Ingeniería en Control y Automatización
Valores y Vectores propios
Ecuación característica de una matriz cuadrada
TEORÍA DEL CONTROL III
23 de agosto de 2021
Autor: M. en C. Rubén Velázquez Cuevas
Escuela Superior de Ingeniería Mecánica y Eléctrica
Valores y Vectores propios
Ecuación característica de una matriz cuadrada
Sea el sistema dinámico descrito por el conjunto de ecuaciones de estado LTI:
x (t ) Ax(t ) Bu(t )
y (t ) Cx(t ) Du(t )
La ecuación característica que se obtiene de la matriz de estados A es equivalente al polinomio característico del
sistema. Como se observa en el proceso para obtener la matriz de transferencia mediante la ecuación:
G ( s ) C sI A B D
1
adj( sI A)
sI A
1
Al calcular la matriz se está obteniendo también el polinomio característico para todo el
det( sI A)
sistema. Esto quiere decir que, aunque el sistema sea multivariable (MIMO) éste tiene un único polinomio
característico y que está determinado mediante la expresión:
p ( s ) det sI A s n a1s n 1 a2 s n 2 an 2 s 2 an 1s an
Ejemplo: Sea la matriz cuadrada:
1 1 0
A 0 1 1
0 0 1
Su ecuación característica está dada por:
Valores y Vectores propios | 23 de agosto de 2021
1 0 0 1 1 0 s 1 1 0
p ( s ) det sI A det s 0 1 0 0 1 1 0 s 1 1 s 1
3
0 0 1 0 0 1 0 0 s 1
Por lo tanto:
p ( s ) s 3 3s 2 3s 1
1
Teorema de Cayley-Hamilton
Establece que toda matriz cuadrada A satisface su ecuación característica p( s) . Es decir:
p( A) A n a1A n 1 a2 A n 2 an 2 A 2 an 1A an I 0
Donde 0 es una matriz de ceros de n n
Ejemplo: Sea la matriz cuadrada
0 1
A
2 3
Determinar su ecuación característica y comprobar que A satisface el teorema de Cayley - Hamilton.
Solución. La ecuación característica está dada por:
1 0 0 1 s 1
p ( s ) det s 2 3 2 s 3 s 3s 2
2
0 1
Por lo tanto:
p ( A) A 2 3A 2I 0
Es decir:
2
0 1 0 1 0 1 1 0 2 3 0 3 2 0 0 0
p 3 2
2 3 2 3 2 3 0 1 6 7 6 9 0 2 0 0
Valores y Vectores propios | 23 de agosto de 2021
Como se observa, la matriz A satisface su ecuación característica
2
Valores y Vectores propios
Debido a que la ecuación característica del sistema es única (aun cuando el sistema sea MIMO), a las raíces i del
polinomio característico i 1, , n anteriormente conocidas como “polos” se les conoce también como
eigenvalores o valores propios del sistema. Por lo tanto, el número “n” de valores propios en un sistema determina
el número de estados y en consecuencia el orden del sistema.
p ( s ) s n a1s n 1 an 1s an s 1 s 2 s n
Por otro lado, del teorema de Cayley – Hamilton se sabe que:
p ( A ) A 1I A 2 I A n I 0
Por lo tanto, es posible obtener n sistemas de ecuaciones relacionados con cada valor propio de manera que
satisfacen la expresión:
A i I Xi 0; para i 1, , n
Donde: Xi (de dimensión n 1 ) se conoce como eigenvector o vector propio asociado al valor propio i
El cálculo de los vectores propios depende en gran medida del tipo de valores propios con que estén relacionados. Es
decir, el algoritmo para calcular los vectores propios cuando todos los valores propios son diferentes es distinto al
algoritmo que se utiliza para calcular vectores propios asociados a valores propios con multiplicidad (repetidos).
Caso 1: Cálculo de Xi para i diferentes.
Cuando cada uno de los valores propios tiene multiplicidad algebraica de “1” (es decir, que todas las raíces son
simples y diferentes) el sistema de ecuaciones para calcular el i – ésimo vector propio se obtiene a partir de:
AXi i Xi 0 AXi i Xi
Valores y Vectores propios | 23 de agosto de 2021
Existen diferentes métodos para resolver el sistema de ecuaciones descrito para el vector propio Xi , por lo que en
general se pueden obtener diferentes vectores propios, lo que implica que no son únicos.
Ejemplo: Sea la matriz
1 0 0
A 1 2 0
1 2 3
Determinar:
a) La ecuación característica
b) Los valores propios
c) Los vectores propios
3
Solución:
s 0 0 1 0 0 s 1 0 0
a)
p ( s ) det sI A 0 s 0 1 2 0 1 s 2 0 s 3 6 s 2 11s 6
0 0 s 1 2 3 1 2 s 3
b) p( s) s 1 s 2 s 3 1 1; 2 2 ; 3 3
c) Para el vector X1 se tiene que AX1 1X1 ; o bien:
1 0 0 x11 x11
1 2 0 x 1 x
21 21
1 2 3 x31 x31
1
Donde: x11 x11; x11 2 x21 x21 x11 x21 y x11 2 x21 3x31 x31 x31 x11
2
x11 1
Si x11 1 entonces x21 1 y x31 0.5 ; por lo tanto: X1 x21 1
x31 0.5
Para el vector X2 se tiene que AX2 2 X2 ; es decir:
1 0 0 x12 x12
1 2 0 x 2 x
22 22
1 2 3 x32 x32
Donde: x12 2 x12 ; x12 2 x22 2 x22 ; y x12 2 x22 3x32 2 x32 x12 0 y x32 2 x22 Valores y Vectores propios | 23 de agosto de 2021
x12 0
Si x22 1 entonces x32 2 ; por lo tanto: X 2 x22 1
x32 2
Para el vector X3 se tiene que AX3 3 X3 ; o bien:
1 0 0 x13 x13
1 2 0 x 3 x
23 23
1 2 3 x33 x33
4
Por lo tanto: x13 3 x13 ; x13 2 x23 3x23 ; y x13 2 x23 3x33 3 x33 x13 x23 0
x13 0
Si x33 1 entonces: X3 x23 0
x33 1
Finalmente, la matriz de vectores propios X está dada por:
x11 x12 x13 1 0 0
X X1 X2 X3 x21 x22 x23 1 1 0
x31 x32 x33 0.5 2 1
Nota importante: La matriz de vectores propios X resultante debe ser no singular; es decir: X 0 , por lo que si al
proponer los valores de los componentes de cualquier vector propio, éste resulta linealmente dependientes de los
otros vectores propios (es decir que existen constantes 1 , 2 tales que X3 1X1 2 X 2 ,) entonces se
proponen otros valores diferentes de modo que todos los vectores propios sean linealmente independientes (o de lo
contrario X sería una matriz singular).
Caso 2: Cálculo de Xi para i repetidos.
Cuando uno o más valores propios tiene multiplicidad algebraica de “m” (es decir, que dos o más raíces son
repetidas) el sistema de ecuaciones para calcular los vectores propios diferentes sigue siendo:
AXi i Xi
Mientras que para calcular los vectores propios de raíces repetidas se utiliza el algoritmo:
Valores y Vectores propios | 23 de agosto de 2021
AXi 1 i Xi 1 Xi
Con lo anterior se busca obtener vectores propios con independencia lineal, especialmente con respecto a los
vectores propios relacionados con valores propios múltiples.
5
Ejemplo: Sea la matriz
1 2 1
A 0 1 1
0 0 1
Determinar:
a) La ecuación característica
b) Los valores propios
c) Los vectores propios
Solución:
s 0 0 1 2 1 s 1 2 1
a)
p ( s ) det sI A 0 s 0 0 1 1 0 s 1 1 s 3 3s 2 3s 1
0 0 s 0 0 1 0 0 s 1
b) p( s) s 1 s 2 s 3 1 2 3 1
c) Para el vector X1 se tiene que AX1 1X1 ; es decir:
1 2 1 x11 x11
0 1 1 x 1 x
21 21
0 0 1 x31 x31
Donde: x11 2 x21 x31 x11 ; x21 x31 x21 x31 0 y x21 0
x11 1 Valores y Vectores propios | 23 de agosto de 2021
Por lo tanto, si x11 1 entonces: X1 x21 0
x31 0
Para el vector X2 como se tienen valores propios repetidos entonces AX 2 1X 2 X1 ; o bien:
1 2 1 x12 x12 1
0 1 1 x 1 x 0
22 22
0 0 1 x32 x32 0
Donde: x12 2 x22 x32 x12 1; x22 x32 x22 x32 0 y x22 0.5
6
x12 0
Si x12 0 entonces: X 2 x22 0.5
x32 0
Para el vector X3 se tiene que AX3 1X3 X 2 ; es decir:
1 2 1 x13 x13 0
0 1 1 x 1 x 0.5
23 23
0 0 1 x33 x33 0
Donde: x13 2 x23 x33 x13 ; x23 x33 x23 0.5 x33 0.5 y x23 0.25
x13 0
Si x13 0 entonces: X3 x23 0.25
x33 0.5
Finalmente, la matriz de vectores propios X está dada por:
x11 x12 x13 1 0 0
X X1 X2 X3 x21 x22 x23 0 0.5 0.25
x31 x32 x33 0 0 0.5
Valores y Vectores propios | 23 de agosto de 2021
7
Problemas Propuestos
Dadas las matrices:
0 1 0 0
4 4 5 0
1 2 0 1 0
A1 A 3 4 4 4 A5
1 3 0 0 0 1
3 3 4
0 0 4 4
0 1 0 0
0 1 3 0
2 3.5 0 0 0
A2 A 4 2 0 1 A6
3.5 2 0 0 2 1
0 2 2
0 0 1 2
I. Determinar para las matrices A1 , A 2 , A3 , A 4 , A 5 , A 6 :
a) La ecuación característica p ( s) det sI A
b) Comprobar el teorema de Cayley ‒ Hamilton p(A) 0 por método computacional
c) Calcular los valores propios i y los vectores propios Xi por método computacional
d) Obtener la matriz de vectores propios a mano y comparar sus resultados.
Nota: Para el método computacional utilice MATLAB con los comandos “POLY” & “EIG”.
Valores y Vectores propios | 23 de agosto de 2021
