DIAGONALIZACIÓN.
Definición: Consideremos el espacio vectorial (V, + , R,
.
) y una transformación lineal (operador lineal) T:V→
V . El escalar es un λ valor propiode T, si y solo si existe un x∈
V, x≠
0
, tal que T(x) =λ
x.Nota: todo vector x que cumple la relación anterior se denomina "vector propio de T asociado al valor propio de
λ
"Teorema 1: Sean V un espacio vectorial de dimensión n, T:V
→
V un endomorfismo y B= una base para V, entonces la matriz asociada a T con respecto a la matriz B es diagonal si y solo si los vi son vectores propios de T. Además los elementos de la diagonal son los valores propios de T.{
v
1,
v
2,...,
v
n}
Teorema 2: Sea
λ
un valor propio asociado a una transformación lineal T:V→
V y siS
es el conjunto de todos los vectores propios de T asociado aλ
, entonces Sλ = S es un subespacio de V (llamado subespacio característico).{ }
0
∪
Vectores y valores propios de una matriz.
El escalar
λ
es un valor propio de la matriz A∈
K
nxn, si y sólo si existe un vector no nulo x tal que Ax =λ
x.Un vector x 0 que satisface la igualdad anterior es un vector propio de A, asociado al valor propio
≠
λ
.Nota: Si la matriz A de orden nxn tiene n valores propios diferentes, entonces existe la matriz P(invertible), tal que P−1AP = D, D es diagonal.
Definiciones:
Si A ∈Rnxn, entonces det(A -
λ
I) es un polinomio de grado n que llamaremos polinomio característico, y la ecuación det(A -λ
I) = 0 se llama ecuación característica.Teorema 3: Sea
λ
un valor propio de la matriz A de orden nxn y sea E = λ{
x
∈
R
n:
Ax
=
λ
x
}
. Entonces E es un subespacio de R . λ nDefinición: Sea
λ
un valor propio de A. El subespacio Eλ se llama espacio propio de Acorrespondiente al valor propio
λ
.Multiplicidad algebraica de un valor propio:
Sea A una matriz de orden n y p(λ) el polinomio característico de A si
ρ
(λ
) = a mm
α α
α
λ
λ
λ
λ
λ
λ
)
(
)
...(
)
(
1 22
1
−
−
−
Los números
α
i son llamados multiplicidades algebraicas de los respectivos valores propios λi Es decirα
1 es multiplicidad algebraica deλ
1,α
2es multiplicidad algebraica deλ
2 y así sucesivamente.Procedimiento para calcular valores propios y vectores propios:
i) Se encuentra
ρ
(λ
) = det(A -λ
I)ii) Se encuentran las raíces
λ
1,
λ
2,...,
λ
m deρ
(λ
) = 0iii) Se resuelve el sistema homogéneo (A -
λ
iI)v = 0 correspondiente a cada valor propioi
λ
.Teorema 4: Los valores propios de una matriz triangular son los componentes diagonales de la matriz.
Multiplicidad geométrica de un valor propio:
Si
λ
es un valor propio de A, entonces la multiplicidad geométrica deλ
es la dimensión de Sλ
( espacio característico asociado aλ
).Nota: E = λ
{
x
/
Ax
=
λ
x
}
es decir E = λ{
x
∈
R
n:
(
A
−
λ
I
)
x
=
0
}
Teorema 5: Seaλ
un valor propio de A. EntoncesMultiplicidad geométrica de
λ
≤
multiplicidad algebraica deλ
.Teorema 6: Sea A una matriz de orden n; entonces A tiene n vectores propios linealmente independientes si y sólo si la multiplicidad geométrica de cada valor propio es igual a su multiplicidad algebraica. En particular, A tiene n vectores propios linealmente independientes si todos los valores propios son distintos(ya que entonces la multiplicidad algebraica de cada valor propio es 1).
Teorema resumen:
Sea A una matriz de orden n. Entonces las siguientes 12 afirmaciones son equivalentes: i. A es invertible
ii. La única solución del sistema homogéneo Ax = 0 es la solución trivial (x = 0). iii. El sistema Ax = b tiene una solución única para cada n-vector b.
iv. A es equivalente por renglones a la matriz identidad In.
v. A se puede escribir como el producto de matrices elementales. vi. La forma escalonada por renglones de A tiene n pivotes
vii. Los renglones( y columnas) de A son linealmente independientes viii. detA
≠
0ix. N(A) = 0 x.
ρ
(A) = nMatrices semejantes:
Se dice que las matrices A y B son semejantes si existe una matríz invertible P tal que: B = P−1 AP (1)
Nota: La función definida por (1) que lleva la matriz A en la matriz B se llama Transformación de semejanza. Se puede escribir esta transformación lineal como:
T(A) = P−1 AP
Teorema 7: Si A y B son matrices semejantes de orden n, entonces A y B tienen el mismo polinomio característico y, por lo tanto, tienen los mismos valores propios.
Matríz diagonalizable:
Una matríz A de orden n, es diagonalizable si existe una matriz diagonal D tal que A es semejante a D.
Teorema 8: Una matriz A de orden n es diagonalizable si y sólo si tiene n vectores propios linealmente independientes.
Corolario: Si la matriz A de orden n tiene n valores propios diferentes, entonces A es diagonalizable.
Teorema 9: Sea V un espacio vectorial de dimensión finita con bases B1 =
{
}
y B2 ={
. Sea T:V→
V una transformación lineal. Si AT es la representación matricial de T respecto a la base B1 y si CT es la representación matricial de T respecto a la base B , entonces A y C son semejantes.n
v
v
v
1,
2,....,
}
n
w
w
w
1,
2,...,
2 T T
Teorema 10: Sea A una matriz simétrica real de orden n. Entonces los valores propios de A son reales.
Teorema 11: Sea A una matriz simétrica de orden n. Si
λ
1 yλ
2 son valores propios diferentes con vectores propios reales correspondientes v1 y v , entonces v2 1 y v son ortogonales. 2Definición: Se dice que una matriz A de orden n es diagonalizable ortogonalmente, si existe una matriz ortogonal Q tal que QTAQ = D, donde D es una matriz diagonal.
Teorema 12: Sea A una matriz real de orden n entonces A es diagonalizable ortogonalmente, si y sólo si A es simétrica.
Procedimiento para encontrar una matriz diagonalizante Q i) Encuentre una base para cada espacio propio de A
ii) Encuentre una base ortonormal para cada espacio propio de A usando el proceso de Gram-Schmidt o algún otro.
Formas canónicas de Jordan(nos permiten trabajar con matrices no diagonalizables) a) Matríz de bloques de Jordan:
Es una matriz de orden k con una constante
λ
en su diagonal, unos en la superdiagonal y ceros en cualquier otro lugar. Se denota por B(λ
).Ejemplos: B(2) = B(3) =
⎟ ⎟ ⎟
⎠ ⎞
⎜ ⎜ ⎜
⎝ ⎛
2 0 0
1 2 0
0 1 2
⎟⎟ ⎠ ⎞ ⎜⎜
⎝ ⎛
3 0
1 3
b) Matriz de Jordan:
Es una matriz de la forma donde cada
⎟ ⎟ ⎟ ⎟ ⎟ ⎟
⎠ ⎞
⎜ ⎜ ⎜ ⎜ ⎜ ⎜
⎝ ⎛
r r
B B
B
λ λ
λ
. . 0 0
. .
.
. .
.
0 . 0 0
0 . 0 0
2 2 1 1
) ( j
j
B λ es una
matriz de Jordan. Entonces una matriz de Jordan es una matriz que tiene en la diagonal matrices de bloques de Jordan y ceros en otra parte.
Ejemplos:
⎟ ⎟ ⎟
⎠ ⎞
⎜ ⎜ ⎜
⎝ ⎛
4 0 0
0 3 0
0 1 3
⎟⎟ ⎟ ⎟ ⎟
⎠ ⎞
⎜⎜ ⎜ ⎜ ⎜
⎝ ⎛
5 0 0 0
1 5 0 0
0 0 2 0
0 0 1 2
Teorema 13: Si A es una matriz real o compleja de orden n, entonces existe una matriz invertible C tal que C AC = J, donde J es una matriz de Jordan cuyos elementos diagonales son los valores propios de A. La matriz J se le denomina Forma canónica de Jordan.
1 −
Teorema 14: Suponga que A la matriz de 2x2 tiene un valor propio
λ
de multiplicidad algebraica 2 y multiplicidad geométrica 1. Sea v1 un vector propio correspondiente aλ
. Entonces existe un vector v2 que satisface la ecuación:(A-
λ
I) v = v2 1Definición: Sea A una matriz de real de orden n, un vector no nulo x
∈
R
nes vector propio generalizado de A asociado al valor propioλ
sí (A-λ
I) x = 0 para algún entero positivo p. p Si x es vector propio generalizado tal que (A-λ
I) x = 0 entonces, el vector y=(A-pλ
I) x = 0 es un vector propio de A asociado a1 −
p
λ
. Problemas propuestos:1. Determine los valores propios y los vectores propios de las siguientes transformaciones lineales:
a) F:
R
2→
R
2 definida por F(a,b) = (4a + 3b,3a - 4b) b) T:R
3→
R
3 tal que T(x,y,z) = (2y-z, 2x-z, 2x-y)a)
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
3
0
1
2
b)
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
−
−
3
4
1
1
c)⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎝
⎛
7
0
2
0
6
0
2
0
10
3. Halle el polinomio característico, los valores propios, y los vectores propios de cada una de las siguientes matrices complejas:
A=
⎟⎟
B =⎠
⎞
⎜⎜
⎝
⎛
−
−
−
2
2
0
i
i
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
−
−
−
2
2
0
i
i
4. Determine si las siguientes matrices son diagonalizables.
A = B =
⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ 1 0 0 1 1 0 1 1 1
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
+
1
0
1
1
i
C =⎟
⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎜
⎝
⎛
0
2
1
2
1
2
1
2
1
0
2
1
0
2
1
5. Demuestre que si A es una matriz de orden n tal que A = I entonces los valores propios de A son 1 y -1.
2
6. Para cada una de las matrices dadas en 4, calcule los valores propios, los espacios propios, la multiplicidad algebraica y la multiplicidad geométrica.
7. ¿ Por qué la multiplicidad geométrica, de un valor propio de una matriz, nunca es cero?
8. Determine si la matriz A es diagonalizable. Si lo es, encuentre una matriz P tal que P−1AP = D. Verifique que: AP = PD. Halle D. Si A no es diagonalizable justifique por qué.
a) A =
⎟⎟
b) A = c) A =⎠
⎞
⎜⎜
⎝
⎛
−
−
−
1
5
2
2
⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ − − − − − 3 2 6 2 0 3 4 2 7⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎝
⎛
−
−
−
2
2
1
3
4
2
5
7
3
d) A = e) A = f) A =
⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎝
⎛
−
−
−
1
1
2
1
2
3
4
1
1
⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎝
⎛
3
2
4
2
0
2
4
2
3
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
3
3
2
4
g) h)
9. En cada caso encuentre la matriz Q ortogonal que diagonaliza la matriz simétrica dada. Después verifique que QtAQ = D ; donde D = diag(
λ
1,
λ
2,...,
λ
n) ,λ
i valores propios de A.a) A =
⎟⎟
b) A=⎠
⎞
⎜⎜
⎝
⎛
−
3
4
4
3
⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎝
⎛
−
−
−
−
−
−
1
1
1
1
1
1
1
1
1
c) A= d) A=
⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎝
⎛
4
0
2
0
2
2
2
2
3
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
2
1
1
2
10) Encuentre la forma canónica de Jordan para las siguientes matrices
⎟ ⎟ ⎟ ⎟
⎠ ⎞
⎜ ⎜ ⎜ ⎜
⎝ ⎛
− − −
− =
4 1 1
5 0 1
2 1 3
A
⎟ ⎟ ⎟ ⎟
⎠ ⎞
⎜ ⎜ ⎜ ⎜
⎝ ⎛
−
− −
− =
1 1 2
2 4 4
1 1 0
B
⎟ ⎟ ⎟ ⎟
⎠ ⎞
⎜ ⎜ ⎜ ⎜
⎝ ⎛
− − −
− − =
6 5 7
2 1 3
1 1 0