
INGENIERIA CIVIL
5𝑖 3 + 𝑖 4 + 3𝑖
𝑟2 = ( , , )
2√15 2√15 2√15
Matrices hermitianas:
Teorema:
Los valores característicos de una matriz hermitiana.
DEMOSTRACIÓN:
EJEMPLO 4:
INGENIERIA CIVIL
Determine los valores característicos de la matriz hermitiana A:
3 2−𝑖 −3𝑖
𝐴 = [2 + 𝑖 0 1 − 𝑖]
3𝑖 1+𝑖 0
𝜆−3 −2 + 𝑖 3𝑖 𝑣1 0
[−2 − 𝑖 𝜆 −1 + 𝑖 ] [𝑣2 ] = [0]
−3𝑖 −1 − 𝑖 𝜆 𝑣3 0
−4 −2 + 𝑖 3𝑖 𝑣1 0
[−2 − 𝑖 −1 −1 + 𝑖 ] [ 𝑣2 ] = [ 0]
−3𝑖 −1 − 𝑖 −1 𝑣3 0
1. A es diagonalizable unitariamente.
2. A tiene un conjunto de n vectores característicos ortonormales.
EJEMPLO 5:
𝑣1 = (−1,1 + 2𝑖, 1)
𝑣3 = (1 + 3𝑖, −2 − 𝑖, 5)
Aplicaciones:
𝐿 𝐿 2𝐿 (𝑛 − 1)𝐿
[0, ), [ , ), … , [ , 𝐿)]]]
𝑛 𝑛 𝑛 𝑛
0 ≤ 𝑝𝑖 ≤ 1, 𝑖 = 1,2, … , 𝑛 − 1
0 ≤ 𝑏𝑖, , 𝑖 = 1,2, … , 𝑛
EJEMPLO 1:
EJEMPLO 3:
3+√69 3+√69
𝑚1 = ⇒ ﮑ1 = 0 + 3𝑚1 = >0
30 30
3m2+(0-0.6)m-0.2=0 ⇒ {
3−√69 3−√69
𝑚2 = ⇒ ﮑ2 = 0 + 3𝑚2 = <0
30 30
1 1
v 1=[ 3+√69 ], v 2=[ 3−√69 ]
30 30
Luego tenemos:
𝑛 𝑛
5√69 3−√69 3+√69 3+√69 3−√69
P j, n = = − {50 ( )( ) −( )( ) }+
23 30 10 30 10
𝑛 𝑛
3 − √69 3 + √69
200 {( ) −( ) }
10 10
𝑛 𝑛
5√69 3+√69 3+√69 3−√69 3−√69
Pa, n == − {−200 ( )( ) −( )( ) }+
23 30 10 30 10
𝑛 𝑛
10 3 − √69 3 + √69
{( ) −( ) }
3 10 10
1−0.6
Para nuestro ejemplo se cumple que 3> =2
0.2
P n+1
año P j, n /P a,
/P n
n P j, n Pa, n Pn n
2.92
0 50 200 250 0,25
0.8055
1 600 130 730 4,61538462
1,34
2 390 198 588 1,96969697
1,05
3 594 197 791 3,01522843
INGENIERIA CIVIL
1,17
4 590 237 827 2,48945148
1,11
5 711 260 971 2,73461538
1,13
10 1287 485 1773 2,65360825
1,13
11 1456 549 2005 2,65209472
1,13
12 1646 620 2267 2,65483871
1,13
13 1861 701 2563 2,65477889
1,13
14 2104 793 2898 2,65321564
1,13
15 2378 897 3276 2,65105909
1,13
20 4397 1657 6054 2,65359083
EJEMPLO 4
Una ilustración de este modelo aplicado durante 20 generaciones (pájaros):
0 2
Sea A=[ ]
0.3 0.5
Esto significa que cada hembra adulta produce dos críos hembras y como se
supone que el número de machos es igual al número de hembras, al menos
cuatro huevos – y tal vez muchos más ya es probable que las pérdidas de
pajaritos recién nacidos sean altas. Se ve que ∝ y 𝛽 están en el intervalo
[0,1].
Como no es tan probable que sobrevivan los pájaros jóvenes como los
adultos, se debe tener que ∝< 𝛽. En la siguiente tabla se supone que en un
principio hay 10 hembras (y 10 machos) adultos y no hay jóvenes. Los
INGENIERIA CIVIL
cálculos se hicieron en computadora pero el trabajo no es demasiado
oneroso con una calculadora de bolsillo.
Por ejemplo,
0 2 0 20
p1=[ ] [ ]=[ ] de manera que p j,1=20 y que p a,1= 5, el total de
0.3 0.5 10 5
población de hembras después de un año es 25 y la razón de hembras
0 2 20 10
jóvenes a adultos es 4 a 1. En l 2do año p2=[ ] [ ]= [ ] que se
0.3 0.5 5 8.5
10 1
redondea a [ ] debido a que no se puede obtener 82 pájaros adultos.
8
En la tabla que se mostrará a continuación presenta las razones pj,n/pa,n y las
razones Tn/Tn-1 del total de hembras en los años sucesivos.
0 0 10 10 0 -
1 20 5 25 4.00 2.50
2 10 8 18 1.18 0.74
3 17 7 24 2.34 1.31
4 14 8 22 1.66 0.96
5 17 8 25 2.00 1.13
10 22 12 34 1.87 1.06
11 24 12 36 1.88 1.07
12 25 13 38 1.88 1.06
20 42 22 64 1.88 1.06
INGENIERIA CIVIL
λ λ
Como |λ2| <1 es evidente que (λ2)n se vuelve muy pequeña cuando n crece.
1 1
EJEMPLO 5:
(referido a la tabla anterior)
Los valores y vectores propios de A determinan el comportamiento de
generaciones futuras.
0 2 0.5±√0.25+2.4
Para A=[ ]se tiene λ 2 – 0.5λ - 0.6=0, o sea, λ = de tal
0.3 0.5 2
manera que:
λ 1≈1.06 y λ 2≈-0.56
Esto explica el6% de aumento en la población que se observa en la última
columna de la tabla. Correspondiente al valor propio ﮑ1 ≈ 1.06 ,
se calcula:
−1.06 2 𝑥1 0
(A – 1.06I)v1= [ ] [𝑥 ]=[ ] luego se tiene que 1.06x1 =2x2 de
0.3 −0.56 2 0
1
manera que v1=[ ] es un vector propio, de manera similar, (A + 0.56I)v2=
0.53
0.56 2 𝑥1 0
[ ] [𝑥 ]=[ ] luego se tiene que 0.56x1 +2x2 = 0 de manera que
0.3 1.06 2 0
1
v2=[ ] es un segundo vector propio. En v1 se tiene que 1 /0.53 ≈ 1.88
−0.28
Esto explica la razón pj,n/pa,n
Observación: En los cálculos anteriores se perdió la precisión porque se
redondeó a dos decimales. Se obtiene una exactitud mayor usando una
calculadora de mano o una computadora.
Es notable con cuánta información se cuenta a partir de un sencillo cálculo
de valores propios. Es de gran interés saber si la población eventualmente
1−𝛽
crecerá o decrecerá. Aumentará si ﮑ1>1 , esto conduce a: k> 𝛼
INGENIERIA CIVIL
Debe hacerse dos limitaciones de este modelo de crecimiento de la
población:
- Las tasas de nacimiento y muerte cambian con frecuencia de un año al otro
y dependen particularmente del clima. Este modelo supone un medio
ambiente constante.
- Los ecologistas han encontrado que para muchas especies las tasas de
nacimiento y muerte varían con el tamaño de la población. En particular,
una población no puede crecer cuando llega a cierto tamaño debido a los
efectos de una alimentación limitada y a la sobrepoblación. Es evidente que
una población no puede crecer en forma indefinida a una tasa constante. De
otra manera, esa población dominaría la tierra.
FORMAS CUADRÁTICAS.
DEFINICIÓN 1:
Es evidente que las ecuaciones y las formas cuadráticas tienen una fuerte
relación. Se comenzará el análisis de las formas cuadráticas con un ejemplo:
EJEMPLO 1:
Considere la forma cuadrática 𝐹(𝑥, 𝑦) = 𝑥 2 − 4𝑥𝑦 + 3𝑦 2 sean
𝑥 1 −2
𝑣 = [𝑦] 𝑦 𝐴=[ ]
2 3
Entonces
1 −2 𝑥 𝑥 𝑥 − 2𝑦 𝑥
𝐴𝑣 ∙ 𝑣 = [ ] [𝑦] ∙ [𝑦] = [ ] ∙ [𝑦 ]
2 3 −2𝑥 + 3𝑦
𝐹(𝑥, 𝑦) = 𝐴𝑣. 𝑣
EJEMPLO 2:
1 3 𝑥 + 3𝑦
𝐴=[ ] Entonces 𝐴𝑣 = [ ] 𝑦 𝐴𝑣. 𝑣 = 𝑥 2 − 4𝑥𝑦 + 3𝑦 2 , sin
−7 3 −7𝑥 + 3𝑦
embargo si insistimos en que A sea simétrica, entonces debe tenerse 𝑎 + 𝑏 =
−4 𝑦 𝑎 = 𝑏. Este par de ecuaciones tiene una solución única 𝑎 = 𝑏 = −2.
Si 𝐹(𝑥, 𝑦) = 𝑎𝑥 2 + 𝑏𝑥𝑦 + 𝑐𝑦 2 es una forma cuadrática, sea
𝑏
𝑎
𝐴=[ 2]
𝑏
𝑐
2
𝑏 𝑏
𝑎 𝑎𝑥 + ( )𝑦
𝐴𝑣. 𝑣 = [ 2] [𝑥 ] . [𝑥 ] = [ 2 ] . [𝑥 ]
𝑏 𝑦 𝑦 𝑏 𝑦
𝑐 ( ) 𝑥 + 𝑐𝑦
[ 2 ] 2
= 𝑎𝑥 2 + 𝑏𝑥𝑦 + 𝑐𝑦 2 = 𝐹(𝑥, 𝑦)
(1) como :
𝐴𝑣. 𝑣 = 𝑑
(𝑄𝐷𝑄 −1 𝑣). 𝑣 = 𝑑
[𝐷𝑄 −1 𝑣]. 𝑄𝑣 = 𝑑
tendríamos
𝐷𝑣 ′ . 𝑣 ′ = 𝑑
𝑥′ 1 2 1 − √5] [𝑥 ]
𝑥 ′ = [ ] = 𝑄′𝑥 = [ 𝑦
𝑦′ √10 − √5 −1 + √5 2
1 2𝑥 + (−1 + √5)𝑦
= [ ]
√10 − √5 (1 − √5)𝑥 + 2𝑦
2
(2 − √5)𝑥 ′ + (2 + √5)𝑦´2 = 6
′2
𝑎′𝑥′2 + 𝑐 ′𝑦 =𝑑
DEFINICIÓN 2:
Forma cuadrática:
𝑥1
𝑥2
Sea [ ⋮ ] y sea A una matriz simétrica de nxn. Entonces una forma
𝑥𝑛
cuadrática en 𝑥1, 𝑥2 , … , 𝑥𝑛 es una expresión de la forma
𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝐴𝑣. 𝑣
INGENIERIA CIVIL
BIBLIOGRAFÍA:
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.p
df
http://es.wikipedia.org/wiki/Matriz_diagonalizable
http://sistemas.itlp.edu.mx/tutoriales/matematicas4/t65.htm
INGENIERIA CIVIL
http://es.scribd.com/doc/305838/Coleccion-De-Problemas--Aplicadas-A-
La-Ingeniería
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