Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
tal que
Ax
x,
se llama vector caracterstico de A, y al escalar (real o complejo) se le llama valor caracterstico de A correspondiente al vector caracterstico x. Nota: los vectores caractersticos se toman en n-tuplas ordenadas de nmeros complejos, ya que stos pueden tener componentes imaginarios, cuando es un nmero complejo. En la definicin se dice que el valor caracterstico corresponde al vector caracterstico x. Tambin se puede expresar al contrario: el vector caracterstico x corresponde al valor caracterstico . . A los valores y vectores caractersticos tambin se les llama valores y vectores propios o autovalores y autovectores.
n
16.2
Dada una matriz A de n n con componentes reales, hallar todos los escalares todos los vectores x, x Ejemplo 1 Sea A Entonces A 1 1 3 2 3 4 1 1 1 1 3 2 3 4 . tales que Ax
x.
As, 1 1 .
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas Entonces rstico 2 3 .
La matriz A
T:
2 2
3 2 3 4
definida por T
1 1
2 3
caractersticos
1y
6.
2
Estos vectores son LI, luego forman una base B1 de transformacin referida a esta base.
. Encontremos la matriz de la
T 2 3
1 1 12 18
1 1
1 1 1 1
2 , 3 2 , 3
T 2 3
1 1
B1
1 0 0 6 .
1 0 0 6 , la cual
B1
Luego BT, matriz de la transformacin referida a la base B1, es BT es una matriz diagonal.
1 2 y determinan un 1 3 1 1 , ya que
sistema coordenado. Referida a este sistema la transformacin T tiene el efecto de dejar invariantes los vectores a lo largo de la direccin definida por
1
1 , y aumentar con un factor de 6 los vectores a lo largo del eje definido por .
, el cual referido a esta base es
2 3
a , entonces b
a 6b (figura 16.1).
210
v para todo v
, luego todo v
0 es un vector
1.
Figura 16.1
Ejemplo 3 Sea A 4 1 2 1 .
Determinemos los valores caractersticos de A y sus correspondientes vectores asociados. Debemos encontrar los escalares tales que: 4 1 luego 2 1 x y x , y y los vectores no nulos x x y
4x 2 y x y
x y
(4 x
)x 2 y (1 )y
0 0
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas Resolvemos el sistema homogneo de dos ecuaciones con dos incgnitas. Este sistema tiene solucin no trivial x 0, si y slo si el determinante de su matriz de coeficientes es cero; esto es: 4 1 Entonces, (4
2
2 1
0.
)(1 5 6
) 2 0 (
0, 3)( 2). 3 y 2.
1
3 y
2 resolvemos
Ax 3x
4 1 2 1 x y 3 x y
y 4 1
Ax 2x
2 1 x y 2 x y
4x 2 y x y
o
3x 3y 0 0
4x 2 y x y
o
2x 2y 0 0
(4 3) x 2 y x (1 3) y
o
(4 2) x 2 y x (1 2) y
o
x 2y x 2y
0 0
2x 2 y x y
0 0
x
x1
2y
2 , 0
x2
x1 y x2 estn expresando, cada uno, un subespacio compuesto por todos los vectores mltiplos de 2 1 y , respectivamente. O dicho de otra forma, los vectores carac1 1
212
2 ; 1
similarmente, los vectores caractersticos correspondientes a mltiplos escalares del vector Teorema 1 Sea A una matriz n n . Demostracin Si es un valor caracterstico de A existe x 0 tal que 1 . 1
I)
0.
Ax
Ix ,
(A
I)x
0.
I )x I) I) 0 tiene solucin para x 0. I )x 0 tiene soluciones I) 0, entonces la 0 cuando ( A I)
El sistema homogneo ( A es no invertible, o sea det ( A Recprocamente, si det ( A no triviales y nica solucin del sistema es x
0, el sistema ( A
0 y, por tanto,
no es un valor caracterstico de A.
La ecuacin P( ) P( )
0 es la ecuacin caracterstica de A. I) 0.
det ( A
P ( ) es un polinomio de grado n en .
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas a11 A a21 a31
P( )
n
a1n a2 n ann
n 1
a12 a 22 a32
a1n a2 n ann
Esta ecuacin tiene n races, varias de las cuales pueden repetirse. Si son las races diferentes de la ecuacin con multiplicidades P ( ) puede factorizarse como:
1
1 m
,...,
,...,
, entonces
P( )
Los nmeros caractersticos
(
1
) 1(
m m
) 2 ...(
)m
0.
,
1
,...,
2
,...,
O sea que si contamos multiplicidades, cada matriz n n tiene exactamente n valores caractersticos.
16.2.2 Proceso para encontrar los valores y vectores caractersticos en una matriz An x n
i. ii. iii. Halle P( ) det ( A I) . 0 ( 1,
2
,...,
i
). 0 correspondiente a cada
I)x
La solucin del sistema homogneo ( A i I )x 0 no es nica, ya que x 0 . El sistema tiene infinitas soluciones, luego al determinar los vectores x que satisfacen el sistema, se sacan los vectores que formen una base para el subespacio generado; es claro que todas las combinaciones lineales, diferentes de cero, que se realicen con estos vectores tambin son vectores caractersticos correspondientes al mismo valor . Teorema 2 Sea A una matriz n n y sea E de
n
x : Ax
x . Entonces E es un subespacio
214
x , entonces ( A
I )x
Luego E es el ncleo de ( A
1
Sea A
2 0 4
1 4
1 det ( A I) 1 4
3
2 4 5
6
2
1 1
11
1)(
2)(
3)
0.
1
1, 0.
2,
3.
1 1 1 4
x y z 2 1 4
0 0 0 1 1 4
0 1 4
2 1 4
1 1 4
1
x y z
2 2
0 0 0
1 1 4 5 1 0 1 4
operaciones elementales
1 0 0 1 0 0
x y z
1 z 2 1 z 2 1z
1 1 ; 2 1 1 2
E1
gen
1.
Determinemos E2. ( A 2 I )x 0.
1 1 4
La solucin es:
2 2 4
1 1 3
operaciones elementales
1 0 0 1 0 0
2 4
x y z
1 z 2 1 z 4 1z
2 2 ; 1 4 es un vector caracterstico asociado con
E2
gen
1 4
2.
Similarmente, encontremos E3 . ( A 3I )x 0
2 1 4
La solucin es:
2 3 4
1 1 2
operaciones elementales
1 0 0 1 0 0
4 4
x y z
1 z 4 1 z 4 1z
216
Mdulo 16: Valores y vectores caractersticos 1 E3 gen 1 4 ; 1 1 4 es un vector caracterstico asociado con
3.
Ejemplo 5
Sea A
1 1 0
1 2 1
det ( A
I)
2 1 1
0 1
1 1 0
1 2 1
0 1 1
1 0 0 1 0 0
1 1 , entonces 0
x y z
1z 1z 1z
1 E0 gen 1 1 .
E1 ,
( A I )x
0.
0 1 0
1 1 1
0 1 0
1 0 1 0 1 0 , entonces 0 0 0
x y z
1z 0z 1z
E3 ,
( A 3I ) x
0.
2 1 0
1 1 1
0 1 2
1 2 1
1 0 0 1 0 0
1 , entonces x 2 y 0 z
1z 2z 1z
E3
gen
Ejemplo 6
0
Sea A
0 1
0 1 , entonces 3 3 1 0 1
det( A
I)
0 1
3
3 3
3 1)
3 2
3 0.
1 0,
( Luego
E1 :
1 0 1
1 0 1 1 3 2
1
1 0 0 1 0 0
1 1 , entonces 0
x y z
z z z
E1
gen
1 1
218
3 2 4
Sea A
2 0 2 ; entonces, 4 2 3 3 det ( A
det ( A
2 2 4
3
I)
I)
4 2 3
15 8
0
1) 2 (
2
2
6
2
8)
0.
Luego
8.
4 2 4 2 1 2 4 2 4
1 0 0
1 0 , entonces 0
x y z y z
0 0
1 y z 2
x y z
y 1 0
-1 2
1 0 . 1
1 .
E 1 : gen
1 , 0 0 1 0.
E8 : ( A 8I )x
5 2 4
2 8 2
4 2 5
1 0 0 1 0 0
1
1 2
, entonces
x y z
1z 1 z 2 1z
1 E8 : gen
1 2
1 Observacin: la factorizacin del polinomio caracterstico de A, en general, no es obvia. El lgebra nos brinda dos resultados que pueden ser tiles a este respecto:
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas (1). El producto de todas las races del polinomio
P( )
n
bn
n 1
... b1
b0
0 es ( 1) b0.
(2).
Si bn 1 ,..., b1 , b0 son enteros, entonces P ( ) no puede tener una raz racional que no sea un entero. Luego las posibles races racionales de P( ) sern factores enteros de b 0. Por supuesto, P( ) podra tener races irracionales. Adems, P ( ) tambin podr tener races complejas; si esto sucede, stas ocurren en pares conjugados.
det ( A
I)
0, entonces
1 0.
De donde,
1 y
1, o sea
i,
i y
i.
Entonces, si x = 1, y 1 2 i 1 2 i
2 i.
i y
. 0.
resulta de resolver ( A iI )x 1 2 i x y
2 i 5
0 , lo cual lleva a (2 i ) x 0 1 2 i .
0.
Ahora, si x = 1, y
(2 i), y entonces x 2
i es el conjugado complejo de
i , y adems los
220
Mdulo 16: Valores y vectores caractersticos hecho no es casual y se puede demostrar que los valores caractersticos de una matriz real ocurren en pares conjugados complejos y los vectores caractersticos correspondientes son conjugados complejos entre s.
16.3 Propiedades
Teorema 3 Sea A una matriz n n y sean x1 , x 2 ,..., x m son LI. Demostracin Razonamos por induccin sobre m. 1. m = 2. Suponga que C1x1 C2 x2 Hagamos (1) A : C1 Ax1 C2 Ax 2 0. 0. (1)
1
, ...,
y
2
, entonces Axi 0.
2
xi , i
1, 2. (2)
Luego C1 1x1 C2
x2
y se resta de (2).
0 2 2
)x1 C2
x2
0,
C1 (
) x1
obtiene C2 x 2 2.
Supongamos que para m = k se cumple que x1 , x 2 ,..., x k son LI y veamos para m = k +1. Sea C1x1 C2 x 2 ... Ck x k Hagamos (3) A: Ck 1 Ax k
1
3.
Ck 1 x k
0.
(3)
C1 Ax1 C2 Ax 2 ... Ck Ax k
0,
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas y aplicando el hecho de que Axi C1 1x1 C2 2 x 2 ... Ck Multiplicamos (3) por C1 ( Ck C1 ( ) x1
k 1
k 1
i i
x, i Ck
xk
1 k 1 k 1
1 1
k 1 k 1
C2 (
0
2 1
k 1
k 1
xk
0.
k 1
k 1
) x1
C2 (
)x2
... Ck (
k 1
)xk
0.
C2 (
i
k 1
...
Ck (
k 1
0.
, i
Ck
Llevamos estos valores a (3) y obtenemos Ck 1x k Concluimos entonces que x1 , x 2 ,..., x m , x m para todo m.
1
0, de donde Ck+1 = 0.
El teorema anterior establece que vectores caractersticos correspondientes a valores caractersticos diferentes son linealmente independientes. El resultado del teorema puede verificarse en los ejemplos desarrollados. Adems se observa que en algunos casos se encuentran tantos vectores caractersticos linealmente independientes como la multiplicidad algebraica del valor (ejemplos
1 tiene una multiplicidad algebraica 2 y se 4, 5 y 7). En el ejemplo 7 el valor determinan dos vectores en la base del espacio caracterstico correspondiente, esto es, dos vectores caractersticos LI. Sin embargo, esto no siempre es as; en el ejem1 tiene una multiplicidad algebraica 3 y un solo vector plo 6 el valor caraterstico caracterstico LI asociado con l.
Definicin 4 Sea un valor caracterstico de A. Entonces la multiplicidad geomtrica de es la dimensin del espacio caracterstico correspondiente a (nulidad de la matriz ). A I Para cada valor caracterstico debe haber asociado al menos un vector caracterstico. Si la multiplicidad algebraica de es mayor que 1, por ejemplo si A es una matriz 3 3 con dos valores caractersticos
1 1
222
Mdulo 16: Valores y vectores caractersticos para 2 podr haber uno o dos vectores caractersticos LI. Es claro que no podrn ser ms de dos ya que en el caso de que fueran tres vectores, se completaran cuatro vectores LI en un espacio vectorial de dimensin 3, lo cual es absurdo. Estas consideraciones quedan expresadas en el siguiente teorema. Teorema 4 Sea un valor caracterstico de A. Entonces, multiplicidad geomtrica de Teorema 5 Sea A una matriz n n. A tiene n vectores caractersticos LI si y slo si la multiplicidad geomtrica de todo valor caracterstico es igual a la multiplicidad algebraica. En particular, A tiene n vectores caractersticos LI si todos sus valores caractersticos son diferentes. La deduccin del teorema resulta evidente de los resultados establecidos en los teoremas 3 y 4. Teorema 6 Los valores caractersticos de una matriz triangular son las componentes diagonales de la matriz. La demostracin del teorema se deja como ejercicio. En el ejemplo 5 la matriz A tena un valor caracterstico igual a 0, o sea que det ( A 0 I ) Teorema 7 A es invertible si y slo si 0, luego det A 0, lo cual significa que A no es invertible. multiplicidad algebraica de .
0 no es un valor caracterstico de A.
La demostracin del teorema se deja como ejercicio. Finalizamos esta seccin destacando algunas relaciones entre los valores caractersticos de A y los valores caractersticos de matrices relacionadas con A. Teorema 8 Sea An a. b. c. d.
n
,
k
,...,
; entonces:
,
1
,...,
2 m
.
k k
,
2
,...,
m
,...,
1
para m = 1, 2, 3... 1
1
son
1
2
,...,
1
k
Vea en su multimedia de lgebra Lineal el cdigo fuente en MATLAB para ilustrar Valores y vectores caractersticos
I)
0.
Ahora, det ( A
I)
I )T
i i
IT ) I ).
Luego c.
v.
Av.
v.
2
Supongamos que para m = k se cumple que Ak v Veamos para m = k + 1. Multiplicando (2) por A, A Ak v A v
k 1
v.
(2)
A
i k
v,
Av.
(3)
k 1
v.
k 1
224
Mdulo 16
1. Sea A 2 2 2 2 . Determine cules de los siguientes vectores de
2
5.
1 0 0
1 0 1 1 0 2
1
6.
1 2 1
4 1 1
7.
0 1 1 0 0 0 0 0
0 0 1
0 0 1
3 2
2 4
8.
3 2 1
7 4 2
5 3 2
9.
a 0 0 0 0 a 0 0 0 0 a 0 0 0 0 a
10.
a b 0 0 0 a 0 0 ; b 0 0 0 a 0 0 0 0 a
11.
a b 0 0 0 a c 0 0 0 a 0 0 0 0 a
; bc
12.
a b 0 0 a c
0 0
0 0 a d 0 0 0 a
; bcd
13.
Sea A una matriz diagonal de orden n cuyos elementos de la diagonal principal son polinomio caracterstico de A y sus valores caractersticos.
,...,
. Determine el
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas lgebra Lineal Elemental y Aplicaciones
225
14. 15.
Sea A una matriz triangular de orden n. Determine el polinomio caracterstico de A as como sus valores caractersticos. Suponga que 1 es un valor caracterstico de la matriz A, y valor caracterstico de A + B? Realice una demostracin del teorema 7. Demuestre las partes b y d del teorema 8. Sea A una matriz real de n v1, entonces
1
2
un
n. Demuestre que si
226
El problema de la diagonalizacin
Contenidos del mdulo
17.1 Diagonalizacin 17.2 Condicin necesaria y suficiente para que una matriz An
n
17
sea diagonalizable
El problema de la diagonalizacin consiste en encontrar una matriz D tal que D = P-1AP.
Preguntas bsicas
1. Cundo una matriz An n es diagonalizable? 2. Si A y B son matrices semejantes, cmo son sus polinomios caractersticos y sus valores caractersticos?
Introduccin
El problema de la diagonalizacin puede enunciarse de la siguiente forma: Dada una matriz A de n n encontrar, si es posible, una matriz D diagonal, similar o semejante a la matriz A. Este problema est ntimamente relacionado con el problema de la determinacin de los valores y vectores caractersticos de A, como veremos en el desarrollo siguiente.
17.1 Diagonalizacin
Definicin 1 Decimos que la matriz An n es diagonalizable si es similar a una matriz diagonal D. Es decir, si existe una matriz invertible P tal que
D P 1 AP.
Ejemplo 1 La matriz A es similar a BT 3 2 dada en el ejemplo 1 del mdulo 16 es diagonalizable ya que A 3 4 1 0 . Ambas matrices son representaciones de la transforma0 6
2
cin lineal T :
definida por T
x y
3x 2 y 3x 4 y
a la base estndar y la matriz BT est referida a la base formada por los vectores caractersticos LI matriz P. Podemos verificar que: 1 0 0 6 1 2
1
1 1
3 2 3 4
1 3
1 3
Teorema 1 Si A y B son matrices similares de n n, entonces A y B tienen la misma ecuacin caracterstica y por consiguiente los mismos valores caractersticos. Demostracin Si A y B son similares entonces existe una matriz P tal que B
det ( B I) det ( P 1 AP I ) det P I) det ( P 1 AP P
1
IP )
det ( P 1 ( A
det P 1 det ( A
det ( P 1 P) det ( A
I)
det I det ( A
det ( A
I ).
228
17.2 Condicin necesaria y suficiente para que una matriz A n n sea diagonalizable
Teorema 2
Demostracin
1
0
2
0 0
n
0 0
; entonces
Ahora,
1
0
2
PD
x1 , x 2 ,..., x j ,..., x n
0 0
0 0
n
1 1
x,
x 2 ,...,
x j ,...,
xn .
Luego
Ax1 , Ax 2 ,..., Ax j ,..., Ax n Ax j xj j 1,..., n. 0 para j 1,..., n. Por tanto,
1 1
x,
x 2 ,...,
x j ,...,
x n , de donde
es
un valor caractersticos de A y x j un vector caracterstico correspondiente. Entonces A tiene n vectores caractersticos LI. Recprocamente, supongamos que A tiene n vectores caractersticos LI x1, x2,..., xn con valores caractersticos correspondientes 1, 2 ,..., n . Sea P [x1 , x 2 ,..., x n ] la matriz cuyas columanas son los n vectores caractersticos LI; entonces P es invertible.
x j para j 1,..., n,
2
[ Ax1 , Ax 2 ,..., Ax n ] [ 1 x1 ,
x 2 ,...,
x n ],
AP
PD .
lo cual significa que A es diagonalizable. Corolario Si nA tiene n valores caractersticos distintos, entonces A es diagonalizable. n Observacin El teorema 5 del mdulo 16 establece la siguiente equivalencia: 1. A tiene n vectores caractersticos LI igual a la multiplicidad algebraica de dice que: 2. A es diagonalizable multiplicidad geomtrica de
i i
es
,i
multiplicidad geomtrica de
es igual a la multiplicidad
3 2 4 2 0 2 sus valores y 4 2 3
8) 0 con vectores ca-
I)
1) 2 (
ractersticos 8.
1 0
1 y 0 correspondientes a 1
1
1 y
1 2
correspondiente a
230
Mdulo 17: El problema de la diagonalizacin Luego A tiene tres vectores caractersticos LI y por tanto A es diagonalizable, siendo
1 0 0
0 0 1 0 . 0 8
1 0
1 1 0 12 . 1 1
Entonces,
P 1 AP
1
D.
1
P ( P AP ) P
PDP 1 , A PDP 1 .
( PP 1 ) A( PP 1 )
An
PD n P 1 ,
1 2
1 1 0 1
1 2
( 1)n 0 0
0 ( 1) 0
n
0 0 (8)
n
1 0
1 9
2 4 4
8 2 2
2 5 . 4
20,
20 En particular, si se desea obtener A , bastara hacer el producto indicado con n en lugar de multiplicar 20 veces por la matriz A.
Ejemplo 3 Las matrices de los ejemplos 1, 3, 4, 5, 7 y 8 del mdulo 16 son diagonalizables ya que para cada una de ellas se determinaron n vectores caractersticos LI. En el ejemplo 2, mdulo 16, se plante la matriz identidad que ya es diagonal, y en el ejemplo 6 del mismo mdulo se obtuvo un valor caracterstico de multiplicidad algebraica 3, al cual slo iba asociado un vector caracterstico LI, luego la matriz propuesta en el ejemplo 6 no es diagonalizable. Cuando estudiamos las propiedades de las matrices similares (teorema 6, mdulo 13) vimos que si A y B son matrices similares entonces det A
det B.
Vea en su multimedia de lgebra Lineal el cdigo fuente en MATLAB para ilustrar Diagonalizacin de matrices
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas La matriz diagonal similar a A tiene sobre la diagonal los valores caractersticos de A; entonces, det A
1 2
,...,
Tambin establecimos que las distintas representaciones de una misma transformacin lineal son matrices similares (teorema 5, mdulo 13), luego con cualquier representacin matricial que trabajemos obtendremos los mismos valores y vectores caractersticos.
232
Mdulo 17
En los ejercicios 1 a 6 determine si la matriz dada A es diagonalizable; en caso de serlo, determine las matrices P, D y P que A = P D P .
1 1
tales
1.
0 1 0 1 0 0 0 0 2
1 2 2 2 1 0 1
1 2
2.
2 2 3
0 i i 0
2 3 2
4 2 5
1 3.
1 0 0
2 4 0 0 0 0 2 1 0 0 1 2 i 1 0 i
4.
5.
6.
7.
Diagonalice A
8. 9.
Si A es invertible y diagonalizable, es A
diagonalizable?
Si A y B son diagonalizables con A = P 1 D1P y B = Q 1 D2Q, es A B una matriz diagonalizable, con D1 D2 su matriz diagonal equivalente? Es A + B diagonalizable, con D1 + D2 su matriz diagonal equivalente?
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas lgebra Lineal Elemental y Aplicaciones
233
234
18
Preguntas bsicas
1. Cmo se conforma la matriz de transicin de un proceso en un sistema dinmico? 2. Analizando los valores caractersticos de la matriz de transicin A en el estudio de una poblacin, cmo se sabe si la poblacin crece o decrece? 3. Qu es un proceso de Markov? 4. Qu es una matriz de probabilidad? 5. Cundo un proceso de Markov alcanza su estado estacionario?
Introduccin
En esta seccin presentaremos algunas de las aplicaciones ms importantes de la teora de valores y vectores caractersticos. stas son: ecuaciones en diferencias y procesos de Markov.
La poblacin juvenil es aquella entre 0 y 1 ao, y la poblacin adulta es la que tiene ms de un ao de edad. El crecimiento de esta poblacin se estudia a travs de las hembras, y haciendo uso de la primera condicin podemos saber cmo va la poblacin en cualquier periodo. 3. Hay una tasa de supervivencia de los venados jvenes que sobrevivirn para ser adultos en el ao siguiente. Para los adultos tambin hay una tasa de supervivencia sobrevivientes para el periodo siguiente. 4. de los adultos
Cada hembra adulta produce, en promedio, k hembras jvenes para el periodo siguiente.
Haciendo uso de la informacin suministrada podemos expresar las poblaciones de hembras jvenes y adultas en el periodo n, as:
Pj , n Pa , n kPa , n 1 . Pj , n
1
Pa, n 1.
o Pn
APn 1 , donde Pn
Pj , n Pa , n
,A
, Pn
Pj , n
1
1 1
Pa , n
Entonces, si P0 es la poblacin inicial de hembras jvenes y adultas, podemos expresar las poblaciones en los periodos siguientes as:
P1 AP0 , P2 AP1 A( AP0 ) A2 P0 , P3 AP2 A( A2 P0 ) A3 P0 .
236
0, entonces
2
k
,
0, de donde
4 k 4 k
2
2 1
, con y
y k cantidades positivas.
2
4 k
0,
0 y
A cada valor de
, respectivamente, entonces v1 y v2
a1v1 a2 v2 .
An P0 , entonces An (a1 v1 a2 v2 ) a1
n 1
a1 An v1 a2 An v2
n 1 1
v1 a2
v 2 , ya que An v1
n
v y An v 2
a1 v1
a2
n
2 1
v2 .
Como
2 1
Pn
n 1 1 1
av.
A largo plazo la distribucin de edades se estabiliza y es proporcional a v1. Cada grupo de edad cambiar por un factor
1
cada ao.
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas Es importante notar toda la informacin que podemos obtener del clculo de los valores y vectores caractersticos: Una pregunta importante de resolver es: la poblacin crecer o decrecer? Aumenta si
1
4 k
2 Elevando al cuadrado,
2
1,
4 k
4 k
4 4
4 k
4 4 ,
Supongamos ahora que en esta poblacin de venados se tienen: k Entonces, A luego det ( A 0.8 I) 1 0.6 0.8 4 0.6 ,
2
1,
0.6,
0.8 y P0
100 . 200
0.6 0.8
0.8
0.6
0,
(0.8)2 2
1.27,
0.47.
Sabemos que a la larga la poblacin se estabiliza y se calcula de acuerdo con la ecuacin (1). En consecuencia, la poblacin crecer por un factor aproximado de 1.27. Los granjeros y otras personas del rea no quieren que la poblacin crezca. Pueden controlar la poblacin cosechndola (permitiendo la caza de venados adultos); si h es la proporcin de poblacin cosechada en cada periodo, entonces la proporcin de supervivencia de la poblacin adulta se disminuye en h y la matriz A para el modelo ser: A 0 1 .
0.6 0.8 h
238
Mdulo 18: Aplicaciones de la teora de valores y vectores caractersticos Veamos qu pasa si h = 0.6. En este caso A 0 1 , det ( A I) 1 0.6 0.2
2
0.6 0.2
0.2
0.6
0.2
1
0.04 4 0.6 2
0.88.
As que 1 1 y la poblacin decrecer, luego h = 0.6 es una cosecha demasiado grande que terminar por extinguir la especie. Si queremos que la poblacin permanezca estable, esto es, que no crezca ni desaparezca, el valor caracterstico mayor ( 1 ) debe ser igual a 1. Entonces
2 1
4 K
2 (0.8 h)2 2
1, 4 0.6 1,
(0.8 h)
h = 0.4. As que una proporcin de caza igual a 0.4 mantendr estable la poblacin. Ejemplo 1 Una especie animal est clasificada en dos etapas de vida: juvenil (hasta un ao de edad) y adulta. Suponga que las hembras adultas paren una vez al ao un promedio de 1.6 hembras juveniles. Cada ao sobrevive 30% de los juveniles para transformarse en adultos y sobrevive 80% de los adultos. Veamos cmo estara dada la poblacin de esta especie en un periodo cualquiera k. Pj , k Pa , k 0 1.6 Pj , k Pa , k Pj , k Pa , k 1.6 Pa , k 0.3 Pj , k
1 1
Pk de donde Pj , k Pa , k Pk
0.8 Pa , k
1 1
Veamos cmo se comporta este sistema, analizando sus valores y vectores caractersticos. det ( A I) 1.6 0.3 0.8
2
0.8
0.48
0,
Vea en su multimedia de lgebra Lineal el cdigo fuente en MATLAB para ilustrar Aplicaciones valores y vectores propios
0.8
Luego
1
0.64 4 0.48 2
2
0.8 1.6 . 2
1.2 y
0.4.
La poblacin crece porque el mayor valor caracterstico de A es 1.2 cuya magnitud es mayor que 1. Determinemos los vectores caractersticos asociados a Para
1 1
1.2 y
0.4.
, entonces
0.3 x 0.4 y 3x 4 y
4 . 3
Si x 4 e y 3, entonces x1 Para
2
(A + 0.4 I) x = 0.
, entonces 4 1 .
0.4 x 1.6 y 0 4x 16 y o x
4y
Si x
4, y
1 y x2
a1x1 a2 x2 ,
An P0 An ( a1x1 a2 x2 ), a1
n 1 1
a1 An x1 a2 An x 2
2
a2
x2.
n
0 y Pn
1
a1
n 1 1
x.
La tasa de crecimiento final es de 1.2, que es un 20% anual. El vector caracterstico x1 4 3 muestra que habr cuatro juveniles por cada tres adultos.
En los modelos estudiados se describe un proceso que est determinado por medio de la matriz A. El vector P0 se llama estado inicial del proceso y el vector Pn para n se llama n-simo estado del proceso.
240
Mdulo 18: Aplicaciones de la teora de valores y vectores caractersticos A la matriz A se le conoce como la matriz de transicin del proceso y a la ecuacin
Pn A n Pn
1
Teorema 1 Sea A una matriz diagonalizable n n con vectores caractersticos linealmente independientes v1, v2,..., vn y sus correspondientes valores caractersticos
1
,...,
Xk
AX k
se expresa as:
v1 c2
v 2 ... cn
vn ,
Demostracin Los vectores v1, v2 ,..., vn forman una base del espacio V ( puede expresar en esta base como Xo Como X k
X1
n
), luego X 0 se
c1 v1 c2 v 2 ... cn v n .
AX k 1 , entonces
AX 0 , X 2 AX1 , X 2 A2 X 0 ,..., X k Ak X 0 .
Luego
Xk Ak (c1 v1 c2 v 2 ... cn v n ) c1 Ak v1 c2 Ak v 2 ... cn A k v n .
es un valor
n i
v1 c2
v 2 ... cn
vn .
Captulo 4: Valores caractersticos, vectores caractersticos, diagonalizacin y formas cannicas Definicin 1 Sea A una matriz n n. A es una matriz de probabilidad si se cumple que: i. ii.
aij 0 para toda i y j. La suma de las componentes en cada columna es 1.
Antes de plantear modelos de procesos de Markov veremos una propiedad importante de las matrices de probabilidad. Teorema 2 Sea An n una matriz de probabilidad; entonces, . Demostracin 1 es un valor caracterstico de A si det ( A 1I ) 0, a11 1 a12 a21 a22 1 an1 an 2 a1n a2n ann 1 1 es un valor caracterstico de A.
A I
aij
En la matriz A I , la suma sobre cada columna ser a11 1 a12 a21 a22 1 an1
n i 1
i 1
aij 1 0.
a1n a2 n ann 1
R1 ( R2 ... Rn )
an 2
n i 1
ai 2 1
n i 1
ain 1 a2n
0 a2n ann 1 0.
a22 1 an 2
ann 1
242
T
1 8 9 18 18 18
P N T
con aij : probabilidad de que una mquina que se encuentre en el estado j pase al estado i en el periodo siguiente. Asumimos que la probabilidad de estar en uno cualquiera de los estados al final de un periodo depende slo del estado en que se encontraba la mquina al principio del periodo, o sea, el final del periodo anterior. Sea Xt X1,t X 2,t , donde X i ,t es la probabilidad de que la mquina est en el estado X 3,t
A n X 0 , n 1.
Por ejemplo, si la mquina est trabajando bien al principio del periodo, entonces
X0
0 0 , X1 1
1 0 0
1 1 1
4 2 4
1 18 8 9 18 18
0 0 1
9 8 9
18 18 18
Si consideramos una factora donde cada mquina se comporta con una distribucin de probabilidad como muestra X1 , podemos esperar que 1/18 de las mquinas estn paradas, 4/9 necesiten ajustes y 1/2 estn trabajando bien. El comportamiento de la mquina est dado por la matriz A. La secuencia de vectores X1 , X2 ,..., Xn se llama cadena de Markov. Veamos, si A es diagonalizable, cmo calcular An como el producto PD n P 1 .
1 det ( A I) 0 0
1 2
1 18 8 18
0,
18
(1
1 2
2
8 1 18 4 5 36 0, 5 6 0,
0,
(1 (1
) )
1 6
1,
1 , 6
5 . 6
1
Para
1, resolvemos ( A I ) v
0, de donde v1
0. 0
Para
1/ 6, se determina v2
1 4 . 3 7 4 (verifquelo). 3
Para Luego
5 / 6, se encuentra v 3
1 0 0
1 4 3
7 4 , P 3
1 0 0
1
1 1 8 8
1
1 1 6 6
, D
1 0 0
0
1 6
0 0 .
5 6
Si se quiere saber el estado del proceso despus de cinco periodos, habiendo comenzado con las mquinas trabajando bien, entonces
X5
A X0
0 A 0 , 1
5
1 A
5
1 4 3
7 4 3
0
1 5 5
0 0 ( 6 )5
1 0 0
1
1 1 8 8
1
1 1 6 6
PD P
0 0
0 ( 6) 0 0
244
Mdulo 18: Aplicaciones de la teora de valores y vectores caractersticos Despus de cinco periodos la probabilidad de que las mquinas estn trabajando bien es de aproximadamente 0.2, esto es, aproximadamente 20%; poco menos del 27% necesita ajuste y aproximadamento 53% estn paradas. Se quiere saber si existe alguna distribucin que se mantenga de un periodo a otro, esto es, si Xt
1
X t , Xt
AX t
1 0 0
mquinas estn en el estado (1), o sea, paradas sin reparacin, ya no ocurre ningn cambio de estado de un periodo a otro. A esta situacin se llega cuando han transcurrido n periodos con n grande. El objetivo del anlisis de Markov es calcular la probabilidad de que un sistema se encuentre en un estado en particular en un tiempo futuro y determinar el comportamiento del sistema a largo plazo. Teorema 2 Sea un proceso de Markov dado por la matriz A y la cadena X1, X2 ,..., Xk ,... . Si A es diagonalizable y todo valor caracterstico de A distinto de 1 posee mdulo menor que, 1 entonces: a. b. La sucesin X1, X2 ,..., Xk ... cuando k tiende a infinito converge al lim X k
k
X .
1, es
v1 C2
k 2
v 2 ... Cr
vr
Cr
k 1 r 1
vr
... Cn
k n
v n (teorema 1).
r 2
...
C1 v1 C2 v 2 ... Cr v r
vr
... Cn
k n
vn .
0 ya que
1.
Luego
k
lim Xk
C1 v1 C2 v 2 ... Cr vr ... X . 1. 1.
b.
Los vectores v1, v2 ,..., vr son vectores caractersticos asociados con Por tanto, X es un vector del espacio caracterstico de A asociado con X se conoce como el estado estacionario del sistema.
Ejemplo 2 Cada ao 5% de la poblacin de la ciudad se muda a los suburbios y 3% de la poblacin de los suburbios se muda a la ciudad. Suponga que inicialmente 60% de la poblacin vive en la ciudad y 40% en los suburbios (figura 18.1). Veamos cul es la distribucin de la poblacin despus un ao.
Figura 18.1
Sean Pc , n y Ps , n las poblaciones de la ciudad y los suburbios en el ao n. 0.6 0.4 Pc ,0 Ps ,0 0.4 Pc ,1 Ps ,1 . Pc ,1 Ps ,1 0.95 Pc ,0 0.05 Pc ,0 0.03Ps ,0 0.97 Ps ,0
P0 P1
P1 0.582 0.418
Despus de un ao, aproximadamente, 58% de la poblacin vive en la ciudad y 42% en los suburbios. Se quiere conocer la distribucin de poblacin que permanezca a travs del tiempo. Pk
1
Pk
APk . 1.
0.03 0.97 1
0.05 0.05 3 . 5
0.03 0.03
, entonces
0.05 x 0.03 y 5x 3 y
5 , entonces v
246
Mdulo 18: Aplicaciones de la teora de valores y vectores caractersticos Se debe determinar dentro de los vectores de E1 un vector de probabilidad (la suma de sus componentes debe ser 1). v1 3/ 8 5 / 8 es un vector de estado estacionario.
Se quiere conocer la poblacin despus de k aos. Averigemos los valores caractersticos de A. 0.95 0.05
2
0.03 0.97
0.92 0,
(0.95
)(0.97
) 0.0015
0,
1.92
1)(
0.92)
0,
2
1,
0.92.
Determinemos un vector caracterstico correspondiente a 0.95 0.92 0.03 0.05 0.97 0.92 Luego v2 1 1 . 0.6 0.4 a1 3 5 a2 1 1 ,
0.92.
0.03x x
0.03 y y
P0 3 5
Pk
1 0 1/ 8 . 0 1 9 / 40
v2 ,
1 3 8 5 Cuando k
,
1 9 (0.92)k . 1 40
(0.92) k 0 y Pk
3/ 8 . 5/ 8
A largo plazo la poblacin alcanza el estado estacionario que es el vector de probabilidad correspondiente a 1. La poblacin se estabiliza cuando 3/8 de ella vive en la ciudad y 5/8 en los suburbios.
Mdulo 18
1. La poblacin de una cierta variedad de peces aumenta de manera que el crecimiento en cualquier ao es el doble del crecimiento en el ao anterior. Si inicialmente se tenan 50 peces y despus del primer ao se contabilizaron 70 peces: a. b. c. 2. Encuentre el tamao de la poblacin de peces en cualquier ao. Encuentre el tamao de la poblacin despus del quinto ao. Encuentre el ao en que la poblacin de peces alcanza 2800 individuos.
Suponga que hay tres centros principales de camiones mdese usted mismo. Cada mes, la mitad de los que estn en Boston y en Los ngeles van a Chicago, la otra mitad permanece donde est y los camiones de Chicago se dividen igualmente entre Boston y Los ngeles. Si inicialmente la compaa tena x0, y0, z0 camiones en Boston, Chicago y Los ngeles, respectivamente, a. b. Encuentre la distribucin de camiones de la compaa en las tres ciudades, para cada mes. Determine cul ser a largo plazo la distribucin de camiones de la compaa.
3.
Cada ao 1/10 de la gente de Estados Unidos que vive fuera de California se muda dentro y 2/10 de la gente que vive dentro de California se muda fuera. Si inicialmente y0 y z0 eran los tamaos de las poblaciones fuera y dentro de California: a. b. c. d. Encuentre, para el k-simo ao, el tamao de la poblacin que vive fuera (dentro) de California. Puede modelar este problema como un proceso de Markov? Encuentre la probabilidad de que un individuo de Estados Unidos, elegido al azar, viva fuera (dentro) de California en el k-simo ao. Encuentre la distribucin de la poblacin americana a largo plazo.
4.
Suponga que hay una epidemia en la que cada mes se enferma la mitad de los que estn sanos y muere la cuarta parte de los que estn enfermos. Suponga que inicialmente haba s0 y e0 individuos sanos y enfermos, respectivamente, y ningn individuo haba muerto. a. b. c. Encuentre la distribucin de la poblacin para el k-simo mes y diga cul es la probabilidad en ese mes, para cada uno de los siguientes eventos: estar sano, estar enfermo, estar muerto. Puede modelar este problema como un proceso de Markov? Encuentre la distribucin de la poblacin a largo plazo.
5.
Un curso de Qumica se imparte en dos secciones. Si cada semana dejan el curso 1/ 4 de los que estn en la seccin A y 1/ 3 de los que estn en la seccin B, y 1/6 de cada seccin se transfiere a la otra:/ a. b. A largo plazo, cul ser la distribucin de alumnos? Puede modelar el problema como un proceso de Markov?
Para resolver a y b suponga que inicialmente tenan x0 e y0 estudiantes en las secciones A y B y ningn estudiante fuera del curso. 6. El crecimiento de un cultivo de bacterias en un medio nutritivo se observa cada dos horas y cada vez se encuentra que la poblacin ha crecido 30% con respecto a la vez anterior. a. b. 7. Denote por Pn la poblacin de bacterias despus de 2n horas y describa este proceso de crecimiento por medio de una ecuacin. Dado que la poblacin inicial es 1000 bacterias, determine P2 y P4. Pn 1/ 5 Pn . Si
En un estudio de enfermedades infecciosas se mantiene un registro de brotes de sarampin en un colegio particular. Se estima que la poblacin Pn infectada en la n-sima semana est dada por la ecuacin Pn P0 = 0 y P1 = 1000: a. b. c. Encuentre la poblacin de infectados en la n-sima semana. Se puede modelar el problema como un proceso de Markov? Cuntos infectados se tendrn despus de transcurridas seis semanas?
2 1
8.
Una poblacin de conejos criados en un laboratorio tiene las siguientes caractersticas: La mitad de los conejos sobrevive el primer ao. De stos, la mitad sobrevive el segundo ao. La duracin de la mxima vida es tres aos. Durante el primer ao los conejos no producen descendencia. El nmero medio de descendencia es seis durante el segundo ao y ocho durante el tercer ao. Clase de primera edad Clase de segunda edad Clase de tercera edad 0 < edad < 1 1 < edad < 2 2 < edad < 3
Si actualmente la poblacin consta de 24 conejos en la clase de la primera edad, 24 en la clase de la segunda edad y 20 en la tercera edad, cul ser la distribucin de conejos cuando hayan transcurrido diez aos? 9. Una compaa de robtica quiere fabricar un brazo que deber recoger partes de una banda transportadora para colocarlas en otra banda. Ocasionalmente el brazo falla, pero el robot est diseado para que en caso de falla se activen circuitos secundarios. En las observaciones se descubre que si el brazo falla en una ocasin, tendr xito la siguiente vez 97% de las veces. Si el brazo tiene xito en cierto intento, los circuitos secundarios se desactivarn y el brazo fallar la siguiente vez apenas 2% de las veces. Cumplir el brazo con el requerimiento del cliente de que trabaje exitosamente 98% de las veces? En un da dado, un estudiante est sano o bien est enfermo. De los estudiantes que estn sanos hoy, 95% estar sano maana. De los estudiantes que estn enfermos hoy, 55% estar enfermo maana. a. b. c. d. Cul ser la matriz para esta situacin? Suponga que el lunes 20% de los estudiantes est enfermo. Qu fraccin o porcentaje de los estudiantes es probable que est enfermo el mircoles? Si un estudiante est bien hoy, cul ser la probabilidad de estar bien dentro de dos das? Cul es la probabilidad de que despus de muchos das una persona dada est enferma?
10.