Teoria Diagonalizacion de Matrices
Click here to load reader
-
Upload
raul-romero-tamara -
Category
Documents
-
view
2.276 -
download
0
description
Transcript of Teoria Diagonalizacion de Matrices
Capítulo 1
Matrices Semejantes yDiagonalización
1.1 Definiciones
Definición 1.1 (Semejanza). Sean A y B dos matrices de orden n× n con elementossobre el campo F. Si existe una matriz P de orden n× n invertible tal que
B = P−1AP
decimos que A y B son semejantes sobre el campo F
Daremos a continuación algunos ejemplos de matrices semejantes
Ejemplo 1.1. Sea A,B, P definidos por
A =
(2 1
0 −1
)B =
(2 2
0 −1
)
P =
(1 1
0 −1
)
se puede verificar que que
B = P−1AP
por lo que tenemos que A y B son semejantes.
1
Ejemplo 1.2. Sea A,B, P definidos por
A =
(2 i
0 −1
)B =
(2 3− i0 −1
)
P =
(1 1
0 −1
)
se puede verificar que que
B = P−1AP
por lo que A y B son semejantes en el campo de los complejos
1.1.1 Matrices Semejantes a una Matriz Diagonal
Uno de los hechos que mas centran nuestra atención son las matrices semejantes a una
matriz diagonal, en particular cuando la matriz diagonal esta formado por los valores
propios de la otra matriz.
Ejemplo 1.3. Sea A la matriz definida por
A =
(2√2√
2 1
)
tiene como valores y vectores propios correspondientes
λ1 = 0→ v1 =
(−√2
2
)
λ2 = 3→ v2 =
( √2
1
)
si definimos la matriz
D =
(0 0
0 3
)y P =
(−√2√2
2 1
)
entonces se cumple que
D = P−1AP
lo cuál es facilmente verificable.
2
Ejemplo 1.4. Sea A definido por
A =
3 2 4
2 0 2
4 2 3
el cuál tiene como valores y vectores propios correspondientes
λ1 = λ2 = −1 (m.a = 2)→ {v1, v2} =
−10
1
,
−120
λ3 = 8→ v3 =
2
1
2
entonces si definimos
P =
−1 −1 2
0 2 1
1 0 2
y D =
−1 0 0
0 −1 0
0 0 8
entonces puede uster verificar que
D = P−1AP
Observación 1.1. La matriz P es invertible y esta formado por los vectores propios
de A colocados en columnas.
Observación 1.2. El número de vectores propios de A es igual al orden de la matrizA
Esto nos conduce a una nueva definición, la de matrices diagonalizables
Definición 1.2 (Matriz Diagonalizable). Una matriz cuadrada A es diagonalizable siexiste una matriz diagonal D del mismo orden tal que A es semejante a D
Como hemos visto en los ejemplos previos, si la matriz A tiene el número de vectores
propios igual a su orden entonces es diagonalizable, lo cual es enunciado por el teorema
siguiente
Teorema 1.1. Una matriz A de orden n es diagonalizable si y solo si A tiene n vectorespropios linealmente independientes
Observación 1.3. Los valores propios pueden ser repetidos
3
Observación 1.4. Si todos los valores propios son diferentes es evidente que A es
diagonalizable.
Otra forma de ver que una matriz es diagonalizable es conociendo sus multiplici-
dades aritmeticas y geométricas.
Teorema 1.2. Una matriz cuadrada A es diagonalizable si y solo si la multiplicidadaritmetica y geométrica de cada valor propio son iguales.
Esto es, si A es una matriz cuadrada de orden n con valores propios λ1, λ2, · · · , λm,tal que
m.a (λ1) = r1 = m.g (λ1)
m.a (λ2) = r2 = m.g (λ2)...
m.a (λm) = rm = m.g (λm)
entonces A es diagonalizable
Ahora enunciaremos un teorema que relaciona los polinomios carateristicos de dos
matrices semejantes
Teorema 1.3. Dos matrices semejantes tienen el mismo polinomio caracteristico
Ejemplo 1.5. las matrices A y B definidos por
A =
(2 −1−1 1
)B =
(1 1
1 2
)
son semejantes pues para
P =
(1 1
0 −1
)se tiene que
B = P−1AP
si calculamos su polinomio caracteristico de A y de B tenemos
pA (λ) = λ2 − 3λ+ 1pB (λ) = λ2 − 3λ+ 1
es decir tienen el mismo polinomio caracteristicos y por ende los mismos valores pro-
pios.
Observación 1.5. Lo contrario no siempre es cierto, es decir si dos matrices tienen
4
el mismo polinomio carateristicos no siempre son semejantes. Veamos la matriz
A =
(4 1
0 4
)
tiene como polinomio caracteristico
pA (λ) = λ2 − 8λ+ 16
y la matriz
B =
(4 0
0 4
)tiene como polinomio caracteristico
pB (λ) = λ2 − 8λ+ 16
es decir A y B tienen el mismo polinomio caracteristico y por lo mismo los mismos
valores propios, sin embargo no son semejantes pues la matriz A no es diagonalizable,
ya que un cálculo de sus valores y vectores propios nos da los siguientes resultados.
Los valores y vectores propios de A son
λ1 = λ2 = 4→ v =
{(1
0
)}m.a(4) = 2 y m.g (4) = 1
no es diagonalizable, sin embargo la matriz B tiene como valores y vectores propios
λ1 = λ2 = 4→ {v1, v2} ={(
1
0
),
(0
1
)}
es decir B es diagonalizable. Esto es si dos matrices tienen el mismo polinomio carac-
teristico pero uno es diagonalizable y el otro no lo es, entonces estas matrices no son
semejantes.
Una forma de probar que las matrices A y B definidas previamente no son seme-
jantes, es suponiendo que si lo es, y encontrar una contradicción.
Si suponemos que si lo es, es decir existe una matriz invertible
P =
(a b
c d
)talque B = P−1AP
5
esto es
PB = AP(a b
c d
)(4 0
0 4
)=
(4 1
0 4
)(a b
c d
)(4a 4b
4c 4d
)=
(4a+ c 4b+ d
4c 4d
)
por igualdad de matrices se tiene que
c = 0 y d = 0
es decir P es no-invertible, lo cuál contradice el hecho de que P es invertible, por tanto
A y B no son semejantes.
1.2 Matrices Simétricas y Diagonalización Ortogo-
nal
En esta sección veremos algunas propiedades que tienen las matrices simétricas reales.
La primera de ellas es que toda matriz simétrica real tiene valores propios reales.
Teorema 1.4. Sea A una matriz simétrica real de orden n. Entonces A tiene solo
valores propios reales
Sabemos que vectores propios correspondientes a valores propios diferentes son lin-
ealmente independientes, en las matrices simétricas además de ser linealmente inde-
pendientes son ortogonales.
Teorema 1.5. Sea A una matriz simétrica real. Si u, v son vectores propios corre-
spondientes a valores propios diferentes λ1 y λ2. Entonces los vectores propios u, v son
ortogonales.
Ejemplo 1.6. Sea A la matriz simetrica definida por
A =
5 4 2
4 5 2
2 2 2
Calculamos su polinomio caracteristico
pA (λ) = λ3 − 12λ2 + 21λ− 10 = (λ− 10) (λ− 1)2
6
determinando sus vectores propios tenemos
λ = 1 (m.a = 2)→ λ
u = −11
0
, v =
−102
λ = 10 (m.a = 1)→
w = 2
2
1
como podemos notar
u · w = 0 y v · w = 0
esto es vectores propios correspondientes a valores propios diferentes son ortogonales.
Observación 1.6. Notar que los vectores u, v correspondientes al mismo valor propioson linealmente independientes, pero no son ortogonales.
Estos dos teoremas dan lugar al siguiente teorema fundamental en el algebra lineal
Teorema 1.6. Sea A una matriz simetrica real. Entonces existe una matriz ortogonalP talque D = P TAP es una matriz diagonal.
Ejemplo 1.7. Sea
A =
(2 −2−2 5
)entonces calculando sus valores y vectores propios tenemos
λ1 = 1→ v1 =
(2
1
)
λ2 = 6→ v2 =
(−12
)
entonces si formamos P,
P =
(2 −11 2
)→ P TAP =
(5 0
0 30
)
entonces tenemos que es semejante a una matriz diagonal, si embargo si queremos que
la matriz diagonal este formada por los valores propios de A, bastara con normalizar
7
los vectores propios, esto es
u1 =v1‖v1‖
=1√5
(2
1
)
u2 =v2‖v2‖
=1√5
(−12
)
entonces formando P,
P =
(2√5−1√5
1√5
2√5
)→ P TAP =
(1 0
0 6
)
como vemos la matriz diagonal coincide con los valores propios de A, es más
P TP =
(1 0
0 1
)
Ejemplo 1.8. ea A la matriz simetrica definida por
A =
5 4 2
4 5 2
2 2 2
con valores y vectores propios dados por
λ = 1 (m.a = 2)→ λ
u = −11
0
, v =
−102
λ = 10 (m.a = 1)→
w = 2
2
1
claramente u, v no son ortogonales, podemos ortogonalizar y normalizarlos usando el
8
proceso de Gram-Schdmidt
u1 =u
‖u‖ =1√2
−110
=
−12
√2
12
√2
0
v2 = v − 〈v, u1〉u1 =
−102
− 1√2
1√2
−110
v2 =
−12
−12
2
→ u2 =v2‖v2‖
=
−16
√2
−16
√2
23
√2
Ahora que se aplico el proceso de Gram-Schmidt al espacio propio correspondiente al
valor propio λ = 1, hacemos lo mismo con el espacio propio correspondiente al valor
propio λ = 10, es suficiente tomarle la norma
u3 =w
‖w‖ =1
3
2
2
1
=
232313
entonces formamos la matriz P
P =
−12
√2 −1
6
√2 2
312
√2 −1
6
√2 2
3
0 23
√2 1
3
→ P TAP =
1 0 0
0 1 0
0 0 10
Esto nos lleva a presentar el algoritmo siguiente para obtener la matriz P que
diagonaliza ortogonalmente a la matriz A
Algoritmo 1. 1. Encontrar una base para cada espacio propio de A
2. Ortonormalizar cada base utilizando el proceso de Gram-Schdmidt
3. Formar la matriz P cuyas columnas son los vectores ortonormalizados en el paso
anterior.
9