Informe Técnico
Ricardo Marcano CI:30.476.594
Instituto Universitario de Tecnología
Antonio José de Sucre
7821833: Algebra Lineal
Prof. Naudy Albornoz
Agosto; 2023
Vectores y Valores Propios
Vectores y Valores Propios
La distribución de vectores propios o auto vectores es una herramienta
importante en el álgebra lineal y se utiliza en una amplia variedad de campos,
incluyendo la física, la ingeniería, la economía y las ciencias sociales. Los
vectores propios son los vectores no nulos de una aplicación lineal que, cuando
son transformados por ella, dan lugar a un múltiplo escalar de ellos, lo que
significa que no cambian de dirección.
El escalar es el valor propio o autovalor. Si tenemos una matriz A que
representa una transformación lineal, un vector v es un vector propio de A si
existe un escalar λ tal que Av = λv. La teoría espectral se refiere al estudio de los
valores propios y vectores propios de una matriz y es de fundamental importancia
en muchas áreas.
Los valores propios y vectores propios también tienen una significación
geométrica. Cuando se tiene un vector distinto de cero que, cuando se multiplica
por una matriz da como resultado otro vector que es paralelo al primero o igual a
0, este vector se denomina vector propio de la matriz.
La distribución de vectores propios es una herramienta importante en el análisis
de datos categóricos y en pruebas de significancia estadística.
Características
Los vectores propios y valores propios tienen varias características y
propiedades interesantes. Algunas de ellas son:
• Los valores propios de una matriz triangular son simplemente las
entradas en la diagonal.
• Los valores propios y vectores propios de una matriz están relacionados
con otras propiedades de esa matriz, como su rastro y determinante.
• Los vectores propios con valores propios distintos son linealmente
independientes.
• Los valores propios y vectores propios son solo para matrices cuadradas.
• Los vectores propios son, por definición, diferentes de cero. Los valores
propios pueden ser iguales a cero.
Condiciones
Para encontrar vectores y valores propios de una matriz, se debe
cumplir:
• Matriz Z cuadrada: el número de filas (m) es el mismo que el número de
columnas (n).
• Matriz Z real. La mayoría de las matrices utilizadas en finanzas tienen
raíces reales. ¿Qué ventaja existe en la utilización de raíces reales? Que
los valores propios de la matriz nunca van a ser números complejos.
• Matriz (Z– hI) no invertible: determinante = 0. Esta condición nos ayuda a
encontrar siempre vectores propios distintos de cero. Si encontrásemos
vectores propios iguales a 0, entonces la multiplicación entre valores y
vectores propios sería nula.
Ejemplo Practico
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, (v1,v2)=(1,1) para h=2 y (v1,v2)=(-1,2) para h=5:
Polinomio Característico
El polinomio característico es un polinomio que se utiliza en álgebra lineal y
es invariante por similitud matricial. Este polinomio tiene como raíces los valores
propios de una matriz cuadrada. El polinomio característico también tiene el
determinante y la traza de la matriz entre sus coeficientes.
El polinomio característico de un endomorfismo de un espacio vectorial de
dimensión finita es el polinomio característico de la matriz de ese endomorfismo
sobre cualquier base, lo que significa que el polinomio característico no depende
de la elección de una base.
La ecuación característica, también conocida como ecuación determinante,
se obtiene igualando a cero el polinomio característico. En la teoría espectral de
grafos, el polinomio característico de un grafo es el polinomio característico de su
matriz de adyacencia.
El polinomio característico tiene varias propiedades interesantes, como que
si A es una matriz triangular superior en M n (F), entonces su polinomio
característico es χA(λ) = ∏i=1n(λ−aii). Además, las raíces del polinomio
característico son los valores propios de la matriz.
En resumen, el polinomio característico es una herramienta importante en
álgebra lineal y se utiliza para encontrar los valores propios de una matriz
cuadrada.
Características
El polinomio característico tiene varias características y propiedades
interesantes. Algunas de ellas son:
• El polinomio característico es un polinomio invariante por similitud
matricial que tiene como raíces los valores propios de una matriz
cuadrada.
• Tiene el determinante y la traza de la matriz entre sus coeficientes.
• El polinomio característico de un endomorfismo de un espacio vectorial
de dimensión finita es el polinomio característico de la matriz de ese
endomorfismo sobre cualquier base (es decir, el polinomio característico
no depende de la elección de una base).
• Su ecuación característica, también conocida como ecuación
determinante, es la ecuación que se obtiene igualando a cero el polinomio
característico.
• En la teoría espectral de grafos, el polinomio característico de un grafo es
el polinomio característico de su matriz de adyacencia.
Ejemplo
Tenemos la matriz:
Para encontrar su polinomio característico hacemos lo siguiente:
Cálculo Del Vector Propio Asociado Al Valor Propio Correspondiente
Una vez que se han calculado los valores propios de una matriz, se
pueden calcular los vectores propios asociados a cada valor propio. Un vector
propio de una matriz A es un vector no nulo v tal que Av = λv, donde λ es un
valor propio de A. Para calcular el vector propio asociado a un valor propio
dado, se debe resolver el sistema de ecuaciones (A - λI)v = 0, donde I es la
matriz identidad y λ es el valor propio dado.
Por ejemplo, si tenemos una matriz A y hemos calculado que uno de sus
valores propios es λ = 3, podemos calcular el vector propio asociado a este
valor propio restando 3 veces la matriz identidad a la matriz A y resolviendo el
sistema resultante para encontrar el vector v. Este vector v será un vector
propio de A asociado al valor propio λ = 3.
Características
• Los vectores propios son vectores multiplicados por un valor propio en
las transformaciones lineales de una matriz.
• Los valores propios son constantes que multiplican los vectores propios
en las transformaciones lineales de una matriz.
• Un ejemplo de un vector propio es un vector situado en el eje de rotación
sobre el cual se realiza una rotación en tres dimensiones. El valor propio
correspondiente es 1 y el espacio propio es el eje de giro.
Ejemplos
• Ejemplo 1: Supongamos que tenemos una matriz A y hemos calculado
que uno de sus valores propios es λ = 3. Para calcular el vector propio
asociado a este valor propio, debemos resolver el sistema de ecuaciones
(A - 3I)v = 0. Una vez que hayamos resuelto este sistema, el vector v
resultante será un vector propio de A asociado al valor propio λ = 3.
• Ejemplo 2: Otro ejemplo es una rotación en tres dimensiones. Un vector
situado en el eje de rotación sobre el cual se realiza la rotación es un
vector propio. El valor propio correspondiente es 1 y el espacio propio es
el eje de giro.
Vector Propio Correspondiente
Un vector propio o autovector es un vector no nulo de una aplicación lineal
que, cuando es transformado por ella, da lugar a un múltiplo escalar de sí mismo,
lo que significa que no cambia de dirección.
Este escalar se denomina valor propio o autovalor. En otras palabras, si
tenemos una matriz A que representa una transformación lineal, un vector v es un
vector propio de A si existe un escalar λ tal que Av = λv. El escalar λ se llama valor
propio de A.
Una vez que se han calculado los valores propios de una matriz, se pueden
calcular los vectores propios asociados a cada valor propio. Para calcular el
vector propio asociado a un valor propio dado, se debe resolver el sistema de
ecuaciones (A - λI)v = 0, donde A es la matriz, λ es el valor propio dado e I es la
matriz identidad.
El polinomio característico es un polinomio invariante por similitud
matricial que tiene como raíces los valores propios de una matriz. Este polinomio
tiene el determinante y la traza de la matriz entre sus coeficientes.
El polinomio característico de un endomorfismo de un espacio vectorial de
dimensión finita es el polinomio característico de la matriz de ese endomorfismo
sobre cualquier base, lo que significa que el polinomio característico no depende
de la elección de una base.
En resumen, los vectores propios son los vectores no nulos que no cambian
de dirección cuando son transformados por una matriz. Los valores propios son
los escalares que multiplican a los vectores propios en la transformación. El
polinomio característico es un polinomio que tiene como raíces los valores
propios de una matriz y tiene propiedades relacionadas con el determinante y la
traza de la matriz.
Por ejemplo, si tenemos una matriz A y hemos calculado que uno de sus
valores propios es λ = 3, podemos calcular el vector propio asociado a
este valor propio restando 3 veces la matriz identidad a la matriz A y
resolviendo el sistema resultante para encontrar el vector v. Este vector v
será un vector propio de A asociado al valor propio λ = 3.
Características
• Los vectores propios son vectores multiplicados por un valor propio en
las transformaciones lineales de una matriz.
• Los valores propios son constantes que multiplican los vectores propios
en las transformaciones lineales de una matriz.
Vectores Propios De Una Matriz Simétrica
Los vectores propios de una matriz simétrica tienen algunas propiedades
interesantes. Una de ellas es que los vectores propios asociados a valores
propios distintos son ortogonales entre sí. Esto significa que si tenemos una
matriz simétrica de orden n, es posible construir una base ortonormal de R^n
compuesta por vectores propios de la matriz.
Además, si se usan los vectores de la base ortonormal para construir la matriz P
que diagonaliza a A, esta matriz resulta ser ortogonal, es decir que su inversa es
la traspuesta de P.
Diagonal de una Matriz
La diagonal de una matriz se refiere a la diagonal principal de una matriz
cuadrada, que es una línea recta imaginaria con pendiente negativa que empieza
por el extremo superior izquierdo y acaba en el extremo inferior derecho de la
matriz. Los elementos en la diagonal principal son aquellos cuyos índices de
fila y columna son iguales.
En otras palabras, la diagonal principal es una línea recta con pendiente
que podemos trazar encima de la matriz desde el primer elemento hasta el último.
La diagonal principal es importante en álgebra lineal porque se utiliza en la
definición de matriz diagonal, que es una matriz cuadrada en la que todos los
elementos que no están en la diagonal principal son cero.
La suma de los elementos de la diagonal principal de una matriz se
denomina traza de dicha matriz. La diagonal principal también se utiliza en la
definición de matriz identidad, que es una matriz diagonal en la que los elementos
de la diagonal principal son iguales a 1 y todos los demás elementos son iguales a
0.
En resumen, la diagonal principal es una línea recta imaginaria que se
extiende desde el extremo superior izquierdo hasta el extremo inferior derecho de
una matriz cuadrada y es importante en la definición de matrices diagonales e
identidad.
Por ejemplo, en una matriz cuadrada de orden 3x3, los elementos en la diagonal
principal serían aquellos en las posiciones (1,1), (2,2) y (3,3).
Características
• La diagonal principal de una matriz cuadrada es una línea recta imaginaria
con pendiente negativa que empieza por el extremo superior izquierdo y
acaba en el extremo inferior derecho de la matriz.
• Los elementos en la diagonal principal son aquellos cuyos índices de fila
y columna son iguales.
REFERENCIAS
Matrices y Determinantes. (s.f.). Calcular valores propios (autovalores) y
vectores propios (autovectores) de una matriz. Recuperado de
[Link]
autovalores-y-vectores-propios-autovectores-de-una-matriz/
Khan Academy. (s.f.). Introducción a los valores propios y vectores propios.
Recuperado de [Link]
bases/eigen-everything/v/linear-algebra-introduction-to-eigenvalues-and-
eigenvectors
Economipedia. (s.f.). Vectores y valores propios. Recuperado de
[Link]
Corporativo Riba. (s.f.). Vectores y valores propios. Recuperado de
[Link]
Disfruta las Matemáticas. (s.f.). Valor propio (eigenvalor). Recuperado de
[Link]
Nekomath. (s.f.). Álgebra lineal I: Polinomio característico. Recuperado de
[Link]
EcuRed. (s.f.). Polinomio característico. Recuperado de
[Link]
Universidad Nacional de Colombia, Sede Medellín. (s.f.). Clase 21 - Parte 1.
Recuperado de [Link]
lineal/clases/8-clases/[Link]
Economipedia. (s.f.). Vectores y valores propios. Recuperado de
[Link]
Matrices y Determinantes. (s.f.). Calcular valores propios (autovalores) y
vectores propios (autovectores) de una matriz. Recuperado de
[Link]
autovalores-y-vectores-propios-autovectores-de-una-matriz/
Estudyando. (s.f.). Vectores propios: Propiedades, aplicación y ejemplo.
Recuperado de [Link]
aplicacion-y-ejemplo/
EcuRed. (s.f.). Vector propio. Recuperado de
[Link]
I-Ciencias. (s.f.). Los vectores propios de las matrices simétricas reales son
ortogonales? Recuperado de [Link]
vectores-propios-de-las-matrices-simetricas-reales-son-ortogonales
GeoGebra. (s.f.). Diagonalización de matrices simétricas reales. Recuperado
de [Link]
Economipedia. (s.f.). Diagonal principal. Recuperado de
[Link]
