Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD V:
VALORES Y VECTORES PROPIOS
❑ Valores propios.
❑ Vectores propios.
❑ Aplicaciones
APLICACIÓN 1: DIAGONALIZACIÓN DE MATRICES
Una matriz cuadrada 𝐴 ∈ ℳ(𝑛, ℝ) es diagonalizable si existe una matriz 𝑉 invertible y una matriz 𝐷 diagonal de
manera que se cumple:
𝐷 = 𝑉 −1 𝐴𝑉 ⟹ 𝐴 = 𝑉𝐷𝑉 −1
La matriz 𝐷 es una matriz diagonal en cuya diagonal principal se encuentran los valores propios de 𝐴; las columnas de
la matriz V son los vectores propios correspondientes, los cuales son linealmente independientes.
EJEMPLO:
5 6 −6
Sea la matriz 𝐴 = −3 −4 6 donde los valores propios son: 𝜆1 = 2 , 𝜆2 = −1 y los vectores propios
0 0 2
forman las bases:
−2 2 −1
ℬ𝜆1 =2 = 1 , 0 ℬ𝜆2 =−1 = 1
0 1 0
5 6 −6 −2 2 −1 2 0 0 −1 −1 2
𝐴 = −3 −4 6 = 1 0 1 0 2 0 0 0 1 = 𝑉𝐷𝑉 −1
0 0 2 0 1 0 0 0 −1 1 2 −2
2 Valores y vectores propios
APLICACIÓN 2: SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES
Sea el siguiente sistema de ecuaciones diferenciales lineales, homogéneo con coeficientes constantes, donde las
variables dependientes son 𝑥(𝑡) y 𝑦(𝑡):
𝑥′ 𝑎 𝑏 𝑥
= 𝑦 ⟹ X ′ = AX
𝑦′ 𝑐 𝑑
➢ El procedimiento para calcular la solución tiene dos partes: cálculo de los valores propios y cálculo de los vectores
propios correspondientes.
𝑑𝑒𝑡 𝐴 − 𝜆𝐼 = 0
el cual se denomina ECUACIÓN CARACTERÍSTICA.
➢ Para calcular los vectores propios, tendremos tres casos, dependiendo de si los valores propios son reales y
diferentes, reales e iguales o números complejos conjugados.
➢ Una vez obtenidos los valores propios y los correspondientes vectores propios se construye la solución general del
sistema.
C 𝜆1 = 𝜆2 = 𝜆 ∈ ℝ
𝑘1 𝑝1
A • Vectores propios: 𝑨 − 𝜆𝑰 𝐾 = 0 ,𝐾 = 𝑨 − 𝜆𝑰 𝑃Ԧ = 𝐾 𝑃Ԧ = 𝑝
𝑘2 2
S
O
• Solución: 𝑋 𝑡 = 𝐶1 𝐾 𝑒 𝜆 𝑡 + 𝐶2 𝐾 𝑡 + 𝑃Ԧ 𝑒 𝜆 𝑡
2
𝜆 = 𝛼 + 𝑖𝛽 ∈ ℂ
C 𝐵1 = 𝑅𝑒(𝐾 )
A • Vectores propios: 𝑨 − 𝜆𝑰 𝐾 = 0 𝐾1 = 𝑅𝑒 𝐾 + 𝑖 𝐼𝑚(𝐾 ) ∈ ℂ
𝐵2 = 𝐼𝑚(𝐾 )
S
𝑋1 = 𝑒 𝛼𝑡 𝐵1 𝑐𝑜𝑠 𝛽𝑡 − 𝐵2 𝑠𝑒𝑛 𝛽𝑡 𝑋2 = 𝑒 𝛼𝑡 𝐵2 𝑐𝑜𝑠 𝛽𝑡 + 𝐵1 𝑠𝑒𝑛 𝛽𝑡
O
3 • Solución: 𝑋 𝑡 = 𝐶1 𝑋1 (𝑡) + 𝐶2 𝑋2 (𝑡)
transformar en otro conjunto llamado conjunto de 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝒑𝒓𝒊𝒏𝒄𝒊𝒑𝒂𝒍𝒆𝒔, 𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒑 , con 𝒑 < 𝒏, las cuales
no están correlacionadas.
➢ Las 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆𝒔 𝒑𝒓𝒊𝒏𝒄𝒊𝒑𝒂𝒍𝒆𝒔 se construyen como combinaciones lineales del conjunto de las variables
originales, de manera que podemos formar un sistema de ecuaciones:
Las columnas de la matriz A corresponden a los vectores propios de la matriz de covarianzas 𝑪𝑶𝑽(𝒖𝒊 , 𝒖𝒋 ) la cual es
de una matriz cuadrada de orden 𝑝 y los valores propios de dicha matriz corresponden a las varianzas de las nuevas
variables 𝑽𝒂𝒓 𝒗𝒊 = 𝝀𝒊 .
Por tanto, utilizando lo que vimos sobre diagonalización de matrices:
2
𝜎11 𝜎12 … 𝜎1𝑝
𝜎21 2
𝜎22 … 𝜎2𝑝
𝐶𝑂𝑉 𝑢𝑖 , 𝑢𝑗 = 𝐴𝛬𝐴−1 =
⋮ ⋮ ⋱ ⋮2
𝜎𝑝1 𝜎𝑝2 … 𝜎𝑝𝑝
donde 𝜎𝑖𝑖2 = 𝑉𝑎𝑟(𝒖𝒊) es la varianza de la variable 𝒖𝒊 respecto a su media y 𝜎𝑖𝑗 = 𝐶𝑜𝑣(𝒖𝒊, 𝒖𝒋 ) es la covarianza de la
variable 𝒖𝒊 respecto a la variable 𝒖𝒋 :
σ𝑖,𝑗(𝑢𝑖 − 𝑢)(𝑢
ത 𝑗 − 𝑢ത ) σ𝑖 (𝑢𝑖 − 𝑢ത )2
𝜎𝑖𝑗 = , 𝜎𝑖𝑖2 =
𝑛 𝑛
Una vez que se conoce las componentes de la matriz 𝐴, se pueden hacer las combinaciones lineales de las variables
TURBIDEZ CONCENTRACIÓN
(NTU) E. Coli /100 mL
➢ Se traza una elipse que contenga a
0.55 201
todos los puntos.
0.89 250
➢ Los ejes de la elipse son los
1.52 263
𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 y las longitudes de
2.01 244
dichos ejes son los 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠.
2.02 298