Trabajo de investigación sobre el tema

de EigenValores y EigenVectores
Resumen:
Los Eigenvalores y Eigenvectores son conceptos que se emplean en las matemáticas y en
las ingenierías. La raíz eigen proviene del alemán y significa propio, por lo cual podemos
definir como Valores propios o valores característicos de una transformación lineal o de una
matriz, mientras los eigenvectores pueden ser definidos como vectores propios o vectores
característicos de una transformación lineal o de una matriz.

Eigenvalores.
Definición:
Los eigenvalores o mejor conocidos como valores propios son constantes que multiplican a
los vectores propios y que participan en la transformación lineal de la matriz original.

Los valores propios son las raíces reales (raíces que tienen como solución números reales)
que encontramos mediante la ecuación característica.

Características de los valores propios:

• Cada valor propio tiene infinitos vectores propios dado que existen infinitos
números reales que pueden formar parte de cada vector propio.
• Son escalares, pueden ser números complejos (no reales) y pueden ser idénticos
(más de un valor propio iguales).
• Existen tantos valores propios como número de filas (m) o columnas (n) tiene la
matriz original.

Utilidad o importancia:
Los valores propios, junto a otras propiedades de las matrices cuadradas, son la clave para
la diagonalización de matrices cuadradas por otras matrices diagonales semejantes. Una
vez encontrada la matriz diagonal semejante, los cálculos de la aplicación lineal se
simplifican notablemente a meros productos.

Eigenvectores.
Definición:
Los eigenvectores o mejor conocidos como vectores propios son vectores multiplicados por
un valor propio en las transformaciones lineales de una matriz. los vectores propios
traducen la información de la matriz original en la multiplicación de valores y una constante.

Los vectores propios son conjuntos de elementos que mediante la multiplicación de una
constante cualquiera, son equivalentes con la multiplicación de la matriz original y los
conjuntos de elementos.

(Del alemán eigenvert traducido como autovector) Dícese del vector V que en
una aplicación lineal T multiplica al valor propio no nulo k en la forma T(V)=kV.
El termino eigenvert se atribuye al matemático David Hilbert en 1904.
Vectores y valores propios juegan un rol medular en la simplifación operatoria (solo un
producto por fila) dentro de las transformaciones lineales, al permitir hallar a la matriz
diagonal semejante a la matriz cuadrada asociada a T.

Utilidad o importancia:
Los valores y vectores propios son clave para la diagonalización de matrices cuadradas,
proceso que se hace mediante la resolución del polinomio característico de la matriz
cuadrada asociada a la transformación lineal en cuestión, usando por lo general el teorema
de Cayley-Hamilton. Una vez encontrada la matriz diagonal semejante, los cálculos de la
aplicación lineal se simplifican notablemente a meros productos. Para matrices superiores
al orden 3, se obtendrán polinomios que no tendrán un método general de factorización.

Como obtener los valores y vectores propios de una matriz:

• Se calcula la ecuación característica de la matriz resolviendo el siguiente
determinante:

• Se hallan las raíces del polinomio característico obtenido en el paso 1. Estas raíces
son los valores propios de la matriz.

• Se calcula el vector propio de cada valor propio. Para ello, se resuelve el siguiente
sistema de ecuaciones para cada autovalor:

Una forma de obtener los más fácilmente es:

• La traza de la matriz (suma de su diagonal principal) es igual a la suma de todos los
valores propios.

• El producto de todos los valores propios es igual al determinante de la matriz.

• Si existe alguna combinación lineal entre filas o columnas, como mínimo un valor
propio de la matriz es igual a 0.

Aplicaciones en donde se usan los valores y vectores propios:

• Ecuaciones diferenciales.
 • Estabilidad de sistemas lineales.
• Sistemas eléctricos (componentes simétricas).
• Polos y ceros de funciones transferencia.
• Diagonalización de matrices.

También se aplican en las áreas de:

Análisis factorial:
Es una técnica que se aplica en las ciencias sociales, mercadotecnia, gestión de producto,
investigación operativa y etc.
Los valores propios de la matriz de covarianza corresponden a los factores y a los valores
propios a las cargas.
El objetivo es explicar la mayor parte de la variabilidad entre varias variables aleatorias
observables en términos de un numero menor de variables aleatorias no observables
llamadas factores.

Valores propios de un grafo:

Los grafos son un leguaje y una notación que permite representar las relaciones binarias.
Un valor propio de un grafo se define como un valor propio de la matriz adyacente de un
grafo A.
El vector propio principal de un grafo se usa para medir la centralidad de sus vértices.

Ecuaciones diferenciales:
• Son ecuaciones que incluyen una derivada, sirven para resolver un sistema de
ecuaciones de primer orden
• Crea una matriz de acuerdo al sistema de ecuaciones.
• Determina los valores y vectores propios.
• Forma una matriz C con los valores propios de una matriz A.
• Se calcula la matriz inversa de C.
• Determina una matriz D a partir de los valores propios.
• Diagonalizar la matriz A.
• Calcular en la forma canónica de jordán.
• Se plantea la solución.

Operador hamiltoniano:
H es el observable que da cuenta a la energía total que fluye en un sistema acuatico. Los
posibles valores de la energía de un sistema físico vienen dados por los valores propios y
del operador hamiltoniano.

En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los

valores escalares λ y los vectores x diferente de 0 tales que para la matriz cuadrada A se
cumple
Podemos averiguar si el problema planteado por tiene solución si la reescribimos como
sigue.

Así el problema se transforma en el ya conocido sistema lineal homogéneo Bx=0, el cual ya

sabemos que tiene solución única x=0 cuando det(B) diferente de 0. Justamente este es el
caso que no nos interesa.

El número λ se dice valor propio de A (matriz cuadrada) si y sólo si

esta es la ecuación característica de la matriz A.

El determinante que aparece en la ecuación característica resulta ser un polinomio en

potencias de λ. Por ello a la expresión

se le llama polinomio característico de la matriz A.

Ejemplo.
Suponemos que queremos encontrar los vectores y valores propios de una Z matriz de
dimensión 2×2:

1.- Sustituimos la matriz Z y I en la ecuación característica:

2.- Arreglamos los factores:

3.- Multiplicamos los elementos como si buscásemos el determinante de la matriz.

4.- La solución de esta ecuación cuadrática es h=2 y h=5. Dos valores propios porque el
número de filas o columnas de la matriz Z es 2. Entonces, hemos encontrado los valores
propios de la matriz Z que a la vez hacen que el determinante sea 0.

5.- Para encontrar los vectores propios tendremos que resolver:

6.- Por ejemplo, (v 1, v2) = (1,1) para h=2 y (v1, v2) = (-1,2) para h=5:
Referencias en APA:
1.- Instituto de Geofísica, Jaime Jesús Ortega Ibarra, UNAM, 2020,
Eigenvalores y Eigenvectores,
http://gmc.geofisica.unam.mx/papime2020/index.php/articulos/38-
eigenvalores-y-eigenvectores.

2.- Ecured (Colectivo de Autores), La Habana, 2003, valores propios, Editorial

Félix Valera, https://www.ecured.cu/Valor_propio.

3.-Matricesydeterminantes, matricesydeterminantes.com, enero 2021,

Valores propios (o autovalores) y Vectores propios (o autovectores) de una
matriz, https://www.matricesydeterminantes.com/matrices/calcular-valores-
propios-autovalores-y-vectores-propios-autovectores-de-una-
matriz/#Como_calcular_los_valores_propios_o_autovalores_y_los_vectores_
propios_o_autovectores_de_una_matriz.

4.- Jeison Sierra Lizca, prezi, Nov 01 2016, aplicaciones de valores y vectores
propios en las matemática, https://prezi.com/dwjko7vgt7xi/aplicaciones-de-
valores-y-vectores-propios-en-las-matematica/.