SISTEMA LINEAL DE LA FORMA AX=λx

Definición y ¿Qué tipo son?

Sea una matriz nxn, con n ecuaciones y n incógnitas son de tipo:

AX=λx

Dónde:

A=Matriz nxn
X=Variables del sistema
λ= Escalar (valor desconocido)

*La matriz columna X recibe el nombre de Vector característico (Eigenvector) siendo

las Xi las componentes de dicho valor característico.

*Los valores que se obtienen para lambda se conoce como valores característicos
(Eigenvalores) de la matriz A

Ecuación característica
Dado que lambda aparece como incógnita es posible hacer que el determinante de
dicha matriz sea igual a cero (introduciendo una matriz identidad):
DET(A-λI)=0

Y encontrando los valores para lambda que hagan el Det=0 se tendrá la solución.

El desarrollo algebraico del determinante produce un polinomio de grado n de la forma:

λn+p1λn-1+k+pn-1λ+pn=0

*Este polinomio recibe el nombre de polinomio característico o ecuación característica.

*Es necesario resolver el polinomio y obtener los lambda que hacen Det=0
*Los lambda obtenidos se los llama valor propio de A si y solo si Det(A-λI)=0
* Det(A-λI)=0 Ecuación característica de la matriz A

Eigenvalores
Raíces que se obtuvieron del polinomio son eigenvalores de A.

Eigenvector
Un vector diferente de 0 que satisface Av- λv es un eigenvector de A.

Al par ordenado (λ,v) se le llama eigenpar

En conclusión:

Si A es una matriz nxn, hay vectores x diferente de cero en Rntales que Ax sea un
múltiplo escalar de x. El escalar denotado por lambda se llama valor propio de la
matriz A y el vector x diferente de cero se llama vector propio de A correspondiente a
lambda, por lo tanto se tiene:

Valor propio

Ax=λx

Vector propio

Ejemplo:

Hallar los valores y vectores propios de la matriz:

𝟐 −𝟏𝟐
A=[ ]
𝟏 −𝟓
Ecuación característica de A es: Det (λI-A)=0

1 0 2 −12 λ−2 12
λI-A=λ[ ]−[ ]=[ ]
0 1 1 −5 −1 λ+5

Det (λI-A)= (λ+1) (λ+2)=0

λ = −1
𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 de la matriz A {
λ = −2
𝑥1
Sea x=[ ] 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝐴
𝑥2

X es un vector propio de A correspondiente a λ si y solo si X es una solución no trivial

de (λI-A)=0, es decir, solución no trivial para:

λ−2 12 x1 0
[ ][ ] = [ ]
−1 λ + 5 x2 0

Si λ=-1 la ecuación de transforma en:

−3 12 x1 0
[ ][ ] = [ ]
−1 4 x2 0
−3x1 + 12x2 = 0 x1 = 4x2
{
−x1 + 4x2 = 0 x2 = t
𝑥1 4𝑡 4
𝑥=[ ] = [ ] = 𝑡 [ ] 𝑆𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑑𝑒 𝐴 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑎 λ = −1
𝑥2 𝑡 1
Si λ=-2

−4 12 x1 0
[ ][ ] = [ ]
−1 4 x2 0
−4x1 + 12x2 = 0 x1 = 3x2
{
−x1 + 3x2 = 0 x2 = t

x1 3t 3
x = [ ] = [ ] = t [ ] Son los vectores propios de A correspondientes a λ = −2
x2 t 1

Algunas propiedades de los valores propios

*La suma de los n valores propios de la matriz A es igual a su Traza;

λ1+λ2+…+λn=Traza(A)

*El producto de los n valores propios de la matriz A es igual a su determinante;

λ1λ2…λn=det(A)

*Los valores propios de una matriz triangular (superior o inferior) son los valores de su
diagonal.

Usos y Aplicaciones:
En diversos campos de la ingeniería y las matemáticas surge el problema de calcular
los valores escalares λ y los vectores x≠0 tales que para la matriz cuadrada A se
cumple:

Ax=λx

Algunos de estos campos de aplicaciones son:

-Ecuaciones diferenciales
-Estabilidad de sistemas lineales
-Sistemas Eléctricos (componentes simétricas)
-Polos y ceros de funciones transferencia
-Diagonalizacion de matrices