PROBLEMA DE APLICACIÓN DE GEOMETRÍA

ANALÍTICA Y ESTADÍSTICA USANDO

AUTOVALORES Y SENTOVECTORES
𝑰𝑵𝑻𝑬𝑮𝑹𝑨𝑵𝑻𝑬𝑺:
-CALDERON HUAMAN ELVIS
-FLORES CARRIÓN JOSIAS
- HUAMAN JOAQUIN LEENER
-SALINAS MONTOYA RONALD
-VARGAS RODRIGUEZ ANTHONY

𝑷𝑹𝑶𝑭𝑬𝑺𝑶𝑹: JULIO CÉSAR AGUSTÍN

SANGAY
𝑪𝑰𝑪𝑳𝑶 − 𝑨𝑼𝑳𝑨: 3 – A

2022
Introducción
Los procesos de transformación en los cuales está expuesta la sociedad,
conducen al desarrollo de un nuevo paradigma beneficioso con base en la
implementación intensa de variadas competencias del entorno del entendimiento.

A partir del Álgebra Lineal, se proponen diferentes planteos que propician en

la persona el desarrollo de las competencias que apuntan a la consolidación de
un pensamiento formal por medio de, el saber lógico, la implementación del
vocabulario y las interpretaciones exactas, que le permitan implantar las
interrelaciones correctas para matematizar y modelar correctamente. El
siguiente trabajo muestra una iniciativa de ocupaciones para desarrollar con
aportes de contenidos de Algebra Lineal relacionadas con Geometría Analítica.
 Marco Teórico:
Se pretende consolidar el aprendizaje del tema autovalores y autovectores desde
el Álgebra Lineal en forma integrada y articulada con otras asignaturas Cálculo,
Geometría Analítica, facilitando la comprensión de los objetos matemáticos
involucrados. Adquirir capacidad de resolver problemas, usando las herramientas
aprendidas en clase, para conectar en forma vertical conocimientos matemáticos en
la carrera de grado y/o realizar un óptimo desempeño en carreras de posgrado .En
relación a los contenidos generales que se necesitan abordar para esta propuesta,
se pueden mencionar:
-Definición y cálculo de Autovalores y Autovectores
-Matrices Definidas Positivas
-Formas Cuadráticas Reales
-Diagonalización de Matrices Simétricas
-Aplicaciones a Geometría Analítica: Secciones Cónicas y Cuádricas.
 Eigenvalores y Eigenvectores
CONCEPTO
La palabra "eigen" en aleman significa "propio", por eso algunos autores les denominan a los
eigenvalores como valores propios, valores característicos o raices latentes.

DEFINICIÓN
Sea A una matriz de nXn entonces se dice que un vector diferente de cero x en R^n es un
eigenvector de A si A x es un múltiplo escalar de x; es decir,

𝐴.𝑥=λ.𝑥
Para algún escalar λ . El escalar λ se denomina eigenvalor de A y se dice que x es un eigenvector
correspondiente a A.
EJEMPLO
 Aplicaciones
VIBRACIONES Y FRECUENCIAS DE CUERPOS SOLIDOS
Este método nos permite analizar cualquier cuerpo sólido
complejo y predecir con gran precisión cómo vibrará, y a qué
frecuencias.

OBTENER LOS EJES PRINCIPALES DE UNA MATRIZ DE

DISPERSIÓN (O DE COVARIANZA) DE UN CONJUNTO DE
MUESTRAS.
Es decir en qué direcciones tienden a estar alineados los puntitos.
Un ejemplo en dos dimensiones: si calculamos la matriz de
covarianza de los puntos de la figura, sus dos autovectores nos
indican las direcciones marcadas por flechas, cuya longitud está
dada por los autovalores. Y el autovector de mayor autovalor nos
dice la dirección principal  que se alinean los puntos.
 LA FÍSICA CUÁNTICA.
El concepto de autovalores se puede aplicar a la ecuación de
Schrödinger u otras más complejas, para averiguar cómo se
comportan las partículas más microscópicas como electrones
orbitando en un átomo, incluso dentro de una molécula
compleja. En este caso, los autovalores tienen la
interpretación de la energía de cada estado, y los autovectores
nos indican las funciones de onda que describe el objeto
estudiado

EN TEORÍA DE GRAFOS
También tienen los autovectores una aplicación crucial:
aplicadas a la matriz de conectividad (Laplaciana) del grafo, nos
dan información crítica sobre su estructura.
Ejemplo Analítica Problema de aplicación
Ejemplo Analítica
Ejemplo Analítica

=
Ejemplo Analítica
Ejemplo Analítica GRÁFICA
Superficie cuádrica en un sistema en
el que no se ha eliminado la rotación.
Ejemplo Analítica Conclusiones:
1. Las matrices son importantes para los campos de la
investigación de la investigación científica.
2. El álgebra lineal es una herramienta importante para
las soluciones de problemas de geometría analítica.
3. Si la matriz asociada a la forma cuadrática es simétrica
e idempotente posee autovalores unos ó ceros,
únicamente, y éstos últimos permiten eliminar variables
superfluas y/o reducir el número de términos
cuadráticos en una superficie cuádrica en un sistema
ortogonal sin rotación.
 Ejemplo Analítica
Bibliografía:
 Isabel Pustilink y Federico Gómez (17 de mayo, 2017). UTN.BA, Diagonalización ortogonal
de matrices simétricas.
https://aga.frba.utn.edu.ar/diagonalizacion-ortogonal-de-matrices-simetricas/
 Leandro Marín, Francisco Vera y Gema Díaz, (1 de diciembre de 2013). Álgebra y
Matemática Discreta Sesión de Teoría 2.
https://www.um.es/documents/4874468/11566246/amd13t22.pdf/7c1ce38f-e6d6-4b14-90ad-
d62dffc9eb87#:~:text=Base%20OrtonormalUna%20base%20%7Bv1%2C%C2%B7%C2%B7%C2%B
7%20%2Cvn%7D%20de,vi%20%3D%201%20para%20todo%20i.&text=Se%20dir%C3%A1%20que%2
0una%20matriz,columnas%20son%20una%20base%20ortonormal

Enlace del trabajo:

https://www.canva.com/design/DAFJmG7RT-c/q3EzgKyJhcYv7NqgRvSNKQ/edit?
utm_content=DAFJmG7RT-
c&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton