Diagonalizacion PDF

Tema 3. Diagonalizacin. Forma cannica de Jordan.
Tema 3. Diagonalizacin. Forma cannica de Jordan.

Anlisis Matemtico I
1 Estadstica
| Universidad de Granada | Octubre 2012
1 / 37
Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios
Valores propios y vectores propios

Seccin 1
2 / 37
Semejanza de matrices. El problema de la diagonalizacin

Definicin
Dos matrices cuadradas A y B de orden n son semejantes si existe una matriz
invertible P tal que B = P 1 AP.
Dos matrices son semejantes si, y slo si, representan a la misma aplicacin lineal
en distintas bases.
Problema
Dado un espacio vectorial V de dimensin n y T L(V ), nuestro objetivo ser
encontrar condiciones que garanticen la existencia de una base de V en la que la
matriz asociada a T sea diagonal.
3 / 37
Valores propios y vectores propios

Definicin
Sea V un espacio vectorial sobre K y T L(V ). Diremos que un escalar es un
valor propio (o autovalor) de T si existe un vector v no nulo en V tal que
Tv = v . En tal caso, diremos que el vector v es un vector propio (o
autovector) asociado al valor propio .
Observaciones
El conjunto de vectores asociados al valor propio es un subespacio
vectorial de V que llamaremos subespacio propio asociado a :
E () := Ker (T I).
Un mismo vector no puede ser vector propio asociado a dos valores propios
diferentes.
4 / 37
Valores propios y matrices

Proposicin
Sea V un espacio vectorial de dimensin n sobre el cuerpo K, T L(V ) y sea
A Mn (K) la matriz asociada a T respecto de una base de V . Entonces se
verifican
T (v ) = v
Av = v .
dim E () = n rg(A In ).
es un valor propio de T si, y slo si, det(A In ) = 0.
5 / 37
Proposicin
Si A, P Mn y P es invertible, entonces la matriz B := P 1 AP verifica que
det(B In ) = det(A In ).
det(B In ) = det(P 1 AP In ) = det(P 1 (A In )P)
= det(P 1 ) det(A In ) det(P) = det(A In ).
Consecuencia
Si A y B son matrices asociadas a una misma aplicacin lineal en distintas bases
entonces tienen los mismos valores propios.
6 / 37
Polinomio caracterstico
Definicin
Si A es una matriz cuadrada de orden n, llamamos polinomio caracterstico de A
al polinomio P de grado n dado por
P() = det(A In ).
0 K es valor propio de A si, y slo si, P(0 ) = 0.
7 / 37
Multiplicidad algebraica y geomtrica

Definicin
Sea V un espacio vectorial de dimensin n, T L(V ), A su matriz asociada y
1 , . . . , r los valores propios de T (o de A).
Llamamos multiplicidad algebraica del valor propio i a su multiplicidad
como raz del polinomio caracterstico. Es decir, el mayor exponente ai de
modo que ( i )ai divide al polinomio P().
Llamamos multiplicidad geomtrica de i a la dimensin del subespacio
propio E (i ).
Ejemplo
Calcular los valores propios y los subespacios propios
de la aplicacin
lineal cuya
1 1
0
2 1 .
matriz asociada en las bases cannicas es A = 1
0 1
1
8 / 37
Propiedades de los vectores propios

Proposicin
Sea V un espacio vectorial de dimensin n, T L(V ) con matriz asociada A y
sean 1 , . . . , r sus valores propios distintos. Se verifican:
Para cada i, la multiplicidad geomtrica de i es menor o igual que su
multiplicidad algebraica.
Los vectores propios asociados a valores propios distintos son linealmente
independientes.
TP
E (i )
j6=i E (j ) = {0} para cada i = 1, . . . , r .
9 / 37
Propiedades de los autovalores

Proposicin
Sea A Mn una matriz cuyos valores propios son 1 , . . . , n . Se verifican:
Los valores propios de A coinciden con los de At .
Qn
det(A) = i=1 i
Los valores propios de A son 1 , . . . , n .
Si det(A) 6= 0, entonces los valores propios de A1 son
1
1
1 , . . . , n .
ki es un valor propio de Ak , para cada 1 6 i 6 n.
10 / 37
Tema 3. Diagonalizacin. Forma cannica de Jordan. | Diagonalizacin
Diagonalizacin
Seccin 2
11 / 37
Diagonalizacin de operadores y de matrices

Definicin
Se dice que una matriz cuadrada A es diagonalizable si A es semejante a una
matriz diagonal. Si V es un espacio vectorial de dimensin n decimos que
T L(V ) es diagonalizable si existe una base de V en la que su matriz asociada
sea diagonal.
Proposicin
T L(V ) es diagonalizable si, y slo si, existe una base de V formada por
vectores propios.
12 / 37
Diagonalizacin de operadores y matrices

Teorema
Sea V un espacio vectorial de dimensin n sobre K, sea T L(V ), sean
1 , . . . , r sus valores propios y m1 , . . . , mr , M1 . . . , Mr sus multipicidades
geomtricas y algebraicas respectivamente. Entonces T es diagonalizable si, y
slo si, se verifican las siguientes condiciones:
M1 + + Mr = n.
mi = Mi para cada i = 1, . . . , r .
Observacin
La condicin M1 + + Mr = n es equivalente a que todas las races del
polinomio caracterstico de T estn en K.
Corolario
Sea A Mn (K) con n valores propios distintos en K. Entonces A es
diagonalizable.
13 / 37
Diagonalizacin de operadores y matrices

Observacin
Si A Mn (K) es una matriz diagonalizable entonces uniendo las bases de los
subespacios propios E (i ) obtenemos una base de V . La matriz invertible P que
tiene por columnas esta base de vectores propios es una matriz de paso a la
forma diagonal de A, es decir, se verifica que:
D = P 1 AP.
Ejemplo
4
Estudiar si la matriz A = 0
1
calcular una matriz de paso.
0
3
0
1
0 es diagonalizable y, en tal caso,
4
14 / 37
Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios
Tipos de matrices y valores propios

Seccin 3
15 / 37
Matrices triangulares
Proposicin
Si A es una matriz triangular de orden n, entonces los valores propios de A son
los elementos de la diagonal principal.
Demostracin.
Si A es triangular superior, entonces A In tambin lo es, luego
det(A In ) =
n
Y
(aii )
i=1
y los valores propios son a11 , a22 , . . . , ann .
16 / 37
Producto escalar
Definicin
Si x , z Cn , definimos el producto escalar de x y z como sigue:
(x |z) =
n
X
x (i)z(i) .
i=1
Se dice que dos vectores x , z son ortogonales si (x |z) = 0. Un subconjunto A de

Cn es ortonormal si kak2 = 1 para cada a A y cualesquiera dos elementos
distintos de A son ortogonales.
17 / 37
Producto escalar
Proposicin
Se verifican:
El producto escalar en Cn es lineal en la primera variable y conjugado lineal
en la segunda, es decir, para cada x , y , z Cn y cada C se tiene que
(x + y |z) = (x |z) + (y |z),
(z|x + y ) = (z|x ) + (x |y ).
La restriccin del producto escalar a Rn es bilineal (lineal en cada variable).

Se verifica que
(y |x ) = (x |y ),
x , y Cn .
Si A es una matriz cuadrada de orden n con coeficientes en C, se verifica
que
t
(Ax |y ) = (x |A y ), x , y Cn .
18 / 37
Procedimiento de Gram-Schmidt
Proposicin
Todo subespacio vectorial M de Kn tiene una base ortonormal. De hecho,
cualquier subconjunto ortonormal de M se puede ampliar a una base ortonormal.
Adems, si {u1 , u2 , . . . , ur } es una base de M, se puede conseguir una base
ortonormal {m1 , m2 , . . . , mr } de M tal que L(u1 , . . . , uk ) = L(m1 , . . . , mk ) para
cada k 6 r , donde L(u1 , . . . , uk ) es el subespacio vectorial generado por los
vectores u1 , . . . , uk .
Demostracin.
Probamos la segunda afirmacin usando induccin sobre la dimensin
n
o del
subespacio M. Si r = 1 y {u1 } es una base de M, entonces kuu11k2 es una base
ortonormal de M.
19 / 37
Procedimiento de Gram-Schmidt
Supongamos que el enunciado es cierto para subespacios de dimensin r y que M
es un subespacio de Kn de dimensin r + 1. Por hiptesis de induccin, el
subespacio generado por {u1 , . . . , ur } tiene una base ortonormal {m1 , . . . , mr } que
verifica que L(u1 , . . . , uk ) = L(m1 , . . . , mk ) para cada k 6 r . Definimos ahora el
vector
r
X
m := ur +1
(ur +1 |mi )mi
i=1
que est en M por estarlo ur +1 y por la hiptesis de induccin es no nulo, por ser
los vectores {ui : 1 6 i 6 r + 1} una base de M. Veamos que m es ortogonal a los
vectores mj para cada 1 6 j 6 r :
(m|mj ) = (ur +1 |mj )
r
X
(ur +1 |mi )(mi |mj ) =
i=1
(ur +1 |mj ) (ur +1 |mj )(mj |mj ) = 0.

m
kmk2 ,
Tomando mr +1 =
es claro que {m1 , . . . , mr +1 } es una base ortonormal de
M que verifica el enunciado.
20 / 37
Matrices simtricas: diagonalizacin ortogonal

Teorema
Sea A una matriz simtrica real, Se verifican:
Todos los valores propios son reales.
Dos valores propios distintos de A tienen asociados vectores propios
ortogonales.
Para cada autovalor de A la multiplicidad algebraica coincide con la
multiplicidad geomtrica.
A es diagonalizable.
21 / 37
Demostracin.
Todos los valores propios son reales: Supongamos que C verifica que
det(A In ) = 0 y x Cn es un vector propio asociado, entonces:
(Ax |x ) = (x |x ) = kx k22 .
Adems sabemos que
t
(Ax |x ) = (x |A x ) = (x |Ax ) = (Ax |x )

por tanto (Ax |x ) = kx k22 es real y como x es no nulo, entonces kx k22 > 0,
luego es tambin real.
22 / 37

Dos valores propios distintos de A tienen asociados vectores propios
ortogonales:
Sean , valores propios distintos y x , y vectores propios asociados a y ,
respectivamente. Se verifica entonces que
(Ax |y ) = (x |y ) = (x |y ) .
Usando que A es simtrica obtenemos tambin la igualdad
(Ax |y ) = (x |Ay ) = (x |y )
= (x |y ) = (x |y ).
Hemos obtenido que (x |y ) = (x |y ) y como 6= , entonces (x |y ) ha de
ser cero, luego x e y son ortogonales.
23 / 37

Para cada autovalor de A, la multiplicidad algebraica coincide con la
multiplicidad geomtrica:
Sean 1 , . . . , r R los valores
Pr propios de A con multiplicidades algebraicas
M1 , . . . , Mr , que verifican i=1 Mi = n. Llamamos
M = E (1 ) E (2 ) E (r )
y suponemos por reduccin al absurdo que M 6= Rn , entonces el subespacio
M := {x Rn : (x |m) = 0 para cada m M} no es nulo. Sea T el
operador asociado a A y veamos que T (M ) M : si z M entonces,
para m M, usando que Am M tenemos que
t
(Az|m) = (z|A m) = (z|Am) = 0
z M .
Como la restriccin de T a M tambin es simtrico, ha de tener algn valor

propio y algn vector propio v 6= 0 asociado en M , pero entonces v M, ya
que M contiene a todos los vectores propios de A. Lo que nos da la
contradiccin M M 6= {0}.
24 / 37

Corolario
Si A es una matriz simtrica real entonces existe una matriz P ortogonal y una
matriz D diagonal de modo que D = P t AP.
Gracias al teorema anterior basta elegir una base ortonormal de vectores propios,
que sern las columnas de P. Entonces P 1 = P t .
Ejemplo
3
Diagonalizar la matriz A = 1
1
1
3
1
1
1 por semejanza ortogonal.
3
25 / 37
Matrices estocsticas
Proposicin
Sea A Mn una matriz positiva.
A es estocstica si, y slo si, 1 es un autovalor de A con vector propio
asociado v = (1, 1, . . . , 1).
A es doblemente estocstica si, y slo si, 1 es un autovalor de A con vector
propio asociado v = (1, 1, . . . , 1) y lo mismo le ocurre a At .
Demostracin.
La segunda afirmacin es consecuencia inmediata de la primera. Si A es
estocstica tenemos que
n
X
aij = 1,
1 6 i 6 n
Av = v .
j=1
26 / 37
Matrices idempotentes
Proposicin
Sea A Mn una matriz idempotente. Entonces
Cada uno de sus autovalores es 0 1.
Si M0 es la multiplicidad algebraica de 0 y M1 la de 1, entonces se verifica
que m0 = dim E (0), m1 = dim E (1).
tr (A) = rg (A)
Demostracin.
Cada uno de sus autovalores es 0 1:
Si es un valor propio de A, x un vector propio asociado a y T el operador
asociado a A, como T 2 = T , obtenemos que
x = T (x ) = T 2 (x ) = T (Tx ) = T (x ) = 2 x .
Como x 6= 0 y ( 2 )x = 0 entonces = 0 = 1.
27 / 37
Si M0 es la multiplicidad algebraica de 0 y M1 la de 1, entonces
M0 = dim E (0), M1 = dim E (1):
Si 0 tiene multiplicidad algebraica M0 entonces, por el apartado anterior, 1
tiene multiplicidad algebraica n M0 . Sea T el operador asociado a la matriz
A en trminos de la base cannica. Comprobamos que
Kn = Ker T Im T = E (0) E (1).
Para ello, basta probar que Kn Ker T + Im T y
Ker Q = E (0), Im T = E (1), ya que sabemos que dos vectores propios
asociados a valores propios distintos son independientes.
Sea x Kn , escribimos x = (x T (x )) + T (x ) y se verifica que
T (x T (x )) = T (x ) T 2 (x ) = 0,
por tanto, x T (x ) Ker T = E (0), T (x ) Im T . Es claro que
E (0) = Ker T y nos queda por comprobar que Im T = E (1).
28 / 37
En efecto, si y Im T , entonces existe x Kn con Tx = y , por tanto, por ser
T 2 = T , tenemos
T (y ) = T 2 (x ) = T (x ) = y ,
luego y E (1). Recprocamente, si y E (1), tenemos E (y ) = y , luego y Im E .
Hemos probado que Kn = E (0) E (1) y sabemos adems que
dim E (0) 6 M0 , dim E (1) 6 M1 = n M0 .
La igualdad anterior nos asegura que de hecho dim E (0) = M0 , dim E (1) = M1
por ser
n = dim Kn = dim E (0) + dim E (1) 6 M0 + M1 = n.
29 / 37
tr (A) = rg (A):
Por el Teorema de la dimensin sabemos que
M0 + M1 = n = dim Ker T + dim Im T = dim E (0) + rg A = M0 + rg A,
por tanto rg (A) = M1 .
Por otra parte usando la definicin de traza tenemos que
tr (A) = M1 = rg (A).
30 / 37
Tema 3. Diagonalizacin. Forma cannica de Jordan. | Teorema de Perron-Frbenius
Teorema de Perron-Frbenius
Seccin 4
31 / 37
Sea A una matriz de orden n no nula y supongamos que aij > 0 para cada i, j.
Entonces
A tiene un valor propio real y positivo mayor que el mdulo de todos los
dems y tal que tiene un vector propio asociado con todas sus componentes
positivas.
Si x Rn , escribiremos x > 0 cuando xi > 0 para todo 1 6 i 6 n y x > 0 cuando
xi > 0 para todo 1 6 i 6 n.
Observacin
En las hiptesis de teorema anterior, si 0 6= x > 0 se verifica que Ax > 0.
32 / 37
Demostracin.
Consideramos el conjunto
CA := {t R : existe 0 6= x > 0 tal que Ax > tx }.
Veamos que CA contiene algn nmero positivo. Sea x = (1, 1, . . . , 1), entonces
y = Ax verifica que y > 0. Por tanto, tomando = mini {y (i)} > 0, tenemos que
Ax = y > x luego CA .
Como las aplicaciones P
x 7 Ax , x 7 tx son lineales en Rn , en la definicin de CA
n
podemos suponer que i=1 x (i) = 1.
Probamos ahora que CA es cerrado. Dada una sucesin {tm } de elementos de CA
convergiendo a t queremos ver que t CA . Para cada m existe xm > 0 tal que
n
X
xm (i) = 1
Axm t > tm xm .
i=1
Pasando a una subsucesin podemos suponer

P
Pn que {xm } x . Como xm > 0 y
n
i=1 xm (i) = 1, obtenemos que x > 0 y
i=1 x (i) = 1. Puesto que Axm > tm xm ,
tomando lmite obtenemos que Ax > tx , luego t CA .
33 / 37
Veamos ahora que CA est mayorado. Sea t CA y x el vector asociado con
P
n
i=1 x (i) = 1. Sumando las coordenadas tenemos que
t=
n
X
(tx )(i) 6
i=1
n
n X
n

X
X
(Ax )(i) =
(aij x (j)
i=1
i=1
n
X
j=1
j=1
x (j)
n
X
i=1
aij =
n X
n
X
aij := M.
j=1 i=1
Luego CA est mayorado por M.

Como CA es cerrado y mayorado, tiene mximo que denotamos por 0 . Veamos
que 0 es el autovalor que buscamos.
Puesto que 0 CA , existe 0 6= x > 0 verificando Ax > 0 x . Veamos que
Ax = 0 x . Si Ax 6= 0 x , entonces 0 < (A(Ax 0 x ))(j) para cada j y, llamando
y = Ax , esto nos dice que
(Ay )(j) > 0 y (j)
para cada j.
Entonces existe > 0 tal que Ay > (0 + )y luego 0 + CA , pero esto es

imposible, ya que 0 = maxCA .
34 / 37
Cualquier vector propio asociado a 0 tiene todas sus coordenadas positivas.
Si 0 6= x es un vector propio asociado a 0 tenemos que Ax = 0 x y por la
observacin posterior al enunciado del teorema sabemos que Ax > 0. Por tanto
x > 0.
35 / 37
Falta comprobar que 0 es mayor que el mdulo del resto de los autovalores. Sea
otro autovalor de A e y un vector propio asociado a . Si denotamos
|y | := (|y1 |, . . . , |yn |), se verifica que
A(|y |) > |Ay | = |y | = |||y | ,
luego || C y, por tanto, || 6 0 . De hecho, vamos a probar que si 6= 0 ,
entonces || < 0 .
Por ser A estrictamente positiva, para > 0 suficientemente pequeo, la matriz
A = A In tambin es estrictamente positiva. Es claro que y 0 son
autovalores de A y que 0 = maxCAIn . Por tanto, utilizando lo que ya
hemos demostrado obtenemos que
| | 6 0 .
(1)
Comprobamos que la desigualdad anterior no se verifica si || = |0 | y 6= 0 .

En tal caso, usando las propiedades del mdulo obtenemos que
| | > ||| | = ||0 | | = 0 .
Por tanto, tendramos que | | = ||| | = 0 .
36 / 37
Si R, como 0 > 0 tenemos que < 0 y en este caso
| | = + = 0 + > 0 ,
lo que contradice la desigualdad (1).
Si C, escribimos = a + ib con a, b R, entonces
| |2 = (a )2 + b 2 = a2 + b 2 + 2 2a
mientras que
p
||| |2 = a2 + b 2 + 2 2 a2 + b 2 .
Como ambos mdulos coinciden, entonces tenemos
p
a = a2 + b 2
b = 0,
luego R que ya sabemos que es imposible.

37 / 37

Diagonalizacion PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Diagonalizacion PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Tema 3. Diagonalizacin. Forma cannica de Jordan.

Tema 3. Diagonalizacin. Forma cannica de Jordan.

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

Valores propios y vectores propios

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

Semejanza de matrices. El problema de la diagonalizacin

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

Valores propios y vectores propios

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

Valores propios y matrices

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

Multiplicidad algebraica y geomtrica

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

Propiedades de los vectores propios

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Valores propios y vectores propios

Propiedades de los autovalores

ki es un valor propio de Ak , para cada 1 6 i 6 n.

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Diagonalizacin

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Diagonalizacin

Diagonalizacin de operadores y de matrices

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Diagonalizacin

Diagonalizacin de operadores y matrices

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Diagonalizacin

Diagonalizacin de operadores y matrices

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

Tipos de matrices y valores propios

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

y los valores propios son a11 , a22 , . . . , ann .

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

Se dice que dos vectores x , z son ortogonales si (x |z) = 0. Un subconjunto A de

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

La restriccin del producto escalar a Rn es bilineal (lineal en cada variable).

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

(ur +1 |mj ) (ur +1 |mj )(mj |mj ) = 0.

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

Matrices simtricas: diagonalizacin ortogonal

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

Matrices simtricas: diagonalizacin ortogonal

(Ax |x ) = (x |A x ) = (x |Ax ) = (Ax |x )

| Universidad de Granada | Octubre 2012

Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios

Matrices simtricas: diagonalizacin ortogonal

| Universidad de Granada | Octubre 2012