EIGEN VECTORES, EIGEN VALORES Y POLINOMIO CARACTER ISTICO DE UNA MATRIZ

EIGENVALUES, EIGENVECTORS AND CHARACTERISTIC POLYNOMIAL OF A MATRIX.

OMAR ARGUELLO 24 de junio de 2013 Resumen

El art culo que se presenta a continuaci on es un estudio comprensivo del concepto y aplicabilidad de los Eigen vectores, Eigen valores y de los Polinomios caracter sticos de una matriz. Se realiza una consulta masiva de conceptos bas andose esencialmente en el libro Linear Algebra and its applications para obtener un proceso ordenado de explicaci on e introducci on al tema. Los resultados obtenidos ser an reejados en el aprendizaje de los conceptos b asicos de dichos temas para desarrollar dentro de los temas antes vistos. Palabras clave : Aplicabilidad, Eigen vectores, Eigen valores, Polinomios caracter sticos de una matriz.

Abstract
The following article shows a deep study of the Eigen values, Eigen vectors and Characteristic polynomial of a matrixs concept and applicability. We developed a massive research about concepts based essentially on the Linear Algebra and its applications in order to obtain an ordered process of explanation and introduction to the main topic. The results obtained will be reected in the basic concepts learning of each topic in order to develop it within the already looked at topics. Key words : Applicability, Eigen values, Eigen vectors, Characteristic Polynomial of a matrix.

INTRODUCCION
En este documento se presentar a la correcta manera de encontrar los Eigen vectores, Eigen Valores y el Polinomio Caracter stico de una matriz. Son conocimientos secuenciales lo cual nos indica que para entender uno de los conceptos dependemos del total comprendimiento del otro. Se estudia dichos conceptos para la b usqueda de aplicaciones en las que se puedan implementar estos conocimientos y de esta manera agilizar el trabajo y optimizar recursos. Se realiza un estudio minuicioso a cada ecuaci on para determinar los teoremas y concluir con una denici on mas amigable para el estudiante. 1

METODOLOG IA
EIGEN VALORES Y EIGEN VECTORES Para entender el concepto de los Eigen valores se debe entender primero el concepto de los Eigen vectores, casi todos los vectores cuando son multiplicados por A cambian de direcci on, excepto en ciertos casos donde el vector X est a en la misma direcci on que AX, a estos vectores se los denomina Eigen Vectores, esto quiere decir que si multiplicamos un Eigen vector X por una matriz A, el valor de AX ser a entonces veces el vector X teniendo as : AX =X Dicha ecuaci on determina que el valor de cambia su longitud m as no su direcci on, dicho valor entonces es llamado Eigen Valor. Este valor indica si el vector X est a siendo alargado o reducido cuando es multiplicado por la matriz A, pudiendo as encontrar valores para 1 . El Eigen valor puede ser 0, lo que signica que el Eigen vector como = 1 o = 2 o = 2 se encuentra en el espacio nulo. Si la matriz A es una matriz identidad, cada vector tiene A X = X , lo que quiere decir que todos los vectores de I son Eigen Vectores, y todos los Eigen Valores son iguales a 1. Demostraci on: Siendo: A= Sustraemos x en ambos lados: AX X =X X AX X =0 Si multiplicamos una matriz Identidad por no cambia el sentido de la ecuaci on, teniendo as : AX I X =0 Sacamos factor com un X: (A I ) X = 0 Para que la ecuaci on no tenga soluciones triviales el determinante de A I tiene que ser 0 para que se cumpla la ecuaci on. 0,8 0,3 0,2 0,7

Resolvemos el para (A I): 0,8 0,3 0,2 0,7 3 1 + 2 2

= 2 Factorizando obtenemos:

1 ( 1) y ( 2 )

Se obtienen dos Eigen valores: = 1 y = 1 . Para dichos valores la ecuaci on A I = 0 2 Primer paso: Reemplazamos el valor de en la ecuaci on AI =0

B=0 Igualamos A I = B Obtenemos: B= 0,8 0,3 0,2 0,7 1 0 0 1

Para el valor de = 1 calculamos los Eigen Vectores: B= Entonces: 0,2 0,3 0,2 0,3 Resolvemos por Gauss Jordan: 1. F2 F1 0,2 0,3 0 0 = 0 0 = 0 0 0,8 1 0 ,3 0,2 0,7 1

2. 5 F1 1 1,5 0 0 Obtenemos: 3X2 =0 2 3 X 1 = X2 2 3 X2 X= 2 X2 X1 X2 = X =

3 2

0 0

Debido a que puede ser cualquier n umero perteneciente a los R excepto el 0, asignamos un valor cualquiera, en este caso asignaremos el valor de 2, entonces: 3 2 = 3 2 3 2 = 3 2 0,8 0,3 0,2 0,7

2,4 + 0,6 0,6 + 1,4 = 3 2

Por lo tanto los Eigen Vectores para la Matriz A son: X = Para el valor de =
1 2 3 2

|=0

calculamos los Eigen Vectores: B= 0,8 0,2

1 2

0,3 0,7

1 2

Entonces: 0,3 0,3 0,2 0,2 Resolvemos por Gauss Jordan: = 0 0

1. 0,3 F2 0,2 F1 0,3 0,3 0 0 = 0 0

Obtenemos: 0,3 X1 + 0,3 X2 = 0 0,3 X1 = 0,3 X2 X1 = X2 X= X2 X2 1 1

X2 = X=

Debido a que puede ser cualquier n umero perteneciente a los R excepto el 0, asignamos un valor cualquiera, en este caso asignaremos el valor de 1, entonces: 1 1 1 2
1 2

= = 1 2
1 2

1 1

0,8 0,3 0,2 0,7

0,8 + 0,3 0,2 + 0,7 = 1 2

1 2

Por lo tanto los Eigen Vectores para la Matriz A son: X= 1 1 |=0

POLINOMIO CARACTER ISTICO DE UNA MATRIZ En algebra lineal, se asocia un polinomio a cada matriz cuadrada llamado polinomio caracter stico. Dicho polinomio contiene una gran cantidad de informaci on sobre la matriz, los m as signicativos son los valores propios, su determinante y su traza. Siendo: a b A= c d

De la deducci on vista en Eigen Vectores y Eigen Valores acerca del determinante de A I igualandolo a 0 podemos decir entonces que: AI = AI = AI = a b c d a b c d 1 0 0 1 0 0

a b c d

AI =0 0= a b c d

El polinomio caracter stico de tiene que ser igualado a 0, teniendo as : P() = (A I ) P() = a b c d

P() = (a ) (d ) b c P() = a d a d + 2 b c Ordenando: P() = 2 (a + d) b c + a d Si observamos (a d b c) es el (A). Teniendo en cuenta que la traza de la matriz A [Tr(A) ] est a presente en la ecuaci on del polinomio caracter stico deducimos que el coeciente de la variable en dicha ecuaci on es la traza de la matriz A [Tr(A) ]. Deducimos as que el polinomio caracter stico de la matriz est a dado de la siguiente manera: P() = 2 T r(A) + (A)

CONCLUSIONES
Los Eigen Valores no cambian la direcci on del vector, pero pueden cambiar de distintas maneras la longitud del mismo. Para calcular los Eigen Vectores a partir de una matriz dada se debe despejar el polinomio caracter stico de la matriz y de esta concluir mediante procesos matem aticos los valores que puede tomar para cumplir los requisitos de una matriz para tener Eigen Valores en un no espacio nulo. Los Eigen vectores de una matriz pueden ser varios, siempre y cuando el coeciente no sea igual a 0.

BIBLIOGRAF IA
Strang,G. (2009). Introduction to Linear Algebra, 4th Edition .Massachusetts Institute of Technology. Chapter 6:Eigenvalues. Butcher, D. (18 de Enero del 2013). Finding all Eigenvectors (Nonzero Eigenspace) for an Eigenvalue. http://www.youtube.com/watch?v=5CQ8QB6zrfg. Butcher, D. (18 de Enero del 2013). How to Find an Eigenvalue and all its Eigenvectors. http://www.youtube.com/watch?v=UIW2tePm2hw. Butcher, D. (18 de Enero del 2013). The Characteristic Polynomial for a 2x2 Matrix. http://www.youtube.com/watch?v=qvy1FF2k66Y Lay, D. Linear Algebra and its applications . Chapter 5: Eigen values and Eigen vectors.