Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Diagonalización de matrices, Monografías, Ensayos de Derecho Cambiario

Una introducción a la diagonalización de matrices, un concepto fundamental en álgebra lineal. Se explican las condiciones necesarias y suficientes para que una matriz sea diagonalizable, así como los pasos para llevar a cabo el proceso de diagonalización. Se abordan propiedades de los valores y vectores propios, y se incluyen aplicaciones económicas de la diagonalización, como el análisis de la evolución de un sistema dinámico a lo largo del tiempo. El documento proporciona una comprensión sólida de este tema clave en matemáticas empresariales, con ejemplos ilustrativos que facilitan su aprendizaje.

Tipo: Monografías, Ensayos

2019/2020

Subido el 24/06/2023

alexander-yanac
alexander-yanac 🇵🇪

1 documento

1 / 4

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
MATEMÁTICAS 1º DE EMPRESARIALES
TEMA 2: DIAGONALIZACIÓN DE MATRICES
08-09 1
Φ
2.1. MATRICES EQUIVALENTES, CONGRUENTES Y SEMEJANTES.
Dos matrices del mismo orden (pueden ser rectangulares o cuadradas), A y B, son equivalentes si
existen dos matrices P y Q, cuadradas con determinante distinto de cero tales que B=PAQ.
Dos matrices equivalentes tienen el mismo rango
Dos matrices cuadradas del mismo orden, A y B, son congruentes si existe una matriz cuadrada P
con determinante distinto de cero, de modo que se satisface B=PAP
t
.
Si dos matrices son congruentes, entonces son equivalentes, por lo tanto si dos matrices son
congruentes, tienen el mismo rango.
Dos matrices cuadradas de orden n, A y B, son semejantes si existe una matriz cuadrada, P, con
determinante distinto de cero, que satisfaga B=P
-1
AP.
A la matriz B se le llama transformada de A mediante la matriz de paso P.
Propiedades:
- 1. Si A y B son semejantes , entonces son equivalentes.
- 2. Si A y B son semejantes, tienen el mismo rango.
- 3. Si (A,B) y (C, D) son semejantes con la misma matriz de paso, entonces A+C es semejante a
B+D con matriz de paso P.
- 4. Si A y B son semejantes con matriz de paso P, y n es un número natural, A
n
y B
n
son
semejantes con matriz de paso P.
2.2. MATRIZ DIAGONALIZABLE.
Una matriz A es diagonalizable si es semejante a una matriz diagonal, D, es decir, si existe P regular
tal que A=PDP
-1
.
El proceso de cálculo de la matriz diagonal y de la matriz de paso se denomina diagonalización de A.
2.3. VALORES Y VECTORES PROPIOS. PROPIEDADES.
Sea f un endomorfismo definido sobre un espacio vectorial de dimensión n mediante la relación
f(x)=Ax, decimos que t perteneciente a K es un valor propio de la matriz A o del endomorfismo f si
existe un vector x distinto de cero tal que tx=Ax.
Al conjunto de vectores, x, que satisfacen la relación anterior se les llama conjunto de vectores
propios o autovectores asociados a t.
Obtención práctica de valores y vectores propios:
Partimos de la ecuación matricial Ax=tx que también podemos expresar Ax-tx=0 o (A-tI)x=0. La
ecuación vectorial anterior representa un sistema de ecuaciones homogéneo con matriz de los
coeficientes A-tI. Este sistema de ecuaciones tendrá solución distinta de la trivial si el determinante de
la matriz de los coeficientes es cero. El desarrollo de este determinante da lugar a un polinomio de
grado n, al que llamaremos polinomio característico. Cuando igualamos este polinomio a cero, la
ecuación que obtenemos se denomina ecuación característica. Las n soluciones de esta ecuación son
los valores propios que estábamos buscando. Resumiendo:
Polinomio característico: |A-tI|
Ecuación característica: |A-tI|=0
Matriz característica: A-tI
Como la ecuación característica es de grado n, posee n soluciones, no necesariamente distintas. Por lo
tanto es conveniente acompañar cada raíz del número de veces que se repita, a dicho número lo
denominaremos orden de multiplicidad del valor propio..
Una vez calculados todos los valores propios habrá que calcular el conjunto de vectores propios
asociado a cada uno de ellos. Esto lo haremos resolviendo para cada t
i
(valor propio) el siguiente
sistema homogéneo (A-t
i
)x=0
pf3
pf4

Vista previa parcial del texto

¡Descarga Diagonalización de matrices y más Monografías, Ensayos en PDF de Derecho Cambiario solo en Docsity!

TEMA 2: DIAGONALIZACIÓN DE MATRICES

2.1. MATRICES EQUIVALENTES, CONGRUENTES Y SEMEJANTES.

Dos matrices del mismo orden (pueden ser rectangulares o cuadradas), A y B, son equivalentes si existen dos matrices P y Q, cuadradas con determinante distinto de cero tales que B=PAQ. Dos matrices equivalentes tienen el mismo rango

Dos matrices cuadradas del mismo orden, A y B, son congruentes si existe una matriz cuadrada P con determinante distinto de cero, de modo que se satisface B=PAPt. Si dos matrices son congruentes, entonces son equivalentes, por lo tanto si dos matrices son congruentes, tienen el mismo rango.

Dos matrices cuadradas de orden n, A y B, son semejantes si existe una matriz cuadrada, P, con determinante distinto de cero, que satisfaga B=P-1AP. A la matriz B se le llama transformada de A mediante la matriz de paso P. Propiedades:

- 1. Si A y B son semejantes , entonces son equivalentes. - 2. Si A y B son semejantes, tienen el mismo rango. - 3. Si (A,B) y (C, D) son semejantes con la misma matriz de paso, entonces A+C es semejante a B+D con matriz de paso P. - 4. Si A y B son semejantes con matriz de paso P, y n es un número natural, An^ y Bn^ son semejantes con matriz de paso P.

2.2. MATRIZ DIAGONALIZABLE.

Una matriz A es diagonalizable si es semejante a una matriz diagonal, D, es decir, si existe P regular tal que A=PDP-1. El proceso de cálculo de la matriz diagonal y de la matriz de paso se denomina diagonalización de A.

2.3. VALORES Y VECTORES PROPIOS. PROPIEDADES.

Sea f un endomorfismo definido sobre un espacio vectorial de dimensión n mediante la relación f(x)=Ax, decimos que t perteneciente a K es un valor propio de la matriz A o del endomorfismo f si existe un vector x distinto de cero tal que tx=Ax.

Al conjunto de vectores, x, que satisfacen la relación anterior se les llama conjunto de vectores propios o autovectores asociados a t.

Obtención práctica de valores y vectores propios:

Partimos de la ecuación matricial Ax=tx que también podemos expresar Ax-tx=0 o (A-tI)x=0. La ecuación vectorial anterior representa un sistema de ecuaciones homogéneo con matriz de los coeficientes A-tI. Este sistema de ecuaciones tendrá solución distinta de la trivial si el determinante de la matriz de los coeficientes es cero. El desarrollo de este determinante da lugar a un polinomio de grado n, al que llamaremos polinomio característico. Cuando igualamos este polinomio a cero, la ecuación que obtenemos se denomina ecuación característica. Las n soluciones de esta ecuación son los valores propios que estábamos buscando. Resumiendo:

  • Polinomio característico: | A-tI|
  • Ecuación característica: |A-tI|=
  • Matriz característica: A-tI

Como la ecuación característica es de grado n, posee n soluciones, no necesariamente distintas. Por lo tanto es conveniente acompañar cada raíz del número de veces que se repita, a dicho número lo denominaremos orden de multiplicidad del valor propio..

Una vez calculados todos los valores propios habrá que calcular el conjunto de vectores propios asociado a cada uno de ellos. Esto lo haremos resolviendo para cada ti (valor propio) el siguiente sistema homogéneo (A-ti)x=

TEMA 2: DIAGONALIZACIÓN DE MATRICES

Propiedades de valores y vectores propios:

  1. T. De Hamilton-Cayley: Si P es el polinomio característico de A, P(A)=0.
  2. La suma de los n valores propios de una matriz es igual a su traza.
  3. Los valores propios de una matriz coinciden con los de su traspuesta.
  4. El producto de los n valores propios de una matriz es igual a su determinante.
  5. Si ti son los valores propios de A, tin^ son los valores propios de An. Además A y An^ tienen los mismos vectores propios.
  6. n vectores propios distintos correspondientes a n valores propios distintos de orden de multiplicidad uno, constituyen una base del espacio vectorial donde está definida la matriz A.
  7. Dada una matriz simétrica de coeficientes reales se verifica que sus valores propios son números reales y que los vectores propios asociados a valores propios distintos son ortogonales.
  8. Los vectores propios de una matriz y de su traspuesta, si corresponden a valores propios distintos, son ortogonales.
  9. Si un valor propio para una matriz es un número complejo, se verifica que su complejo conjugado es también un valor propio de la matriz.
  10. Dos matrices semejantes tienen la misma ecuación característica y consecuentemente los mismos valores propios con el mismo grado de multiplicidad.
  11. Si A y B son dos matrices semejantes mediante la matriz de paso P y x es un vector propio de A asociado a t, entonces Px es un vector propio de B asociado a t.
  12. Una matriz triangular tiene como valores propios los elementos de la diagonal principal.
  13. El conjunto de vectores propios asociados a un determinado valor propio constituye un espacio vectorial cuya dimensión es mayor o igual que 1 y menor o igual que el orden de multiplicidad del valor propio.
  14. Sea p(x) un polinomio de grado n, sea t un valor propio de A y v un vector propio asociado a A, entonces p(t) es un valor propio asociado a p(A) con el mismo vector propio.
  15. A valores propios distintos le corresponden vectores propios linealmente independientes.

2.4. DIAGONALIZACIÓN DE UNA MATRIZ CUALQUIERA

Sea A una matriz asociada a un endomorfismo f, definido en un espacio vectorial de dimensión n. Para diagonalizar una matriz A, tratamos de encontrar una matriz diagonal, D, semejante a la matriz A. Necesitamos encontrar una matriz de transformación o cambio de base P, que mediante la relación de semejanza P-1AP de lugar a la matriz D. Por lo tanto tenemos que encontrar una base en la que el endomorfismo quede asociado a una matriz diagonal. En algunos casos podremos encontrarlo, entonces la matriz será diagonalizable , y en otros no, no será diagonalizable.

TEOREMA:

La condición necesaria y suficiente para que una matriz cuadrada sea diagonalizable es que exista una base del espacio vectorial formada por vectores propios del endomorfismo asociado a la matriz dada.

Tenemos asegurada la existencia de dicha base para:

  • Matrices simétricas.
  • Diagonales.
  • Matrices en las que los valores propios sean de orden de multiplicidad uno.

En otro caso debemos verificar la condición de orden y rango ( equivalente a la anterior) para valores propios de orden de multiplicidad mayor que 1.

TEOREMA: (Condición de orden y rango) La condición necesaria y suficiente para que una matriz A sea diagonalizable es que para cada valor propio ti de orden de multiplicidad ri se verifique rango(A-tiI)=n-ri.

Si la matriz dada es diagonalizable tendremos que buscar una base de vectores propios, para ello calcularemos los valores propios de la matriz, para cada uno de ellos calcularemos una base de vectores propios asociados, de entre ellos elegiremos los representantes de modo que sean linealmente independientes, estos vectores así escogidos constituyen la base del espacio vectorial y si

TEMA 2: DIAGONALIZACIÓN DE MATRICES

Siendo x e y las distorsiones en los mercados de aceite de oliva y de aceite de semillas respectivamente. ¿Desaparecerán estas distorsiones a largo plazo?

Se pueden plantear las distorsiones como 

^ =

t

t

t 1

t 1

y

x

y

x

Para que no hubiera distorsiones a largo plazo se debería verificar:

^ =

t

t

k

y

x

siendo k el número de períodos que tienen que pasar desde el momento

inicial, por lo tanto se requiere que 

^ =

lim

k

k

lo que ocurrirá si los autovalores de

esta matriz son menores que 1 en valor absoluto.

|A- λ I|=

=(0´4 - λ )(0´1 - λ )-0´1= λ 2 - 0´5 λ -0´06=0 con lo que λ =0´6 o λ =0´1.

La matriz A es diagonalizable con lo que Ak=PDkP-1=P 

− k

k

P-1, si k tiende a infinito (0´6)k

y (-0´1)k^ tienden a cero y por lo tanto las distorsiones tienden a anularse.