Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 247 vistas

    Diagonalizar Matriz

    Cargado por

    surisan
    1. La diagonalización de una matriz A permite reducir un sistema lineal a un sistema desacoplado mediante una transformación de coordenadas definida por una matriz P de eigenvectores de A. 2. El sistema desacoplado tiene soluciones exponenciales que dependen de los eigenvalores de A, y la solución del sistema original se puede obtener aplicando la transformación inversa dada por P-1. 3. Los subespacios estable e inestable del sistema lineal están determinados por los eigenvectores correspondientes a eigenvalores negativos y positivos respectivamente

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd

    Diagonalizar Matriz

    Cargado por

    surisan
    247 vistas14 páginas
    1. La diagonalización de una matriz A permite reducir un sistema lineal a un sistema desacoplado mediante una transformación de coordenadas definida por una matriz P de eigenvectores de A. 2. El sistema desacoplado tiene soluciones exponenciales que dependen de los eigenvalores de A, y la solución del sistema original se puede obtener aplicando la transformación inversa dada por P-1. 3. Los subespacios estable e inestable del sistema lineal están determinados por los eigenvectores correspondientes a eigenvalores negativos y positivos respectivamente

    Título original

    diagonalizar matriz

    Derechos de autor

    © Attribution Non-Commercial (BY-NC)

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    1. La diagonalización de una matriz A permite reducir un sistema lineal a un sistema desacoplado mediante una transformación de coordenadas definida por una matriz P de eigenvectores de A. 2. El sistema desacoplado tiene soluciones exponenciales que dependen de los eigenvalores de A, y la solución del sistema original se puede obtener aplicando la transformación inversa dada por P-1. 3. Los subespacios estable e inestable del sistema lineal están determinados por los eigenvectores correspondientes a eigenvalores negativos y positivos respectivamente

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    247 vistas14 páginas

    Diagonalizar Matriz

    Cargado por

    surisan
    1. La diagonalización de una matriz A permite reducir un sistema lineal a un sistema desacoplado mediante una transformación de coordenadas definida por una matriz P de eigenvectores de A. 2. El sistema desacoplado tiene soluciones exponenciales que dependen de los eigenvalores de A, y la solución del sistema original se puede obtener aplicando la transformación inversa dada por P-1. 3. Los subespacios estable e inestable del sistema lineal están determinados por los eigenvectores correspondientes a eigenvalores negativos y positivos respectivamente

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 14

    1.

    2 DIAGONALIZACIÓN
    • La técnica algebraica de diagonalización de
    una matriz A se puede usar para reducir el
    sistema lineal

    a un sistema lineal desacoplado.

    • Primeramente se considera el caso cuando


    A tiene eigenvalores reales distintos. El
    siguiente teorema del algebra lineal
    entonces nos permite resolver el sistema
    lineal (1).
    • Teorema. Si los eigenvalores de
    una matriz A de n x n son reales y distintos,
    entonces cualquier conjunto de eigenvectores
    correspondientes forman una
    base de , la matriz es
    invertible y
    • Este teorema dice que si una transformación
    lineal se representa por una
    matriz A de n x n con respecto a la base
    estándar para Rn, entonces
    con respecto a cualquier base de
    eigenvectores , T se
    representa por la matriz diagonal de
    eigenvalores, .
    • La forma de reducir el sistema (1) a un sistema
    lineal desacoplado usando el teorema anteriores
    como sigue.
    • Defina la transformación lineal de coordenadas

    • Donde P es la matriz invertible definida en el


    teorema. Entonces

    • Y, de acuerdo al teorema anterior, se obtiene el


    sistema lineal desacoplado
    • Este sistema lineal desacoplado tiene la
    solución

    • Y entonces ya que y(0)=P-1x(0) y y(t)=P-1x(t),


    se sigue que (1) tiene la solución

    • Donde E(t) es la matriz diagonal


    • Corolario. Bajo la hipótesis del teorema
    anterior, la solución del sistema lineal (1) se
    da por la función x(t) definida por (2).

    • Obs 1. Ax = λx Ecuación fundamental para


    el valor propio λ y el vector propio x.
    • Entonces para encontrar λ se hace lo
    siguiente: det(A-λI) = 0.
    • Para encontrar x se hace lo siguiente: (A-
    λI)x = 0.
    • Ejemplo: si
    ⎡4 − 5⎤
    A=⎢ ⎥
    ⎣2 − 3⎦
    • Entonces los valores propios son -1 y 2.

    • Y los vectores propios son x1=[1 1]’ y x2=[5 2]’.

    • Obs 2: la inversa de una matriz es:

    A-1 = (adj A)/det A

    Donde adj A son los menores transpuestos


    • Ejemplo. Considere el sistema lineal

    • Cual se puede escribir en la forma (1) con la matriz

    • Los eigenvalores de A son λ1 y λ2. Un par de


    correspondientes eigenvectores se da por
    • La matriz P y su inversa se da por

    • Entonces se encuentra que

    • Y bajo la transformación de coordenadas y = P-1x,


    se obtiene el sistema lineal desacoplado

    • Cual tiene la solución general y1(t) =c1e-t,


    y2(t) =c2e-t.
    • y de acuerdo al corolario anterior la solución
    general del sistema original lineal es

    • Donde c = x(0), o equivalentemente por


    • El retrato fase de este sistema se da en la figura 1.
    El retrato fase del sistema lineal se puede
    encontrar bosquejando las curvas solución
    definidas por (4). Esto se muestra en la figura 2.
    • El retrato fase en la figura 2 también se puede
    optener del retrato fase de la figura 1aplicando
    la transformación lineal de coordenadas x=Py.

    • Note que el subespacio comprendido por los


    vectores propios v1 y v2 de la matriz A
    determinan los subespacios estables e
    inestables del sistema lineal (1) de acuerdo a la
    siguiente definición:
    • Suponga que la matriz A de nxn tiene k
    eigenvalores negativos λ1,…,λk y n-k eigenvalores
    positivos λk+1,…,λn y que esos eigenvalores son
    distintos. Permita que {v1, …,vn} sea un
    correspondiente conjunto de eigenvectores.
    Entonces los subespacios estable e inestable del
    sistema lineal (1), Es y Eu, son los subespacios
    lineales comprendidos por {v1, …,vk} y {vk+1, …,vn}
    respectivamente;

    • Si la matriz A tiene eigenvalores imaginarios puros,


    entonces también hay un subespacio centro Ec.

    También podría gustarte