Autovalores y Autovectores

Los autovalores son factores por los que se multiplican los autovectores cuando una matriz actúa sobre ellos. Si tenemos una matriz A y un vector v no nulo tal que Av = λv, entonces λ es un autovalor y v es un autovector.

Para encontrar los autovalores de una matriz, debemos resolver la ecuación característica:

det(A - λI) = 0

Las raíces de esta ecuación son los autovalores. Una matriz de tamaño n×n tiene exactamente n autovalores (contando multiplicidades).

El conjunto de todos los vectores v que satisfacen Av = λv forma el espacio propio asociado al autovalor λ. Este espacio es un subespacio del espacio vectorial original.

💡 Importante: Para diagonalizar una matriz A necesitamos encontrar n autovectores linealmente independientes. La matriz diagonal resultante tendrá los autovalores en la diagonal principal.

Para diagonalizar una matriz A, seguimos estos pasos:

1. Encontrar los autovalores λᵢ
2. Para cada autovalor, encontrar su espacio propio
3. Formar la matriz C con los autovectores como columnas
4. La matriz diagonal D = C⁻¹AC tendrá los autovalores en su diagonal

Matrices Simétricas y Diagonalización Ortogonal

Una matriz simétrica tiene propiedades especiales que facilitan su diagonalización. Si A = Aᵀ (A es simétrica), entonces:

1. Todos sus autovalores son reales
2. Autovectores correspondientes a autovalores distintos son ortogonales entre sí
3. Siempre existe un conjunto de n autovectores ortonormales

Cuando trabajamos con matrices simétricas, podemos usar la diagonalización ortogonal, donde encontramos una matriz ortogonal Q tal que:

D = QᵀAQ

Una matriz ortogonal Q tiene columnas que son vectores ortonormales y su determinante es ±1. La ventaja es que Q⁻¹ = Qᵀ, lo que simplifica los cálculos.

Para diagonalizar ortogonalmente una matriz A:

1. Verificar que A = Aᵀ
2. Hallar los autovalores de A
3. Encontrar los autovectores $A - λI$w = 0
4. Construir una base ortonormal para cada espacio propio
5. Formar la matriz Q con estos vectores ortonormales

💡 Recuerda: La diagonalización ortogonal es posible solo para matrices simétricas, y permite trabajar con transformaciones que preservan ángulos y distancias relativas.

Ejemplos de Diagonalización

Veamos cómo diagonalizar diferentes matrices:

Para una matriz sencilla como A = [4 0; 0 4]:

1. La ecuación característica es $4-λ$² = 0, que nos da λ₁ = λ₂ = 4
2. Al tener autovalores repetidos, debemos verificar la multiplicidad geométrica
3. La matriz diagonalizada es D = [4 0; 0 4]

Para una matriz simétrica A = [3 4; 4 9]:

1. Los autovalores son λ₁ = 1 y λ₂ = 11
2. Los autovectores son v₁ = $-1; 1$ y v₂ = $1/2; 1$
3. Para diagonalizar ortogonalmente, necesitamos normalizar estos vectores:
   • u₁ = $-2/√5; 1/√5$
   • u₂ = $1/√5; 2/√5$
4. La matriz ortogonal Q tiene estos vectores como columnas

💡 Consejo práctico: Para verificar si dos vectores son ortogonales, calcula su producto escalar. Si es cero, son ortogonales. Para normalizarlos, divídelos por su norma.

La matriz diagonalizada D contendrá los autovalores 1 y 11 en la diagonal principal, lo que simplifica operaciones futuras con la matriz original.

Procedimiento General de Diagonalización Ortogonal

Para encontrar una matriz diagonalizante ortogonal Q, sigue este procedimiento sistemático:

1. Encuentra una base para cada espacio propio de la matriz A. Para cada autovalor, resuelve el sistema $A-λI$x = 0.

2. Construye una base ortonormal para cada espacio propio utilizando el proceso de Gram-Schmidt:

   • Toma los vectores de la base original
   • Ortogonalízalos entre sí
   • Normaliza cada vector dividiendo por su norma

3. Forma la matriz Q colocando los vectores ortonormales como columnas.

💡 Recuerda: La diagonalización ortogonal de una matriz simétrica siempre es posible, y la matriz Q resultante tiene propiedades muy útiles: sus columnas son ortogonales entre sí y Q⁻¹ = Qᵀ.

Este procedimiento es especialmente útil cuando trabajamos con formas cuadráticas o cuando queremos simplificar transformaciones lineales.

Teorema de los Ejes Principales

El teorema de los ejes principales nos permite simplificar ecuaciones de cónicas mediante rotación de ejes. Tomemos el ejemplo 3x²+2xy+9y²=6:

1. Representamos la cónica como una forma cuadrática con la matriz A = [3 1; 1 9]

2. Al encontrar los autovalores y autovectores de A, obtenemos los nuevos ejes principales de la cónica.

3. Para crear una matriz ortogonal Q, normalizamos los autovectores:

   • u₁ = $-2/√5; 1/√5$
   • u₂ = $1/√5; 2/√5$

4. La ecuación en los nuevos ejes es x²/6 + 11y²/6 = 1, que es una elipse sin términos cruzados.

5. El ángulo de rotación se puede calcular con θ = cos⁻¹$2/√5$, aproximadamente 63°26'

💡 Aplicación clave: Este teorema nos permite eliminar el término cruzado xy en cualquier ecuación cuadrática, simplificando el análisis de cónicas rotadas.

La ventaja de este método es que transforma cualquier cónica rotada en su forma canónica, facilitando su identificación y estudio.

Rotación y Traslación de Cónicas

Para analizar cónicas con términos mixtos y lineales como x²+4xy+y²+6x-9y-9=0:

1. Identificamos la parte cuadrática con la matriz A = [1 2; 2 1]

2. Al diagonalizar A con una matriz ortogonal Q, eliminamos el término cruzado xy

3. La matriz Q representa una rotación de ejes (en este caso, 45°)

4. Los términos lineales también se transforman según Q, lo que nos permite completar cuadrados

5. La forma final es una elipse con ecuación: $x-15/4$²/$45/4$ + $y-1/2$²/$25/4$ = 1

6. Ahora podemos identificar:

   • Centro en C = $15/4, 1/2$
   • Semieje mayor de longitud 3√5/2
   • Semieje menor de longitud 5/2
   • Ángulo de rotación de 45°

💡 Estrategia útil: Siempre trabaja primero la rotación (para eliminar términos cruzados) y luego la traslación (para eliminar términos lineales). Esto simplifica considerablemente el proceso.

Este método funciona para cualquier cónica y nos permite identificar completamente sus características geométricas.

Análisis de Cónicas mediante Autovalores

Para la ecuación 6x²-4xy+9y²=50, seguimos estos pasos:

1. Formamos la matriz A = $6 -2; -2 9$ que representa la parte cuadrática

2. Calculamos sus autovalores: λ₁=10 y λ₂=5

3. Encontramos los autovectores:

   • Para λ₁=10: v₁ = $-1/2, 1$
   • Para λ₂=5: v₂ = (2, 1)

4. Normalizamos estos vectores:

   • u₁ = $-1/√5, 2/√5$
   • u₂ = $2/√5, 1/√5$

5. Formamos la matriz ortogonal Q, asegurándonos que det(Q) = 1: Q = $2/√5, -1/√5; 1/√5, 2/√5$

6. La ecuación en los nuevos ejes es: 5x² + 10y² = 50, que simplifica a x²/10 + y²/5 = 1

💡 Observación importante: Los autovalores determinan el tipo de cónica:

• Si tienen el mismo signo, es una elipse (si son iguales, un círculo)
• Si tienen signos opuestos, es una hipérbola
• Si uno es cero, es una parábola

En este ejemplo, tenemos una elipse con semiejes a = √10 ≈ 3.16 y b = √5 ≈ 2.23, rotada aproximadamente 27°.

Verificación y Cálculo del Ángulo de Rotación

Para finalizar nuestro análisis de la cónica 6x²-4xy+9y²=50:

1. La matriz ortogonal Q = $2/√5, -1/√5; 1/√5, 2/√5$ nos da el ángulo de rotación: cos θ = 2/√5 → θ ≈ 26.56°

2. La elipse tiene:

   • Centro en el origen (0,0)
   • Semieje mayor a = √10 ≈ 3.16
   • Semieje menor b = √5 ≈ 2.23

3. Podemos verificar nuestra solución tomando un punto de la elipse en los nuevos ejes (por ejemplo, (√10, 0)) y transformándolo a los ejes originales usando Q.

4. El resultado final es que la ecuación 6x²-4xy+9y²=50 representa una elipse con centro en el origen, rotada aproximadamente 27° en sentido antihorario.

💡 Truco práctico: Para pasar de la forma matricial al ángulo de rotación, recuerda que Q = [cos θ, -sen θ; sen θ, cos θ]. Comparando con nuestra matriz Q, podemos despejar θ.

La diagonalización ortogonal nos ha permitido transformar una ecuación complicada con términos cruzados en una forma canónica fácil de interpretar y graficar.

Teorema de Ejes Principales y Rotación de Cónicas

El Teorema de Ejes Principales es una herramienta poderosa que nos permite encontrar ecuaciones de cónicas rotadas o trasladadas utilizando autovalores y autovectores.

Lo más importante de este teorema es que:

1. Nos permite eliminar los términos cruzados (xy) en ecuaciones cuadráticas
2. Los nuevos ejes coordenados (x' e y') estarán alineados con los autovectores de la matriz A
3. La forma de la cónica se determina por los autovalores de A

💡 Visualización geométrica: Los autovectores indican las direcciones de los ejes principales de la cónica, mientras que los autovalores están relacionados con el tamaño de los semiejes.

Al rotar una cónica, buscamos encontrar una nueva orientación donde la ecuación sea más simple. La matriz de rotación Q nos da precisamente esta transformación, facilitando tanto el análisis algebraico como la representación gráfica.

Esta técnica se aplica no solo a elipses, sino también a hipérbolas, parábolas y otras curvas de segundo grado.

Formas Cuadráticas y Secciones Cónicas

Una forma cuadrática es una expresión de tipo F(x,y) = ax²+bxy+cy², donde a, b y c son constantes. Cuando igualamos esto a una constante d, obtenemos la ecuación cuadrática ax²+bxy+cy² = d, que representa una cónica.

Podemos expresar una forma cuadrática matricialmente como:

F(x,y) = [x y] [a b/2; b/2 c] [x; y] = xᵀAx

Donde A es una matriz simétrica con importantes propiedades:

• Todos sus autovalores son reales
• Autovectores correspondientes a autovalores distintos son ortogonales
• A es diagonalizable ortogonalmente

💡 Idea clave: La matriz A determina completamente la forma de la cónica. Sus autovalores y autovectores nos permiten clasificarla y encontrar sus ejes principales.

El proceso de diagonalización ortogonal consiste en encontrar una matriz ortogonal Q tal que QᵀAQ = D, donde D es diagonal. Esto equivale a un cambio de base que elimina el término cruzado bxy:

1. Expresamos xᵀAx = f como nuestra ecuación original
2. Hacemos el cambio de variable x = Qx'
3. Obtenemos x'ᵀDx' = f, o sea, λ₁x'² + λ₂y'² = f

Esta ecuación simplificada nos permite identificar inmediatamente qué tipo de cónica tenemos, según los signos y valores de los autovalores λ₁ y λ₂.