Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autovalores PDF
Autovalores PDF
Diagonalizacin.
Aplicaciones empleando sistemas de clculo
simblico
INDICE
1. Introduccin..................................................................................................3
2. Autovalores....................................................................................................5
2.1. Autovalores asociados a una T.L........................................................5
2.2. Autovalor asociado a una matriz.........................................................6
2.3. Clculo de autovalores y autovectores...............................................8
2.4. Autovalores de matrices semejantes.................................................21
3. Diagonalizacin............................................................................................22
3.1. Diagonalizacin ortogonal de matrices simtricas...........................30
3.2. Potencias de matrices diagonales......................................................34
3.3. Diagonalizacin de T.L.........................................................................37
4. Aplicaciones.................................................................................................39
1.INTRODUCCIN
El nombre original de los autovalores fue el de eigenvalores, donde eigen en
alemn significa propio. Recin en 1840, despus de ms de un siglo de uso, el
matemtico francs Augustin-Louis (1789-1857), barn de Cauchy utiliza por
primera vez el nombre de valores propios quedando con el tiempo simplemente
Autovalores.
Los autovalores se emplean en diversas reas de la matemtica, en la resolucin
de problemas hidrodinmicos, mecnicos, fsicos de ingeniera elctrica y nuclear,
etc.
Aparentemente, los autovalores tuvieron su origen en el estudio de las formas
cudricas y en el desarrollo de la mecnica celeste.
Se han encontrado manuscritos en donde el matemtico suizo Leonhard Euler
(1707-1783), aproximadamente en 1740 los usaba en forma implcita para
describir geomtricamente las formas cuadrticas en tres variables que
responden a la forma F(x ; y ; z) = a x2 + b y2 + c z2 + d xy + e xz + f yz.
En 1743, Euler introdujo por primera vez el mtodo estndar de resolucin de
una ecuacin diferencial de orden n con coeficientes constantes:
y
(n)
Veinte aos ms tarde el matemtico francs Joseph-Louis de Lagrange (17361813), dio una versin ms explcita
diferenciales
que
representaban
los
movimientos
planetarios
3
INDICE
2. AUTOVALORES ( 1 )
2.1. Autovalores asociados a una transformacin lineal
Dado el Espacio Vectorial ( V ; + ; R ; . ) y el operador lineal T : V V , en
algunas ocasiones interesa encontrar un vector no nulo x tal que T(x) y el
vector x mantengan la misma direccin, por lo tanto debe existir un nmero real
tal que : T(x) = .x.
Definicin 1:
(3)
asociado a la T.L.( 4 ) T, si
Definicin 2:
INDICE
(1)
Se lleva a cabo el estudio de los autovalores en el campo de los nmeros reales, siendo
extensivas las definiciones al campo complejo. No obstante, se desarrollan aplicaciones en el
conjunto C.
(2 )
E.V. indica Espacio Vectorial.
(3)
El escalar suele ser llamado tambin valor caracterstico, eigenvalor o raices latentes.
(4)
T.L.. indica Transformacin Lineal.
(5)
El vector x se suele denominar tambin vector caracterstico o eigenvector
Ir Diagonalizacin de T.L.
Ejemplo 1:
Ir a Definicin 7
2 2
es fcil comprobar que los vectores u = (2 ; 1) y
Dada la matriz A =
2 1
= -2.
En efecto:
2
A.u =
2
2 2 6
2
. = = 3. = 3. u
1 1 3
1
y,
2 2 1 2
1
. = = 2. = 2. v
A.v =
2 1 2 4
2
e je y
2
A.v = -2.v
A.u = 3.u
-1
e je x
y = 1/2 x
-2
-3
-4
-5
-2
y = -2 x
-1
INDICE
A.x = .x
se obtiene un sistema
homogneo. En efecto:
A.x = .x
A.x + (- .x ) = 0
(A - . ).x = 0
La ecuacin
| A - . | = 0
Definicin 6:
De la Definicin 6
Ejemplo 2:
2
-1
La matriz A =
0
0
1
0
0
0
0
2
0
- 1
0
es de orden 4 y posee 2 autovalores distintos.
0
En efecto:
9
-1
0
0 0
1 0
0 2
0 0
- 1
1
0
0
.
0
0
0
2
2- 0
0
-1
0 0 0
- 1 1-
0
0
1 0 0
=
=0
0
0 2-
0
0 1 0
0
0
0
2-
0 0 1
10
Teorema 1:
Demostracin:
Si A.x = .x , y como (A - . ). x = 0 , el vector x pertenece al ncleo de la matriz
es un
subespacio de Rn .
11
Definicin 7:
R3 :
si > 1 , el vector x sufre una dilatacin o desplazamiento. (Ver Ejemplo 1)
si 0 < < 1, el vector x sufre una contraccin.
si < 0 , el vector x sufre una inversin en el sentido, pero mantiene la
direccin. ( Ver Ejemplo 1).
Ejemplo 3:
0 - 1
Dada la matriz A = 0 1 se verifica que = 21 y = 0 son los autovalores
correspondiente al par
12
-1
1 0
.
1
0
0 1
2
0
0
1
1 = 0
2
-1 x
1 . = 0
2
y
- .x - y = 0
o bien 1
( 2 ).y = 0
Si = 0:
- y = 0
1 .y = 0
2
Luego y = 0, x R S = 0 = gen{(1;0)}
Si = 1:
2
- 1 x y = 0
2
0.y = 0
Luego y = - 21 x S
= 1
= gen (1; - 1 )
2
-1
1.
2
1 21 1
1 = 1 = .
- - 2
2 4
1 1
1 = .x
- 2
2
>> [x,y]=meshgrid(-0.5:0.1:0.5,-1:0.1:0.5);
>> t=-0.5:0.1:1;
>> x=2*t;
>> y=-1*t;
13
>> plot(x,y),grid
0.5
x
1/2 x
x
-0.5
-1
-1
-0.5
0.5
1.5
Teorema 2:
independientes.
Demostracin:
14
Entonces:
x j - .xk = 0 (1)
A . (x j - .xk ) = 0
A . x j - .A xk = 0
como A . xi = i . x i , reemplazando:
j . x j - . k . x k = 0 (2)
j . x j - . j .xk = 0 (3)
- . k . x k + . j .xk = 0
. ( j k ).x k = 0
Como el vector x k no es nulo y el escalar no es nulo, resulta :
j k = 0 j = k
Con lo cual queda probado el teorema contrarrecproco.
Ejercicio 1:
1 2 0
15
Ejemplo 4:
3
A . = 0 0 2 0 . 0 1 0 = 0
2
0 = (3 ).(2 )2 = 0
0 0 2
0 0 1
0
0
2
Las races del polinomio caracterstico son 2 (raz doble) y 3 (raz simple), por lo
tanto los dos autovalores son =2 (multiplicidad algebraica doble) y =3
(multiplicidad algebraica simple).
Para cada uno de los autovalores hallados se obtiene el correspondiente
subespacio caracterstico al resolver el sistema matricial: (A - . ).x = 0.
El sistema queda de la forma :
2
1 x 0
3
2
0 . y = 0 o bien
0
0
0
2 z 0
(3 )x + 2y + z = 0
(2 )y = 0
(2 )z = 0
Si = 2:
(6)
16
x + 2y + z = 0
0 .y = 0
0.z = 0
Si = 3
0.x + 2y + z = 0
y=0
-z =0
La T.L. dada tiene asociados dos autovalores distintos y tres autovectores que
resultan L.I.. En efecto, si se calcula el determinante formado por ellos, el
resultado es no nulo.
>> T=[1,0,0;-1,0,1;-2,1,0];
>> det(T)
ans =
-1
Una conclusin interesante es que, los tres autovectores asociados a la T. L. por
3
Ejemplo 5:
3
Sea la matriz A = 3
2
4 2
17
18
Ejemplo 6:
3 2
. Se pueden hallar
Sea una T.L. T: R2 R2 cuya matriz asociada es A =
1 4
los autovalores, sus respectivos subespacios caractersticos e interpretar
geomtricamente el efecto de la T.L. dada.
>> A=[3,2;1,4];
>> eig(A)
ans =
2
5
Para
hallar
los
autovectores
[Q,D]=eigensys(A);Q=Q
asociados
se
hace
uso
del
comando
19
Por lo tanto, el efecto de la transformacin lineal T(x) = A.x en esas dos rectas es
que cualquier vector u incluido en la recta de ecuacin y = -0,5 x sufre una
dilatacin de factor 2 y, cualquier vector v incluido en la recta y = x sufre una
dilatacin de factor 5.
>> [x,y]=meshgrid(-0.5:0.1:3,-2:0.1:4);
>> t=(-1:0.1:3);
>> x1=1*t;
>> y1=-0.5*t;
>> x2=1*t;
>> y2=1*t;
>> plot(x1,y1,x2,y2),grid
3
y
2.5
5v
2
1.5
1
0.5
v
0
-0.5
2.u
-1
-1.5
-1
Teorema 3:
-0.5
0.5
1.5
2.5
Ir a Teorema 12
20
Ejercicio 2:
Demostrar el Teorema 3. Se sugiere utilizar el mtodo del contrarrecproco.
INDICE
Demostracin:
Suponiendo que A y B son matrices semejante y i es un autovalor de A ; como
| A - i. | = 0 y A = Q-1 . B . Q
-1
resulta:
-1
-1
0 = | A - i. | = | Q . B . Q - i. | = | Q . B . Q - i. Q . .Q | =
-1
-1
-1
= | Q |. |Q|. | B - i . | .
Entonces | B - i . | = 0.
Luego i es un autovalor de B .
De forma anloga se puede demostrar que todo autovalor de B, lo es tambin de
A.
(7)
Dos matrices cuadradas A y B resultan semejantes si existe la matriz Q regular tal que
A = Q-1. B. Q.
21
Teorema 5:
-1
Demostracin:
Sea ( i ; x)
definicin de autovalor:
A.x= i.x
(Q-1 . B . Q) . x = i . x
Q . [(Q-1 . B . Q) .x] = Q . ( i . x )
como A = Q-1 . B . Q
multiplicando ambos miembros por Q:
por lgebra de matrices:
(Q . Q-1) . B . (Q . x) = Q . ( i . x )
B . (Q . x) = i (Q . x )
Luego Q . x resulta autovector de la matriz B asociado a i .
Consecuencias:
1) Las matrices semejantes tienen el mismo polinomio caracterstico; el recproco
no es vlido.
El punto 1) puede enunciarse: Los coeficientes de la ecuacin caracterstica son
los mismos para todas las matrices semejantes ; es por este motivo que se los
llama invariantes en las transformaciones de semejanza.
3. DIAGONALIZACIN
De acuerdo a los Teoremas 4 y 5 resulta interesante a efectos prcticos -,
poder responder la siguiente pregunta:
22
(8)
, Q es
ortogonal ( Q-1 = Q ).
La matriz Q se forma con los autovectores normalizados ( 9 ) de A.
Definicin 8:
Ir a Teorema 12
(8)
r r
resultan
Son vectores de norma o mdulo uno. El proceso que permite normalizar un vector es
multiplicndolo por el recproco de su norma.
23
Teorema 6:
Ir a Diagonalizacin de T.L.
Demostracin:
Si A tiene n autovectores vi L.I., entonces Q posee n columnas L.I.
correspondientes a los autovalores 1; 2;...; n no necesariamente distintos. En
tal sentido Q es invertible.
Por otro lado A.Q = A .(v1 v2 ...vn), efectuando el producto se observa que la
columna i es de la forma A.vi = i .vi .
1 0
0 2
Pero Q.D= (v1 v2 ...vn).
... ...
0 0
... 0
donde la columna i del producto es de la
... 0
... n
...
forma i .vi , con lo cual resulta A.Q = Q.D. Por ser Q invertible, se puede premultiplicar ambos miembros de la igualdad por Q-1, con lo cual queda:
D = Q-1.A.Q.
Por lo tanto: si A posee n autovalores L.I. es diagonalizable.
Recprocamente, si A es diagonalizable, entonces existe Q regular de orden n tal
que D = Q-1.A.Q.
Sean vi las columnas de Q. Adems Q invertible, sus columnas deben ser
necesariamente L.I.; ellas son los autovectores de A
Por lo tanto: si A es diagonalizable, entonces posee n autovectores. L.I.
Corolario
Si A es una matriz cuadrada de orden n y tiene n autovalores distintos, entonces
A es diagonalizable.
24
Teorema 7:
Ir a Diagonalizacin de T.L.
Demostracin:
De acuerdo al Teorema 6 para que A- de orden n-, resulte diagonalizable, debe
poseer n autovectores L.I.. Por lo tanto, de acuerdo a la definicin de base, esos
Ejemplo 7:
5 -2 0
- 2 2 0
Sea la matriz A =
0 0 5
0 0 -2
0
diagonalizable, se calcula la matriz Q que
-2
- 2
25
6
6
1
1
De acuerdo a los resultados obtenidos los autovalores asociados a A son = 6 y
=1 (en ambos casos resultan races dobles de la ecuacin caracterstica).
La ecuacin caracterstica es:
>> poly(A)
ans =
1 -14
61 -84
36
p( ) = - 14 3 + 61 2 84 +36 = 0 .
Se procede a calcular los autovectores asociados a los autovalores hallados.
>> [Q,D]=eigensys(A);Q=Q
Q=
[
1,
0,
0,
-2]
2,
0,
0,
1]
0,
1,
1,
0]
0,
7/4-1/4*65^(1/2),
7/4+1/4*65^(1/2),
0]
26
-0.2567 -0.9665
-0.4472 -0.8944
0
-0.8944
0.4472
-0.9665
0
0.2567
0
>> invQ*A*Q
ans =
6.0000
6.0000
0.0000
1.0000
0.0000
1.0000
27
Ejemplo 8:
0 0
2
0 2 0
Dada la matriz A =
0
0 3
0 1
0
0
0
diagonalizable.
>> A=[-2,0,0,0;0,-2,0,0;0,0,3,0;0,0,1,3];
>> eigs(A)
ans =
3
3
-2
-2
Los autovalores asociados a A son = 3 y =-2 (en ambos casos resultan de
multiplicidad aritmtica doble).
La matriz Q en cuyas columnas deben figurar los autovectores asociados a los
autovalores obtenidos es ( 10 ):
>> [Q,D]=eig(A);Q=Q
Q=
(10)
1.0000
1.0000
0.0000
1.0000 -1.0000
>> [Q,D]=eigensys(A);Q=Q
28
Ejemplo 9:
Se puede probar que si A y B son semejantes, entonces A = Q.B.Q-1 .
Si A y B son semejantes, entonces existe Q regular tal que:
B = Q-1.A.Q
pre-multiplicando por Q:
Q.B = Q. Q-1.A.Q
Q.B = A.Q
Q. B.Q-1 = A.Q.Q-1
Q. B.Q-1 = A
INDICE
29
Teorema 8 (13):
Teorema 9:
Si A es una matriz simtrica real, a dos autovalores distintos corresponden
autovectores reales distintos.
Demostracin:
Sean 1 y 2 dos autovalores distintos asociados a los autovectores x1 y x2
(A . x1) .x2 = ( 1. x1) .x2 = 1 .(x1 .x2) (1).
Por otro lado por ser A simtrica:
(A . x1) .x2 = x1 .(At.x2) = x1 .(A.x2) = x1 .( 2 .x2)= 2 (x1 . x2) (2).
Igualando (1) con (2):
1.(x1 .x2) = 2.(x1 . x2). Como por hiptesis los autovalores son distintos, para
que la igualdad se verifique es necesario que x1 . x2 = 0, por lo tanto los
autovectores resultan ortogonales.
(11)
1)
x, y = y, x x, y V
2)
3)
4)
5)
, : Vn
R tal que:
x + y, z = x, z + y, z x, y, z V .
.x, y = . x, y x, y V; R.
x, x 0 x V.
x, x = 0 x = 0
t
30
Teorema 10:
Si A es una matriz simtrica de orden n, entonces tiene n autovectores reales
ortonormales.
Demostracin:
Por los Teoremas 6 y 8 y teniendo presente que el teorema 9 mantiene la validez
si los autovectores estn normalizados, la matriz A tiene una matriz semejante Q
cuyas columnas son los autovectores normalizados L.I.
asociados a A, que
Definicin 9:
Teorema 11:
Una matriz cuadrada A real de orden n, es diagonalizable ortogonalmente si y
slo si A es simtrica.
(14)
31
Demostracin:
Si A es simtrica, de acuerdo a los Teoremas 8 y 9, es diagonalizable
ortogonalmente a travs de una matriz Q cuyas columnas son los autovectores
normalizados.
Recprocamente, si A es diagonalizable ortogonalmente, entonces existe una
t
t t
t t
Ejemplo 10:
10 4
0 43
3
3
4 3 5 3 0 13
Dada la matriz A =
, se hallan los autovalores, la matriz Q
0
0
2
0
4
1
0 5 3
3
3
que diagonaliza a A y se prueba que Q es ortogonal.
>> A=[10/3,-4/3,0,-4/3;-4/3,-5/3,0,1/3;0,0,-2,0;-4/3,1/3,0,-5/3];
Los autovalores son:
>> eigs(A)
ans =
4.0000
-2.0000
-2.0000
-2.0000
La matriz Q es:
>> [Q,D]=eig(A);Q=Q
32
Q=
0.2353 -0.2287
0.0588 -0.9428
0.9412
0.0572
0.2353
0.2357
-0.2425
0.9701
0.2357
-0.9718
-0.2287
0.0572
0.0000 -0.9718
0.0588
0.2353
0.9701
0.0000
-0.9428
0.2357
0.0000
0.2357
>> trasQ=Q'
trasQ =
0.2353
0.9412 -0.2425
-0.2287
0.0572
-0.9718
0.0588
0.2353
0.9701
-0.9428
0.2357
0.2357
t
33
Teorema 12:
n
Demostracin:
De acuerdo a la Definicin 8, existe una matriz P regular tal que A = P.D.P-1 por
P
n-1
n-1
n-1
.P.D A .P.D-1 = A
A .P = A
quedando:
n-2
.P A .P.D-1 = A
n-2
A .P.D-1 = A
n-2
.(P.D) A .P.D-2 = A
-(n-1)
n-1)
= P.D A .P = P.D. D (
A .P = P.D
Ejemplo11:
1
4
3
2
n
Se puede hallar la frmula de A siendo A =
2
1
2 1
0
1
0
1
.
2 3
0
5
34
0,
0, 1/2]
[ -1/2, 1/2,
0,
0]
[ 1/2, -1/2,
1,
1]
0, 1/2]
0, -1/2,
>> [Q,D]=eigensys(A);D=D
D=
[ 4, 0, 0, 0]
[ 0, 6, 0, 0]
[ 0, 0, 2, 0]
[ 0, 0, 0, 2]
35
A = Q.D .Q-1
A =
[ 1, -1,
[ 1, 1,
[ -1, 0,
[ 1, 1,
[ 4, 0, 0, 0] n
[ 0, 6, 0, 0]
[ 0, 0, 2, 0]
[ 0, 0, 0, 2]
0, -1]
0, -1]
1, -1]
0, 1]
[ 1/2,
0,
[ -1/2, 1/2,
[ 1/2, -1/2,
[ 0, -1/2,
0, 1/2]
0, 0]
1, 1]
0, 1/2]
0,
1/2*4^n-1/2*2^n]
[ 1/2*4^n-1/2*6^n,
1/2*6^n+1/2*2^n,
0,
1/2*4^n-1/2*2^n]
0,
2^n,
-1/2*4^n+1/2*2^n]
1/2*6^n-1/2*2^n,
0,
1/2*4^n+1/2*2^n]
[ -1/2*4^n+1/2*2^n,
[ 1/2*4^n-1/2*6^n,
n
4n + 6n
4n 6n
n
2
A =
n
4
+ 2n
2
4n 6n
6n + 2n
2
6n + 2n
2
0
0
2n
6n 2n
2
4n 2n
2
4n 2n
2
4n + 2n
2
4n + 2n
INDICE
36
de A, es diagonal.
De lo expuesto anteriormente se deduce:
Ejemplo 12:
Sea la T.L. T:
d
: P3 P3 respecto de la base B = { 1, 2x, - x2}. Se puede
dx
determinar si T es diagonalizable.
La matriz A asociada a T respecto de la base B es :
37
1
0
0
A = T 0 T 2 T 0
0
1
0
T(1)
=0
T(2x)
= 2
Luego A = 0 0 2
0 0
0
La matriz Q es:
>> [Q,D]=eig(A);Q=Q
Q=
1.0000 -1.0000 -1.0000
0
0.0000
0.0000
Ejemplo 13:
Sea T: P1 P1 tal que T( a+bx) = b+ax si T es diagonalizable, se puede hallar
una base B de P1 que diagonalice a T. P1 indica el subespacio vectorial de los
polinomios de grado igual o menor a uno, incluido el polinomio nulo.
38
0 1
pues:
La matriz A respecto de la base estndar {1, x} es A = (T(1) T(x)) =
1 0
T(1) = T(1+0 .x) = 0+1.x = x = 0.1 +1.x
T( x) = T(0+1.x) =1+0.x = 1 = 1.1+0.x
La matriz A es diagonalizable pues:
>> A=[0,1;1,0];
>>[Q,D]=eigensys(A)
Q=
[ 1, -1]
[ 1, 1]
D=
[ 1, 0]
[ 0, -1]
Como los autovectores representados por las columnas de Q son L.I., Q es la
matriz que diagonaliza a la matriz A.
Luego T es diagonalizable, siendo B = { 1+ x ; -1+ x} una base de P1 que
diagonaliza a T.
Los autovalores correspondientes son = 1 y = -1 como se muestran en la
matriz diagonal D.
INDICE
4. APLICACIONES.
4.1. Sistemas dinmicos.
Un sistema dinmico es una ecuacin o un sistema de ecuaciones que tiene por
objeto estudiar cantidades que dependen del tiempo.
39
valores
enteros .
xk = A . x0
lim xk = lim A k .x 0
k
40
A, siendo i
A . x0 = A . c i .vi =
i=1
A . x0 =
c i . A . vi
ci .vi
(2) ], queda:
i=1
i=1
c i . i . v i
i=1
A . x0 =
c i . i
i=1
. vi
pero como x k = A . x0 :
xk = A . x 0 =
c i . i . v i
i=1
tal que x 0 =
ci .vi
i=1
nxn
Ejemplo 1:
La k-ensima generacin de una poblacin animal consiste en H k hembras y
k machos.
41
Hk +1 = 0.8 Hk + 0.7 Mk
Mk +1 = 0.2 Hk + 0.3 Mk
Mk
k +1
Interpretacin: a11 = 0.8 y a12 = 0.7, por ejemplo, indican que el 80% y el 70%
representan los porcentajes de hembras y machos que tiene la colonia respecto
de la poblacin de hembras y machos de la generacin anterior.
300
k
y k = 3 se tiene:
b) Siendo xk = A . x0 con x0 =
100
3111
10
889
10
pues:
42
x3 =
3111/10
889/10
Por lo tanto inmediatamente despus de la tercer generacin , la poblacin ser
de 311 hembras y 88 machos.
Se analiza que suceder a largo plazo:
k
xk = A . x0
matriz A.
Se calculan los autovalores y autovectores asociados a la matriz A:
>> [V,D]=eigensys(A)
V=
[ -1, 7/2]
[ 1,
1]
D=
[ 1/10,
0]
1]
0,
Entonces:
1
7
x0 = c1. 2 + c2 . (1)
1
1
43
x k = c1.[ 1
1
reemplazando por los autovalores:
1
]k . 2 + c2 . [ 2 ]k .
7
7
1 ]k . 1 recurriendo al anlisis matemtico:
xk = c1.[ 1 ] k . 2 + c2 . [ 10
1
1
( )
1 k 0 luego:
cuando k 10
7
xk = c1.[ 1 ] k . 2 = c1.
1
7
2
1
300
= c1.
100
7 c c = 300
1
7
2 + c2 . 2 1 2
1
1
c1 + c 2 = 100
7
7
Como xk = c1. 2 = 800/9 . 2
1
1
>> xk= 800/9*[7/2;1]
xk =
2800/9
800/9
44
De
los
resultados
obtenidos
se
deduce
que
largo
plazo,
habr
Ejemplo 2:
En 1990, los EEUU tuvieron un serio problema nacional con la lechuza moteada
del norte, pues los ecologistas convencieron al gobierno federal que estaba en
peligro de extincin si se continuaba con la tala de rboles en los bosques en
donde habita la lechuza.
Como esta situacin implicaba prdidas millonarias a la industria maderera, se
efectu un anlisis para entender la dinmica de la poblacin de la lechuza
moteada.( 15 )
El estudio determin que el ciclo de vida, de la lechuza moteada, se divide en
tres etapas:
j: juvenil ( hasta el ao de edad
s: subadulta ( de 1 a 2 aos)
a: adulta ( ms de 2 aos)
La lechuza se aparea de por vida durante la etapa subadulta y adulta,
empezando a reproducirse en la etapa de adultez con una vida promedio de 20
aos.
Cada pareja de lechuzas requiere de una 1000 hectreas como territorio base.
Uno de los momentos crticos en el ciclo de vida es cuando las juveniles
abandonan el nido, pues para poder sobrevivir deben encontrar un nuevo
territorio base y una pareja preferentemente.
(15)
Lay, David. lgebra Lineal y sus Aplicaciones. Addisson Wesley Longman de Mxico. Mxico. 1999.
p.295.
45
jk +1 0
0
0.33 j k
0
0 . s
sk +1 = 0.18
k
a 0
0.71 0.94 a
k +1
k
0.33 indica que en el ao k+1 es 0.33 veces (33%) el nmero de hembras
adultas que haba en el ao k.
0.18 indica que el 18 % de la jvenes sobrevive para convertirse en subadultas.
0.71 y 0.94 indican que el 71 % de las subadultas y el 94 % de las adultas
sobreviven para ser contadas como adultas.
>> A=[0,0,0.33;0.18,0,0;0,0.71,0.94];
>> eig(A)
ans =
-149/6836 + 167/811i
-149/6836
1139/1158
- 167/811i
46
ans =
621/2999
2 = 3 = 612/2999 < 1 y 1 < 1.
k
Luego: x k = c1 . [ ] . v1 + c2 . [ ] . v2 + c3 . [ ] . v3
1
[ ]
Cuando k i k 0 pues
vector nulo.
Este modelo predice que a largo plazo todas las lechuzas moteadas morirn si
se sigue con la tala de rboles en el rea de Willow Creek en California.
El hecho es que el 60% de las lechuzas juveniles viven lo suficiente para dejar el
nido, pero slo el 30% logra encontrar nuevos territorios, entonces el elemento
a21 de la matriz A en lugar de ser el 18% representara el 30% con lo cual
a21 = 0.3, quedando:
>> A=[0,0,0.33;0.3,0,0;0,0.71,0.94];
>> eig(A)
ans =
-67/1941 + 443/1693i
-67/1941
335/332
- 443/1693i
47
251/951
2 = 3 = 251/951 < 1 y 1 = 335/ 332 = 1.01>1.
k
[ ] k = [3 ]k 0 , luego:
k 2
xk = c1 . [ ] . v1= x
1
-599/7842 - 392/677i
865/1303
-517/1146 + 372/3071i
-599/7842 + 392/677i
865/1303
-517/1146 - 372/3071i
INDICE
48
(1)
....
'
x n (t) = a .x (t) + a .x (t) + ..... + ann .xn (t)
n1 1
n2 2
x ' (t)
dt = a dt ln x(t) = a.t+c x(t) = eat .ec
x(t)
at
(4) x(t) = k . e
con k real.
49
a .t
x1 k1.e 11
a .t
x 2 k .e 21
(6) x = = 2
....
....
x
a .t
n k .e n1
n
x(t) = Q.D.Q-1.x(t)
Q-1.x(t) = Q-1.Q.D.Q-1.x(t)
Q-1.x(t) = D.(Q-1.x(t) )
50
y =
.t
y1(t) k1. e 1
.t
y 2 (t) k . e 2
.... = 2
....
y (t)
.t
n k . e n
n
Ejemplo 1
>> A=[1,-1,-1;-1,1,-1;-1,-1,1];
>> [Q,D]=eigensys(A)
51
Q=
[ 1, -1, -1]
[ 1, 1, 0]
[ 1, 0, 1]
D=
[ -1, 0, 0]
[ 0, 2, 0]
[ 0, 0, 2]
Al poner x = Q.y, resulta x = Q.y con y = D.y , el sistema dado se convierte
en:
y1' = y1
'
y 2 = 2y 2
y ' = 2y
3
3
cuya solucin est dada por :
y1 k1. e t
2t
y1 = k 2 . e
y k . e2t
1 3
x 2 = 1 1
0 . y 2 = 1 1
0 . k 2 . e2t =
k1. e t + k 2 . e2t
t
2t
2t
x 1 0
1 y 3 1 0
1 k 3 . e
k1. e + k 3 . e
2
52
Ejemplo 2
R2
.
=
.
R 2 v (t) 1
v
(t)
1
2
1
C1
53
5
x0 = indica los valores iniciales del vector x =
4
v1
v2
Q=
[ -1, 1]
[ 1, 2]
D=
[ -2,
0]
[ 0, - ]
y 2 = 2 y 2
54
>> x0=[5;4];
>> inv(Q)*x0
ans =
-2.0000
3.0000
Luego, k1 = -2 y k2 = 3, reemplazando:
v1 2 e 2 t + 3 e0,5 t
=
2 t
0,5 t
+6e
v 2 2 e
Las dos funciones v1(t) y v2(t) tienden a cero cuando t , pero los valores
de v2(t) decaen ms rpidamente.
En este caso se dice que el origen es un atractor o sumidero del sistema
dinmico pues todas las trayectorias son atradas hacia el origen.
Las entradas del autovector
v2
condensadores decaern a cero tan rpidamente como sea posible si los voltajes
iniciales son de igual magnitud pero de signo opuesto.
El capacitor C2 se descarga ms rpidamente que el C1 pues tiene la mitad de
faradios que es la capacidad de carga.
INDICE
55
o de
probabilidad.
Ejemplo 1:
Se considera que transcurre una generacin humana cada 20 aos
aproximadamente; se desea obtener e interpretar la matriz de transicin que
describe la siguiente situacin:
E1: Estado 1: pobre
E2: Estado 2: clase media
E3: Estado 3: rico
De la poblacin del E1, el 19 % pas al E2 y el 1% al E3.
De la poblacin del E2, el 15 % pas al E1 y el 10% al E3.
De la poblacin del E3, el 5% pas al E1 y el 30% al E2.
(16)
56
ij
ij
11
x n = T .x 0
57
Si T es diagonalizable, entonces T
la seccin 3.2.
Ejemplo 2
Con los datos del Ejemplo 1 , estudiar el comportamiento a largo plazo de la
distribucin de dicha poblacin.
n
n
T . x0 = 0,19 0,75 0,30 .x0
0,01 0,1 0,65
= Q.D .Q-1 :
>> T=[.8,.15,.05;.19,.75,.3;.01,.1,.65];
>> [Q,D]=eig(T)
Q=
-0.6201 -0.8137
0.3148
-0.7495
0.3479 -0.8098
-0.2319
0.4657
0.4950
D=
1.0000
0.7072
0.4928
Por lo tanto:
58
0
0
0
0
1
1
-1
n
-1
n
0 .Q = Q. 0 0,7072
T = Q. 0 0,7072
0
.Q
n
0
0
0
0,4928
0
0,4928
Cuando n resulta:
1 0 0
lim T = Q. 0 0 0 .Q-1
n
0 0 0
>> Q*Dn*inv(Q)
ans =
0.3872
0.3872
0.3872
0.4680
0.4680
0.4680
0.1448
0.1448
0.1448
E1 0,5
59
pues:
>> x0=[0.5;0.35;0.15];
>> (Q*Dn*inv(Q))*x0
ans =
0.3872
0.4680
0.1448
Luego, a largo plazo la poblacin pobre ser de 38,72%, la clase media del
46,8% y la rica del 14,48 %.
INDICE
(17)
60
1
x 1 + 1
n
Ejemplo:
Dado la siguiente grfica, se halla el nmero cromtico y se lo reconstruye en
funcin del resultado obtenido.
A
1
0
La matriz de adyacencia es A =
0
1
1
1
0
1
0
0
1
0
1
0
1
0
1
0
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
61
>> eig(A)
ans =
-1.6180
-1.6180
-1.4495
0.6180
0.6180
3.4495
Para obtener el nmero cromtico, se reemplaza 1 = 3,4495 y 6 = -1,6180 en
la frmula 1
1
x 1 + 1 :
n
Ejercicio:
62
B
C
INDICE
tal que
anularse simultneamente.
La expresin a11 x 2 + 2a12 x y + a22 y 2 se denomina forma cuadrtica y se la
puede expresar matricialmente de la siguiente manera :
La expresin
a12 x
a
.
y ). 11
a21 a22 y
2a13 x + 2a23 y
x
a23 ) .
y
63
Luego la ecuacin
matricial se expresa:
(x
a12 x
a
. + ( a13
y ). 11
a21 a22 y
x
a23 ). + a33 = 0
y
a12
a
= A; (a13 a23 ) = B; a33 = C
Llamando 11
a21 a22
(x
(1)
queda:
x
x
y ).A . + B. + C = 0
y
y
-1
trasponiendo: (x
y)S = (x
y)S.Q S S
Reemplazando en (1) :
(x
x
x
t
y).Q .A .Q. + B.Q . + C = 0
y
y
(2)
(x
(18)
siendo D = Q .A .Q
x
x
y).D. + B.Q. + C = 0
y
y
64
queda de la forma :
o bien :
(3)
1 ( x+
c 2
b 2
) + 2 ( y+
) +K=0
1
2
Mediante la sustitucin:
x = x+
b
1
y = y+
coordenadas al punto (-
c
2
c
b
; ) con la particularidad que se conservan las
1
2
65
(4) .
2 [(y)2 +
2c
c2 c2
.y+ 2 - 2 ] + 2.b.x+ d = 0
2
2 2
2 [(y)2 +
2c
c2
c2
+ 2.b.x+ d = 0
.y+ 2 ] 2
2
2
2 ( y+
d
c 2
c2
)= 0.
) + 2b( x+
2b 2b2
2
66
x = x+
d
c2
2b 2b2
y = y+
c
2
forma:
2 . (y )2 + 2 b. x = 0 que representa a una parbola.
Si b = 0
2 ( y+
c 2
c2
= 0
) + d 2
2
y = y+
c
2
queda:
2 .(y )2 + K = 0
siendo K = d -
c2
2
Si K. 2 < 0
Si K = 0
Si K. 2 > 0
Ejemplo 1:
67
A=
1
>> [Q,D]=eigensys(A)
Q=
[ 1, -1]
[ 1, 1]
D=
[ 2, 0]
[ 0, 0]
Reemplazando en la ecuacin:
(x
x
y). D . + B . Q .
y
x
+ C = 0 y tomando Q ortogonal:
y
(x
2 0 x
. + ( - 8
y).
0 0 y
8) .
1
2
2
2
2 . x = 0
1 y
Operando:
2(x)2 +
16
2
(x)2 = -
y = 0
8
2
68
y'
x'
-2
-4
-6
-8
-8
-6
-4
-2
10
69
8
2
y .
Ejemplo 2:
>> A=[5,3;3,5];
>> [Q,D]=eigensys(A)
Q=
[ -1, 1]
[ 1, 1]
D=
[ 2, 0]
[ 0, 8]
Como Q < 0 entonces se permutan sus columnas y las de la matriz D y se
reemplazan en la ecuacin:
70
(x
x
y). D . + B . Q .
y
x
+ C = 0 ; tomando Q ortogonal:
y
(x
8 0 x
. + ( -4
y).
0 2 y
4) . 12
x
- 4 = 0
1
y
2
2.
Operando:
8(x)2 + 2(y)2 + 4
2 y 4 = 0
Completando cuadrados:
8 (x)2 + 2( y +
2 )2 = 8 o bien
(x)2 + ( y +
2 )2 / 4 = 1 o bien
(y'' )2
4
=1
Grficamente:
>> xm=-3:0.1:3;ym=-3:0.1:3;
>> [x,y]=meshgrid(xm,ym);
>> f=5*x.^2+6*x.*y+5*y.^2-4*x+4*y-4;
>> contour(x,y,f,[0,0]);
>> hold on
>> g=x.^2+(1/4)*y.^2-1;
>> contour(x,y,g,[0,0]);
>> hold on
71
>> y1=x+y;
>> contour(x,y,y1,[0,0]);
>> hold on
>> y2=x-y;
>> contour(x,y,y2,[0,0]);
>> hold on
>> y3=x-y-2;
>> contour(x,y,y3,[0,0]);
representan las ecuaciones de los ejes y y x respectivamente, es
y1 e y2
y '=y ''
x'
x ''
x
0''
-1
-2
-3
-3
-2
-1
(y'' )2
4
=1.
72
Ejemplo 3:
>> A=[25,5;5,1];
>> [Q,D]=eigensys(A)
Q=
[ 5, 1]
[ 1, -5]
D=
[ 26, 0]
[ 0, 0]
Como Q < 0 entonces se permutan sus columnas y las de la matriz D y se
reemplazan en la ecuacin:
(x
x
y). D . + B . Q .
y
x
+ C = 0
y
(x
0 0 x
. - 1= 0
y).
0 26 y
Operando:
26 (y)2 1 = 0
73
(x
a13
a23 .
a33
a11 a12
z) . a12 a22
a
13 a23
x
y + (2a14
z
2 a24
x
2a34 ). y + a 44 =0
z
O bien :
(1)
(x
x
x
z ).A . y + B. y + C = 0
z
z
-1
. A . Q
trasponiendo: (x y
z)S = (x
z)S .Q S S
74
Reemplazando en (1) :
(x y
x'
x'
z).Q .A .Q . y' + B.Q. y' + C = 0
z'
z'
t
(x
(2)
siendo D = Q .A .Q
x'
x'
z'
z'
Superficie cudrica.
( o Cudricas degeneradas)
Elipsoide.
Signos distintos.
Autovalores: 1 ; 2 ; 3
Superficie cnica.
Uno nulo y dos del mismo signo .
Paraboloide elptico o
Cilindro elptico o circular.
circular.
Dos nulos.
75
Ejemplo 1:
A = 2 0 0 ; B = (0
2 0 0
La ecuacin ( x
(x
0) = matriz nula; C = -1
x
x
z ).A . y + B. y + C = 0, queda de la forma
z
z
x
z ).A . y + C = 0.
z
0,
-2*2^(1/2),
0,
0]
0]
0]
(x
z). 0
0 0 x'
8 0 . y' - 1 = 0
0 0 z'
Operando:
8 (x)2 -
8 (y)2 1 = 0.
76
Grficamente:
>> [x,z]=meshgrid(-2:0.1:2,-2:0.1:2);
>> y1=sqrt(x.^2-(1/8^(1/2)));
>> y2=-sqrt(x.^2-(1/8^(1/2)));
>> plot3(x,y1,z,x,y2,z)
eje z
-1
-2
2
1
0
-1
eje y
-2
-2
-1
eje x
Ejemplo 2:
77
5 2 0
A = 2 6 2 ; B = (0
0 2 7
La ecuacin ( x
(x
0) = matriz nula; C = -1
x
x
z ).A . y + B. y + C = 0, queda de la forma
z
z
5 2 0 x
z ). 2 6 2 . y -1 = 0.
0 2 7 z
( x
6 0 0 x'
z ). 0 3 0 . y' -1 = 0.
0 0 9 z'
Operando:
6(x)2 + 3(y)2 +9(z)2 1 = 0, o bien
(x' )2
1
6
(y' )2
1
3
(z' )2
1
9
= 1 que es la ecuacin
cannica de un elipsoide.
Grficamente:
>> [x,y,z]=ellipsoid(0,0,0,1/6^(1/2),1/3^(1/2),1/3,40);
>> surf(x,y,z)
78
0.4
eje z
0.2
-0.2
-0.4
1
0.5
0.5
0
-0.5
-1
eje y
-0.5
eje x
Ejemplo 3:
A = 0 0 1 ; B = (4
0 1 0
La ecuacin ( x
(x
0); C = 1
x
x
z ).A . y + B. y + C = 0, queda de la forma
z
z
1 0 0 x
z ). 0 0 1 . y + (4
0 1 0 z
x
0). y + 1 = 0
z
79
(x
1 0
z). 0 1
0 0
0
x'
0 . y' + (4
1 z'
(x
y
1 0
0). 0 1
0 1
x'
x'
z'
z'
Operando:
(x)2 +(y)2 (z)2 +4 x +1= 0
Se obtuvo la ecuacin del hiperboloide de una hoja trasladado.
Se completa cuadrados:
((x)2 + 4x + 4) - 4+(y)2 (z)2 +1= 0
(x + 2)2 +(y)2 (z)2 = 3
Para obtener la ecuacin cannica del hiperboloide de una hoja se efecta una
traslacin de ejes paralelos a los del sistema {0,x,y} tomando como nuevo origen
el o(-2;0;0).
Luego la ecuacin cannica es (x)2 + (y)2 - (z)2 =3 o bien
(x' ' )2 (y' ' )2 (z' ' )2
+
=1
3
3
3
80
Grficamente:
>> [x,y]=meshgrid(-3:0.1:3,-3:0.1:3);
>> z1=sqrt(x.^2+y.^2-3);
>> z2=-sqrt(x.^2+y.^2-3);
>> plot3(x,y,z1,x,y,z2)
3
2
eje z
1
0
-1
-2
-3
0
0
-2
-4
-2
eje x
eje y
INDICE
5. APNDICE
TEOREMA :
Volver a Teora
81
Demostracin)
Sea Q =(q
ij)
y Q =(q
ji)
entonces B = (b
ij)
= Q .Q = c i . c j donde:
c i : es la fila i de Q = columna i de Q.
0 si i j
Si las columnas de Q son ortonormales, b i j =
1 si i = j
Es decir, B = I. Recprocamente, si Q
TEOREMA 8
Ir a Teorema 8
Adems, si x es un vector de C
x,.y = . x, y
(1)
Entonces:
A.x, x = .x, x = . x, x
(2)
Como A es simtrica (A = A )
t
A.x, x = x, A .x = x, A.x = x, .x = . x, x
(3)
(4)
(5)
82
a+bi = a-bi, pero slo es vlida si b = 0. Esto muestra que = a, es decir debe
Ir a Teora (cnicas)
(I),
donde los escalares 1 , 2 ,..., n son las coordenadas del vector x en la base
S, expresndose (x)S.
Por otro lado cada vector de la base S puede ser expresado como C. L. de los
vectores de la base M:
u1 = 1 v1 + 2 v 2 + ... + n v n
u2 = 1 v1 + 2 v 2 + ... + n v n
.........................................
un = 1 v1 + 2 v 2 + ... + n v n
Los escalares
i , i ,..., i
1
( u2 )M = 2 ;
...
n
1
................ ( un )M = 2
...
n
83
+( 1.n + 2 .n + ... + n .n ) . v n .
Observar que los parntesis son los escalares de la C.L. que expresa al vector x
en funcin de los vectores de la base
1.2 + 2 . 2 + ... + n.2 2
( x )M =
=
...
. + . + ... + .
2 n
n n n
1 n
1 ...............1
2 ..............2
.
...
n ..............n
1
2
... =PS M .(x)S
n
Luego:
donde
P 1 representa la
( v 2 )S ...( v n )S )
84
CADENAS DE MARKOV
Ir a Teora
TEORA DE GRFICAS
Ir a Teora
85
La grfica
Presenta dos aristas que van del nodo A al B y viceversa, un lazo en el nodo C, y
una arista entre los nodos A y C y los nodos B y C.
La matriz de la grfica es:
0 2 1
G = 2 0 1
1 1 1
A = 1 0 1
1 1 1
INDICE
6. BIBLIOGRAFA:
Antn,Howard .Introduccin al lgebra Lineal.
1994.
86
INDICE
87