Está en la página 1de 7

Introducción

Para el entendimiento exhaustivo de las matrices, es necesario saber el


comportamiento y cálculo de los autovalores y autovectores que resultara de gran utilidad
dentro del estudio científico. Así mismo, se debe conocer las condiciones y pasos a seguir en
cada una de las interrogantes que se nos puedan presentar.
Debemos explorar el espacio que resulta del cálculo de estas variables y a su vez,
como obtener la diagonalización de un matriz
Referencias bibliográficas

Didácticas
 https://www.youtube.com/watch?v=GHPOEhUkHPU
 https://www.youtube.com/watch?v=KH_Zu2CUrtQ
 https://www.youtube.com/watch?v=dHXp-rVlqkc
Teóricas
 http://www.matematicaaplicada2.es/data/pdf/1355483599_1789516930.pdf
 https://fisicaymates.com/autovalores-y-autovectores-de-una-matriz/
 https://aga.frba.utn.edu.ar/autovalores-autovectores-definiciones-propiedades/
 https://rodas5.us.es/file/b0b6b90a-7d38-9cc8-2375-
739c4a5004a4/3/tema2_SCORM.zip/page_07.htm
 https://fuga.naukas.com/2017/01/12/autovalores-y-autovectores/
Resumen

Definición y propiedades. Definición. Sea A una matriz cuadrada de orden m.


Diremos que un escalar λ ∈ C es un autovalor de A si existe un vector v ∈ C m, v 6= 0 tal
que Av = λv, en cuyo caso se dice que v es un autovector de A asociado al autovalor λ.
Obviamente, si tenemos un autovector v de A asociado a un autovalor λ, cualquier múltiplo
no nulo de v también es un autovector de A asociado al mismo autovalor λ. Por otra parte, si
tenemos dos autovectores v1 y v2 asociados a un mismo autovalor λ, cualquier combinación
lineal no nula de dichos autovectores también es un autovector de A asociado al mismo
autovalor λ.
El cálculo de los autovalores y autovectores de una matriz tiene multitud de usos en
ramas de la ciencia como: las aplicaciones relacionadas con las vibraciones, aerodinámica,
elasticidad, física nuclear, mecánica, ingeniería química, biología, ecuaciones diferenciales,
etc. El motivo de esta mención es para poner de manifiesto la justificación de este estudio.
Partimos de la siguiente expresión, no es el objetivo de este curso su justificación sino
simplemente explicar el algoritmo de cálculo de los autovalores y autovectores asociados a
éstos.

La matriz A será siempre una matriz cuadrada de dimensión genérica n, es decir,


tendrá n filas y n columnas. En las vídeo clases vamos a tratar siempre matrices de dimensión
tres por ser lo más habitual en todos los ejercicios, será el autovalor y el autovector
asociado a
Los autovalores también reciben los nombres de valores críticos, valores propios,
valores característicos y eigenvalores. Análogamente, los autovectores también reciben los
nombres de vectores críticos, vectores propios, vectores característicos. Sobra decir que
cualquier denominación es totalmente correcta.
¿Como se calculan los autovalores y autovectores de una matriz A?
Todo se explica detalladamente y paso a paso en los siguientes vídeos, sin embargo,
a modo de resumen expondré el algoritmo de cálculo para encontrar los autovalores y
autovectores asociados a cada autovalor de una matriz A.
1.- Calcular las raíces del polinomio característico de la matriz A. Dichas raíces son
los autovalores de A. Hay que anotar la multiplicidad algebraica de cada autovalor, es decir,
el número de veces que aparece como solución en el polinomio característico.

2.- Para cada valor propio, determinamos todas las soluciones no triviales para el
sistema homogéneo siguiente:

Donde es un autovector genérico. Todo esto se explica detalladamente en los


vídeos, que están al inicio del trabajo
Consideremos una transformación lineal T: Km −→ Km y la matriz A asociada
(cuadrada, m×m) respecto de la base canónica C de Km. Es decir, siendo x las coordenadas
canónicas de un vector v y siendo y las coordenadas canónicas del transformado T(v),
tenemos que y = Ax. Consideremos otra base B y denotemos por x ′ e y ′ a las coordenadas
de v y T(v), respectivamente, respecto de dicha base B. Si P es la matriz del cambio de base
C ←− B tenemos que x = P x′ e y = P y′ . Por tanto, la transformación lineal T se puede
expresar, en coordenadas respecto a B mediante.
y = Ax ⇐⇒ P y′ = AP x′ ⇐⇒ y ′ = P −1AP x′.
Es decir, de la misma forma que A representa a T respecto a la base canónica, la
matriz B = P −1AP también representa a T, pero respecto a la base B.
Cuando dos matrices A y B (cuadradas del mismo orden) están relacionadas
mediante la igualdad B = P −1AP para alguna matriz P no-singular, se dice que A y B son
semejantes. En este caso se trata de matrices que representan a la misma transformación lineal
respecto de bases distintas. En este apartado vamos a considerar el problema de intentar
determinar una matriz P para la cual B = P −1AP sea una matriz lo más sencilla posible (que
permita describir la transformación T asociada de la forma más simple). La forma más simple
que se puede plantear es el de una matriz diagonal. Para algunas matrices A será posible
obtener una matriz diagonal y para otras no.

Matrices diagonizables
Definición. Se dice que una matriz A m × m es diagonalizable si existe alguna matriz
P no singular tal que P −1AP es una matriz diagonal D. En este caso, se dice que P es una
matriz de paso que diagonaliza A y que la expresión A = P DP −1 es una diagonalización de
A.
Cuando sea posible, para construir una diagonalización de A bastara con obtener m
autovectores linealmente independientes. La matriz P de orden m que tenga a dichos
autovectores linealmente independientes como columnas (en un cierto orden) será no-
singular y verificara AP = P D siendo D la matriz diagonal cuyos elementos diagonales son
los autovalores (en el mismo orden en el que hayamos puesto los autovectores en la matriz
P). Por tanto, tenemos una diagonalización de A.
Notemos que si en una diagonalización A = P DP −1,
 cambiamos el orden en las columnas de P y de forma simult´anea cambiamos el orden
en los elementos diagonales de D, de manera que se correspondan columnas de
Pelementos diagonales de D, se obtiene otra diagonalizaci´on de A;
 sustituimos cada columna de P por un m´ultiplo no-nulo de dicha columna, se obtiene
otra matriz de paso distinta que también diagonaliza a A (la matriz D no cambia).

Nivel de dificultad:
Considero que el tema tratado, con respecto a la definición de valores y vectores propios, no
tenía un gran grado de dificultad ya que era comprensible lo expuesto.

Valor agregado:
Este tema creo que es un buen complemento para lo que sería la finalización de esta
materia, después de lo visto con las estructuras algebraicas, las matrices y determinantes,
algebra lineal, entre otros temas que se estudiaron a lo largo del semestre, este tema se refiere
a los autovalores y autovectores en los cuales nos explican cómo realizar cada función, como
sustituir entre otras cosas

¿Que aprendí del tema?


En este tema aprendí lo que son autovalores y autovectores, como debemos usarlos,
las diferentes maneras de resolverlos, el cual es algo complementario y de mucha ayuda para
la materia, también en los enlaces didácticos aprendí varias cosas, sobre todo a como resolver
los ejercicios, en donde opino que explican muy bien este tema, en donde creo que no es tan
difícil de entender.

Resumen general
Sea A ∈ ℝnxn es autovalor de A si y sólo si existe un vector 𝛖 ∈ ℝnx1 tal que
𝑨. 𝛖 = 𝛌. 𝛖 ; 𝛖 ≠ 𝟎𝐯
𝛖 se llama autovector asociado a 𝛌.
Para calcular los autovalores de una matriz se debe establecer la matriz de coeficientes
y basados en la formula |A − λI| = 0, se multiplica la diagonal principal por λ. Luego de esto
se procede a calcular el determinante de la matriz coeficientes y así, resolver la ecuación de
segundo grado para hallar los autovalores.
Para calcular los autovectores se debe construir matrices restando los elementos de
las diagonal principal primaria con los valores de los λ con el fin de obtener expresiones
separadas.
Si una matriz de nxn tiene n autovectores linealmente independientes, entonces es
diagonalizable. Lo mismo ocurre cuando autovalores diferentes están asociados a
autovectores linealmente independientes.
También será diagonalizable si la dimensión del autoespacio asociado a un
autovalor, está comprendida entre 1 y la multiplicidad algebráica del autovalor.
El espacio propio 𝐸𝜆 es el subespacio de Rn que contiene todos los autovectores de A
asociados al autovalor λ junto con el vector nulo.
Conclusión

El autovector depende del autovalor y ambos son de gran importancia dentro del
estudio científico. Sus usos están relacionados con las vibraciones, aerodinámica, elasticidad,
física nuclear, mecánica, ingeniería química, biología, ecuaciones diferenciales, etc.
Y con esto podemos concluir la realización de las direcciones, y el tema que debimos
aprender durante el semestre en la catedra de matemática IV, lo cual pude aprender no solo
prácticamente sino también teóricamente algunos significados que no sabia o no estaba tan
claro.

También podría gustarte