Professional Documents
Culture Documents
CUENCA
LGEBRA LINEAL
VALORES Y VECTORES
PROPIOS
TRABAJO REALIZADO POR:
JUAN CARLOS CORTZ AUCAPIA
PROFESOR:
ING. HERNN PESNTEZ REGALADO
FECHA DE ENTREGA:
OBJETIVOS GENERALES:
Adquirir conocimientos acerca de valores y vectores propios.
Conocer su historia y avances a lo largo del tiempo, y quienes fueron los
principales personajes que utilizaron esta teora.
Conocer aplicaciones tiles del algebra lineal y relacionar sus utilidades con
otras reas de la matemtica.
OBJETIVOS ESPECFICOS:
Dominar los conceptos de valores y vectores propios.
Calcular los valores propios de matrices generales y adems de matrices que no
son simtricas o hermticas
Conocer el proceso para la obtencin de valores y vectores propios.
Ser capaces de decir una matriz es o no diagonalizable
Obtener adecuadamente y segn sea el caso a la matriz P, y su correspondiente
matriz D que diagonalice a una matriz A cualquiera.
Aplicar correctamente los conceptos adquiridos para la correcta resolucin de
problemas.
Usar al algebra lineal como herramienta, as como darme cuenta cuanto puede
simplificar los clculos.
Usar los conocimientos adquiridos para realizar problemas geomtricos que
implican el uso de diagonalizacin
2
REALIZADO POR: JUAN CARLOS CORTEZ
INTRODUCCION
En la presenta investigacin se abordaran temas relaciones a los eigenvalores o valores propios
y a los eigenvectores o vectores propios y su utilidad aplicaciones en diagonalizacin de
matrices, potenciacin de matrices, ecuaciones en diferencia, crecimiento poblaciones y en
formas cuadrticas.
El adjetivo alemn eigen significa propio o caracterstico de. Eigenvalores y eigenvectores
son caractersticas de una matriz en el sentido de que contienen informacin importante
acerca de la naturaleza de la matriz. La letra l (lambda), la equivalente griega de la letra L, se
usa para eigenvalores porque en una poca tambin se conocan como valores latentes.
3
REALIZADO POR: JUAN CARLOS CORTEZ
BIOGRAFAS:
Matemtico francs. Con veintisiete aos ya era uno de los matemticos de mayor prestigio y
empez a trabajar en las funciones de variable compleja, publicando las 300 pginas de esa
investigacin once aos despus. En esta poca public sus trabajos sobre lmites, continuidad
y sobre la convergencia de las series infinitas. En 1830 se exili en Turn, donde trabaj como
profesor de fsica matemtica hasta que regres a Pars (1838). Public un total de 789
trabajos, entre los que se encuentran el concepto de lmite, los criterios de convergencia las
frmulas y los teoremas de integracin y las ecuaciones diferenciales de Cauchy-Riemann.
4
REALIZADO POR: JUAN CARLOS CORTEZ
Matemtico suizo. Leonhard Euler fue uno de los matemticos ms prolficos de la historia y
cubri casi todas las reas de las matemticas: geometra, clculo, trigonometra, lgebra.
Euler fue el encargado de introducir el concepto de funcin matemtica, una notacin que
ofreca mayor comodidad frente a los mtodos del clculo infinitesimal. Tambin introdujo
tambin la notacin moderna de las funciones trigonomtricas, el nmero e, la letra griega
que representa el smbolo para los sumatorios, la letra i para los nmeros imaginarios y la letra
pi para representar el cociente entre la longitud de la circunferencia y la longitud de su
dimetro.
Fue adems un apasionado de la teora de nmeros, llegando a unir la naturaleza de la
distribucin de los nmeros primos con sus ideas del anlisis matemtico. Leonhard Euler
consigui demostrar la divergencia de la suma de los inversos de los nmeros primos, y con
ella, descubri la conexin entre la funcin zeta de Riemann y los nmeros primos.
Algunos de los mayores xitos de Leonhard Euler vinieron en las matemticas aplicadas,
consigui hacer grandes avances en la mejora de las aproximaciones numricas para resolver
integrales, hasta el punto de conocerse hoy en da como aproximaciones de Euler.
FUENTES DE CONSULTA:
http://www.biografiasyvidas.com/biografia/l/lagrange.htm
http://www.biografiasyvidas.com/biografia/c/cauchy.htm
http://www.elcivico.com/notas/2013/4/15/breve-biografia-leonhard-euler-genio-matematicopadre-numero-e-102994.asp
http://cvb.ehu.es/open_course_ware/castellano/tecnicas/fundamen_mate/contenidos/teoria
/documentos-pdf/diagonalizacion.pdf
http://www.miscelaneamatematica.org/Misc43/CarMtnez_a.pdf
5
REALIZADO POR: JUAN CARLOS CORTEZ
A = , donde A y RvC, ^
Inexistencia del vector cero como vector propio
y R se cumple A =
Por esta razn el vector nulo no se considera vector propio.
A
Sea A una matriz de nxn y sea un eigenvalor de A, el conjunto de todos los eigenvectores
correspondientes a , junto con el vector cero, se llama eigenespacio de y se denota por
EJEMPLO 1.- Sea A=(
) , =(
A = (
) = -3
)*(
)= (
), =(
)*(
)= (
Det(
)= 0
Det(
(
)(
)-(4)(0.5) =0
2-2=0
0=0
Entonces 5 si es un valor propio de la matriz A.
Para encontrar los vectores propios de A resolvemos la ecuacin homognea:
(A
(A
=(
6
REALIZADO POR: JUAN CARLOS CORTEZ
)*( )
( )
Al resolver se obtiene
+ ,
Entonces:
Si
Si
Si
Si
Dilatacin
Contraccin
Invierte en sentido
T (u)=0
Despejando de 2x=
obtenemos:
Adems
y= -x
Entonces:
= [ (x, y)= (x, -x) / x R; x
T( )=(0, 3y ) = 3(0,y)
De esto concluimos que por cada vector propio de T, podemos obtener una infinidad de
vectores propios, sin contar con su respectivo vector cero.
8
REALIZADO POR: JUAN CARLOS CORTEZ
|
(
Donde
es el valor propio de A
)
(
)=(
=(
,
Utilizamos (A
Con
9
REALIZADO POR: JUAN CARLOS CORTEZ
)( )
( )
t Con
obtenemos
( )
Con
(
)( )
( )
t Con
obtenemos
EJEMPLO 5.- Calcular los valores y vectores propios para la matriz A=(
)=(
=(
)
(
Det (A
=|
Det (A
=0, entonces
10
REALIZADO POR: JUAN CARLOS CORTEZ
Utilizamos (A
)*(
)
)
(t/2),
( )
( )
)*( )
(3t/2),
( )
( )
POLINOMIO CARACTERISTICO
Para cada matriz A de orden nxn se tiene que Det (A
11
REALIZADO POR: JUAN CARLOS CORTEZ
Consideramos la matriz
Luego:
(A
Entonces el determinante de (A
ECUACION CARATERISTICA
La ecuacin caracterstica es llamamos a:
Det (A
=0
=(
(A
((
)) = (
=(
Det (A
=0
=
12
Concluimos que el algoritmo a seguir para calcular valores y vectores propios es:
1. Determinamos el polinomio caracterstico PA( )= Det (A
2. Resolvemos la ecuacin caracterstica PA( )= Det (A
=0 (Donde las soluciones
reales e imaginarias de sta ecuacin son los valores propios de A)
3. Para cada valor propio de la matriz A, se resuelve el sistema de ecuaciones
(A
=.
MULTIPLICIDAD ALGEBRAICA
La multiplicidad algebraica de
caracterstico PA( )
k
del polinomio
Resolvemos Det (A
(A
Det(
= (
=0
((
))
)=
13
REALIZADO POR: JUAN CARLOS CORTEZ
=
=
Entonces los valores propios de A son
Cuya multiplicidad algebraica es uno.
Cuya multiplicidad algebraica es dos.
La multiplicidad geomtrica de los valores propios es 2.
TEOREMAS:
Los eigenvalores de una matriz triangular son las entradas en su diagonal principal.
Una matriz cuadrada A es invertible si y slo si 0 no es un eigenvalor de A.
Sea A una matriz de nxn y sean
distintos eigenvalores de A con sus
correspondientes eigenvectores
. Entonces
son
linealmente independientes.
FUENTES DE CONSULTA
Larson, Falvo. Fundamentos de Algebra Lineal. 6ta Edicin. Editorial CENGAGE Learning
(pagina 421-435)
David Poole. Algebra Lineal, Una introduccin Moderna. 3ra Edicin. Compaa de Cengage
Learning, 2011 (pgina 303-312)
Gareth Williams. Algebra Lineal con Aplicaciones. 4ta Edicin. Mc Graw-Hill, 2002. (Pgina
276-282)
David C. Lay. Algebra Lineal y sus Aplicaciones. 3ra Edicin. Pearson Education, 2007. . (Pagina
302-319)
http://personales.upv.es/jbenitez/cajon_sastre/val_prop.pdf
http://cursos.aiu.edu/Algebra%20Lineal/PDF/Tema%206.pdf
http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-71.pdf
14
REALIZADO POR: JUAN CARLOS CORTEZ
2. DIAGONALIZACIN DE MATRICES
Antes de empezar con las diagonalizacin de matrices es necesario conocer antes algunos
conceptos.
Semejanza de matrices
Definicin.- Sean 2 matrices A, B
invertible C tal que A = PBP
-1
A B.
independientes. De hecho A = PDP con D como una matriz diagonal, si y solo s las columnas
de P son n vectores propios linealmente independientes. Entonces las entradas diagonales de
D son valores propios de A que corresponden, respectivamente a los vectores propios de P.
Para encontrar D se debe resolver:
)(
=0
)
1
15
REALIZADO POR: JUAN CARLOS CORTEZ
)(
)=( )
( )
( )
Con
calculamos (A
)( )
calculamos (A
( )
( )
16
REALIZADO POR: JUAN CARLOS CORTEZ
Conclusin 2.- La matriz A dada no es posible diagonalizarla ya que solo se consigui tener 2
vectores propios, en lugar de 3. Debemos tambin saber que c debe ser diferente de 0.
Conclusin General: Sin importar el valor de
= (
(A
((
))
Con
(A
)*( )=( )
)=( )
( )
Con
17
REALIZADO POR: JUAN CARLOS CORTEZ
(A
)*( )=( )
( )
( )
)
-1
Ahora: P AP
(
)(
)(
)(
18
REALIZADO POR: JUAN CARLOS CORTEZ
((
))
=0
(A
)*(
)=( )
)=( )
Resuelvo el sistema
)*( )=( )
)=( )
19
REALIZADO POR: JUAN CARLOS CORTEZ
Resuelvo el sistema
) ,
Base={ (
) (
( )
) ( )}
Estructuramos P
(
)(
)(
)(
D= (
-1
PD=(
)(
)(
)=(
20
REALIZADO POR: JUAN CARLOS CORTEZ
-1
P =(
-1
A=PDP
(
)(
)(
) (
((
) ((
)))
,
Resuelvo
Con
(
(
)(
)
( )
( )
21
REALIZADO POR: JUAN CARLOS CORTEZ
Se resuelve el sistema:
Con
(
)(
( )
( )
Se resuelve el sistema:
Entonces la matriz
(
Ahora:
)(
)(
)(
22
REALIZADO POR: JUAN CARLOS CORTEZ
=0
Resuelvo:
1. (A
)*(
2. (A
)*( ) = ( )
( )
)=( )
)*( )=( )
)*(
)=( )
23
REALIZADO POR: JUAN CARLOS CORTEZ
( )
3. (A
(
)*(
)*(
)=( )
)=( )
(
(
(
)(
)
)
24
REALIZADO POR: JUAN CARLOS CORTEZ
FUENTES DE CONSULTA
Larson, Falvo. Fundamentos de Algebra Lineal. 6ta Edicin. Editorial CENGAGE Learning, pag
(435-446)
David Poole. Algebra Lineal, Una introduccin Moderna. 3ra Edicin. Compaa de Cengage
Learning, 2011, pag (312-322)
David C. Lay. Algebra Lineal y sus Aplicaciones. 3ra Edicin. Pearson Education, 2007. pag
(319-327)
http://www4.ujaen.es/~magarcia/algebra2est_archivos/Practicas/PRACTICA08.pdf
25
REALIZADO POR: JUAN CARLOS CORTEZ
Matrices Ortogonales
Una matriz cuadrada P se denomina ortogonal si:
1. Se puede encontrar
2.
3.
TEOREMA: Una matriz P de orden nxn es ortogonal si y solo s sus vectores columna forman un
conjunto base ortonormal para .
EJEMPLO 1.- Vea si la siguiente matriz es ortogonal.
)
26
) (
Conclusin: La matriz A dada si es ortogonal, Adems sabemos que cada columna es un vector
propio de
y que adems son bases ortonormales ya que su norma es 1.
Proceso de Gram-Schmidt
Sea V un espacio vectorial con producto interno. Todo subespacio W con base tiene al menos
una base ortogonal y una base ortonormal. Si B = {
} es una cualquier base de
{
V, entonces
} es una base ortonormal donde:
Diagonalizacin Ortogonal
Una matriz es diagonalizable ortogonalmente si existe una matriz ortogonal P tal que
, siendo D una matriz diagonal.
TEOREMA: Sea A una matriz de orden nxn. Entonces A es diagonalizable ortogonalmente y
tiene valores reales propios si y solo si A es simtrica.
27
REALIZADO POR: JUAN CARLOS CORTEZ
((
) (
))
Con
(
)( )
( )
28
REALIZADO POR: JUAN CARLOS CORTEZ
( )
( )
Con
(
)( )
( )
( )
( )
( )
( )
29
REALIZADO POR: JUAN CARLOS CORTEZ
)
(
)
(
)
(
( )
(
Entonces
30
REALIZADO POR: JUAN CARLOS CORTEZ
)(
((
) (
))
31
REALIZADO POR: JUAN CARLOS CORTEZ
((
)) (
)=( )
( )
( )
Con
(A
((
)) (
Ahora con
( )
( )
( )
)=( )
( )
( )
Ahora con
)
32
)
(
Entonces
33
REALIZADO POR: JUAN CARLOS CORTEZ
((
))
((
))
((
))
(
(
((
) (
))
34
REALIZADO POR: JUAN CARLOS CORTEZ
)( ) =( )
( )
Resuelvo el sistema:
Al resolver obtengo:
Con
)( )=( )
( )
Resuelvo el sistema:
Al resolver obtengo:
Con
(A
35
REALIZADO POR: JUAN CARLOS CORTEZ
)( )
( )
( )
Resuelvo el sistema:
Al resolver obtengo:
( )
)
(
)
(
( )
( )
( )
Entonces obtenemos
)
36
Entonces
(
(
)
(
diagonalice A.
)
((
) (
))
37
REALIZADO POR: JUAN CARLOS CORTEZ
Con
(A
(
)( )
( )
( )
Con
(A
(
)(
( )
( )
( )
Con
(A
38
REALIZADO POR: JUAN CARLOS CORTEZ
)( )
( )
( )
)
(
( )
( )
( )
(
)
(
)
39
Ahora determino
Entonces
(
(
)
(
BIOGRAFIA
Schmidt (13 de enero 1876- 16 de diciembre 1959)
Matemtico dans al que se le recuerda sobre todo por este proceso de ortogonalizacion que
construye un conjunto ortogonal de vectores a partir de un conjunto independiente. Sin
embargo, l no fue el primero en usar este mtodo. Parece ser que fue descubierto por
Laplace y fue usado esencialmente por Cauchy en 1836.
FUENTES DE CONSULTA
Larson, Falvo. Fundamentos de Algebra Lineal. 6ta Edicin. Editorial CENGAGE Learning,
pagina (446-458)
Howard Anton. Introduccin al Algebra Lineal. 3ra Edicin. Editorial Limusa, 1994, pgina
(318-328)
Jos Alfredo Jimnez Moscoso, Notas de clase. lgebra Lineal II (con aplicaciones en
estadstica) (libro online)
http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-82.pdf
http://www.youtube.com/watch?v=dcBdVibNZn0
http://personales.upv.es/lagudal/help-math-web/diagonaliza.htm#simetricas
41
REALIZADO POR: JUAN CARLOS CORTEZ
Sustituimos en
Recordando que
Se obtiene que
EJEMPLO 1. Determine
((
) (
))
Con
42
REALIZADO POR: JUAN CARLOS CORTEZ
)( )
( )
( )
Con
((
)) (( ))
( ) ,
( )
( )
Formamos la matriz P
(
Hallamos
)
43
Ahora resolvemos
(
(
)(
D
(
)(
)
(
44
REALIZADO POR: JUAN CARLOS CORTEZ
)
(
Finalmente hallamos
) (
))
45
REALIZADO POR: JUAN CARLOS CORTEZ
Ahora determinamos
Con
(
)(
( )
( )
( )
Con
(
)(
( )
46
REALIZADO POR: JUAN CARLOS CORTEZ
Entonces
Entonces
)(
)(
)(
)(
)(
)(
(
(
)
(
Finalmente hallamos
(
(
(
47
REALIZADO POR: JUAN CARLOS CORTEZ
y despus
(
((
) (
))
Ahora determinamos
Con
(
)( )
( )
( )
( )
Con
48
REALIZADO POR: JUAN CARLOS CORTEZ
)( )
( )
( )
( )
Entonces:
(
Hallamos
(
Ahora
(
)(
)(
)(
49
REALIZADO POR: JUAN CARLOS CORTEZ
)(
)(
)(
((
) (
))
Con
(
)(
( )
( )
50
REALIZADO POR: JUAN CARLOS CORTEZ
Con
(
)(
( )
( )
Entonces obtenemos
(
Ahora
)(
)(
51
REALIZADO POR: JUAN CARLOS CORTEZ
)(
)(
) (
)) (
)(
)
)
Finalmente calculamos
(
(
)
)
)
(
(
(
) (
)
)
52
)(
)(
Con
)( )
( )
( )
( )
Con
)( )
( )
( )
53
REALIZADO POR: JUAN CARLOS CORTEZ
( )
( )
( )
( )
Entonces
Ahora
)
(
54
REALIZADO POR: JUAN CARLOS CORTEZ
)(
Finalmente calculamos
ECUACIONES EN DIFERENCIA
Las ecuaciones en diferencias no es lo mismo que las ecuaciones diferenciales ya que las
ecuaciones en diferencias evolucionan en un nmero nito de pasos nitos, mientras que una
ecuacin diferencial da un nmero innito de pasos innitesimales.
Hay cierto tipo de problemas cuya resolucin depende de la potencia de una matriz. Es el caso
de las ecuaciones en diferencias en las que a partir de una matriz cuadrada A y vectores de
55
REALIZADO POR: JUAN CARLOS CORTEZ
EJEMPLO 6.- En una poblacin de 10000 individuos se observa que, de modo aproximado, el
80% de los que eran donantes de sangre un ao siguen sindolo al siguiente y que el 70% de
los que no eran donantes de sangre permanecen de nuevo sin donar a otro ao. Suponiendo
que inicialmente hay 2000 donantes hallar cuntos habr despus de 10 aos.
Solucin
Nmero de donantes despus de k aos
Nmero de no donantes despus de k aos
Planteamiento de las ecuaciones en diferencia:
Formamos la matriz
(
Y
(
)(
Donde
(
Hallamos
Determino los valores propios y sus correspondientes vectores propios
56
REALIZADO POR: JUAN CARLOS CORTEZ
((
) (
))
Con
(
)(
( )
( )
( )
Con
(
)(
( )
( )
57
REALIZADO POR: JUAN CARLOS CORTEZ
Ahora
)(
)(
)(
)(
)(
)(
58
REALIZADO POR: JUAN CARLOS CORTEZ
(
(
donates
EJEMPLO 7.Un territorio est dividido en tres zonas Z1, Z2 y Z3 entre las que habita una poblacin de aves.
Cada ao y debido a diversas razones se producen los siguientes ujos migratorios entre las
distintas zonas:
En Z1: un 60 % permanece en Z1, un 10 % emigra a Z2 y un 30 % emigra a Z3.
En Z2: un 10 % emigra a Z1, un 80 % permanece en Z2 y un 10 % emigra a Z3.
En Z3: un 10 % emigra a Z1, un 20 % emigra a Z2 y un 70 % permanece en Z3
De la poblacin total de aves un 30 % viven en Z1, un 20 % viven en Z2 y un 50 % viven en Z3.
Cul ser la distribucin de la poblacin de aves a los 2 aos? Y a los n aos?
Armamos la matriz A con el flujo migratorio de Aves
(
59
REALIZADO POR: JUAN CARLOS CORTEZ
Determino
((
) (
))
Con
(
)( )
( )
( )
(
60
REALIZADO POR: JUAN CARLOS CORTEZ
( )
Con
(
)( )
( )
)( )
( )
( )
(
Con
(
( )
(
61
REALIZADO POR: JUAN CARLOS CORTEZ
(
(
)(
D
(
)(
)
(
)
62
)
(
(
(
(
(
(
)
)
FUENTES DE CONSULTA
Gareth Williams. Algebra Lineal con Aplicaciones. 4ta Edicin. Mc Graw-Hill, 2002,(pag 305308)
Larson, Falvo. Fundamentos de Algebra Lineal. 6ta Edicin. Editorial CENGAGE Learning.
Elena Alemany Martnez, ngel Balaguer Beser, Josefa Marn Molina, Prcticas de lgebra con
Mathematica (libro online)
http://cvb.ehu.es/open_course_ware/castellano/tecnicas/fundamen_mate/contenidos/ejercic
ios/ejercicios-resueltos/potencias-de-matrices-cuadradas.pdf
http://www2.uah.es/rviana/Tema8-Aplicaciones.pdf
63
REALIZADO POR: JUAN CARLOS CORTEZ
) ((
|(
)))
)|
Con
(
(
)(
)
( )
( )
( )
64
Con
(
)(
( )
( )
( )
( )
( )
Formamos la matriz P y su
)
(
65
REALIZADO POR: JUAN CARLOS CORTEZ
) (
(
(
) ((
|(
)))
)|
Con
(
)(
( )
( )
Con
66
REALIZADO POR: JUAN CARLOS CORTEZ
)(
( )
( )
( )
Formamos la matriz P
(
(
(
)
)
Entonces
)(
(
)(
)(
Matriz Normal
Una matriz A de orden nxn recibe el nombre de matriz normal si es conmutativa con su
conjugada hermitiana
. Las matrices unitarias y antihermitianas son casos
particulares de las matrices normales.
TEOREMAS:
La matriz
La matriz
es normal si y solo si es unitariamente semejante a una matriz diagonal. (Los
elementos de la diagonal principal son los valores propios de A)
67
REALIZADO POR: JUAN CARLOS CORTEZ
La matriz
es normal si y solo si es unitariamente semejante a una matriz diagonal con
elementos que tienen valor absoluto igual a 1 en la diagonal principal.
Las matrices simtricas, antisimtricas u ortogonales son necesariamente normales.
EJEMPLO 3.- Diagonalice la siguiente matriz
(
((
) ((
)))
Con
(
)(
( )
( )
( )
Con
(
)(
( )
68
( )
( )
( )
( )
Formamos la matriz P y
) (
)
)
(
)
69
Matriz Hermitianas
La matriz
en Hermitiana si y solo si es unitariamente semejante a una matriz diagonal
con elementos reales.
Los valores propios de las matrices Hermitianas cumplen las siguientes propiedades:
1. Los valores propios de una matriz hermitiana son reales.
2. Los valores propios de una matriz antihermitiana son imaginarios puros.
Para obtener la norma de una matriz hermitiana debemos multiplicar cada componente
vectorial por su conjugada en lugar de elevarlo al cuadrado, salvo las que son reales puros que
procedemos normalmente.
EJEMPLO 4.- Diagonalice la siguiente matriz hermitiana
( )(
(( ) (
||
) (
))
)(
||
)(
Con
70
REALIZADO POR: JUAN CARLOS CORTEZ
)
)
(
(
(
( )
( )
)
)
)
Con
)
)
( )
)
( )
)
(
(
)
)
)
)(
))
)(
)(
) ((
(( )
(( )
Ahora
(
(
)(
)(
(( )
(( )
72
REALIZADO POR: JUAN CARLOS CORTEZ
)
)
((
) (
))
Con
)(
( )
( )
( )
Con
( )
)( )
( )
73
REALIZADO POR: JUAN CARLOS CORTEZ
( )
(( )
( )
( )
( )
( )
( )
Al resolver el sistema se obtiene:
( )
(( ) )
Con
( )
)( )
( )
( )
( )
( )
74
(( ) )
( )
(( ) )
Ahora
75
REALIZADO POR: JUAN CARLOS CORTEZ
FUENTES DE CONSULTA
Gilbert Strang, lgebra lineal y sus aplicaciones, pag 286
Erich Steine, Matemticas para las ciencias aplicadas, pag 497
http://www.licimep.org/Preprope/2008/Algebra%20lineal/Ejercicios/Diagonalizacion%20de%2
0matrices%203x3%20hermitiana%20Ej%201.pdf
76
REALIZADO POR: JUAN CARLOS CORTEZ
Dnde:
son los parmetros de nacimiento. ( = numero promedio de hembras
producidas por cada hembra en la clase .
son las probabilidades de supervivencia
hembra en la clase sobreviva en la clase
.
)(
)(
|(
|(
((
)|
Se toma el valor
))|
)( )
( )
( )
(
)
78
SI
entonces:
(
)(
)(
Entonces se observa que se tiene la misma proporcin, por lo tanto el porcentaje de cada clase
de la poblacin permanece igual.
EJEMPLO 2. Una poblacin presenta las siguientes caractersticas.
A) Un total de 60% de la poblacin sobrevive el primer ao. De este 60%, el 50% sobrevive el
segundo ao. La duracin mxima de la vida es tres aos.
B) El nmero promedio de descendencia de cada miembro de la poblacin es 2 el primer ao,
5 el segundo y 2 el tercero.
Actualmente, la poblacin consta de 100 elementos de cada una de las tres clases de edad.
Cuntos habr de cada clase en un ao? Y en dos aos?
La distribucin actual de edades est dada por la matriz
(
79
REALIZADO POR: JUAN CARLOS CORTEZ
)(
Esto quiere decir que en el primer ao van a existir una poblacin de 900 habitantes que estn
entre 0 y un ao, 60 que estn entre 1 ao y dos, y 50 que estn entre dos hasta tres aos.
Si el patrn de crecimiento contina durante otro ao entonces la poblacin de conejos sera
(
)(
Esto quiere decir que en el primer ao van a existir una poblacin de 2200 habitantes que
estn entre 0 y un ao, 540 que estn entre 1 ao y dos, y 30 que estn entre dos hasta tres
aos.
EJEMPLO 3.- 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 la vida es tres aos.
B) El nmero promedio 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 de cada una de las tres clases de edad.
Cuntos habr de cada clase en un ao? Y en dos aos?
La distribucin actual de edades est dada por la matriz
(
)(
Esto quiere decir que en el primer ao van a existir una poblacin de 960 habitantes que estn
entre 0 y un ao, 90 que estn entre 1 ao y dos, y 30 que estn entre dos hasta tres aos.
Si el patrn de crecimiento contina durante otro ao entonces la poblacin de conejos sera
80
REALIZADO POR: JUAN CARLOS CORTEZ
)(
Esto quiere decir que en el primer ao van a existir una poblacin de 2340 habitantes que
estn entre 0 y un ao, 720 que estn entre 1 ao y dos, y 22 que estn entre dos hasta tres
aos.
EJEMPLO 4.- Encuentre un vector de distribucin de edades estable para la matriz de
transicin:
(
|(
((
))|
Se toma el valor
)(
( )
( )
81
REALIZADO POR: JUAN CARLOS CORTEZ
SI
( )
entonces:
(
)(
)(
Entonces se observa que se tiene la misma proporcin, por lo tanto el porcentaje de cada clase
de la poblacin permanece igual.
EJEMPLO 5.- Considere un organismo que puede vivir hasta una edad mxima de dos aos, y
cuya matriz Leslie es:
(
|(
((
))|
)( )
( )
82
REALIZADO POR: JUAN CARLOS CORTEZ
( )
Entonces la distribucin estable de edades estar dada por la forma del vector
( )
)(
)(
83
REALIZADO POR: JUAN CARLOS CORTEZ
BIOGRAFIA
84
REALIZADO POR: JUAN CARLOS CORTEZ
) ((
)) (( ))
Donde a, b, c son nmeros reales, y adems la matriz A es simtrica lo que implica que es de
orden nxn.
Generalizando para
obtenemos:
En forma matricial:
Dnde:
Donde a, b, c son nmeros reales, y adems la matriz A es simtrica lo que implica que es de
orden nxn.
Forma Cannica
Sabemos que la matriz A al ser simtrica se la puede diagonalizar ortogonalmente. Adems
tenemos que
. Recordamos que Q (o P segn sea la nomenclatura) es la matriz que
diagonaliza a A y est formada por los vectores propios ortonormalizados.
85
REALIZADO POR: JUAN CARLOS CORTEZ
Partimos de
Teorema:
Sea A una matriz simtrica de orden nxn La forma cuadrtica
es:
86
REALIZADO POR: JUAN CARLOS CORTEZ
) ((
)) (( ))
) (
))
Con
(
)(
( )
87
REALIZADO POR: JUAN CARLOS CORTEZ
( )
( )
( )
Con
(
)(
( )
( )
(
(
)
)
( )
( )
( )
88
REALIZADO POR: JUAN CARLOS CORTEZ
(
(
)
)
)( )
. La longitud del
89
REALIZADO POR: JUAN CARLOS CORTEZ
Entonces
En sistema de coordenadas
la grfica sera
EJEMPLO 2.- Encuentre un cambio de variable que transforme la forma cuadrtica siguiente
en una sin trminos .
La matriz correspondiente es
(
((
) ((
)))
|
90
Con
(
)(
( )
( )
Con
(
)(
( )
( )
( )
91
REALIZADO POR: JUAN CARLOS CORTEZ
( )
( )
( )
( )
Armamos la matriz P (tambin se la nombra como Q) y su transpuesta
Entonces
(
(
)
(
)( )
)( )
92
REALIZADO POR: JUAN CARLOS CORTEZ
((
) ((
)))
Con
(
)(
( )
( )
( )
Con
(
)(
( )
93
( )
( )
( )
( )
( )
Armamos la matriz P (tambin se la nombra como Q) y su transpuesta
Entonces
)
(
94
REALIZADO POR: JUAN CARLOS CORTEZ
)( )
)( )
((
) ((
)))
95
REALIZADO POR: JUAN CARLOS CORTEZ
Con
((
)) (
( )
( )
( )
Con
(
)(
( )
( )
96
REALIZADO POR: JUAN CARLOS CORTEZ
( )
( )
Entonces
(
(
)( )
97
REALIZADO POR: JUAN CARLOS CORTEZ
)( )
((
) (
))
Al ser una expresin no facturable utilice la calculadora de Microsoft para resolverla y obtuve:
98
REALIZADO POR: JUAN CARLOS CORTEZ
Con
(A
(
)(
( )
( )
( )
Con
(A
)( )
( )
( )
99
Con
(A
)( )
( )
( )
( )
( )
(
)
(
100
REALIZADO POR: JUAN CARLOS CORTEZ
)
(
Ahora determino
Entonces
(
(
((
))
)
(
((
(
))
)( )
101
REALIZADO POR: JUAN CARLOS CORTEZ
Entonces esta ecuacin se reconoce como la de un hiperboloide de una hoja. Los ejes
estn en las direcciones de los eigenvectores obtenidos, Su grfica es:
FUENTES DE CONSULTA
David Poole. Algebra Lineal, Una introduccin Moderna. 3ra Edicin. Compaa de Cengage
Learning, 2011
Bernard Kolman, David Hill. Algebra Lineal. 8va Edicin. Editorial Mc Graw-Hill, 2006
Erich Steine, Matemticas para las ciencias aplicadas, pag 495
Stanley I. Grossman. Algebra Lineal. 6ta Edicin. Editorial Mc Graw-Hill, 2008. pag 575-585
http://neblan.files.wordpress.com/2012/10/tema-7.pdf
102
REALIZADO POR: JUAN CARLOS CORTEZ
CONCLUSIONES:
Al realizar la investigacin he aprendido y me he dado cuenta del poder del algebra lineal, y su
uso, el cual facilita el clculo en muchas aplicaciones.
Los valores propios siendo un concepto muy fcil de aprenderlo al igual que vectores propios
tiene un gran campo de accin es decir es utilizado en muchos casos tales como para
determinar la potencia ensima de una matriz cuadrada, tan solo con la condijo de que esta
sea diagonalizable, ya que el proceso realizando ajuste polinomial resultaba muy largo y
tedioso, adems de que la potencia ensima tiene aplicaciones en ecuaciones en diferencias
como lo vimos.
La diagonalizacin est presente en matrices reales como imaginarias, y adems para matrices
nrmales (aqu estn incluidas matrices simtricas, hermticas, unitarias, antihermitianas) las
cuales se las diagonaliza ortogonalmente.
Otra aplicacin de los conceptos adquiridos est en el crecimiento poblacional, ya que usando
el concepto de diagonalizacin podemos determinar un vector propio el cual determine un
crecimiento estable para un conjunto de habitantes.
Tambin, hemos visto su uso en la geometra permitiendo rotar i transformar a los ejes y de
esta manera facilitar su interpretacin, as como determinar la ecuacin de la cnica o figura
correspondiente en sus nuevas coordenadas.
Para concluir al desarrollar la investigacin not como el lgebra lineal es una herramienta
muy importante para otras ciencias, y que tiene innumerables aplicaciones, muchas ms que
las que esta investigacin exige tales como en las series de Fibonacci, Fsica, etc. Se puede
concluir que el lgebra lineal a travs del tiempo ha servido para el crecimiento de otras
ciencias y teoras, es por eso que matemticos muy importantes han realizados investigaciones
y han hecho aportes importantes a esta gran rama, conocida como LGEBRA LINEAL.
RECOMENDACIONES
Tener a mano la mayor cantidad de fuentes de consulta, es decir libros los cuales tengan un
amplio contenido, ya que segn el autor en unos libros la explicacin es muy clara.
Adems dar el tiempo adecuado y necesario para realizar el trabajo que permita primero tener
una idea clara del tema antes de realizar la investigacin como tal.
103
REALIZADO POR: JUAN CARLOS CORTEZ
BIBLIOGRAFA GENERAL
Larson, Falvo. Fundamentos de Algebra Lineal. 6ta Edicin. Editorial CENGAGE Learning
David Poole. Algebra Lineal, Una introduccin Moderna. 3ra Edicin. Compaa de Cengage
Learning, 2011
Howard Anton. Introduccin al Algebra Lineal. 3ra Edicin. Editorial Limusa, 1994
Gareth Williams. Algebra Lineal con Aplicaciones. 4ta Edicin. Mc Graw-Hill, 2002.
David C. Lay. Algebra Lineal y sus Aplicaciones. 3ra Edicin. Pearson Education, 2007.
Bernard Kolman, David Hill. Algebra Lineal. 8va Edicin. Editorial Mc Graw-Hill, 2006
Stanley I. Grossman. Algebra Lineal. 6ta Edicin. Editorial Mc Graw-Hill, 2008.
Seymour Lipschutz (Schaum). Algebra Lineal. 2da Edicin. Editorial Mc Graw-Hill, 1993
BIBLIOGRAFA VIRTUAL
http://cursos.aiu.edu/Algebra%20Lineal/PDF/Tema%206.pdf
http://personales.upv.es/jbenitez/cajon_sastre/val_prop.pdf
http://www.univalle.edu.co/~mimarmol/topicosenalgebralineal.pdf
http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-82.pdf
http://www.youtube.com/watch?v=dcBdVibNZn0
http://personales.upv.es/lagudal/help-math-web/diagonaliza.htm#simetricas
http://books.google.com.ec/books?id=bVsMgqWWfuoC&pg=PA286&lpg=PA286&dq=matriz+u
nitaria+compleja+ejemplos&source=bl&ots=PDpu1Tb9OC&sig=N_21SNPXZS58Pca9tlnIs4QQkk&hl=es&sa=X&ei=z6XZUYeGL6St0AGetIGoBw&ved=0CFkQ6AEwC
Q#v=onepage&q=matriz%20unitaria%20compleja%20ejemplos&f=false
http://books.google.com.ec/books?id=uxauLevnXxUC&pg=PA497&dq=matrices+complejas&hl
=es&sa=X&ei=ZfXUdagKK684AOUyoHYAQ&ved=0CCwQ6AEwAA#v=onepage&q=matrices%20complejas&f=fa
lse
FIN
105
REALIZADO POR: JUAN CARLOS CORTEZ