3informe Listo

UNIVERSIDAD NACIONAL DE TRUJILLO
“AÑO DE LA LUCHA CONTRA LA

VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV INGENIERÍA INDUSTRIAL
ALGEBRA LINEAL,
CORRUPCIÓN E IMPUNIDAD”
Facultad de Ingeniería
Escuela Académico Profesional -
Ing. Industrial
Tema:
 VALORES PROPIOS Y
VECTORES PROPIOS
 ESPECTRO DE UNA MATRIZ
 POLINOMIOS
CARACTERISTICOS
 FUNCIONES MATRICIALES
 FORMA CANONICA DE JORDAN
Curso:
ALGEBRA LINEAL
Docente:
CORTEZ GUTIERREZ MILTON
MILCIADES
Integrantes:
• SALAS RÍOS, NEISER
• TORRES VENTURA, ROCIO
2019
1
ALGEBRA LINEAL,
Índice
INTRODUCCIÓN……………………………………………
……….3
VALORES PROPIOS Y VECTORES
PROPIOS…………………………………………………………
……...4
ESPECTRO DE UNA
MATRIZ…………………………………..11
POLINOMIOS
CARACTERISTICOS…………………………..22
FUNCIONES
MATRICIALES…………………………………….25
FORMA CANONICA DE
JORDAN……………………………28
2
ALGEBRA LINEAL,
INTRODUCCIÓN
Tenemos el agrado de presentarle el siguiente informe,
donde detallaremos los usos e importancia de los valores
propios y vectores propios, los conceptos básicos estudiados
en este tema son útiles en todas las
áreas de las matemáticas puras y aplicadas, y aparecen en c
ontextos mucho más generales. Una de las
principales aplicaciones de la teoría espectral son
los sistemas dinámicos discretos (ejemplo introductorio),
pero también pueden utilizarse los "valores propios para
estudiar ecuaciones diferenciales y sistemas dinámicos
continuos, además proporcionan información crítica en el di
seño de ingeniería y se presentan naturalmente en campos
cómo la física y la química.
en el campo de la ingeniería, donde se puede ver que son
muy usadas para reducir costos y analizar más
detalladamente una situación que se plantea ante la
ejecución de algún proyecto u obra, en la cual es de vital
3
ALGEBRA LINEAL,
importancia el correcto uso de estas herramientas de análisis

para lograr la mayor optimización y buen uso de todos los
recursos que se dispone; a continuación, desarrollaremos los
campos y usos que se les puede dar.
VALORES PROPIOS Y VECTORRES PROPIOS

Definición:
A esta ecuación se la denomina ecuación característica de A.
Ejemplo 1:
Observaciones:
Si A es una matriz de orden nxn entonces las siguientes afirmaciones son
equivalentes:
4
ALGEBRA LINEAL,
Ejemplo 2:
Solución:
La ecuación característica de A es:
5
ALGEBRA LINEAL,
Ejemplo 3:
6
ALGEBRA LINEAL,
Ejemplo 4:
7
ALGEBRA LINEAL,
Ejemplo 5:
Ejemplo 6:
Calcular valores y vectores propios de
8
ALGEBRA LINEAL,
Ejemplo 7:
Calcular los valores y vectores propios de la matriz:
4.1 la matriz A y está formada

4.2 la matriz identidad es:
4.3 se opera el producto
4.4 se opera la diferencia:
4.5 Se calcula la determinante: det (A-λI) =(4-λ) (-3- λ) -(2*-5) =) =(4-λ) (-

3- λ) +10
4.6 El resultado se iguala a cero: (4-λ) (-3- λ) +10=0-> λ2- λ-12+10=0->
λ2- λ-2=0
9
ALGEBRA LINEAL,
A éste polinomio se le llama polinomio característico, y al resolverlo, se

obtiene que λ=-1, λ=2. Estos son los valores propios de la matriz A.
4.7 Se calculan ahora los vectores propios:

El vector v tiene dos valores que pueden llamarse x,y así:
Para λ=-1
También éste sistema tiene infinitas soluciones
5. Cálculo con software matemático

Ejemplo con Scientific Notebook:
Utilizar el botón Matriz o el comando INSERT->MATRIX y definir el
tamaño 2 filas y 2 columnas:
10
ALGEBRA LINEAL,
11
ALGEBRA LINEAL,
ESPECTRO DE UNA MATRIZ
Ejemplo 1:
Solución:
1) Buscamos los valores propios de A Sabemos que son las raíces de

su polinomio característico, cA(x).
2) Buscamos una base de cada subespacio.
Resolvemos el sistema obtenido.
12
ALGEBRA LINEAL,
3) Construimos las matrices
Se cumple que A = PDP-1.
Podemos escoger, si lo deseamos, las matrices
o cualquier otra combinación, siempre que D(i,i) sea auto valor asociado al
vector propio P(:,i).
Ejemplo 2:
13
ALGEBRA LINEAL,
Solución:
1) Obtener los valores propios de la matriz.
El polinomio característico de la matriz es
1 es el único vector propio de A con multiplicidad algebraica (grado como raíz

del polinomio característico) 3.
2) Buscar una base de los subespacios asociados a los valores

propios.
El subespacio asociado al valor propio es
Resolvemos el sistema
La multiplicidad geométrica (dimensión del subespacio) del autovalor 1 es 1.
La matriz A no es diagonalizable ya que, si lo fuese, existiría una base de

3 formada por vectores propios de A, lo cual es imposible, ya que sólo hay un
valor propio y el subespacio formado por los vectores propios es de dimensión

1.
Ejemplo 3:
14
ALGEBRA LINEAL,
Solución:
Los autovalores (valores propios) son las raíces del polinomio
Los grados de multiplicidad algebraica (grado como raíz del polinomio) de los
autovalores son 1.
2) Buscar una base de los subespacios asociados a los valores

propios.
El subespacio asociado al valor propio α es
La matriz coeficientes en forma escalonada reducida es
15
ALGEBRA LINEAL,
Con lo que
Tenemos una base del subespacio generado por el autovalor (de dimensión 1).
Por tanto, la multiplicidad geométrica del valor propio es 1.
Procedemos del mismo modo para los otros valores propios.
Con lo que
16
ALGEBRA LINEAL,
Continuamos con el último valor propio.
Con lo que
3) La suma de las dimensiones geométricas de los valores propios es 1 + 1

+ 1 = 3, con lo que la matriz es diagonalizable.
Construimos P cuyas columnas son las bases obtenidas (por tanto, es regular) y
construimos D = diag(d1 ,d2 ,...,dn ) donde di es el valor propio asociado al vector
propio de la columna i de P.
Se cumple que A = P·D·P -1.
17
ALGEBRA LINEAL,
Nota: es importante que el vector de la columna i de P sea un vector propio

asociado al autovalor propio de la posición i en la diagonal de D. Cualquier otra
combinación es posible, como, por ejemplo
también podemos escoger otros vectores siempre que cada uno de ellos sea un
vector propio asociado al autovalor de su respectiva posición columna.
Ejemplo 4:
Solución:
Puesto que la matriz es simétrica (A = At) es diagonalizable (al ser simétrica,

existe una base de 4 formada por vectores propios de A, condición suficiente
para ser diagonalizable).

18
ALGEBRA LINEAL,
Los autovalores (valores propios) son las raíces del polinomio
Los grados de multiplicidad algebraica (grado como raíz del polinomio) de los
autovalores son 1.
2) Buscar una base de los subespacios asociados a los valores propios.
El subespacio asociado al valor propio λi es
Para λ1 obtenemos el sistema
Con lo que
19
ALGEBRA LINEAL,
Procedemos del mismo modo para los otros valores propios.
Y obtenemos
Continuamos con el siguiente autovalor
20
ALGEBRA LINEAL,
Con lo que obtenemos
Continuamos con el último valor propio.
Y obtenemos
3) La suma de las dimensiones geométricas de los valores propios es 1 + 1

+ 1 + 1 = 4, con lo que la matriz es diagonalizable.
Construimos P cuyas columnas son las bases obtenidas (por tanto, es regular)
y construimos D = diag(d1 ,d2 ,...,dn ) donde di es el valor propio asociado al
vector propio de la columna i de P.
Se cumple que A = P·D·P -1.
Nota: es importante que el vector de la columna i de P sea un vector propio

asociado al autovalor propio de la posición i en la diagonal de D. Cualquier
otra combinación de matrices construidas de este modo es válida. También
podemos escoger otros vectores siempre que cada uno sea un vector propio
del subespacio correspondiente según la posición.
21
ALGEBRA LINEAL,
Ejemplo 5:
22
ALGEBRA LINEAL,
POLINOMIOS CARACTERISTICOS
Definición:
Ejemplo 1:
Calcular el polinomio característico de:
23
ALGEBRA LINEAL,
Ejemplo 2:
Hallar la matriz característica y el polinomio característico de la matriz A:
La matriz característica será (A - l·In). Luego:
y el polinomio característico,
Así pues, el polinomio característico es l 2 - l + 4.
Ejemplo 3:
Sea la matriz A sobre el conjunto de los reales:
asociada a la aplicación lineal T:R3->R3; obtener los valores propios de A.
1ro. Se plantea |A-kI|=0 para obtener el polinomio característico:
24
ALGEBRA LINEAL,
que es reducido a:
 -k3+6k2+2k-12=0 (Polinomio característico de A)
2do. Se determinan las raíces del polinomio:
 -k3+2k+6k2-12=0
 =-k(k2-2)+6(k2-2)
 (6-k)(k2-2)=0
siendo 6 y que son valores propios de A por ser todos reales.
En el caso de la matriz M2(R):
Para determinar si tiene valores propios primero se busca el polinomio

característico mediante:
Quedando:
P(x)=x2+1=0
Que como es sabido no tiene solución real.
En cambio, si M se definiera sobre números complejos; las soluciones i y -

i serán valores propios de M2(R).
25
ALGEBRA LINEAL,
FUNCIONES MATRICIALES
Ejemplo 1:
Si en d o:
Cal cu l ar el val o r d e X en l as si gu i en t e s e cu a ci on e s:
Solución:
26
ALGEBRA LINEAL,
Ejemplo 2:
Siendo:
Resolver la ecuación matricial:
A X + 2 B = 3 C
27
ALGEBRA LINEAL,
Solución:
Resolver la ecuación matricial:
28
ALGEBRA LINEAL,
FORMA CANONICA DE JORDAN
Ejemplo 1:
Hallar las posibles formas de Jordan para un endomorfismo cuyos polinomio
característico y mínimo son respectivamente:
χ(λ)=(λ−2)4(λ−3)3, μ(λ)=(λ−2)2(λ−3)3.
Solución
Las posibles formas canónicas de Jordan de f son
Ejemplo 2:
χ(λ)=(λ−7)5, μ(λ)=(λ−7)2.
Solución
Tenemos:
29
ALGEBRA LINEAL,
Ejemplo 3:
χ(λ)=(λ−a)3(λ−b)2, μ(λ)=(λ−a) (λ−b), (a ≠ b).
Solución
Ejemplo 4:
Hallar el polinomio mínimo y la forma canónica de Jordan de la matriz
Solución
30
ALGEBRA LINEAL,
Ejemplo 5:
Sea:
Determinar su forma canónica de Jordan según los valores del parámetro b.
Solución
31
ALGEBRA LINEAL,
Ejemplo 6:
32
ALGEBRA LINEAL,
33
ALGEBRA LINEAL,
Ejemplo 7
34
ALGEBRA LINEAL,
35

3informe Listo

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

3informe Listo

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL DE TRUJILLO

“AÑO DE LA LUCHA CONTRA LA

 ESPECTRO DE UNA MATRIZ

 FORMA CANONICA DE JORDAN

importancia el correcto uso de estas herramientas de análisis

VALORES PROPIOS Y VECTORRES PROPIOS

A esta ecuación se la denomina ecuación característica de A.

4.1 la matriz A y está formada

4.3 se opera el producto

4.4 se opera la diferencia:

4.5 Se calcula la determinante: det (A-λI) =(4-λ) (-3- λ) -(2*-5) =) =(4-λ) (-

A éste polinomio se le llama polinomio característico, y al resolverlo, se

4.7 Se calculan ahora los vectores propios:

También éste sistema tiene infinitas soluciones

5. Cálculo con software matemático

ESPECTRO DE UNA MATRIZ

1) Buscamos los valores propios de A Sabemos que son las raíces de

2) Buscamos una base de cada subespacio.

Resolvemos el sistema obtenido.

3) Construimos las matrices

Se cumple que A = PDP-1.

Podemos escoger, si lo deseamos, las matrices

1 es el único vector propio de A con multiplicidad algebraica (grado como raíz

2) Buscar una base de los subespacios asociados a los valores

El subespacio asociado al valor propio es

La multiplicidad geométrica (dimensión del subespacio) del autovalor 1 es 1.

La matriz A no es diagonalizable ya que, si lo fuese, existiría una base de

valor propio y el subespacio formado por los vectores propios es de dimensión

El polinomio característico de la matriz es

Los autovalores (valores propios) son las raíces del polinomio

2) Buscar una base de los subespacios asociados a los valores

El subespacio asociado al valor propio α es

La matriz coeficientes en forma escalonada reducida es

Procedemos del mismo modo para los otros valores propios.

La matriz coeficientes en forma escalonada reducida es

Continuamos con el último valor propio.

La matriz coeficientes en forma escalonada reducida es

3) La suma de las dimensiones geométricas de los valores propios es 1 + 1

Se cumple que A = P·D·P -1.

Nota: es importante que el vector de la columna i de P sea un vector propio

Puesto que la matriz es simétrica (A = At) es diagonalizable (al ser simétrica,

1) Obtener los valores propios de la matriz.

Los autovalores (valores propios) son las raíces del polinomio

El subespacio asociado al valor propio λi es

Para λ1 obtenemos el sistema

La matriz coeficientes en forma escalonada reducida es

Procedemos del mismo modo para los otros valores propios.

Continuamos con el siguiente autovalor

Con lo que obtenemos

Continuamos con el último valor propio.

3) La suma de las dimensiones geométricas de los valores propios es 1 + 1

Se cumple que A = P·D·P -1.

Nota: es importante que el vector de la columna i de P sea un vector propio

La matriz característica será (A - l·In). Luego:

Así pues, el polinomio característico es l 2 - l + 4.

asociada a la aplicación lineal T:R3->R3; obtener los valores propios de A.

1ro. Se plantea |A-kI|=0 para obtener el polinomio característico:

 -k3+6k2+2k-12=0 (Polinomio característico de A)

2do. Se determinan las raíces del polinomio:

siendo 6 y que son valores propios de A por ser todos reales.

En el caso de la matriz M2(R):

Para determinar si tiene valores propios primero se busca el polinomio

Que como es sabido no tiene solución real.