Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALGEBRA LINEAL
ENERO 2021
2
El cálculo de los valores propios y de los vectores propios de una matriz simétrica no solo
tiene gran importancia en las matemáticas y en la ingeniería, sino también en otras ramas
de ciencias, como lo son la biología y la física, el problema de la diagonalización de una
matriz, el cálculo de los momentos de inercia y de los ejes principales de inercia de un
sólido rígido, o de las frecuencias propias de oscilación de un sistema oscilante, El
álgebra matricial tiene muchos usos ya que proporciona herramientas elementales para
simplificar y resolver problemas donde intervienen un número elevado de datos., entre los
que cabe destacar,
En biología:
En física, para tener un ejemplo sencillo, se necesitan valores y vectores propios, para un
sistema de fuerzas en un cuerpo estático y su diagramación para establecer su equilibrio, o
más conocido como diagrama de cuerpo libre como lo vimos en módulos anteriores.
Física:
En la mecánica cuántica, la base es los valores y vectores propios. Los datos se
representan por operadores, En un cierto estado, se encuentra el valor propio A, y
el estado del sistema será la proyección del estado sobre el vector propio asociado
con A.
b) Los péndulos: hay una Buena demostración con botellas oscilantes, que
depende de valores propios. Esto puede encontrarse bajo el tema “péndulos
acoplados”.
c) En rotación de cuerpos rígidos, sin importar lo complicado que un objeto
parece, siempre hay al menos un conjunto de tres direcciones ortogonales
alrededor en las que el cuerpo puede rotar sin precesión, y para su cálculo se usan
vectores propios.
d) Telecomunicaciones: El llamado algoritmo de “formación de rayos”, en el caso
de antenas múltiples, requiere el cálculo de vectores propios.
2. ¿Cómo puede utilizar los valores y vectores propios para diagonalizar matrices?
3
Para diagonalizar una matriz A es necesario encontrar sus valores y vectores propios puesto que se
deben encontrar las matrices P y D anteriormente mencionadas; la matriz D es una matriz diagonal
compuesta por los valores propios de A . Los vectores propios correspondientes a los valores propios en
D componen las columnas de la matriz P, resta calcular la matriz inversa de P y ya sabemos realizar
este procedimiento haciendo uso de los determinantes.
3 1
Veamos un ejemplo de diagonalización de matrices. Sea A=
2 2 [ ]
, encontremos sus
det 3 1 −λ 1 0 =0
( [ ] [ ])
2 2 0 1
det 3 1 − λ 0 =0
( [ ] [ ])
2 2 0 λ
det 3−λ 1 =0
([2 2−λ ])
( 3−λ ) ( 2−λ )−( 2 ) (1 )=0 λ 2−5 λ+4=0
4
det 3−λ 1 =0
([2 2−λ ])
( 3−λ ) ( 2−λ )−( 2 ) (1 )=0 λ 2−5 λ+4=0
Encontramos las raíces del polinomio característico de A que es λ 2−5 λ+4=0. Las raíces
de este polinomio son λ=4 y λ=1 y con ellas formamos la matriz diagonal D= [ 40 01 ]
Ahora sustituimos cada uno de los valores de λ y encontramos los dos vectores propios
Para λ=4
3 1 1 0 x1 0
([ ] [ ][ ] []
2 2
−4 ¿
0 1 x2
=
0
3 1 4 0 x1 0
[ ][ ][ ][]
2 2
− ¿
0 4 x2
=
0
3−4 1 x 0
[ 2 ][ ] []
∗ 1=
2−4 x 2 0
−1 1 x 0
[ ][ ][]
∗ 1=
2 −2 x 2 0
1.−x 1 + x 2=0
2. 2 x 1−2 x 2=0
Para λ=1
3−1 1 x 0
[ 2
∗ 1=
2−1 x 2 0 ][ ] []
2 1 x1 0
[ ][ ] []
∗ =
2 1 x2 0
1. 2 x 1 + x 2=0
2. 2 x 1 + x 2=0
−1 −1
De aquí se tiene que x 1=
2 [ ]
x 2 por tanto el vector propio es
2
.
P= [ 11 −12 ]
Seguidamente hallamos P−1
2 1
P−1=
1
det (P)
1
∗Adj ( P )= ∗ 2 1 = 3
3 −1 1 −1
3
[ ] [ ] 3
1
3
2 1 2 1
PD P−1= 1 −1 ∗ 4 0 ∗ 3
[
1 2 ][ ]
0 1 −1
3
[ ] [ ][ ] [
3 = 4 −1 ∗ 3
1
3
4 2 −1
3
3 = 3 1 =A
1
3
]
2 2
Referencias
https://moodlevirtual.sanmateovirtual.edu.co/RecursosISST/Algebra_Lineal/Unidad_3/Act_2/Co
ntexto/UV_GR_DOE_ALI_U03_2402_V01/UV_GR_DOE_ALI_U03_2402_V01.pdf
https://moodlevirtual.sanmateovirtual.edu.co/RecursosISST/Algebra_Lineal/Unidad_3/Act_2/Re
curso/UV_GR_DOE%20_%20ALI_U03_2403_V01/UV_GR_DOE%20_
%20ALI_U03_2403_V01.pdf
https://aga.frba.utn.edu.ar/diagonalizacion-de-una-matriz/