1

MATEMTICAS III (Curso 2016-17)

Tema 1. Herramientas matemticas para los modelos dinmicos

Indice

1. Nmeros complejos y trigonometra

1.1 Origen
1.2 Operaciones, representacin grfica, etc.
1.3 Forma trigonomtrica
2. Autovalores y autovectores. Potencias de matrices
2.1 Autovalores y autovectores de una matriz cuadrada de orden 2
2.2 Clculo de autovalores y autovectores
2.3 Diagonalizacin
2.3.1 Bases y cambios de base en 2
2.3.2 Cambio de base. Base de autovectores.
2.4 Potencias de matrices diagonalizables
2.5 Reduccin a forma cannica. Clculo de potencias de matrices no
diagonalizables
2.5.1 Caso 1: Autovalor doble.
2.5.2 Caso 2: Autovalores complejos.
2.6 Geometra de algunas transformaciones matriciales
3. Autovalores y autovectores de matrices cuadradas de orden n
3.1 Clculo de autovalores y autovectores
3.2 Propiedades relevantes de los autovectores
3.3 Diagonalizacin
3.4 Clculo de potencias de matrices de orden 3 no diagonalizables
4. Matrices estocsticas.
4.1 Propiedades
4.2 Matrices estocsticas regulares

1. NMEROS COMPLEJOS Y TRIGONOMETRA

Para el desarrollo de la asignatura son precisos unos mnimos conocimientos sobre los
nmeros complejos que se resumen aqu.
1.1. Origen
La necesidad de utilizar los nmeros complejos aparece en la prctica cuando se trata
de resolver ciertas ecuaciones como por ejemplo la x 2 1 0 que no tiene soluciones
reales. Definiendo la unidad imaginaria i como i 1 , la ecuacin anterior tendr dos
soluciones: x i .
En general, un nmero complejo se define mediante un par de nmeros reales que
nosotros expresaremos en la forma binmica a bi donde a se llama parte real y b
parte imaginaria del complejo. As las soluciones de la ecuacin anterior se expresaran
como x 0 i .
Los nmeros complejos cuya parte real es igual a cero se llaman imaginarios puros 0 bi
y cuando la componente imaginaria es nula tendremos los nmeros reales a 0i de
manera que el conjunto de los nmeros reales ser subconjunto del conjunto de
los nmeros complejos.
A todo nmero complejo a bi viene asociado otro nmero complejo a bi que se
llama su conjugado. En este sentido, recordars que a la hora de resolver una ecuacin
de segundo grado sabemos que dicha ecuacin puede tener una sola solucin real que
en tal caso se dice que es doble, dos soluciones reales distintas o bien el par de
soluciones complejo-conjugadas a bi , dependiendo del signo del discriminante.
En general, el Teorema Fundamental del Algebra prueba que toda ecuacin del tipo
n

Pn x ai x i 0 tiene exactamente tantas soluciones como el grado n del polinomio

i0

del primer miembro, pudiendo ser estas soluciones reales (simples o mltiples) y/o
complejo-conjugadas, tambin simples o mltiples dependiendo de que los pares a bi
aparezcan una sola vez como soluciones o de forma repetida.
Ejercicio 1.1: Resolver las siguientes ecuaciones:
5
4
3
2
a) x x 2x x x 2 0 ;

b) x 5 3x 4 5x 3 5x 2 3x 1 0

Solucin: a) x=1 (doble), x=-2 (simple), x

1
3
1
3

i ; b) x=-1, x
i (doble)
2 2
2 2

1.2. Operaciones, representacin grfica, etc.

Las operaciones con los nmeros complejos se definen como las operaciones con reales
teniendo en cuenta que i2 1 y tienen las mismas propiedades.
Ejercicio 1.2: Calcular (2+i)+2(3-2i) y (2+i)(3-2i)
Solucin: (2+i)+2(3-2i)=8-3i y (2+i)(3-2i)=8-i.
Los nmeros complejos pueden representarse como puntos (a, b) del plano a los que
estaran biunvocamente asociados si definimos un eje horizontal que llamaremos eje
real en el que se representa la parte real y un eje vertical que llamamos eje imaginario
en el que se representa la parte imaginaria de a bi .
Lo que ms nos interesa en esta asignatura es la conexin de los nmeros complejos
con las funciones trigonomtricas (Los complejos son trigonometra disfrazada)

Para un nmero complejo cualquiera a bi se definen:

El mdulo: a2 b2 , que representa la distancia del punto (a,b) al origen.

El argumento: ngulo que forma la direccin del mdulo con la parte
positiva del eje real. Dicho ngulo se entiende positivo al medirlo en sentido
opuesto al de giro de las agujas del reloj, y negativo en caso contrario.
En definitiva, un complejo cualquiera a bi estar equivalentemente definido por su
mdulo y su argumento ya que a cos y b s en . Observa que si el complejo
a bi se localiza en el primer (o tercer) cuadrante, el argumento puede obtenerse
b
como Tan1 , pero si el complejo se sita en el segundo o en el cuarto cuadrante,
a
la frmula anterior no es vlida.

Algunos ejemplos:

1.3. Forma trigonomtrica

Utilizando las relaciones anteriores, el complejo a bi se expresa en forma
trigonomtrica como:

a bi cos isen cos isen

La importancia de la forma trigonomtrica en el desarrollo de la asignatura se concreta
en:
La necesidad de obtener potencias y exponenciales de nmeros complejos.
La necesidad de transformar expresiones en las que intervienen complejos en
otras equivalentes en las que intervengan exclusivamente funciones y
constantes reales.
Las soluciones a las cuestiones anteriores son:
Para la primera cuestin hacen falta las siguientes frmulas:
La frmula de Moivre: (a bi)t t (cos t i sen t)
La frmula de Euler: eabi ea cosb i senb
Para segunda cuestin har falta saber utilizar algunas equivalencias que se
obtienen de las frmulas anteriores. Las veremos aqu mediante ejercicios
prcticos.

Ejercicio 1.3: Obtener por recurrencia la frmula de Moivre para la potencia t-sima de
un complejo a partir de la expresin trigonomtrica a bi cos i sen .

Ejercicio 1.4: Obtener por recurrencia la expresin e(abi)t eat cosbt i senbt a
partir de la frmula de Euler.
NOTA: Para resolver los ejercicios anteriores y tambin para saber aplicarlas ms adelante, es importante recordar y
manejar las expresiones del seno y el coseno de la suma de ngulos:

Ejercicio 1.5: Probar que la sucesin y t C1 a bi C2 a bi , donde C1 y C 2 son

t

constantes complejas arbitrarias, puede expresarse como y t t A cos t Bsent

siendo A y B constantes reales arbitrarias. Tomando A = B = 1, representarla

grficamente para los primeros valores de t considerando el ngulo conocido ( ) y para

4
los valores 1/2, 1 y 3/2 del mdulo. (Hgase de forma manual y con EXCEL)
Ejercicio 1.6: Probar que y t C1e

a bi t

C2e

a bi t

, donde C1 y C 2 son constantes

complejas arbitrarias, puede expresarse como y t e at A cosbt Bsenbt siendo A

y B constantes reales arbitrarias. Representar grficamente la funcin y(t) para los

valores de A=B=1, b= y para los casos de a 1, a 0 y a 1.

4
Conviene recordar (Matemticas 1) los valores de las razones trigonomtricas de algunos ngulos notables:

2. AUTOVALORES Y AUTOVECTORES. POTENCIAS DE MATRICES

Para el estudio de los modelos de la dinmica econmica en tiempo discreto, en
concreto para el estudio de los sistemas planos de ecuaciones en diferencias finitas y en
su aplicacin a las cadenas de Markov en el estudio de modelos probabilsticos,
necesitaremos resolver el problema del clculo de potencias de matrices cuadradas
reales.
Cuando hablamos del problema del clculo de potencias de matrices nos referimos a
dos aspectos: a) obtencin de una potencia particular de una matriz numrica dada, que
puede resolverse de forma manual (con paciencia), o de forma automtica mediante un
SAC (sistema automtico computacin, como los programas Mathematica, MatLab, ),
y b) obtener expresiones generales de las potencias de matrices cuadradas cualesquiera
vlidas para cualquier valor entero positivo del exponente.
La solucin de b) no es en absoluto inmediata y adems no puede ser obtenida de forma
directa mediante un SAC, aunque en las aplicaciones necesitamos no slo saber
encontrarla sino tambin saber interpretarla y analizarla.
Para ello, se hace preciso manejar algunos conceptos previos que no han sido tratados,
al menos con suficiente detalle, en las asignaturas de primer curso. Estos conceptos se
concretan en:
Autovalores (valores propios) y autovectores (vectores propios) de una matriz
cuadrada. Matrices diagonalizables y no diagonalizables. Potencias de matrices
diagonalizables.
Potencias de matrices no diagonalizables.
Para el desarrollo de los mismos interesa resaltar algunas cuestiones como son la
interpretacin de las matrices como transformaciones de puntos en n (funciones
vectoriales de variable vectorial) y los conceptos de base y cambios de base. Por
sencillez e intuicin haremos los desarrollos en 2 considerando matrices cuadradas de
orden dos y despus extenderemos los resultados al caso de orden n.
En el caso de los modelos de dinmica econmica en tiempo continuo, veremos cmo
podemos aplicar los resultados ya obtenidos para el caso discreto.

2.1. Autovalores y autovectores de una matriz cuadrada de orden 2

a12
a
Dada la matriz A 11
cuyos elementos aij son nmeros reales, se llama
a21 a22
v 0
autovector o vector propio de la misma a todo vector v 1 tal que
v2 0

a11 a12 v1
v1

.
a21 a22 v 2
v2
Matricialmente la expresin anterior sera Av v con v 0 . El escalar se llama
autovalor, o valor propio, y se dice que el autovector v est asociado a l.
Interpretacin: Que el vector v es autovector de la matriz A significa que su
transformado por A es un -mltiplo del mismo, o sea, a) con la misma direccin y
sentido si 0 , o b) la misma direccin pero sentido opuesto si 0 . Si 0 fuese
autovalor de la matriz, los correspondientes autovectores cumpliran que Av 0 con
v 0.

3
1 3
Ejercicio 2.1: Comprueba que es autovector de la matriz A
y el
1
1 1
3
autovalor es 2 . Comprueba tambin cmo todos los mltiplos del vector , es
1
3
3
decir, todos los vectores de la forma 0 , son tambin autovectores

1
de la matriz asociados a 2 .
Ejercicio 2.2: Comprueba que todos los puntos de la recta de la ecuacin x 3y 0 son
autovectores de la matriz anterior para 2 . O sea,

x 3y 0

1
3

1
Ejercicio 2.3: Comprueba que es tambin autovector de la matriz A, en este caso,
1

1
al autovalor 2 y que todos los vectores de la forma 0 son

1
autovectores de A asociados al mismo autovalor, 2 . Comprueba, asimismo, que
ello significa que todos los puntos de la recta de ecuacin x y 0 son autovectores
de A. O sea,

x 3y 0
x 3y 0

1
3

xy0

Ejercicio 2.4: Para la misma matriz A de los ejercicios anteriores, comprueba y justifica
que eligiendo un autovector cualquiera asociado al autovalor 2 y un autovector
cualquiera asociado al autovalor 2 , obtenemos un par de vectores linealmente
independientes (LI).

2
Ejercicio 2.5: Explica por qu NO hay posibilidad de que, por ejemplo, el vector
2
cualquiera de sus mltiplos sea autovector de A. Comprueba tambin y explica por qu
NO existen autovectores asociados a, por ejemplo, 3 u otro valor cualquiera distinto
de 2 y 2.
2.2. Clculo de autovalores y autovectores

a12 v1
a
v1
La ecuacin matricial 11
que define de manera simultnea los
a21 a22 v 2
v2
conceptos de autovalores y autovectores de A puede expresarse como:
a11 a12
1 0 v1 0

v .
a
a
0
1

2 0
22
21

Podemos reescribir la anterior expresin como:

a12 v1 0
a11
.

a22 v 2 0
a21
O sea, un sistema de dos ecuaciones lineales y dos incgnitas homogneo. Recordars
que estos sistemas (Teorema Rouch-Frobenius) son siempre compatibles ya que tienen
0
al menos la solucin trivial , que en nuestro caso no interesa ya que por definicin
0
no sera autovector. Para que el sistema sea indeterminado, es decir, para que existan
infinitas soluciones distintas de la trivial (o sea, autovectores) el rango de la matriz del
sistema debe ser estrictamente menor que dos, por lo que el determinante debe ser
nulo. Es decir,

a11
a12
0.
a21
a22
Observa que debido a la presencia del parmetro , la condicin anterior slo se
verificar para ciertos valores particulares de . En concreto, los autovalores de la
matriz A.
La ecuacin

a11
a12
0 se llama ecuacin caracterstica de la matriz A, que
a21
a22

se concretar (una vez desarrollado el determinante) en una ecuacin polinmica de

segundo grado P2 () 0 . Se llama polinomio caracterstico de A a P2 ( ) .
La ecuacin de segundo grado P2 () 0 podr tener: a) dos soluciones reales y
distintas, b) una solucin real doble, o c) un par de soluciones complejo-conjugadas.
Estas soluciones son los autovalores de A (ver ejercicio 2.7). Una vez obtenidos los
autovalores se calcularan los autovectores asociados resolviendo, para cada uno de
ellos, el correspondiente sistema homogneo.
Ejercicio 2.6: Resuelve en general la ecuacin caracterstica y expresa la solucin en
a12
a
trminos de la traza y el determinante de A 11
, explicitando las condiciones
a21 a22
que deben cumplirse para cada tipo de solucin.
Solucin: La ecuacin caracterstica de A es P2 () A I 2 tr( A) A 0
donde tr( A) a11 a22 y A a11a22 a12a21 . Las races (autovalores) de la ecuacin
son:
tr( A )

tr( A )

4 A

La matriz A tendr: a) dos autovalores distintos y los autovectores sern LI cuando

tr( A)

4 A , b) la matriz tendr un autovalor real doble cuando tr( A ) 4 A

siendo

tr(A)
dicho autovalor, y c) la matriz tendr autovalores complejo2

conjugados cuando tr( A ) 4 A .

2

Ejercicio 2.7: Obtener la ecuacin caracterstica de A del ejercicio 2.1. Hallar tambin
sus autovalores y autovectores.
Solucin: Aplicando la frmula del ejercicio 2.6 obtenemos de manera inmediata el
polinomio caracterstico de A que es P2 ( ) 2 4 . Por tanto, si resolvemos su
ecuacin caracterstica P2 () 0 entonces las races (autovalores) son 1 2 y
2 2 .

10

a) Para calcular los autovectores de 1 2 , tenemos el sistema ( A 2 I)u 0 donde u

son los vectores propios de A para 1 2 . Es decir,

1 3 u1 0

1 3 u2 0

u1 3u2 0

u1 3u2 0

Resolviendo el sistema anterior (sistema compatible indeterminado) tenemos una

ecuacin redundante. Si escogemos la segunda ecuacin: u1 3u2 0, u1 3u2 .
Todos los autovectores son combinaciones lineales (CL) de un solo vector y podemos
3u
3
expresarlos como 2 u2 , u2 , u2 0 .
1
u2
b) Para calcular los autovectores de 2 2 , tenemos el sistema ( A + 2 I)v 0 donde
v son los autovectores de A para 2 2 . Es decir,

3 3 v1 0

1 1 v2 0

3v1 3v 2 0

v1 v 2 0

Resolviendo el sistema anterior (sistema compatible indeterminado) tenemos una

ecuacin redundante. Si escogemos la segunda ecuacin: v1 v 2 0, v1 v 2 .

v
1
Podemos expresar los autovectores como CL de un solo vector. O sea, 2 v 2
1
v2
, donde v 2 , v 2 0 .
Ejercicio 2.8: Sea que una matriz cuadrada A de orden 2 con dos autovalores distintos.
Probar que los autovectores asociados uno a cada autovalor son linealmente
independientes.
Solucin: Sean Au 1u y Av 2 v con 1 2 . Para probar que u y v son L.I.
supondremos que no lo son (reduccin al absurdo). En tal caso se tendra que u v
con 0 . Entonces, Au Av Av 2v 2u . Como Au 1u , tendra que
ser 1 2 , que es una contradiccin. Por lo tanto u y v deben ser linealmente
independientes.
Ejercicio 2.9: Calcular los autovalores de las siguientes matrices:

1 1
A1
,
1 0

1 0
A2
,
0 2

2 1
A4
,
0 2

2 3
A3
,
0 2

1 1
A5
.
1 1

Solucin: Para el clculo de los autovalores, resolvemos P2 () 2 tr( A) A 0

para cada uno de las matrices (vase ejercicio 2.6).

11

a) Los autovalores de A1 son 1

1 5
1 5
1.6180 y 2
0.6180 .
2
2

b) Por ser A 2 una matriz diagonal, los autovalores son los elementos de la diagonal. O
sea, 1 1 y 2 2 .
c) La matriz A 3 es tambin triangular. Los autovalores son los elementos de la diagonal:

1 2 y 2 2 .
d) La matriz A 4 , que es triangular, tiene el autovalor doble 2 .
e) Los autovalores de A 5 son complejos conjugadas: 1 i .

2.3. Diagonalizacin

1 3
Continuemos con el ejemplo de la matriz
donde ya hemos calculado los
1 1
autovalores 2 y los correspondientes autovectores asociados, que son

3u
respectivamente: 2 u2 0
u2

v2

v 2 0 .

v
2

Supongamos que elegimos dos autovectores cualesquiera (sencillos) uno asociado a

3
1
cada autovalor como, por ejemplo, el asociado a 2 y el asociado al
1
1

3 1
2 , y que con dichos autovectores construimos la matriz P
que
1 1
llamaremos matriz de paso. Est asegurado que la matriz P tiene inversa (pues los
autovectores son LI. Podemos calcular la inversa:
P 4 0

1 1 1 1/ 4 1/ 4
P1

.
4 1 3 1/ 4 3 / 4

Pues bien, observa qu ocurre cuando calculamos el producto de matrices P-1A P :

1/ 4 1/ 4 1 3 3 1 1/ 4 1/ 4 6 2 2 0

1/ 4 3 / 4 1 1 1 1 1/ 4 3 / 4 2 2 0 2
El resultado ha sido la matriz diagonal de los autovalores de A!!!
Qu ha ocurrido? Hemos hecho lo que se llama un cambio de base (cambio de sistema
de referencia). Desde el sistema cartesiano de ejes ortogonales asociado a la base
cannica al sistema de referencia asociado a una base de autovectores.

12

x 3y 0

1
3

Cuando, como en el caso de este ejemplo, podamos relacionar una matriz A con la matriz
diagonal D de sus autovalores mediante una matriz de paso P cuyas columnas son
autovectores de A linealmente independientes, entonces decimos que A es
diagonalizable.

a12
a
Ser posible obtener un resultado similar para cualquier matriz 11
?
a21 a22
Ms an, Ser ello posible en general para cualquier matriz cuadrada A de orden n?
Lamentablemente la respuesta es NO. Por ello hemos de analizar las condiciones que
debe cumplir una matriz para ser diagonalizable.
Antes de contestar debidamente a las dos ltimas preguntas, necesitamos entender los
conceptos de base y cambio de base.
2.3.1. Bases y cambios de base en

Sea el par de vectores LI: e1 1 0 y e2 0 1 . Por tanto, todo vector de

se

expresa como CL nica de ellos:

y x 1 0 y 0 1 .

Considerar lo que se llama la base cannica, e1 1 0 y e2 0 1 de

, equivale

a considerar un sistema de ejes perpendiculares (sistema de referencia cartesiano

ortogonal) en el plano de manera que todo punto x y se obtiene al sumar aplicando
la regla del paralelogramo los vectores x 0 x 1 0 y

0 y y 0 1 .

13

Sea otro par de vectores LI, u y v que formaran otra base de 2 , entonces todo vector
se expresara tambin de forma nica como CL de ellos a travs de otros escalares. O
sea, el vector se expresara como x(u1 u2 ) y(v1 v 2 ) y se obtendra aplicando la regla
del paralelogramo como se observa en la figura siguiente:

Fjate que ello equivale a considerar un sistema de ejes distinto del habitual, en el que
los ejes son ahora las direcciones de los vectores u y v. As pues, un mismo vector se
expresar en diferentes bases (sistemas de referencia) a travs de coordenadas distintas
como se ve en la figura anterior.
Si nos planteamos la cuestin de cul es la relacin entre las componentes x e y de un
vector referido a la base cannica y las componentes del mismo vector referido a la base
{u,v} entonces consideraremos la siguiente ecuacin vectorial:

x(1 0) y(0 1) x(u1 u2 ) y(v1 v 2 ) ,

cuyas componentes vienen expresadas mediante el siguiente sistema lineal:

x xu1 yv1

y xu2 yv 2
Este sistema es de Cramer (compatible y determinado) ya que el determinante de su
matriz es distinto de cero:

u1 v1
0 pues los vectores u (u u1 )2 y v (v v1 )2 son
u2 v 2

LI. La solucin del sistema, que nos da las componentes x e y del vector en {u, v} a
partir de las componentes en base cannica es:
x u1
u
y 2

v1 x
.

v 2 y

14

De la misma manera, las componentes x e y del vector en base cannica se obtendran

u v1
a partir de las componentes en la base {u, v} mediante la matriz de paso P 1

u2 v 2
Ejercicio 2.10: a) Expresar el vector (3 -1) en la base {(1 1), (2 4)}, b) Expresar el vector (2 1)
en la base {(-1 1), (-2 4)}, y c) Expresar en base cannica el vector que en la base {(-1 1), (-2 4)}
tiene de coordenadas el vector (2 3).

Solucin: Para el caso a) tenemos que:

3
1
2
x y
1
1
4

3 x 2y
x 7

.
1 x 4y
y 2

2 x 2y
x 5

.
1 x 4y
y 3 / 2

De manera anloga, para el caso b):

2
1
2
x y
1
1
4
Finalmente, para el caso c) tenemos:

1
2 8
2 3
.
1
4 14
Ntese que la expresin del vector (-8 14) en la base cannica es el mismo vector.

2.3.2. Cambio de base. Base de autovectores

Consideremos que una transformacin viene representada en base cannica por la

x
matriz T. Esto significa que la imagen del vector x 1 , expresada en la base
x2
y
cannica, es el vector y 1 , tambin expresada en la base cannica, de manera que
y2
y Tx . O sea, esta ltima ecuacin se conoce como una transformacin lineal, o
funcin vectorial de variable vectorial tal que para todo x
punto y

mediante la funcin f x Tx .

obtenemos un nuevo

Cul ser la matriz T que representa la misma transformacin en la base {u, v}, es
decir, tal que y T x ?

u
Solucin: Sea la matriz de paso P 1
u2

v1
, cuyas columnas son las componentes
v2

u
de los vectores de la base {u, v}, y su inversa P 1
u2
-1

v1
. Entonces:
v2

15

a) Se tendr que y P1 y y que x P1 x .

b) Sustituyendo en y T x tendremos P1 y TP1 x .
c) Para despejar y multiplicamos a la izquierda por P, o sea, PP1 y PTP1 x . Por

tanto, y PTP1 x .
d) Se obtiene que T PTP1 y T P1TP lo que resuelve el problema.

1 3
Siguiendo con el ejemplo de la matriz A
al principio de esta seccin, se
1 1
2 0
obtena que P-1A P
. O sea, obtenemos como resultado de la multiplicacin
0 2
matricial una matriz diagonal que contiene los autovalores de A. Para esta matriz
diagonal, D, se cumple que T D y T A .
Hecho este necesario parntesis, se deduce que toda matriz de orden dos que tenga
dos autovalores reales distintos es diagonalizable, lo que quiere decir que la
transformacin que representa la matriz viene dada por una matriz diagonal cuando se
expresa en una base de autovectores.
La pregunta que debemos hacernos ahora es, y qu ventaja obtenemos de ello? Lo
veremos a continuacin.
2.4. Potencias de matrices diagonalizables
En nuestro contexto de aplicaciones a los modelos de dinmica econmica utilizamos la
diagonalizabilidad para el clculo de potencias de matrices. En efecto, si la matriz A es
diagonalizable (cosa que ocurrir cuando tenga dos autovalores reales distintos)
podremos construir una matriz de paso P de autovectores columna de manera que
P1AP D , siendo D la matriz diagonal de los autovalores.
Despejando la matriz A de la expresin anterior (multiplicando los dos miembros por P
a la izquierda y por P-1 a la derecha) tendremos:

P1AP D PP1APP1 PDP1 A PDP1 ya que PP1 P1P I .

Entonces:

A2 (PDP1 )(PDP1 ) P D2 P1 ,
A3 A2 A (PD2P1 )(PDP1 ) P D3 P1 ,
A4 A3 A (PD3P1 )(PDP1 ) P D4 P1 ,
...
En general:

At P Dt P1 El clculo de At queda reducido al clculo de Dt !!!

16

Por tanto, el clculo de la potencia t-sima de una matriz diagonal es inmediato ya que
por la definicin de producto de matrices dicha potencia ser tambin una matriz
diagonal apareciendo en dicha diagonal las potencias t-simas de los autovalores.
En resumen, cuando la matriz sea diagonalizable (o sea, dos autovalores reales
distintos):
t

1t
a11 a12

a21 a22
0

0 -1
P .
2t

1 3
Ejercicio 2.11: Calcular
.
1 1
Solucin: Aprovechando los resultados obtenidos a principios de la seccin 2.3 para la
t

1 3
1 3
t
-1
matriz
PD P . Por tanto,
, se verifica que
1 1
1 1
1 3 3 1 2

1 1 1 1 0
t

0 1/ 4 1/ 4

t
2 1/ 4 3 / 4

3 t 1
t
4 2 4 ( 2)

1 2t 1 ( 2)t

4
4

3 t 3

2 ( 2)t
4
4
.
1 t 3
t
2 ( 2)
4
4

En definitiva, se obtiene la potencia t-sima de la matriz del ejemplo de una manera muy
sencilla.
Y ahora qu?
Como ya se coment anteriormente, es una lstima que no toda matriz sea
diagonalizable. Esto significa que no tenemos todava resuelto el problema que
necesitamos resolver en las aplicaciones econmicas. Retomando dos ejemplos
numricos ya vistos de matrices no diagonalizables (ejercicio 2.9), veremos cmo
resultar posible calcular las potencias t-simas de matrices en los casos de autovalor
real doble o de autovalores complejo-conjugados. Sean los dos ejemplos siguientes ya
vistos anteriormente:

2 1
La matriz
tiene el autovalor doble 2 y no es diagonalizable por no ser
0 2
posible hallar una base de autovectores que la transforme en diagonal.
Prueba: A la hora de calcular los autovectores, resolveramos el sistema
u1
0 1 u1 0

u siendo los autovectores de la forma , u1 0 . Esto

0
0 0 2 0

17

significa que el nmero de autovectores LI al autovalor doble 2 es 1 (pero no 2).

1
Por ejemplo, el vector generara todos los autovectores, no siendo posible
0
obtener una base de autovectores de

(o sea, 2 autovectores LI).

1 1
La matriz
tampoco es diagonalizable por tener autovalores complejos,
1 1
cosa que ocurrir tambin en cualquier matriz de la misma clase.
Podemos asegurar que una matriz cuadrada de orden 2 es diagonalizable si y slo si
tiene autovalores reales distintos, pero Qu hacer en los otro casos?
Cmo calcular la potencia t de una matriz con autovalor doble, (a no ser que ella
misma sea diagonal)?
Cmo calcular la potencia t de una matriz con autovalores complejos?
Veremos cmo en ambos casos es posible construir matrices de paso, P, que permiten
relacionar la matriz dada A con una matriz no diagonal J cuya potencia t es fcil de
obtener, de manera que:

A PJP1

A t PJt P1 .

1
En el caso de autovalor doble , veremos que J
.
0
a b
Para autovalores complejo-conjugados, a bi , entonces J
.
b a
Las matrices J anteriores se llaman matrices cannicas y la solucin del problema que
necesitamos resolver pasa por encontrar bases en las cuales la transformacin
representada por una matriz no diagonalizable sea cannica.
Previamente a la obtencin de una matriz de paso, necesitamos resolver los dos
siguientes ejercicios.
Ejercicio 2.12: Calcular por recurrencia la potencia t-sima de la matriz cannica

1
J
. Obtener tambin
0

2 1

.
0 2

Solucin: Observa que J no es diagonalizable ya que tiene el autovalor doble (por ser

0 1
triangular) y el rango de la matriz ( J I) =
es igual a uno.
0 0
Para obtener Jt por recurrenciainduccin, calculamos las primeras potencias
sucesivas. Es decir,

18
2

2
1 1 1

Para t=2:

0 0 0 0
3

2
.
2

2
3
2
1 1 1 1 2 3

Para t=3:
.

2
3
0 0 0 0 0 0

3
1
1 1 1

Para t=4:

0 0 0

0
0

3 2 4
=
3 0

4 3

...
t

t
1

Por recurrencia, podemos conjeturar que

0 0
completara por induccin.
t

1
Supuesta la validez de

0 0
caso de t = t+1 (induccin completa):
1

t 1

t t 1
. La prueba formal se
t

t t 1
, hay que probar que se verifica para el
t

1 1 1 t

0 0 0 0

t 1
t t 1

t 0

t 1 .
t

t 1

Con lo que quedara formalmente probado que

t

t
1

t t 1

Aplicando el resultado anterior para la matriz numrica del ejercicio:

t

2 1 2t

0 2 0

t 2t 1
.
2t

Ejercicio 2.13: Apoyndote en la expresin trigonomtrica de los nmeros complejos,

a b
calcula la potencia t-sima de la matriz cannica J
. Aplica los resultados a
b a

1 1
1 1
las matrices
y
.
1 1
1 1
Solucin: Los autovalores de J son a bi . Sabemos que a bi estar
equivalentemente definido por su mdulo y su argumento , siendo a cos y
b s en . Grficamente:

19

Por tanto, a2 b2 y arctg

b
(Ojo!: En el primer cuadrante). Entonces,
a

a b cos sen
cos sen

.
b a sen cos
sen cos
Por tanto,
t

sen
a b
t cos

.
b a
sen cos
t

cos sen
Para calcular
se procede por recurrencia-induccin. Para t=2,
sen cos
2

cos sen cos2 sen2 2cos sen

2
2
sen cos 2cos sen cos sen

Sea el valor del coseno de la suma: cos(a b) cosa cosb sena senb . Para
a b , se obtiene:

cos2 sen2 cos 2 .

Sea el valor del seno de la suma: sen(a b) sen a cosb cos a sen b . Para
a b , se obtiene:

2sen cos sen 2 .

Entonces,
2

cos sen cos2 sen2

.
sen cos sen2 cos2

Para t=3,
3

cos sen cos 2 sen2 cos sen

sen cos sen2 cos 2 sen cos

cos 2 cos sen2sen cos 2sen sen2 cos

.
cos 2sen sen2 cos cos 2 cos sen2sen

20

Donde volveramos a utilizar las expresiones del seno y el coseno de la suma, pero ahora
con a 2 y b . En definitiva,
3

cos sen cos3 sen3

.
sen cos sen3 cos3
De manera que para t cualquiera:
t

cos sen cos t sent

.
sen cos sent cos t
Pudiendo completarse la prueba formal por induccin completa. En definitiva,
t

sent
a b
t cos t

.
b a
sent cos t

Para las matrices numricas propuestas en el enunciado del ejercicio:

t

1 1

1 1

cos 4 t sen 4 t
2
;
sen t cos t

4
4

1 1

1 1

cos 4 t sen 4 t
2
.
sen t cos t

4
4

2.5. Reduccin a forma cannica. Clculo de potencias de matrices no diagonalizables

2.5.1. Caso 1: Autovalor doble
t

a12
a11 a12
a
Considera ahora el problema general de calcular 11
donde A

a21 a22
a21 a22
tenga un autovalor doble (y no sea diagonal). Entonces, A no ser diagonalizable.
Las etapas son:

a) Pretendemos hallar una matriz de paso P que la reduzca a la forma cannica

1
1
J
. O sea, A P JP .
0

1
b) Ntese que ya sabemos calcular
segn el ejercicio 2.12.
0
t

1 1
1
t
c) En definitiva, hallar P tal que P A P
P .
, con lo que A P
0
0
1

Se puede probar que es posible construir una matriz de paso P aplicando las
siguientes reglas:

21

c1) Seleccionar un vector v cualquiera que NO sea autovector de A.

Nota: Para facilitar los clculos manuales se procurar elegir un vector sencillo. Por ejemplo,
puede ser (1 0 ), (0 1), (1 1), etc., siempre que estemos seguros que no sean autovectores.

c2) Calcular el vector u ( A I)v .

u v
escribiendo en columna los vectores u y v.
c3) Construir la matriz P =

c4) Calcular la inversa P-1 de P.
En definitiva,
t

t
a11 a12
a11 a12
1 1

P
P

P
.
Por
tanto,

0
a21 a 22
a21 a 22
0

t t 1 1
P
t

4 4
Ejercicio 2.14: Calcular
.
9 8
La ecuacin caracterstica

4 4
2 4 4 0 tiene el autovalor doble
9
8

2.
Para construir la segunda columna, v, de la matriz de paso P podemos elegir cualquier
vector que no sea autovector de la matriz. Utilizamos un vector sencillo, por ejemplo,
sea (1 0) y comprobamos que no es autovector.

4 4 1 4
4
1

2 .
9 8 0 9
9
0
1
En definitiva, elegimos el vector v .
0

4 2 4 1 6 4 1 6
Entonces, u

.
8 2 0 9 6 0 9
9
6 1
0 1/ 9
1
La matriz de paso sera P
, siendo P

9 0
1 2 / 3
Por tanto,

4 4 6 1 2t

9 8 9 0 0

t 2t 1 0 1/ 9 6t2t 1 2t

2t 1 2 / 3 9t 2t 1

4t 2t 1

2t 6t2t 1

22

2.5.2. Caso 2: Autovalores complejos

Sea ahora el problema general del clculo de la potencia t-sima de cualquier matriz
a12
a
cuadrada A 11
con autovalores complejo-conjugados a bi .
a21 a22
Se puede probar que si w w1 w 2i es un autovector (complejo) asociado al autovalor

a bi , se tiene que la matriz de paso es la siguiente:

Re(w) Im(w)
P
,


donde las columnas son la parte real y la parte imaginaria respectivamente de w.
Adems P tiene inversa P-1 y se verifica que:

a b
P1A P
.
b a
Observa que a y b son respectivamente las partes real e imaginaria de los autovalores
a bi de A. Entonces:
t

a11 a12
a b 1

P
P .
b a
a21 a 22
t

a b
Teniendo en cuenta que
ya fue calculada en el ejercicio 2.13, entonces:
b a
t

sent Re(w) Im(w)

a11 a12
t Re(w) Im(w) cos t

.
sent cos t


a21 a22

6 13
Ejercicio 2.15: Dada la matriz A
, se pide:
2 4
a) Comprobar que los autovalores son 1 i .

6 13
1 1
b) Obtener una matriz de paso P, y comprobar que P1
P
.
2 4
1 1
c) Calcular la potencia t-sima de la matriz A.

Solucin:
a) Los autovalores de A se obtienen aplicando la frmula del ejercicio 2.6.
b) Sea 1 i , entonces sustituyendo en ( A I) w 0 tenemos:

23

6 1 i
w1 0
13

2
4 1 i w 2 0

5 i 13 w1 0

.
2 5 i w 2 0

Obtenemos a partir de la expresin de arriba el siguiente sistema de ecuaciones:

5 i w1 13w 2 0

2w1 5 i w 2 0
5i
w 2 , w 2 . Ntese que si
2
sustituimos w1 de la anterior expresin en la primera ecuacin del sistema tenemos la
Si resolvemos en la segunda ecuacin: w1

identidad 0 = 0. La razn es que el sistema de arriba, como caba esperar, es compatible

indeterminado. En definitiva,
w 5 i 5 1
w 2 2 , w1 5 i w 2 1
i ;
w2 2 2 0
5
1
5 1
Re w ; Im w P Re w Im w
.
2
0
2 0

0 1/ 2
La matriz inversa de la matriz de paso es P1
. Se puede comprobar
1 5 / 2
6 13
1 1
finalmente que P1
P
.
2 4
1 1
c) Para el clculo de la potencia t-sima de la matriz A, calculamos primero la potencia
t-sima de la matriz cannica J:
a b 1 1
J

2 ; arctg 1 / 4.
b a 1 1

sent
a b
t cos t
Jt

b a
sent cos t

cos 4 t sen 4 t
2
.
sen t cos t

4
4

Finalmente,

A t PJt P1

cos t sen t
5 1
4
4 0 1/ 2 .
2

2 0 sen t cos t 1 5 / 2

4
4

24

2.6. Geometra de algunas transformaciones matriciales

Sea f : 2 2 una transformacin lineal representada por la matriz cuadrada T cuyo
determinante sea no nulo y, que por tanto, tiene inversa T1. O sea, f es una funcin
x
vectorial lineal de variable vectorial que a cada punto 1 asociar unvocamente otro
x2
y x t
t x
punto: 1 f 1 11 12 1 .
y 2 x 2 t 21 t 22 x 2
Es importante que observes que estas matrices tienen una interpretacin geomtrica
como transformaciones de puntos en el plano. Considera los siguientes ejemplos:

1 0
La matriz T
transforma cada punto del plano en su simtrico
0 1
y 1 0 x1 x1
respecto del eje vertical: 1
. Grficamente:

y
x
x
0
1
2 2
2

0
representan homotecias. O sea, expansiones
0

Las matrices del tipo T

cuando 1, o contracciones cuando 0 1. Grficamente:

0 1 1 0 0 1

combina (funcin compuesta) una

2 0 0 2 1 0
simetra respecto del eje horizontal y una duplicacin de la segunda

La matriz T

25

componente, en ese orden. Recuerda que el producto de matrices no es

conmutativo en general. Grficamente:

1 0

0 1

1 0

0 2

1 0

0 2

Cualquier matriz T, con determinante distinto de 0, representar una secuencia

de transformaciones geomtricas elementales (simetras, homotecias,
rotaciones, etc.).
x t
t x b
Las transformaciones afines f 1 11 12 1 1 aaden una
x 2 t 21 t 22 x 2 b2
b
traslacin de vector 1 a la representada por la matriz. Por ejemplo:
b2
1 0 x 2

0 2 y 1

Nos interesan especialmente las matrices de rotacin:

26

cos sen
a) La matriz
representa una rotacin de radianes en el
sen cos
sentido positivo convencional, opuesto al de giro de las agujas del reloj.
cos sen
b) La correspondiente matriz inversa
representa una rotacin
sen cos
de radianes en el sentido de giro de las agujas del reloj (sentido negativo
convencional).
cos t sent
cos t sent
c) Las matrices
y
representan t
sent cos t
sent cos t
rotaciones consecutivas de radianes en los sentidos opuesto al convencional
y convencional respectivamente.

sent
cos t sent
t cos t
d) Las matrices t
y
combinan las
sent cos t
sent cos t
rotaciones con acercamientos ( 0 1), o alejamientos ( 1 ) al origen. Los
sucesivos transformados de un punto a medida que avanza t, describiran
trayectorias espirales. En el caso 1 , obtendramos circunferencias. En
resumen:

27

3. AUTOVALORES Y AUTOVECTORES DE MATRICES CUADRADAS DE ORDEN n

Dada la matriz A cuadrada de orden n, se llama autovector de la misma a todo vector v

0 tal que Av v . El escalar se llama autovalor, y se dice que el autovector v est
asociado a l.
Que un vector v es autovector de la matriz A, significa que su transformado por A es un
mltiplo- del mismo (o sea, el vector v ) con el mismo sentido si 0 y con sentido
opuesto si 0 . Si 0 , los correspondientes autovectores cumpliran que Av 0
con v 0.
3.1. Clculo de autovalores y autovectores
La ecuacin matricial Av v es equivalente a ( A I)v 0 donde I es la matriz
unidad de orden n. La ecuacin matricial ( A I)v 0 representa un sistema
homogneo de n ecuaciones lineales con n incgnitas.
Recordars que los sistemas lineales homogneos son siempre compatibles, pero la
solucin trivial v=0 no sera (por definicin) autovector de A.
Recordars asimismo que para que el sistema homogneo ( A I)v 0 tenga
soluciones distintas de la trivial (es decir, autovectores de la matriz A), el sistema debe
ser compatible indeterminado.
Para ello (teorema de Rouch-Frobenius), el rango de la matriz del sistema (es decir, el
rango de ( A I) ) debe ser estrictamente menor que n (orden de la matriz) por lo que
el determinante de dicha matriz debe ser nulo, es decir: A I 0
Observa que A I 0 slo ser posible para determinados valores de (los
autovalores de la matriz), justamente aquellos que sean solucin de la ecuacin
A I 0 , que se llama ecuacin caracterstica de A. Ntese que A I 0 ser
una ecuacin polinmica de grado n, o sea, Pn () 0 .
Por el Teorema Fundamental del lgebra, la ecuacin Pn () 0 tendr exactamente
n soluciones (ceros) que, eso s, podrn ser reales y/o complejas, simples y/o mltiples.
Tales soluciones (reales y/o complejas, simples y/o mltiples) sern los autovalores de
A para las cuales tendr sentido hablar de autovectores asociados.
Calculados los autovalores de A, podremos hallar para cada uno de ellos los
autovectores v 0 asociados resolviendo el sistema Av v , o equivalentemente,
( A I)v 0 .
Dado un sistema indeterminado, ste podra ser simplemente indeterminado (las
soluciones sern mltiplos de un vector, o equivalentemente, dependientes de un
parmetro), doblemente indeterminado (las soluciones sern combinaciones lineales de

28

dos vectores linealmente independientes, lo que quiere decir que sern dependientes
de dos parmetros), triplemente indeterminado, etc.
3.2. Propiedades relevantes de los autovectores
Los autovalores y autovectores de una matriz verifican un conjunto de propiedades de
las cuales slo sealamos las que tienen aplicacin directa a nuestro contexto:
P1: Un autovector no puede estar asociado a dos autovalores distintos.
P2: Los autovectores asociados a autovalores distintos son linealmente independientes.

3.3. Diagonalizacin
Teorema: Una matriz cuadrada A de orden n es diagonalizable si y slo si es posible hallar
una base de autovectores (o sea, n autovectores linealmente independientes).
Se puede hallar entonces una matriz de paso P de autovectores columna, de manera
que,

En el caso de las matrices cuadradas de orden dos vimos que no eran diagonalizables
cuando tenan un autovalor doble o cuando los autovalores eran complejos.
Sin embargo, las matrices de orden n 3 pueden ser diagonalizables cuando tienen
autovalores reales dobles, triples o mltiples en general, siempre que para dichos
autovalores sea posible encontrar tantos autovectores linealmente independientes
como indique la multiplicidad del autovalor correspondiente.
El nmero de autovectores L.I. asociados a un autovalor mltiple est asociado al grado
de indeterminacin del sistema lineal homogneo ( A I)v 0 a partir del que se
obtienen. Por ejemplo, para un autovalor real mltiple r de multiplicidad r, el grado de
indeterminacin del sistema ( A r I)v 0 puede ser 1, 2, . . .,r.
La diagonalizabilidad de la matriz exigira que este grado de indeterminacin fuese
exactamente igual a r (para poder hallar r autovectores L.I.), lo que se traduce en la
condicin:
Rango ( A r I) n r

29

donde n es el orden de la matriz y r el orden de multiplicidad del autovalor. Sean los

siguientes casos:
1) Si la matriz tiene n autovalores reales distintos, la condicin anterior se cumple
trivialmente y la matriz ser diagonalizable.
2) Si la matriz tiene algn autovalor real mltiple, para ser diagonalizable debe
cumplir la condicin anterior para todos y cada uno de ellos. En otro caso no ser
diagonalizable.
3) Si la matriz tiene algn par de autovalores complejo-conjugados (simples o
mltiples) no ser diagonalizable.

2 0 3

Ejercicio 3.1: Sea la matriz A 0 1 0 , obtener A t .

1 0 2

Solucin: La matriz A tiene los autovalores 1 1 (doble) y 2 1 . La matriz de paso P

se obtiene a partir de las siguientes etapas a), b), c), y la matriz A t en la etapa d).

1 0 3

a) Para el autovalor doble 1 1 , el rango de la matriz 0 0 0 es igual a uno, por

1 0 3

lo que el sistema homogneo que da los autovectores asociados a este autovalor ser
doblemente indeterminado y la matriz ser diagonalizable.
1 0 3 u1 0

Resolviendo el sistema 0 0 0 u2 0 vemos que los autovectores son de la
1 0 3 u 0

3
3u1

forma u2 de manera que u1u2 0 . Entonces,

u
1

3u1
3
0

u2 u1 0 u2 1 .
u
1
0
1

y seleccionamos, por ejemplo, los autovectores LI del segundo miembro para construir
las dos primeras columnas de P.
b) Para la tercera columna de P seleccionamos cualquier

u1

autovector asociado a 2 1 . Como estos autovectores son del tipo 0

u
1
1

seleccionar 0 .
1

, podemos

30

3 0 1

c) En definitiva, P 0 1 0 y comprobamos que:

1 0 1

1 0 0 3 0 1

0 1 0 0 1 0
0 0 1 1 0 1

2 0 3 3 0 1

0 1 0 0 1 0
1 0 2 1 0 1

d) Sabemos que At P Dt P1 , entonces:

t

2 0 3 3 0 1 1 0
0

0
0 1 0 0 1 0 0 1
1 0 2 1 0 1 0 0 ( 1)

3 0 1

0 1 0
t
1 0 1

0 1 1

Ejercicio 3.2: Sea B 2 1 1 , Es B diagonalizable?

2 2 2

Solucin: Tiene los autovalores reales 1 1 y 2 2 (doble).

0 2 1
1 2 1 1

Como el rango de 2 1 2 1 2 1 1 es 2 3 2 , la matriz no es

2
2
2 2 2 2 0

diagonalizable.
2 0 0

Ejercicio 3.3: Sea C 0 1 1 , Es C diagonalizable?

0 1 1

Solucin: C no es diagonalizable pues tiene los autovalores complejo-conjugados

1 i .
Ejercicio 3.4: Teniendo en cuenta que se puede probar que las matrices simtricas
tienen siempre autovalores reales y son siempre diagonalizables, justificar el criterio de
los autovalores para el estudio del signo de las formas cuadrticas que se utiliz en la
asignatura de Matemticas II. Recuerda la siguiente propiedad.
Teorema: Las matrices simtricas son diagonalizables ortogonalmente, lo que quiere
decir que los autovectores son ortogonales. Si normalizamos los autovectores
(dividindolos por la norma) se obtienen matrices de paso P ortonormales. Adems, la
inversa de P es igual a la traspuesta, o sea, P.

31

3.4. Clculo de potencias de matrices de orden 3 no diagonalizables

La solucin, como en el caso de las matrices de orden dos, pasa por realizar un cambio
de base que transforme la matriz en otra (cannica) cuya potencia t-sima sea fcil de
calcular. Como ejemplo, vamos a considerar la casustica para las matrices de orden 3:

a11 a12

A a 21 a 22
a
31 a32

a13

a 23 .
a 33

Pueden ocurrir los siguientes casos:

Caso 1: La matriz A tiene tres autovalores reales distintos, entonces es diagonalizable.
Caso 2: La matriz A tiene dos autovalores reales distintos: 1 (simple) y 2 (doble).
Caso 2.1: Que sea diagonalizable (si rango ( 2I) 1 ).
Aqu, el clculo de P es similar al del ejercicio 3.1
Caso 2.2: Que no sea diagonalizable (si rango ( 2I) 2 ).
En este ltimo caso: P / P 0 de manera que se obtiene la expresin cannica
de Jordan J de la matriz:

1 0

0 2
0 0

1t
0

1 P1AP A t P 0
0
2

0
2t
0

t 2 t 1 P 1 .
2 t

Aqu, el procedimiento para calcular aquellos vectores columnas de P

relacionados con el autovalor doble 2 es similar al de la seccin 2.5.1 (vase

u1 u2 u3
tambin 2.14). O sea, P= es:

Primera columna u1 : Un autovector asociado al autovalor simple 1 .

Tercera columna u3 : Un vector que no sea autovector asociado al autovalor 2 .
Segunda columna u 2 : Finalmente, u2 ( A 2I)u3 .

32

Caso 3: La matriz A tiene un autovalor real triple (y no es diagonal).

Caso 3.1: Si rango ( 2I) 1 , entonces se sigue un proceso similar al del caso
2.2 para hallar una matriz de paso que transforme la matriz en la forma de
Jordan:
t

Jt 0
0

1 0

J 0 0
0 0

t t 1 0

t
0 A t PJt P 1 .
0
t

Caso 3.2: Si rango ( 2I) 2 , entonces P / P 0 siendo la forma cannica

de Jordan:
1 0

J 0 1
0 0

Jt 0
0

t t 1 t t 2

t
t t 1 A t PJt P 1 .
0
t

Caso 4: Un autovalor real y dos autovalores complejo-conjugados a bi , entonces

P / P 0 tal que la forma cannica de Jordan es:
t
0 0

J 0 a b Jt 0
0 b a
0

0
0

t
cos t s en t A t PJt P1 .
t s en t t cos t
t

Ejercicio 3.5: Obtencin de la potencia t para cada una de la matrices de Jordan J

correspondientes a los casos 2.2, 3.1 y 3.2. Aplicar el mtodo de recurrencia-induccin.
NOTA: En los ejercicios veremos algunos ejemplos de matrices cuadradas de orden n=3
Para el clculo de potencias de matrices se dar la matriz de paso P.

2 0 0

Ejercicio 3.6: Sea A 0 1 1 , obtener A t .

0 1 1

Solucin: La matriz A es una matriz cannica, en concreto, es similar a la matriz J del

caso 4. Los valores propios de A son 2 y 1 i . Por tanto, A t se obtiene como:
2 0 0

0 1 1
0 1 1

2t

t
.
2 sin t
4
t

2 cos t
4

2 cos 4 t

2 sin t
4
t

33

Ejercicio 3.7: Sea B 2

2

Obtener la expresin de B t

1 1

1 1 , calcular los valores propios. Es B diagonalizable?.

2 2
en funcin de la matriz de paso P.

Solucin: La matriz B (vase ejercicio 3.2) tiene los autovalores 1 1 y 2 2 (doble).

El rango (B 2I) 2 , por tanto B no es diagonalizable. Esto significa que B PJ P1
donde la expresin de J puede verse en caso 2.2. En definitiva,
1 0 0

J 0 2 1
0 0 2

( 1)t

Bt PJt P1 P 0
0

0
2t
0

t2t 1 P1 .
2t

1 2 1

Ejercicio 3.8: Sea C 1 1 2 , calcular los valores propios. Es C diagonalizable?.

0 0 3

Obtener la expresin de Ct en funcin de la matriz de paso P.

Solucin: La matriz C tiene los autovalores 3 y 0 i . Por tanto, C no es diagonalizable.
Esto significa que C t PJt P 1 donde la expresin de J puede verse en el caso 4. En
definitiva,

3
0
0
3 0 0

J 0 0 1 0 cos
s en
2
2
0 1 0

0 s en
cos

2
2

3t

t
C P 0

1
cos t s en t P .
2
2

s en t cos t
2
2
0

4. MATRICES ESTOCSTICAS
Sea A una matriz real cuadrada de orden n. Se dir que A es estocstica si se verifica
que:
1) aij 0 i, j
n

2)

a
i1

ij

(elementos no negativos).

1 para j = 1, 2, . . . ,n

(o bien,

a
j1

ij

1 para i = 1, 2, . . n ).

La condicin 2 significa que la suma de los elementos de cada columna (fila) = 1.

34

Ejemplo 4.1: Son estocsticas las siguientes matrices?

1/ 3 0

,
2 / 3 1

1/ 3 1/ 2 1

1/ 3 0 0 ,
1/ 3 1/ 2 0

1/ 3 1/ 3 1/ 3

1/ 2 0 1/ 2 ,
1
0
0

4 /15 9 /15 2 /15

3 /15 5 /15 7 /15 .

8 /15 1/15 6 /15

Solucin: Todas las matrices anteriores son estocsticas. Las dos primeras son matrices
estocsticas-columna (la suma de los elementos de cada columna es igual a uno). La
tercera matriz (que es la traspuesta de la segunda) es estocstica-fila (la suma de los
elementos de cada fila es igual a uno). La cuarta matriz es estocstica-fila y estocsticacolumna, por lo que se dice que es doblemente estocstica.
Como caso particular, podemos hablar de vectores estocsticos. Vectores de
componentes no negativas cuya suma es igual a uno. Los vectores podrn expresarse
indistintamente como vectores-fila o como vectores-columna.

1/ 2
Los vectores
, 1/ 3 2/ 3 , 0.2 0 0.5 0.3 ,
1/ 2

0
son ejemplos de vectores
1
0

estocsticos.
En definitiva, una matriz estocstica ser una matriz cuyas filas y/o columnas son
vectores estocsticos.
Observa que dado cualquier vector no negativo de n es posible normalizarlo a la suma
dividiendo las componentes por la suma de ellas. Por ejemplo, sea el vector a b c

a,b,c , entonces el vector anterior normalizado a la suma es

a
b
c

a b c a b c a b c . Las componentes de un vector estocstico pueden

interpretarse como las probabilidades de los elementos de un conjunto finito y

exhaustivo de estados del mundo independientes, y el vector en s como un vector de
distribucin de probabilidades. En tal caso, Cmo se interpretan los elementos de una
matriz estocstica? La respuesta se dar en el tema de cadenas de Markov en tiempo
discreto.
4.1. Propiedades
P1. Si A y B son estocsticas de orden n A B es estocstica.
P2. Si A es estocstica Ak (k = 1, 2, 3, . . .) es estocstica.
P3. Si A es estocstica Todos los autovalores i de A cumplen que i 1 (mdulo).
P4. Si A es estocstica 1 es autovalor de A.

35

4.2. Matrices estocsticas regulares

Una matriz estocstica A se dice que es regular si k / Ak 0 (todos los elementos
de Ak son estrictamente positivos).

Ejemplo 1:
2

0 1/ 2 0 1/ 2 0 1/ 2 1/ 2 1/ 4
0 1/ 2
La matriz

.
es regular
1 1/ 2
1 1/ 2 1 1/ 2 1 1/ 2 1/ 2 3 / 4

Ejemplo 2:

1 1/ 2
La matriz
no es regular. Comprobamos que:
0 1/ 2
2

1 1/ 2 1 1/ 2 1 1/ 2 1 3 / 4

,
0 1/ 2 0 1/ 2 0 1/ 2 0 1/ 4
3

1 1/ 2 1 3 / 4 1 1/ 2 1 7 / 8

,
0 1/ 2 0 1/ 4 0 1/ 2 0 1/ 8
Ntese que en las sucesivas potencias, el elemento de la matriz que ocupa la posicin
(fila 2, columna 1) siempre ser un 0. Observa que ello se tendr cuando la matriz tenga
un 1 en la diagonal principal.

Teorema (punto fijo): Sea una matriz estocstica A regular. Entonces, k 0 / k k 0

todas las columnas de la matriz Ak son iguales a un vector u (punto fijo). El vector u es
autovector de A asociado al autovalor 1, es decir, Au u. En definitiva,

Lm A
k

Este resultado del lmite es extraordinariamente til en la prctica.

36

Ejercicio 4.1: Calcular los autovalores de las siguientes matrices estocsticas y

comprobar que se verifican las propiedades P3 y P4.

1/ 3 0
A
,
2 / 3 1

1/ 3 1/ 2 1

B 1/ 3 0 0 .
1/ 3 1/ 2 0

Solucin:
1) Puesto que la matriz A es triangular, los autovalores son los elementos de la diagonal
principal: 1 y 1/ 3 1, por lo que verifica las propiedades P3 y P4.
2) Planteamos y resolvemos la ecuacin caracterstica de la matriz B.

(1/ 3) 1/ 2 1
1/ 3
0 3 (1/ 3) 2 (1/ 2) 1/ 6 0 .
1/ 3
1/ 2
Si dividimos por 1 (Ruffini), el cociente es 2 (2 / 3) 1/ 6 . Las soluciones de la
ecuacin 2 (2 / 3) 1/ 6 0 son

1
2

i.
3 6

6
1 , por tanto se
6
verifica P3. Se verifica tambin P4, pues 1 es un autovalor de B.

El mdulo de los autovalores complejos es

( 1/ 3)2 ( 2 / 6)2

Ejercicio 4.2: Estudiar si las matrices estocsticas A, B (ver ejercicio 4.1) y C son o no
regulares.

1/ 3 1/ 2 1

B 1/ 3 0 0 ,
1/ 3 1/ 2 0

1/ 3 0
A
,
2 / 3 1

0 1/ 3
C
.
1 2 / 3

Solucin:
2

1/ 3 0 1/ 3 0 1/ 3 0 1/ 9 0
1) A

, . . .
2 / 3 1 2 / 3 1 2 / 3 1 8 / 9 1
2

0
Se cumple que en las sucesivas potencias la segunda columna ser siempre , y por
1
tanto, la matriz A no ser regular.
2

1/ 3 1/ 2 1 11/ 18 2 / 3 1/ 3

2
2) B 1/ 3 0 0 1/ 9 1/ 6 1/ 3 , por tanto B es regular.
1/ 3 1/ 2 0 5 / 18 1/ 6 1/ 3

37

3) La matriz C (permutacin de las columnas de A) es regular.

2

0 1/ 3 0 1/ 3 0 1/ 3 1/ 3 2 / 9
Se cumple que C

.
1 2 / 3 1 2 / 3 1 2 / 3 2 / 3 7 / 9
2

p 1 q
Ejercicio 4.3: Calcular los autovalores de la matriz T
con 0 p 1 y
q
1 p
0 q 1.
Solucin: La ecuacin caracterstica es 2 tr(T) T 0 (vase ejercicio 2.6). Al ser
T una matriz estocstica, sabemos por P4 que un valor propio ser 1, y aplicando P3 el
otro valor propio tendr un mdulo inferior o igual a 1. Estos resultados nos dan una
idea si al calcular lar races (autovalores) de la ecuacin de segundo grado de arriba
estamos cometiendo un error o no. En definitiva, los autovalores se obtienen como:
tr 2 (T ) 4 T p q
tr(T )

2
2
2

p q

4 pq (1 p)(1 q)
2

Finalmente, operando, se obtiene que 1 1 y 2 p q 1 . Se cumple 2 1.

NOTA: Obsrvese que en el ejercicio 4.3 no estamos considerando el caso general de

0 p 1 y

0 q 1. Ms adelante, en el tema sobre cadenas de Markov en tiempo discreto analizaremos con ms

detalle la matriz T del ejercicio 4.3 incluyendo, por supuesto, el caso de los valores extremos de p y q.