DIAGONALIZACIN. Definicin: Consideremos el espacio vectorial (V, + , R, .) y una transformacin lineal (operador lineal) T:V V . El escalar es un valor propio de T, si y solo si existe un x V, x 0, tal que T(x) = x. Nota: todo vector x que cumple la relacin anterior se denomina "vector propio de T asociado al valor propio de " Teorema 1: Sean V un espacio vectorial de dimensin n, T:V V un endomorfismo y B= {v1 , v2 ,..., vn } una base para V, entonces la matriz asociada a T con respecto a la matriz B es diagonal si y solo si los v i son vectores propios de T. Adems los elementos de la diagonal son los valores propios de T. Teorema 2: Sea un valor propio asociado a una transformacin lineal T:V V y si S es el conjunto de todos los vectores propios de T asociado a , entonces S = S {0} es un subespacio de V (llamado subespacio caracterstico). Vectores y valores propios de una matriz. El escalar es un valor propio de la matriz A K , si y slo si existe un vector no nulo x tal que Ax = x. Un vector x 0 que satisface la igualdad anterior es un vector propio de A, asociado al valor propio .
nxn
Nota: Si la matriz A de orden nxn tiene n valores propios diferentes, entonces existe la matriz P(invertible), tal que P
1
AP = D, D es diagonal.
Definiciones: Si A R nxn , entonces det(A - I) es un polinomio de grado n que llamaremos polinomio caracterstico, y la ecuacin det(A - I) = 0 se llama ecuacin caracterstica. Teorema 3: Sea
Entonces E es un subespacio de R . Definicin: Sea un valor propio de A. El subespacio E se llama espacio propio de A correspondiente al valor propio . Multiplicidad algebraica de un valor propio: Sea A una matriz de orden n y p() el polinomio caracterstico de A si
53
i son llamados multiplicidades algebraicas de los respectivos valores propios i Es decir 1 es multiplicidad algebraica de 1 , 2 es multiplicidad algebraica de 2 y as
Los nmeros sucesivamente. Procedimiento para calcular valores propios y vectores propios: i) ii) iii) Se encuentra
( ) = det(A - I) Se encuentran las races 1 , 2 ,......., m de ( ) = 0 Se resuelve el sistema homogneo (A - i I)v = 0 correspondiente a cada valor propio i .
Teorema 4: Los valores propios de una matriz triangular son los componentes diagonales de la matriz. Multiplicidad geomtrica de un valor propio: Si es un valor propio de A, entonces la multiplicidad geomtrica de S ( espacio caracterstico asociado a ). Nota: E = {x / Ax = x} es decir E = x R : ( A I ) x = 0
n
es la dimensin de
Teorema 6: Sea A una matriz de orden n; entonces A tiene n vectores propios linealmente independientes si y slo si la multiplicidad geomtrica 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 nica solucin del sistema homogneo Ax = 0 es la solucin trivial (x = 0). iii. El sistema Ax = b tiene una solucin nica para cada n-vector b. iv. A es equivalente por renglones a la matriz identidad I n . 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 0 ix. N(A) = 0 x. (A) = n xi. La transformacin lineal T: R R definida por Tx = Ax es un isomorfismo. xii. Cero no es un valor propio de A.
n n
54
Matrices semejantes: Se dice que las matrices A y B son semejantes si existe una matrz invertible P tal que: B = P AP (1) Nota: La funcin definida por (1) que lleva la matriz A en la matriz B se llama Transformacin de semejanza. Se puede escribir esta transformacin lineal como: T(A) = P AP Teorema 7: Si A y B son matrices semejantes de orden n, entonces A y B tienen el mismo polinomio caracterstico y, por lo tanto, tienen los mismos valores propios. Matrz diagonalizable: Una matrz 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 slo 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 dimensin finita con bases B 1 = B 2 = {w1 , w2 ,....., wn } . Sea T:V V una transformacin lineal. Si A T es la representacin base B 2 , entonces A T y C T son semejantes. Teorema 10: Sea A una matriz simtrica real de orden n. Entonces los valores propios de A son reales. Teorema 11: Sea A una matriz simtrica de orden n. Si
1 1
{v1 , v2 ,...., vn }
con vectores propios reales correspondientes v 1 y v 2 , entonces v 1 y v 2 son ortogonales. Definicin: Se dice que una matriz A de orden n es diagonalizable ortogonalmente, si existe una matriz ortogonal Q tal que Q AQ = D, donde D es una matriz diagonal. Teorema 12: Sea A una matriz real de orden n entonces A es diagonalizable ortogonalmente, si y slo si A es simtrica. 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 algn otro. iii) Escriba Q como la matriz cuyas columnas son los vectores propios ortonormales obtenidos en el paso(ii).
T
55
Formas cannicas de Jordan(nos permiten trabajar con matrices no diagonalizables) a) Matrz de bloques de Jordan: Es una matriz de orden k con una constante en su diagonal, unos en la superdiagonal y ceros en cualquier otro lugar. Se denota por B( ). Ejemplos: B(2) = b) Matriz de Jordan:
2 0 0 1 2 0 0 1 2
B(3) =
3 0
. .
1 3
donde cada B j ( j ) es una . . Brr 0 0
0 B22 . . 0
0 0
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.
1 0 0 2 1 0 3 0 2 0 0 Ejemplos: 3 0 0 0 0 5 1 0 0 4 0 0 0 5 Teorema 13: Si A es una matriz real o compleja de orden n, entonces existe una matriz 1 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 cannica de Jordan.
Teorema 14: Suponga que A la matriz de 2x2 tiene un valor propio de multiplicidad algebraica 2 y multiplicidad geomtrica 1. Sea v 1 un vector propio correspondiente a . Entonces existe un vector v 2 que satisface la ecuacin: (A- I) v 2 = v 1 Definicin: Sea A una matriz de real de orden n, un vector no nulo x R es vector propio
n
s (A- I) p x = 0 para algn entero positivo p. p p 1 Si x es vector propio generalizado tal que (A- I) x = 0 entonces, el vector y=(A- I) x = 0 es un vector propio de A asociado a .
generalizado de A asociado al valor propio Problemas propuestos: 1. Determine los valores propios y los vectores propios de las siguientes transformaciones lineales: a) F: R R
2 2 3
definida por F(a,b) = (4a + 3b,3a - 4b) tal que T(x,y,z) = (2y-z, 2x-z, 2x-y)
b) T: R R
3
56
2 1 a) 0 3
1 1 b) 4 3
10 0 2 c) 0 6 0 2 0 7
0 2i i 2
3. Halle el polinomio caracterstico, los valores propios, y los vectores propios de cada una de las siguientes matrices complejas: A= 4.
i 0 2i 2
B=
B=
1 1 + i 0 1
1 2 C= 0 1 2
2
0 1 2 1 2
1 2 1 2 0
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. 6. Para cada una de las matrices dadas en 4, calcule los valores propios, los espacios propios, la multiplicidad algebraica y la multiplicidad geomtrica. 7. Por qu la multiplicidad geomtrica, de un valor propio de una matriz, nunca es cero?
8. Determine si la matriz P
1
2 2 a) A = 5 1 1 1 4 d) A = 3 2 1 2 1 1
4 0 1 g) A = 2 3 2 1 0 4
3 7 5 4 3 2 1 2 2 4 2 3 3
3 2 4 e) A = 2 0 2 4 2 3
0 2 3 3 h) A = 1 3 0 0 1
f) A =
57
9. En cada caso encuentre la matriz Q ortogonal que diagonaliza la matriz simtrica dada. Despus verifique que Q AQ = D ; donde D = diag( de A.
t
3 4 a) A = 4 3 3 2 2 c) A= 2 2 0 2 0 4
1 1 1 b) A= 1 1 1 1 1 1
d) A= 1
2 1 2
3 1 2 A = 1 0 5 1 1 4
0 1 1 B = 4 4 2 2 1 1
0 1 1 C = 3 1 2 7 5 6