Está en la página 1de 37

Autovalores y Autovectores

Unidad 10
Aplicaciones

 Frecuencias de Resonancia. Como vibra y a qué frecuencia un objeto


sólido. Ejemplo: viga metálica empotrada en una pared.

 Reconocimiento Facial. Ejemplo: Eigenfaces

 Teoría de grafos: Ejemplo: Page Rank de Google

 Sistemas dinámicos (dependen del tiempo). Ejemplo: Supermercado

 Otros
Como vibra y a qué frecuencia un objeto sólido.
Ej. viga metálica empotrada en una pared.
Reconocimiento Facial
Eigenfaces
Teoría de grafos
Ejemplo: Page Rank de Google
Para saber más

En
https://www.feandalucia.ccoo.es/docu/p5sd4864.pdf
ver
“2. Aplicaciones del autovalor de Perrón. Buscador Google”
en la página 7
Sistemas dinámicos
Ejemplo: Supermercado

Una empresa de publicidad encargada de la propaganda de un


supermercado A, determina que del total de clientes que compran en el
supermercado A un fin de semana, el 80% vuelve a comprar en A el siguiente
fin de semana, mientras que el 20% restante va a comprar al supermercado B.
Se sabe también que del total de clientes que compra en B un fin de semana,
el 70% vuelve a comprar el fin de semana siguiente en ese supermercado y el
30% restante va al supermercado A.
¿Cuál es la distribución de clientes luego de ocho fines de semanas siguientes
al estado inicial?
es el estado inicial del sistema

es el porcentaje de clientes que compra en el


supermercado A y B respectivamente, al fin de la semana
inicial

es el estado del sistema al fin de semana siguiente, S1

es el porcentaje de clientes que compra en el


supermercado A y B respectivamente, el fin de semana
siguiente.

es la matriz de transición que nos permite pasar del


estado S0 al estado S1
Luego, el estado del sistema S2 se obtiene repitiendo el procedimiento anterior:

Por último, el estado del sistema n fines de semana luego del estado inicial
considerado es:
Por lo tanto, para encontrar
el estado S8 del sistema se
debe calcular la potencia
octava de la matriz de
transición. Realizando
algunas operaciones, se
obtiene:
Si el estado inicial del sistema es:

es decir, el supermercado A tiene 65% de los clientes y el supermercado B tiene el


35% de los clientes, luego de ocho fines de semanas siguientes al estado inicial, la
distribución de clientes se estabiliza en los siguientes porcentajes:

De esta manera, se puede concluir que el supermercado A tiene aproximadamente


el 60% de los clientes y el supermercado B, el 40%.
Para describir la evolución de un sistema dinámico, como ya se ha visto, se deben
calcular potencias de matrices cuadradas. Si se considera el sistema cuyo estado en
el tiempo k está representado por el vector columna x y sea A Є Rnxn la matriz de
cambio de estado, el estado del sistema en el tiempo k+1 será:

A . xk = xk+1

En el tiempo k+2, el estado del sistema será:

A . xk+1 = xk+2

A . xk+1 = A. (A . xk ) = A2 . xk = xk+2

Y si se repite el procedimiento, se obtiene:

Ap . xk = xk+p

Es decir, el estado del sistema en el tiempo k+p será Ap veces el estado del sistema
en el tiempo k.
Además, es conveniente poder predecir cómo evolucionará el sistema en períodos
grandes, es decir, cuando p → ∞.

Para resolver estas cuestiones, resulta conveniente encontrar una forma eficiente
de calcular potencias de matrices para poder determinar Ap cuando p→∞.
Para calcular la potencia enésima de una matriz A Є R nxn, se diagonalizará la matriz
A. Teniendo en cuenta que P-1 A P = D, resulta:

P P-1 A P P-1 = P D P-1

A = P D P-1

Y para calcular potencias de A,

A2 = (P D P-1) (P D P-1) = P D (P-1 P) D P-1 = P D I D P-1 = P D2 P-1

Repitiendo el procedimiento, se obtiene:

An = P Dn P-1

El cálculo de potencias de una matriz diagonal es sencillo:


es decir, basta con elevar a la n cada elemento de la diagonal principal.

Volviendo nuevamente al problema inicial, es decir, calcular la distribución de clientes


luego de ocho fines de semanas siguientes al estado inicial, es ahora fácil determinar
su solución. Para ello, diagonalizaremos la matriz A.

Para obtener la matriz diagonal D, se calcularán los autovalores asociados a la matriz


A.

(1)
Para calcular los autovectores para cada autovalor, es necesario resolver el siguiente
sistema de ecuaciones:

Si λ1 = 1 , resulta:

(2)

La solución de (2) son vectores de la forma (x1, 2/3 x1)t . Por lo tanto, un autovector
correspondiente a λ1 = 1 es (1, 2/3)t.

Si λ2 = 0,5 , resulta:

(3)

La solución de (3) son vectores de la forma (x1, -x1)t . Luego, un autovector


correspondiente a λ2 = 0,5 es (1, -1)t.
Entonces, la matriz P que diagonaliza a la matriz A y su inversa son:

La matriz D diagonal similar a la matriz A es, entonces:

Luego, resulta:
Recordando que el estado inicial del sistema es S0 = (0,65, 0,35)t , la distribución,
en porcentajes, de clientes luego de n semanas será:

De esta manera, los porcentajes de clientes de cada supermercado cuando n es


muy grande, n→∞, será:

Así, se tiene que al supermercado A concurrirá el 60% de los clientes y al


supermercado B concurrirá el 40% de los clientes.
Autovalores y Autovectores
Definición
Sea 𝑇: 𝑉 → 𝑉 una transformación lineal
Queremos hallar vectores no nulos 𝑣 𝜖 𝑉 ∶ 𝑣 𝑦 𝑇 𝑣 sean paralelos (no cambia su dirección), es decir,
que el vector obtenido de la TL sea múltiplo del vector 𝑣

𝑇 𝑣 = 𝜆. 𝑣 Siendo 𝜆 y las componentes de 𝑣 reales o complejas

La transformación se puede representar por la matriz A, es decir,

𝐴. 𝑣 = 𝜆. 𝑣

Valor característico asociado a la T o matriz A Vector característico asociado a la T o matriz A


Valor propio, autovalor, eigenvalor correspondiente al valor característico 𝜆
Vector propio, autovector, eigenvector
Veamos un ejemplo
Cálculo de Autovalores y Autovectores

𝐴 es una matriz cualquiera de orden 𝑛 𝑥 𝑛

𝐴 𝑣 = 𝜆. 𝐼 𝑣

𝐴 𝑣 − 𝜆. 𝐼 𝑣 = 0

Representa un sistema de ecuaciones homogeneo


𝐴 − 𝜆. 𝐼 . 𝑣 = 0 de “n” ecuaciones y “n” incógnitas

Desarrollando el determinante obtenemos un polinomio


y det 𝐴 − 𝜆. 𝐼 = 0 𝑃(𝜆) que se denomina polinomio característico

y 𝑃 𝜆 = det 𝐴 − 𝜆. 𝐼 = 0 Se denomina Ecuación Característica


Procedimiento para calcular valores y
vectores característicos

1) Hallar el polinomio característico, 𝑃 𝜆 = det 𝐴 − 𝜆. 𝐼


2) Determinar las raíces (autovalores)de la ecuación característica,
𝑃 𝜆 = det 𝐴 − 𝜆. 𝐼 = 0.
El orden de la matriz indica la cantidad de valores característicos, “n” valores

3) Hallar los autovectores que corresponden a cada valor característico,


para ello resolver el sistema homogéneo 𝐴 − 𝜆. 𝐼 . 𝑣 = 0
Veamos un ejemplo
Hallar los autovalores y autovectores de la matriz A
3 2
𝐴=
−1 0

1 𝑃 𝜆 = 𝑑𝑒𝑡 𝐴 − 𝜆. 𝐼

3 2 1 0
𝐴 − 𝜆. 𝐼 = − 𝜆. 2 𝑃 𝜆 =0
−1 0 0 1
3 2 𝜆 0 3−𝜆 2 𝜆2 − 3𝜆 + 2 = 0
𝐴 − 𝜆. 𝐼 = − =
−1 0 0 𝜆 −1 −𝜆 − −3 ± −3 2 − 4.2
𝜆1;2 =
3−𝜆 2 2
𝑃 𝜆 = 𝑑𝑒𝑡 = −𝜆 . 3 − 𝜆 − 2. −1 𝜆1 = 2 𝑦 𝜆2 = 1
−1 −𝜆
𝑃 𝜆 = 𝜆2 − 3𝜆 + 2
Continuando con el ejemplo
3 𝐴 − 𝜆. 𝐼 . 𝑣 = 0
𝑃𝑎𝑟𝑎 𝜆1 = 2

3−𝜆 2 3−2 2 1 2 1 2 𝑥1
= = → . 𝑥 =
−1 −𝜆 −1 −2 −1 −2 −1 −2 2

0
0
𝑥1 + 2𝑥2 = 0 y −𝑥1 − 2𝑥2 = 0

1
𝑥1 = −2𝑥2 y 𝑥2 = − 𝑥1
2

𝑥1 𝑡 1
𝑥1
𝑣= 𝑥 = 1 → 𝑆𝑖 𝑥1 = 𝑡 → 1 = 𝑡 1
2 − 𝑥1 − 𝑡 −
2 2 2
1
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢1 = 1 𝑒𝑠 𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 𝜆1 = 2

2
−∞ < 𝑡 < ∞
Continuando con el ejemplo

3 𝐴 − 𝜆. 𝐼 . 𝑣 = 0
𝑃𝑎𝑟𝑎 𝜆2 = 1

3−𝜆 2 3−1 2 2 2 2 2 𝑥1 0
= = → . 𝑥 =
−1 −𝜆 −1 −1 −1 −1 −1 −1 2 0
2𝑥1 + 2𝑥2 = 0 y −𝑥1 − 𝑥2 = 0

𝑥1 = −𝑥2 y −𝑥1 = 𝑥2
𝑥1 −𝑥2 −𝑡 −1
𝑣= 𝑥 = 𝑥 → 𝑆𝑖 𝑥2 = 𝑡 → = 𝑡
2 2 𝑡 1
−1
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢2 = 𝑒𝑠 𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 𝜆2 = 1
1
−∞ < 𝑡 < ∞
Para terminar con el ejemplo

Para cada valor “t” tenemos infinitos autovectores asociados a


𝜆1 = 2 𝑦 𝜆2 = 1

Los infinitos autovectores forman un autoespacio asociado a un


autovalor
Propiedades
 Una matriz simétrica tiene todos sus valores propios reales
 Los valores propios de una matriz son los recíprocos de los valores propios de la
matriz inversa
 Cuando el valor propio es cero, el vector correspondiente es el vector nulo
 Los valores propios de una matriz son iguales a los de la matriz transpuesta
 Los valores propios de una matriz triangular son los elementos de la diagonal
principal
 Si una matriz se multiplica por una constante, los valor propios resultaran
multiplicados por dicha contante, pero los vectores propios no cambian.
 Los vectores propios de autoespacios diferentes de una matriz simétrica son siempre
ortogonales entre si.
 La suma de los valores propios de una matriz cualquiera es igual a la traza (valor de
la suma de los elementos de la diagonal principal) de dicha matriz
Diagonalización
Definición
Se dice que una matriz cuadrada es diagonalizable
¿Por qué nos
interesa si existe una matriz cuadrada P tal que
diagonalizar
una matriz?

Porque facilita 𝑃−1 𝐴 𝑃 = 𝐷


cálculos como
por ejemplo la
potenciación

P diagonaliza a la matriz A Matriz diagonal


P es la matriz de transición de B’ a B Respecto a la Base B’

A matriz estándar
Respecto a la base B

Las matrices A y D son semejantes o similares


“A” puede reducirse a una forma diagonal “D” mediante un cambio de base
Teorema
Si A es una matriz de n x n entonces las siguientes proposiciones son
equivalentes
a) A es diagonalizable
b) A tiene “n” autovectores linealmente independientes

Suponemos que A es diagonalizable, entonces 𝑃−1 𝐴 𝑃 = 𝐷 por definición


Premultiplicando por P tenemos P 𝑃−1 𝐴 𝑃 = P 𝐷
Indecamos los vectores columna Luego 𝐴𝑃 =P𝐷
𝑃1 ; 𝑃2 ; … ; 𝑃𝑛
Partimos de
𝑃11 𝑃12 … 𝑃1𝑛 𝜆1 0 … 0
𝑃21 𝑃22 … 𝑝2𝑛 0 𝜆2 … 0
𝐴𝑃= . = 𝜆1 𝑃1 𝜆2 𝑃2 … 𝜆𝑛 𝑃𝑛
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑃𝑚1 𝑃𝑚2 … 𝑃𝑚𝑛 0 0 … 𝜆𝑛
Además
𝑎11 𝑎12 … 𝑎1𝑛 𝑃11 𝑃12 … 𝑃1𝑛
𝑎21 𝑎22 … 𝑎2𝑛 𝑃21 𝑃22 … 𝑝2𝑛
𝐴𝑃= ⋮ ⋮ ⋮ ⋮ . = 𝑎1 𝑃1 𝑎2 𝑃2 … 𝑎𝑛 𝑃𝑛
⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑃𝑚1 𝑃𝑚2 … 𝑃𝑚𝑛
Continuando con el Teorema

𝐴𝑃1 = 𝜆1 𝑃1
𝐴𝑃2 = 𝜆 𝑃 𝜆1 ; 𝜆2 ; … ; 𝜆𝑛 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝐴
Como 𝐴𝑃 =P𝐷 entonces … … 2… 2 𝑃1 ; 𝑃2 ; … ; 𝑃𝑛 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑑𝑒 𝐴
𝐴𝑃𝑛 =𝜆𝑛 𝑃𝑛 𝑐𝑜𝑟𝑟𝑒𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑎 𝑐𝑎𝑑𝑎 𝜆

Los vectores
columna de P no
son ceros pues P
es invertible

Supuesto que P es invertible, sus vectores columna 𝑃1 ; 𝑃2 ; … ; 𝑃𝑛 no son cero , por


lo tanto 𝜆1 ; 𝜆2 ; … ; 𝜆𝑛 son los autovalores de A y 𝑃1 ; 𝑃2 ; … ; 𝑃𝑛 son los
autovectores correspondientes
Los vectores 𝑃1 ; 𝑃2 ; … ; 𝑃𝑛 son linealmente independiente por lo que la matriz A
tienen ”n” autovectores linealmente independientes.
¿Cuándo una matriz es diagonalizable?
 Una matriz 𝐴𝜖𝑅𝑛𝑥𝑛 es diagonalizable si tiene “n” vectores propios LI.
Siendo los elementos de la diagonal principal de la matriz D los autovalores
y los vectores columna de la matriz de transición P los autovectores de A

 Si los autovalores son reales y distintos la matriz A es digonalizable

 Si hay autovalores múltiples la matriz puede ser o no diagonalizable. La


dimensión de los subespacios propios debe ser igual al orden de
multiplicidad del autovalor.

 Si los autovalores son complejos la matriz no es diagonalizable


Procedimiento para diagonalizar una
matriz
1) Hallar el polinomio característico, 𝑃 𝜆 = det 𝐴 − 𝜆. 𝐼

2) Determinar los autovalores, 𝑃 𝜆 = det 𝐴 − 𝜆. 𝐼 = 0.

3) Hallar los autovectores asociados a los autovlores , 𝐴 − 𝜆. 𝐼 . 𝑣 = 0

4) Armar la matriz de transición P

5) Calcular la matriz diagonal D, 𝑃−1 𝐴 𝑃 = 𝐷


Veamos un ejemplo
2 1
𝐴= ¿Es diagonalizable?
2 3

1 𝑃 𝜆 = 𝑑𝑒𝑡 𝐴 − 𝜆. 𝐼

2 1 1 0
𝐴 − 𝜆. 𝐼 =
2 3
− 𝜆.
0 1 2 𝑃 𝜆 =0

2 1 𝜆 0 2− 𝜆 1 𝜆2 − 5𝜆 + 4 = 0
𝐴 − 𝜆. 𝐼 = − =
2 3 0 𝜆 2 3− 𝜆 − −5 ± −5 2 − 4.4
𝜆1;2 =
2− 𝜆 1 2
𝑃 𝜆 = 𝑑𝑒𝑡 = 2− 𝜆 . 3−𝜆 −2
2 3− 𝜆 𝜆1 = 4 𝑦 𝜆2 = 1
𝑃 𝜆 = 𝜆2 − 5𝜆 + 4
Continuando con el ejemplo

3 𝐴 − 𝜆. 𝐼 . 𝑣 = 0
𝑃𝑎𝑟𝑎 𝜆1 = 4

2− 𝜆 1 2−4 1 −2 1 −2 1 𝑥1 0
= = → . =
2 3− 𝜆 2 3−4 2 −1 2 −1 𝑥2 0
−2𝑥1 + 𝑥2 = 0 y 2𝑥1 − 𝑥2 = 0

Luego 𝑥2 = 2𝑥1
𝑥1 𝑥1 𝑡 1
𝑣 = 𝑥 = 2𝑥 → 𝑆𝑖 𝑥1 = 𝑡 → = 𝑡
2 1 2𝑡 2
1
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢1 = 𝑒𝑠 𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 𝜆1 = 4
2
−∞ < 𝑡 < ∞
Continuando con el ejemplo

3 𝐴 − 𝜆. 𝐼 . 𝑣 = 0
𝑃𝑎𝑟𝑎 𝜆2 = 1

2− 𝜆 1 2−1 1 1 1 1 1 𝑥1 0
= = → . =
2 3− 𝜆 2 3−1 2 2 2 2 𝑥2 0
𝑥1 + 𝑥2 = 0 y 2𝑥1 + 2𝑥2 = 0

Luego 𝑥1 = −𝑥2
𝑥1 𝑥1 𝑡 1
𝑣 = 𝑥 = −𝑥 → 𝑆𝑖 𝑥1 = 𝑡 → = 𝑡
2 1 −𝑡 −1
1
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢2 = 𝑒𝑠 𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒𝑙 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 𝜆2 = 1
−1
−∞ < 𝑡 < ∞
Continuando con los cálculos
Para cada valor “t” tenemos infinitos autovectores asociados a 𝜆1 = 4 𝑦 𝜆2 = 1

4 Matriz de transición P
5 Cálculo de la matriz diagonal
𝑢1 𝑢2 1 1
𝑃= → 𝑃= 𝑃−1 𝐴 𝑃 = 𝐷
2 −1
1 1
𝑃 −1 = 3 3
2 1

3 3
1 1
3 3 2 1 1 1 4 0
𝑃−1 𝐴 𝑃 = 2 1 . . =
−3 2 3 2 −1 0 1
3
Terminamos con los temas del día de hoy

Ahora un recreo, o lo que quieras


Material desarrollado para las clases de Álgebra y Geometría
Analítica
con fines didácticos

Bibliografía y webgrafía consultada:


Material de Cátedra
Imágenes

Recopilación realizada por Ing. Silvia


Socolovsky

También podría gustarte