UNIVERSIDAD NACIONAL DEL ALTIPLANO

ESCUELA DE POSTGRADO – UNA PUNO

MAESTRIA EN EDUCACIÓN

“ENSAYO DE VALORES Y VECTORES PROPIOS”

MENCIÓN: DIDACTICA DE LA MATEMÁTICA

CURSO: TEORIA DE LA DIDACTICA DE LA MATEMATICA

PRESENTADO POR: ADELINA MAMANI FLORES

DOCENTE: DR. JULIO ADALBERTO TUMI QUISPE

PUNO-PERU

2015
I.INTRODUCCION.

El presente ensayo denominado “Valores y Vectores Propios” en el curso de algebra II, es

una rama de las Matemáticas con muchas aplicaciones a problemas prácticos de diversas
disciplinas. Ello ha conducido a que se convierta en un curso obligatorio para los alumnos
de distintas Escuelas. Sin embargo, Este ensayo en Matemática Educativa acerca del
Álgebra Lineal muestra que los alumnos presentan dificultades en su aprendizaje y que
esas dificultades están relacionadas con la naturaleza abstracta de los conceptos que
integran esta materia, es decir, con la gran cantidad de definiciones que se incluyen y el
manejo formal que se hace de ellas. En el ensayo se detalla que los alumnos generalmente
consideran al Álgebra Lineal como un conjunto de algoritmos que les permiten resolver
problemas específicos, en el que se enseñan definiciones de conceptos y teoremas, la
mayoría de los alumnos no los comprenden y son incapaces de usarlos en la solución de
problemas no rutinarios.
Un tema importante en el estudio del Álgebra Lineal es el de los valores, vectores y
espacios propios. Este tema resulta, de acuerdo a la opinión de maestros y de los propios
alumnos, particularmente difícil. Estos conceptos juegan, sin embargo, un papel
fundamental en muchas aplicaciones, como en problemas relacionados con ecuaciones en
diferencia, ecuaciones diferenciales, potencias de matrices y estadística multivariada. Los
estudios realizados en el contexto de la Educación Matemática indican que la mayoría de
los alumnos suelen memorizar los algoritmos relacionados con estos conceptos durante el
curso pero no los comprenden y que la mayoría de los maestros y los libros de texto no
consideran la importancia de su interpretación geométrica en la posibilidad de
comprenderlos a profundidad.
No obstante el propósito de este trabajo es propiciar una metodología para resolver
Sistemas de Ecuaciones Diferenciales lineales de primer orden utilizando los conceptos de
valores y vectores propios.

I CONOCIMIENTO MATEMATICO

1.1 EVOLUCION HISTORICO

Si bien los conceptos de autovalores y autovectores se introdujeron en el contexto de las
transformaciones lineales y matrices, históricamente los autovalores y autovectores, están
asociados al estudio de las formas cuádricas y de las ecuaciones diferenciales. En el primer
tercio del siglo XVIII, Euler analizó la ecuación de segundo grado en dos y tres variables al
estudiar el problema del movimiento de cuerpos rígidos. Éste descubre la existencia de
unos ejes perpendiculares donde la expresión de la cónica o cuádrica es esencialmente
sencilla. Lagrange demuestra que estos ejes principales están generados por los
autovalores de la matriz inercia asociada al cuerpo. En los albores del siglo XIX, Cauchy
utiliza los autovalores y autovectores para clasificar las formas cuádicas. A comienzos del
siglo XX, Hilbert al estudiar los autovalores de operadores integrales, es quien utiliza por
primera vez la palabra germana eigen (en alemán significa propio), para nombrar los
eigenvalues (autovalores) y eigenvectors (autovectores).

La enseñanza del álgebra lineal reviste ciertas características muy especiales. La

presentación de objetos como espacios vectoriales, transformaciones lineales, valores y
vectores propios, etc. parte de una definición formal. En el Cálculo, es frecuente motivar la
enseñanza de los conceptos a partir de otros conocimientos físicos o geométricos
presentados previamente, pero en el álgebra lineal, la mayor parte de los conceptos se
presentan como definiciones formales de objetos cuya existencia no tiene (en la mayoría
de los casos) conexión con conocimientos previos ni argumentos geométricos o físicos que
motiven la definición presentada.

Los primeros trabajos en investigación en educación matemática se desarrollaron sobre

cálculo, pero en los últimos 20 años varios grupos de investigadores están trabajando
sobre la didáctica del álgebra lineal. La enseñanza de álgebra lineal es universalmente
reconocida como difícil (Carlson, et al.,1997) cualquiera sea la orientación que se dé a la
materia (matricial, axiomática, geométrica, computacional) debido a las dificultades
conceptuales y al tipo de pensamiento requerido para la compresión de la asignatura. En
el año 1990, dada la problemática que se presentaba del aprendizaje de Álgebra
Lineal, se forma el Linear Algebra Curriculum Study Group (LACSG), conformado por:
David Carlson, Charles R. Johnson, David C. Lay y A. Duane Porter, para mejorar el
currículo de Álgebra Lineal. Son ellos quienes recomiendan apartarse de la abstracción y
acercarse a un curso más concreto, basado en matrices (Carlson, et al.,1997).
Varios estudios de diagnóstico dirigidos por Dorier, Robert, Robinet y Rogalski entre 1987
y 1994 apuntaron a un solo obstáculo macizo que aparece en todas las sucesivas
generaciones de estudiantes y para casi todos los modos de enseñar, a saber, lo que los
autores de la tesis llamaron el obstáculo del formalismo.
En algunas investigaciones en torno a los problemas en el aprendizaje del álgebra lineal se
reporta que entre los orígenes de esas dificultades están los diversos lenguajes que se
usan (Dorier, 2002). El uso de estos lenguajes sin articulación son muchas veces el origen
de algunas de las dificultades para el aprendizaje de los conceptos del álgebra lineal
(Sierpinska, et al., 1999). Entre esos lenguajes están: el lenguaje abstracto; el lenguaje
algebraico de Rn y el lenguaje geométrico de R2 y R3 (Hillel, 2000). Cada uno de estos tipos
de lenguaje desarrolla, en forma correspondiente los siguientes tipos de pensamiento
necesarios para que un estudiante pueda entender la materia.
1.2 ACTUALIDAD

Las tendencias en la enseñanza se orientan, en la actualidad, al fortalecimiento de

competencias, conocimientos y valores fundamentales para aprender. Tales tendencias
identifican los avances tecnológicos como un valioso recurso capaz de acompañar a la
enseñanza de distintas materias en cualquier etapa educativa, lo que indiscutiblemente
reclama una revolución tanto en la investigación, como en la docencia para la educación
superior. En este trabajo se integran diferentes técnicas en la búsqueda de información,
con criterios de expertos, sobre el uso de software educativo. Se analizan características
específicas como: autores, contenido, características didácticas, características
funcionales, posibles usos y requerimientos para su implementación.
La evolución que ha experimentado el software matemático, en los últimos años, nos ofrece nuevas
formas de enseñar, aprender y hacer matemáticas. En las universidades esta posibilidad es conocida,
sin embargo, aún no se han desarrollado cambios significativos en la didáctica de las asignaturas que
permitan hacer eficiente su utilización en la docencia y la investigación. Para que esto sea posible, es
necesario que el proceso de innovación parta no sólo del incremento productivo de estudiantes y
profesores, sino también de la implementación de recursos didácticos que permitan la difusión de
conocimientos y experiencias cognoscitivas.

ENDOMORFISMOS.
Un endomorfismo f es una aplicación lineal (también llamada homomorfismo) con el
mismo dominio y codominio. Consideremos en este capítulo endomorfismos f : IRn→ IRn.
Una aplicación lineal definida en un espacio vectorial con imagen en el mismo espacio
vectorial se llama endomorfismo. Utilizaremos a partir de ahora la palabra endomorfismo
por razones de brevedad.
DEFINICION.- El escalar λ ∈ 𝐾es un valor propio de 𝑓 sí y sólo si si existe un vector no nulo
𝑥 ∈ 𝑅 𝑛 , tal que 𝑓(𝑥) = λ𝑥.
Todo vector no nulo que satisfaga la condición anterior se llama vector propio de 𝑓,
asociado al valor propio λ.
En consecuencia, un vector propio de un endomorfismo es un vector no nulo cuya imagen
es un múltiplo escalar del mismo.
Las expresiones “valor propio”, “valor característico” y autovalor” son sinónimos.
También lo son “vector propio”, “vector característico” y “auto valor”. (Según Armando
Rojo)
VALORES Y VECTORES PROPIOS
Dada una matriz 𝐴 de dimensión 𝑛 × 𝑛 y un vector 𝑋 de dimensión 𝑛 × 1:

𝑎11 ⋯ 𝑎1𝑛 𝑥1
𝐴 = ([ ⋮ ⋱ ⋮ ]) , 𝑥=(⋮)
𝑎𝑚1 ⋯ 𝑎𝑚𝑛 𝑥𝑛
El resultado de multiplicar 𝐴𝑋 será otro vector (columna) 𝑛 × 1:

𝑎11 𝑥1 … 𝑎1𝑛 𝑥𝑛
𝐴𝑋 = ( ⋮ ⋱ ⋮ )
𝑎𝑚1 𝑥1 … 𝑎𝑚𝑛 𝑥𝑛

El producto 𝐴𝑋 en ocasiones da como resultado el vector 𝑋 multiplicado por una

constante λ,
𝐴𝑋 = 𝜆 𝑋
es decir,

𝑥1 𝑥1
𝐴( ) = λ( ⋮ )
⋮
𝑥𝑛 𝑥𝑛

DEFINICIÓN. Sea 𝐴 una matriz cuadrada. Todo vector 𝑋 distinto de cero que cumpla la
relación.

𝐴𝑋 = 𝜆 𝑋

Se denomina autovector de la matriz 𝐴, y el número λ se denomina autovalor de la matriz

𝐴.
0 0
OBSERVACIÓN. Se supone que 𝑋 ≠ ( ⋮ ) (aunque el vector 𝑋 = ( ⋮ ) , cumple siempre la
0 0
relación 𝐴𝑋 = 𝜆 𝑋 , y por tanto no es especial). Sin embargo, el autovalor 𝜆 sí puede ser
0.
CALCULO DE VALORES Y VECTORES PROPIOS
0
Tenemos que encontrar 𝑋 ≠ ( ⋮ ) y 𝜆 ∈ 𝑅.
0

𝐴𝑋 = 𝜆 𝑋
𝐴𝑋 = 𝜆 𝑋 ⇔ 𝐴
⏟ 𝑋 ⏟ ⇔ 𝐴𝑋 − 𝜆 𝐼𝑛 𝑋 = 0𝑛𝑥1 ⇔ (𝐴 − 𝜆𝐼)𝑋 = 0…………(1)
⏟ = 𝜆 𝑋
𝑛𝑥𝑛 𝑛𝑥1 𝑛𝑥1

Para que el sistema (1) tenga solución no trivial, ha de ser:

|𝐴 − 𝜆𝐼| = 0…………………(2)

De la ecuación (2) se obtienen los autovalores 𝜆 1 , 𝜆2 . Al sustituir cada 𝜆 obtenido en (2)

en la ecuación (1) se obtiene un autovector.
El polinomio característico de 𝐴 es |𝐴 − 𝜆𝐼| La multiplicidad algebraica de un valor propio
de A es el número de veces que aparece como raíz del polinomio característico.
El subespacio propio de 𝐴 asociado al valor propio 𝜆 es el conjunto 𝑉𝜆 formado por todos
los vectores 𝑥 ∈ 𝑅 𝑛 tal que (𝐴 − 𝜆𝐼)𝑋 = 0. La multiplicidad geométrica de 𝜆 es la
dimensión de 𝑉𝜆 .

VECTORES PROPIOS Y VALORES PROPIOS

Aunque una transformación 𝒙 → 𝐴𝒙 puede mover vectores en diversas direcciones, con
frecuencia sucede que existen vectores especiales sobre los cuales la acción de 𝐴 resulta
muy sencilla. (Según David C. Lay)
DEFINICIÓN.- Un vector propio de una matriz 𝐴 de 𝑛 × 𝑛 es un vector 𝒙 diferente de
cero tal que 𝐴𝒙 = 𝜆𝒙 para algún escalar λ. Un escalar λ se llama valor propio de A si
existe una solución no trivial 𝒙 de 𝐴𝒙 = 𝜆𝒙; una 𝒙 como ésta se denomina vector propio
correspondiente a λ. (según David C. Lay)
Definición (Vector y valor propio).- Sea 𝐴 una matriz 𝑛 × 𝑛, decimos que un número
real λ es un valor propio de A si existe una columna x de IRn, 𝑥 ≠ 0, tal que 𝐴𝑥 = 𝜆 𝑥. El
vector x se llama vector propio de 𝐴 asociado a λ. (Según Carlos Arce)
PROPIEDAD
Si 𝑓 es una transformación lineal del espacio vectorial V, de dimensión finita, en si mismo,
entonces 𝜆 ∈ 𝐾 es un valor propio de 𝑓 si y solo si 𝑓 − 𝜆𝐼 es singular. 𝐼 Denota la
transformación identidad de V.

Ejemplos:
1.- considerando (R2 , +, R, . ) y la transformación lineal
f: R2 → R2
Definida por
f(x1 , x2 ) = (2x1 , 2x1 − 2x2 )
El escalar λ=2 es un valor propio de f, ya que el vector no nulo (2,1) es tal que
f(2,1) = (4,2) = 2(2,1)
(2,1) es un vector propio asociado al valor propio 2.
Ejemplo 2.
Determinar los valores y vectores propios de A, siendo
3 −2
𝐴=( )
−1 2
De acuerdo a la propiedad, consideremos
𝐷(𝐴 − 𝜆𝐼) = 0
O sea
 3−𝜆 −2
| |=0
−1 2−𝜆
Resolvemos respecto de λ
(3 − 𝜆)(2 − 𝜆) − 2 = 0
𝜆2 − 5𝜆 + 4 = 0
5 ± √25 − 16 5 ± 3
𝜆= =
2 2
Las raíces son:
𝜆1 = 1 , 𝜆2 = 4
Para cada λ resolvemos el sistema:
(𝐴 − 𝜆𝐼)𝑋 = 0
2 −2 𝑥1 0 2𝑥 − 2𝑥2 = 0
Para 𝜆1 = 1 → ( ) (𝑥 ) = ( ) → { 1
−1 1 2 0 −𝑥1 + 𝑥2 = 0
El sistema es equivalente a
𝑥1 − 𝑥2 = 0
De donde
𝑥1 = 𝑥2
Luego
1
𝑥1 = ( )
1
𝑥1 Es un vector propio asociado a 𝜆1 = 1.
Luego
−1 −2 𝑥1 0
𝜆2 = 4 → ( ) (𝑥 ) = ( ) → −𝑥1 − 2𝑥2 = 0 → 𝑥1 + 2𝑥2 = 0 →
−1 −2 2 0
−2
→ 𝑥1 = −2𝑥2 → 𝑥2 = ( )
1
𝑥2 Es un vector propio asociado a 𝜆2 = 4.

Los vectores 𝑥1 , 𝑥2 son L.I y forman una base de 𝑅 2 .

A es diagonalizable, y su forma diagonal es
1 0
𝐷=( )
0 4
Si P es la matriz cuyas columnas son los vectores propios, entonces
𝑃−1 𝐴𝑃 = 𝐷

II SESION DE APRENDIZAJE.

SECUENCIA ACTIVIDADES Y/O ESTRATEGIAS RECURSOS DIDACTICOS

METODOLOGICAS
INICIO -Se propone un problema para que los  Plumones
alumnos lo resuelvan en parejas. Los  Pizarra
alumnos dan a conocer sus resultados
explicando sus procedimientos.
-El profesor explica que puede ser
resuelto mediante valores y vectores
 propios. Pregunta ¿Qué es un valor y
vector propio? ¿Cómo se resuelven?.

PROCESO
- utiliza adecuadamente los conceptos de
valores y vectores propios para explicar
diversos fenómenos.  Ficha de
-Mediante la exposición dialogo profesor problemas
y los alumnos resuelven el problema.
- saber aplicar las ecuaciones y
propiedades de los valores y vectores
propios a la resolución de problemas
complicadas.

-El docente ayuda a cada grupo por

medio de preguntas. Se indica que los
ejercicios que quedan deben realizarse en
CIERRE casa y ser entregados en la siguiente
clase.

 Pizarra
 Cuadernos
 Ficha de
problemas

III TEORIA DE SITUACIONES DIDACTICAS.

LA SITUACION ACCION. . Dar a conocer al alumno en que se puede aplicar la teoría de
autovalores y autovectores para que se interese en el tema, consiste también básicamente en
que los estudiantes trabajen la resolución de eses problemas, la adquisición de
conocimientos. Este comportamiento debe darse sin ayuda del docente.
LA SITUACION DE FORMULACION. En esta situación consiste en un trabajo grupal, donde
se requiere la comunicación entre los estudiantes. Se comparten experiencias en la
construcción del aprendizaje. En este proceso es importante el control de la comunicación
de las ideas. La situación de formulación es básicamente el enfrentar a un grupo de
estudiantes con un problema.
LA SITUACION DE VALIDACION. Se les pide participación de todos los estudiantes,
recolectar información, descartando las ideas fuera del área, y definiendo algunos
conceptos con ayuda del docente.
LA SITUACION DE INSTITUCIONAL. . En esta etapa mostrar los conceptos construidos en la
sesión y algunas definiciones, propiedades adicionales que nos ayuden a comprender
mejor el tema.
REFERENCIA BIBLIOGRAFICA.
[1] Felipe Climaco Ccolque Taipe 2012 Álgebra lineal II con problemas resueltos.
[2] Rojo, Armando. Álgebra II .Edit. El Ateneo.
[3]Claudio de J. Pita Ruiz algebra lineal edición 1991.