Aolicaciones de la Diagonalización en Sistemas de Ecuaciones

Las aplicaciones de la diagonalización de matrices para la resolución de sistemas de ecuaciones diferenciales y en diferencias:

Ecuaciones en diferencias 

Las ecuaciones en diferencias lineales con coeficientes constantes (homogéneas) son expresiones de la forma: xn+r + a1xn+r−1 + · · · + arxn+= 0 

Son expresiones que relacionan linealmente un determinado número de términos consecutivos de una sucesión. La diferencia entre el mayor y el menor índice de los términos relacionados se denomina orden de la ecuación (en el caso anterior r). La diagonalización de matrices puede ayudar a encontrar la expresión del término general xn de la sucesión en función de n

Sistema de ecuaciones diferenciales:

•Cuando se tiene un sistema de ecuaciones diferenciales lineales con coeficientes constantes, la diagonalización de la matriz de coeficientes permite simplificar el sistema. Al diagonalizar la matriz, el sistema se desacopla en ecuaciones diferenciales independientes, que se pueden resolver de manera más sencilla. Esto es especialmente útil en problemas de valor inicial y de contorno, donde se busca encontrar soluciones analíticas o numéricas.

•Ejemplos de aplicación incluyen modelos de crecimiento poblacional, circuitos eléctricos, oscilaciones mecánicas, entre otros. 

Sistemas de ecuaciones en diferencias

     De manera similar, la diagonalización se aplica a sistemas de ecuaciones en diferencias lineales con coeficientes constantes. Al diagonalizar la matriz de coeficientes, el sistema se desacopla en ecuaciones en diferencias independientes, facilitando su resolución. Esto es útil en el análisis de modelos económicos dinámicos, procesos de optimización, cadenas de Markov, entre otros.

•La diagonalización permite encontrar soluciones explícitas o recurrentes para las variables del sistema. Procedimiento general:

1.Escribir el sistema de ecuaciones diferenciales o en diferencias en forma matricial.

2.Encontrar los autovalores y autovectores de la matriz de coeficientes.

3.Diagonalizar la matriz utilizando los autovalores y autovectores

.4. Resolver las ecuaciones desacopladas de manera independiente.

5.Reconstruir la solución general del sistema original a partir de las soluciones individuales.

5. Espacios propios

Definición: 

     Un espacio propio es un espacio formado por todos los vectores propios del mismo valor propio, además del vector nulo, que no es un vector propio.

     Para encontrar los autovectores de A asociados a un valor propio dado, debemos calcular el espacio propio correspondiente. 

Usos de Diagonalización en Economía y Otras Áreas

Usos de la diagonalización en economía 

Modelos de crecimiento económico:

•En los modelos de crecimiento económico, como el modelo de Solow, las ecuaciones diferenciales que describen la dinámica del sistema pueden ser linealizadas alrededor de un punto de equilibrio.
•La diagonalización de la matriz de coeficientes de este sistema linealizado permite simplificar el análisis de la estabilidad y la convergencia hacia el equilibrio. Esto facilita el estudio de las trayectorias de crecimiento a largo plazo y la respuesta del sistema ante choques o perturbaciones.

Modelos de equilibrio general:

•En los modelos de equilibrio general, como el modelo de Arrow-Debreu, se pueden formular sistemas de ecuaciones diferenciales o en diferencias que describen la dinámica del sistema económico.
•La diagonalización de la matriz de coeficientes de estos sistemas permite desacoplar las ecuaciones, facilitando su resolución y el análisis de la estabilidad del equilibrio general. Esto es especialmente útil en el estudio de la dinámica transitoria y la convergencia hacia el equilibrio de largo plazo.

Análisis de sistemas dinámicos lineales: 

•Muchos modelos económicos, como los de ciclos económicos, pueden ser formulados como sistemas dinámicos lineales.
•La diagonalización de la matriz de coeficientes de estos sistemas permite simplificar el análisis de la dinámica y las propiedades de estabilidad. Esto facilita la caracterización de las trayectorias de las variables económicas y la respuesta del sistema ante perturbaciones.
•Optimización y control óptimo: En problemas de optimización dinámica y control óptimo, la diagonalización de las matrices de coeficientes puede simplificar la resolución de las ecuaciones de Euler-Lagrange o de Hamilton-Jacobi-Bellman. Esto permite encontrar soluciones analíticas o numéricas más eficientes para problemas de control óptimo en economía, como en políticas fiscales o monetarias.

Además de las aplicaciones en economía, la diagonalización de matrices tiene diversos usos en otras áreas:

1.Física:
•Análisis de sistemas mecánicos y eléctricos lineales.
•Estudio de vibraciones y oscilaciones en sistemas físicos.
•Resolución de ecuaciones de onda y de Schrödinger en mecánica cuántica.

2.Ingeniería:
•Diseño y análisis de sistemas de control y retroalimentación.
•Estudio de la estabilidad y dinámica de sistemas de ingeniería.
•Optimización de procesos y diseño de sistemas.

3.Matemáticas:
•Análisis de sistemas de ecuaciones diferenciales y en diferencias.
•Estudio de formas cuadráticas y espacios de Hilbert.
•Clasificación de transformaciones lineales y formas bilineales.

4.Ciencias de la computación:

•Análisis de algoritmos y complejidad computacional.

•Diseño y análisis de redes neuronales artificiales.
•Procesamiento de señales y análisis de imágenes.

5.Biología y Química:

•Modelado de reacciones químicas y cinética de procesos.
•Análisis de redes de interacción en sistemas biológicos.
•Estudio de la dinámica de poblaciones y sistemas ecológicos.

Diagonalización , Diagonalización de Matrices

Diagonalización

 En matemáticas y, en particular, en álgebra lineal, diagonalización es un proceso que permite simplificar la descripción de ciertos endomorfismos de un espacio vectorial. En particular, identificando el endomorfismo con su matriz asociada en cierta base, se puede hablar de diagonalización de matrices. Consiste en encontrar una base del espacio vectorial formada por vectores propios, si existe alguna. Esto se refleja en obtener una base tal que la matriz asociada al endomorfismo en la misma es una matriz diagonal.
El proceso se reduce, pues, a una reducción máxima del endomorfismo, es decir, a una descomposición del espacio vectorial en suma directa de subespacios vectoriales invariantes por el endomorfismo. Restringido sobre cada uno de ellos, el endomorfismo se reduce a una homotecia. Por tanto, la diagonalización permite una mejor visualización geométrico de la actuación del endomorfismo sobre el espacio vectorial. Además, la diagonalización permite un cálculo rápido y simple de potencias y exponenciales de matrices (entendidas como matrices de un endomorfismo), lo que permite expresar numéricamente ciertos sistemas dinámicos lineales, obtenidos por iteración o por ecuaciones diferenciales.

Diagonalización de Matrices

Definición: Decimos que una matriz $A$ de tamaño $n\times n$ es diagonalizable si existen una matriz invertible $P$ y una matriz diagonal $D$ tales que$$P^{-1}AP=D\text{o equivalentemente},A=PD{P}^{-1}.$$En otras palabras, $A$ es diagonalizable si es semejante a una matriz diagonal.

Observación: Como $A$ y $D$ tienen los mismos valores propios, las entradas diagonales de $D$ son los valores propios de $A$ repetidos de acuerdo a su multiplicidad algebraica.

Teorema: Una matriz $A$ de tamaño $n\times n$ es diagonalizable si y sólo si $A$ tiene $n$ vectores propios linealmente independientes.

Prueba: $(\Rightarrow )$ Supongamos que existen $P$ invertible y $D$ diagonal tales que $P^{-1}AP=D,$ esto es $AP=PD.$ Sean $p_1,\dots ,p_n$ las columnas de $P$ y sean ${\lambda }_1,...,{\lambda }_n$ las entradas de la diagonal de $D.$ Entonces$$\left[A{p}_1\mid \cdots \mid A{p}_n\right]=A\left[p_1\mid \cdots \mid p_n\right]=\left[p_1\mid \cdots \mid p_n\right]\left[\begin{array}{ccc}{\lambda }_1& & \\ & \ddots & \\ & & {\lambda }_n\end{array}\right]=\left[{\lambda }_1{p}_1\mid \cdots \mid {\lambda }_n{p}_n\right].$$Luego, $A{p}_k={\lambda }_k{p}_k$. Esto es, las columnas de $P$ son vectores propios de $A.$ Como $P$ es invertible (sus columnas son linealmente independientes, se sigue que $A$ tiene $n$ vectores propios L.I.)

$(\Leftarrow )$ Supongamos que $A$ tiene $n$ vectores propios L.I. $p_1,\dots ,p_n$ asociados a los valores propios ${\lambda }_1,\dots ,{\lambda }_n.$ Entonces $A{p}_k={\lambda }_k{p}_k$, para $k=1,\dots ,n.$ Si $P$ es la matriz cuyas columnas son $p_1,p_2,\dots ,p_n$, lo anterior es equivalente a que $AP=PD.$ Como los vectores $p_k$ son L.I., entonces la matriz $P$ es invertible. Por tanto, $P^{-1}AP=D.$

Observación: Así, $A$ es diagonalizable si y sólo si existen una matriz $P$ cuyas columnas son $n$ vectores propios L. I. de $A$ y una matriz diagonal $D$ cuyas entradas diagonales son los valores propios de $A$ correspondientes a los vectores propios en $P$ en el mismo orden.

Teorema: Sea $A$ una matriz de tamaño $n\times n$ y sean ${\lambda }_1,{\lambda }_2,\dots ,{\lambda }_k$ valores propios distintos de $A.$ Si $B_i$ es una base para $E_{{\lambda }_i},$ entonces $B_1\cup B_2\cup \cdots \cup B_k$ es linealmente independiente.

Ejemplo: ¿Es la matriz $A=\left[\begin{array}{ccc}-1& 1& 1\\ 0& -2& 0\\ 1& 1& -1\end{array}\right]$ diagonalizable?

Solución: Vimos que $A$ tiene dos valores propios ${\lambda }_1=-2$ y ${\lambda }_2=0.$ También mostramos que$$B_1=\left\{\left[\begin{array}{c}-1\\ 1\\ 0\end{array}\right],\left[\begin{array}{c}-1\\ 0\\ 1\end{array}\right]\right\}\text{y}{B}_2=\left\{\left[\begin{array}{c}1\\ 0\\ 1\end{array}\right]\right\},$$son bases para los espacios propios de ${\lambda }_1=-2$ y ${\lambda }_2=0,$ respectivamente. Por tanto, $A$ tiene $3$ vectores propios linealmente independientes. Luego, $A$ es diagonalizable.

Corolario: Si $A$ es una matriz de tamaño $n\times n$ que tiene $n$ valores propios distintos, entonces $A$ es diagonalizable.

Lema: Sea $A$ una matriz cuadrada. La multiplicidad geométrica de cada valor propio es menor o igual que su multiplicidad algebraica.

Teorema de Diagonalización: Sea $A$ una matriz de orden $n\times n$ cuyos distintos valores propios son ${\lambda }_1,{\lambda }_2,\dots ,{\lambda }_k.$ Los siguientes enunciados son equivalentes

1. $A$ es diagonalizable.
2. La unión de las bases de los espacios propios de $A$ contiene $n$ vectores.
3. La multiplicidad algebraica de cada valor propio es igual a su multiplicidad geométrica.

Ejemplo: Sea $A$ una matriz de orden $3\times 3$ con valores propios ${\lambda }_1=2$ y ${\lambda }_2=-2.$ Si los espacios propios son$$E_2=\left\{\left[\begin{array}{c}x\\ y\\ z\end{array}\right]\in R^3\mid x-y-z=0\right\}\text{y}{E}_{-2}=gen\left(\left[\begin{array}{c}1\\ -1\\ 1\end{array}\right],\left[\begin{array}{c}2\\ -2\\ 2\end{array}\right]\right),$$responda las siguientes preguntas justificando su respuesta.

1. ¿Es $A$ una matriz diagonalizable? En caso afirmativo, halle $P$ invertible y $D$ diagonal tales que $P^{-1}AP=D.$ ¿Cuál es el determinante de $A$? ¿Es $A$ invertible?
2. ¿Es la matriz $B=2A+3I_3$ diagonalizable? ¿Es $B$ invertible?
3. ¿Cuál es el polinomio característico de $A$?

Solución:

1. Primero, notemos que$$E_2=gen\left(\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],\left[\begin{array}{c}1\\ 0\\ 1\end{array}\right]\right)\text{y}{E}_{-2}=espacio\left(\left[\begin{array}{c}1\\ -1\\ 1\end{array}\right]\right).$$Luego, la unión de las bases de los espacios propios de $A$ contiene $3$ vectores. Por el teorema de diagonalización, $A$ es diagonalizable.
   Hay varias posibilidades. Podemos tomar, por ejemplo,$$P=\left[\begin{array}{ccc}1& 1& 1\\ 1& -1& 0\\ 0& 1& 1\end{array}\right]\text{y}D=\left[\begin{array}{ccc}2& 0& 0\\ 0& -2& 0\\ 0& 0& 2\end{array}\right].$$
2. Como $A\sim D,$ entonces$$detA=detD=2\cdot \left(-2\right)\cdot 2=-8\ne 0.$$Luego, $A$ es invertible.
3. Veamos si la matriz $B=2A+3I_3$ es diagonalizable. Por 1., $P^{-1}AP=D$ con $P$ invertible y $D$ diagonal. Luego,$$B=2A+3I_3=2\left(PD{P}^{-1}\right)+3P{I}_3{P}^{-1}=P\left(2D\right)P^{-1}+P\left(3I_3\right)P^{-1}=P\left(2D+3I_3\right)P^{-1}.$$Así, $P^{-1}BP=2D+3I_3.$ Como $P$ es invertible y $2D+3I_3$ es diagonal, se sigue que $B$ es diagonalizable.
   Notemos que$$2D+3I_3=\left[\begin{array}{ccc}4& 0& 0\\ 0& -4& 0\\ 0& 0& 4\end{array}\right]+\left[\begin{array}{ccc}3& 0& 0\\ 0& 3& 0\\ 0& 0& 3\end{array}\right]=\left[\begin{array}{ccc}7& 0& 0\\ 0& -1& 0\\ 0& 0& 7\end{array}\right].$$Luego, $detB=det\left(2D+3I_3\right)=-49\ne 0.$ Por consiguiente, $B$ también es invertible.
4. Dado que $A$ es diagonalizable, tenemos que $m.a.\left(-2\right)=m.g.\left(-2\right)=1$ y $m.a.\left(2\right)=m.g.\left(2\right)=2.$ Por tanto,$$p_A\left(\lambda \right)={\left(-1\right)}^3\cdot {\left(\lambda -\left(-2\right)\right)}^1\cdot {\left(\lambda -2\right)}^2=-\left(\lambda +2\right)\cdot {\left(\lambda -2\right)}^2.$$

Ejemplo: ¿Es $A=\left[\begin{array}{ccc}1& 0& 1\\ 0& 1& -1\\ 1& 1& 0\end{array}\right]$ diagonalizable?

Solución: Hallemos el polinomio característico para la matriz $A$$$p_A\left(\lambda \right)=\left|\begin{array}{ccc}1-\lambda & 0& 1\\ 0& 1-\lambda & -1\\ 1& 1& -\lambda \end{array}\right|=-{\lambda }^3+2{\lambda }^2-\lambda =-\lambda \left({\lambda }^2-2\lambda +1\right)=-\lambda {\left(\lambda -1\right)}^2.$$Luego, los valores propios de $A$ son ${\lambda }_1=0$ con $m.a.\left(0\right)=1$ y ${\lambda }_2=1$ con $m.a.\left(1\right)=2.$
Ahora, encontremos bases para los espacios propios asociados a los valores propios de $A:$$$\begin{array}{ccccccccc}A-0I_3& =& A& =& \left[\begin{array}{ccc}1& 0& 1\\ 0& 1& -1\\ 1& 1& 0\end{array}\right]\to \left[\begin{array}{ccc}1& 0& 1\\ 0& 1& -1\\ 0& 0& 0\end{array}\right]& & \Rightarrow & & E_0=gen\left(\left[\begin{array}{c}-1\\ 1\\ 1\end{array}\right]\right).\\ & & & & & & & & \\ A-1I_3& =& A-I_3& =& \left[\begin{array}{ccc}0& 0& 1\\ 0& 0& -1\\ 1& 1& -1\end{array}\right]\to \left[\begin{array}{ccc}1& 1& -1\\ 0& 0& 1\\ 0& 0& 0\end{array}\right]& & \Rightarrow & & E_1=gen\left(\left[\begin{array}{c}-1\\ 1\\ 0\end{array}\right]\right).\end{array}$$Por tanto, $m.g.\left(0\right)=1$ y $m.g.\left(1\right)=1.$ Como$$m.a.\left(1\right)=2\ne 1=m.g.\left(1\right),$$tenemos que $A$ no es diagonalizable.

Ejemplo: Sea $A$ diagonalizable. Pruebe que si $A$ es invertible, entonces $A^{-1}$ también es diagonalizable.

Prueba: Como $A$ es diagonalizable, existen matrices $P$ invertible y $D$ diagonal tales que$$P^{-1}AP=D$$Como $A$ es invertible, tenemos que $detD=detA\ne 0.$ Luego, $D$ también es invertible. Luego,$$D^{-1}={\left(P^{-1}AP\right)}^{-1}=P^{-1}{A}^{-1}{\left(P^{-1}\right)}^{-1}=P^{-1}{A}^{-1}P.$$Como $P^{-1}$ es invertible y $D^{-1}$ es diagonal, podemos concluir que $A^{-1}$ es diagonalizable.

diagonalización de matrices