BLOQUE 2. LGEBRA LINEAL.

APLICACIONES LINEALES Y DIAGONALIZACIN(*)

Aplicaciones lineales. Expresin matricial de una aplicacin lineal. Diagonalizacin.

En contextos como Sistemas Dinmicos o procesos de cadenas de Markov es preciso conocer la forma general de una potencia o la exponencial de una matriz cuadrada A, lo que no resulta fcil de obtener a no ser que la matriz sea diagonal o diagonal por bloques. Pero si A se puede expresar como producto de tres matrices en la forma A=PDP-1 con D diagonal a 0 L 0 0 b L 0 1 A = P P M M M 0 0 L c entonces: a 0 k A = P M 0 ak 0 = P M 0 0 L 0 b L 0 1 P = M M 0 L c 0 L 0 b k L 0 1 P M M 0 L ck
k

En este tema se abordar la diagonalizacin de una matriz cuadrada A, es decir ser posible encontrar bajo determinadas circunstancias, si A=PDP-1 con D diagonal. Para ello es necesario manejar los conceptos de aplicacin lineal, matriz asociada a una aplicacin lineal y vector y valor propio.

1. Aplicaciones lineales
Sea f : IR n IR m una aplicacin de IRn en IRm que a todo vector x IR n asocia un vector y IR m . Se escribe entonces y = f ( x) .

Se dice que f es una aplicacin lineal si se cumplen las dos condiciones siguientes:

f ( x + x') = f ( x) + f ( x') x, x' IR n f ( x) = f ( x) x IR n , IR

relaciones llamadas axiomas de linealidad. De esta definicin se deduce inmediatamente la siguiente caracterizacin de las aplicaciones lineales:

Es condicin necesaria y suficiente para que una aplicacin f : IR n IR m sea una aplicacin lineal que se cumpla:

x , x ' IR n , , IR , f x + x ' = f x + f x ' .

La propiedad anterior se puede extender a una combinacin lineal de cualquier nmero de sumandos, y se puede enunciar diciendo que una aplicacin entre espacios vectoriales es una aplicacin lineal si y slo si transforma combinaciones lineales de vectores de IRn en las combinaciones lineales de las imgenes en IRm de esos vectores, con los mismos coeficientes.

()

()

Imagen de una aplicacin lineal

Sea f : IR n IR m una aplicacin de IRn en IRm y sean 0 IR n y 0 IR m los elementos nulos de IRn y IRm respectivamente. Se cumplen las siguientes propiedades: i)

ii) iii) La imagen por f de un subespacio vectorial de IRn es un subespacio vectorial de IRm. Esto es, si U IRn es un subespacio vectorial de IRn , entonces f(U) es un subespacio vectorial de IRm. En particular, la imagen de f, Im(f) = f(IRn ) es un subespacio vectorial de IRm. Im( f ) = y = f ( x) IR m / x IR n . iv) Si S = e1 ,K, er es un sistema de generadores de un subespacio vectorial U de IR 1 vectorial f(U) de IRm.
n
r

( ) f ( x ) = f (x ).
f 0 IR n = 0 IR m .

} , f(S) = {f (e ),K, f (e )} es un sistema de generadores del subespacio

Ncleo de una aplicacin lineal

Sea f : IR n IR m una aplicacin de IRn en IRm. Se llama ncleo de f al conjunto, Ker(f), de los vectores de IRn cuya imagen por f es el vector 0 IR m :
Ker ( f ) = x IR n / f ( x) = 0 IR m .

El ncleo Ker(f) de una aplicacin lineal nunca es vaco, ya que al menos contiene al vector 0 de IRn. (Denotaremos con 0 tanto el vector nulo de IRn como el de IRm, distinguindose uno del otro por el contexto). Se cumplen las siguientes propiedades: i) El ncleo Ker(f) de toda aplicacin lineal f : IR n IR m es un subespacio vectorial de IRn. ii) Si f : IR n IR m es una aplicacin lineal del espacio vectorial IRn en el espacio vectorial IRm, dim Ker(f) = dim IRn dim Im(f)=n- dim Im(f) o bien, dim Ker(f) + dim Im(f)= n A la dimensin de Im(f) se le suele llamar el rango de la aplicacin lineal f.

2. Expresin matricial de una aplicacin lineal

Sea f : IR n IR m una aplicacin lineal de IRn en IRm. Sean B1 = u1 ,K, un una base de IRn y B2 = w1 ,K, wm una base de IRm. Por ltimo consideremos las imgenes por f de los vectores de la base B1: f (u1 ) = a1 ,K, f (un ) = an Estas imgenes son vectores de IRm y, por tanto, son combinaciones lineales de los elementos de la base B2.
f (u1 ) = a11 w1 + a12 w2 + L + a1m wm f (u 2 ) = a21 w1 + a22 w2 + L + a2 m wm M f (u n ) = an1 w1 + an 2 w2 + L + anm wm

Cualquier vector x IR n es combinacin lineal de los vectores de la base B1: x = x1 u1 + x 2 u 2 + L + x n u n Por tanto:

r y = f ( x) = x1 f (u1 ) + x2 f (u 2 ) + L + x n f (u n ) = = x1 (a11 w1 + a12 w2 + L + a1m wm ) + + x2 (a 21 w1 + a 22 w2 + L + a 2 m wm ) + + LLL + + xn (a n1 w1 + a n 2 w2 + L + a nm wm ) = = ( x1 a11 + x2 a 21 + L + x n a n1 ) w1 + L + ( x1a1m + x 2 a 2 m + L + xn a nm ) wm

En consecuencia, las r y = ( y1 , y 2 , L, y m ) con

coordenadas

de

r y = f ( x) IR m

respecto

de

B2

son:

y1 = x1a11 + x2 a21 + L + xn an1 L ym = x1a1m + x2 a2 m + L + xn anm

Matricialmente:

y1 a11 M =L y a m 1m

a 21 L a 2m

L a n1 x1 L L M L a nm x n

o abreviadamente: Y=AX. A la matriz A se le llama matriz asociada a la aplicacin lineal f respecto de las bases B1 y B2 de IRn y IRm. Esta matriz queda determinada por f de forma sencilla, ya que sus columnas son precisamente las coordenadas respecto de B2 de las imgenes por f de los vectores de la base B1.

Cambio de bases en una aplicacin lineal

Sea f : IR n IR m una aplicacin lineal de IRn en IRm que tiene como matriz asociada respecto a las bases B1 y B2 de IRn y IRm, respectivamente, la matriz A, expresndose la aplicacin lineal f en la forma matricial Y = AX. Sea B1 otra base de IRn y P la matriz cambio de base B1 a B1, es decir, que entre la matriz columna de coordenadas X de un vector x IR n en B1 y la de las coordenadas X del mismo vector en B1 se tiene la relacin X = P X. Sea B2 otra base de IRm y Q la matriz cambio de base B2 a B2, de modo que la relacin entre las coordenadas de un vector en B2 y sus correspondientes en B2 es Y = QY. Respecto de las bases B1 y B2 de IRn y IRm, la aplicacin lineal f tendr asociada otra matriz A, es decir, respecto de estas bases, la aplicacin lineal f se expresar as: Y = A X. Buscamos la relacin que pueda existir entre A y A. Para ello, sustituyendo en la relacin Y = AX las matrices de coordenadas X = P X e Y = QY, se tiene:
QY=APX

y puesto que Q es regular, multiplicando a la izquierda por Q-1, se tiene:

Y=Q-1APX

por lo que la nueva matriz asociada a f en las bases B1 y B2 es:

A= Q-1AP

En el caso de que f sea una aplicacin lineal de IRn en s mismo, si se efecta un cambio de la base B1 a la base B1 en este espacio, entonces ser Q = P y la matriz asociada a la aplicacin lineal f en la nueva base ser:
A= P-1AP

3. Diagonalizacin
Puesto que una matriz A est asociada a una aplicacin lineal f, se plantea la pregunta de si es posible representar f mediante una matriz ms sencilla, diagonal. Habr que determinar, por tanto, si existen bases adecuadas en los espacios de partida y de llegada respecto de las cuales la matriz asociada sea diagonal.

En este apartado se abordar el problema de la diagonalizacin de una matriz partiendo de los conceptos de valor propio y subespacio de vectores propios correspondiente y teniendo en cuenta la interpretacin de las columnas de una matriz asociada a una aplicacin lineal.

Valores y vectores propios

Sea f : IR n IR n una aplicacin lineal. Se dice que un vector x 0 IR n es un vector propio o autovector de f si existe IR tal que:
f ( x) = x

Al escalar , que si existe es nico, se le conoce como valor propio o autovalor asociado al vector propio x . Cada vector propio est asociado a un nico valor propio, sin embargo, en general existirn distintos vectores propios asociados a un mismo valor propio. Sea A la matriz que determina f en una cierta base B de IRn, sea I la matriz identidad de orden n, y sea X la matriz columna de las coordenadas del vector x en la base B. Entonces la condicin de vector propio se escribe:
AX= I X

o equivalentemente: (A- I)X=0 Esta ecuacin matricial equivale a un sistema lineal homogneo de n ecuaciones en las n incgnitas que corresponden a las n coordenadas de x . Los vectores propios asociados a sern las soluciones no triviales de este sistema, que admite alguna de estas soluciones si y slo si: | A- In |=0 o en forma desarrollada:
a11 L a n1 a12 L a1n

L L L =0 a n 2 L a nn

El determinante anterior genera al desarrollarlo un polinomio en de grado n, que se

denomina polinomio caracterstico de la matriz A, y la ecuacin obtenida al igualarlo a 0, se llama la ecuacin caracterstica de la aplicacin lineal f o de la matriz A. Los vectores propios cumplen las siguientes propiedades: i) Si x es un vector propio de la aplicacin lineal f, asociado al valor propio , tambin lo es el vector x , asociado al mismo valor propio, donde es un escalar cualquiera no nulo. ii) Si x y x' son dos vectores propios asociados al mismo valor propio , toda combinacin lineal de dichos vectores tambin es un vector propio asociado al mismo autovalor puesto que: f x + ' x' = f x + ' f x' = x + ' x' = x + ' x'

()

()

Como consecuencia de i) y ii), el conjunto de los vectores propios asociados a un valor propio, constituye un subespacio vectorial de IRn, llamado subespacio propio asociado a dicho valor propio. iii) El polinomio caracterstico de una matriz A asociada a una aplicacin lineal f de IRn en IRn, resulta invariante ante un cambio de base en IRn. iv) Si x1 , x 2 ,K , x h son h vectores propios asociados a h valores propios distintos

1 , 2 ,K, h , entonces x1 , x 2 ,K, x h es un sistema libre.

Diagonalizacin de una matriz cuadrada

Sea A la matriz asociada a f : IR n IR n respecto a una base B de IRn. Supongamos que se obtienen n autovalores, todos reales y distintos y sean x1 , x 2 ,K, x n autovectores asociados a dichos valores propios. Estos vectores forman una base B de IRn, respecto de la cual f tiene una matriz asociada A cuyas columnas son las coordenadas de f x1 = 1 x1 ,K, f x n = n x n referidas a la base B, por lo que A ser una matriz diagonal

( )

( )

1 0 0 2 A= L L 0 0

L 0 L 0 . L L L n

Se dice entonces que la matriz A es diagonalizable, ya que existe una matriz diagonal A que representa la misma aplicacin lineal f en cierta base. Si denotamos con P la matriz de cambio de base de B a B, se tiene A = P1AP. Si B es la base cannica de IRn, las columnas de P son los n vectores propios x1 , x 2 ,K, x n .

 Una matriz A cuadrada de orden n es diagonalizable si y slo si todos los valores propios i (i = 1, h) de A son reales, y para todo i con orden de multiplicidad i , el rango de la matriz A i I es igual a n i .

Bibliografa

Barbolla, R. y Sanz, P. (1998). lgebra lineal y teora de matrices. Ed. Prentice Hall. Caballero, R. E., Caldern, S. y Galache, T. P. (2000). Matemticas aplicadas a la economa y a la empresa. 434 ejercicios resueltos y comentados. Ed. Pirmide. Grossman, S. I. (1997). lgebra lineal. Ed. McGraw-Hill. Hernndez, E. (1999). lgebra y geometra. Ed. Addison-Wesley/U.A.M. Kolman, B. (1999). lgebra lineal con aplicaciones y Matlab. Ed. Prentice Hill. Martnez Salas. (1992). Elementos de matemticas. Ed. Lex Nova. Sanz, P., Vzquez, F. J. y Ortega, P. (1998). lgebra lineal. Cuestiones, ejercicios y tratamiento en Derive. Ed. Prentice Hall.

(*) En este tema se ha utilizado como fuente, tanto para la estructuracin de los contenidos como en la inclusin de algunos prrafos, el siguiente libro: lgebra lineal y teora de matrices. R. Barbolla y P. Sanz. Ed. Prentice Hall. (1998).