Diagonalizacion I Matrices Idempotentes

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
Semejanza de matrices. El problema de la diagonalizacin
Denicin
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.
Valores propios y vectores propios
Denicin
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.
Valores propios y matrices
Proposicin
Sea V un espacio vectorial de dimensin n sobre el cuerpo K, T L(V) y sea
A M
n
(K) la matriz asociada a T respecto de una base de V. Entonces se
verican
T(v) = v Av = v.
dimE() = n rg(A I
n
).
es un valor propio de T si, y slo si, det(A I
n
) = 0.
Proposicin
Si A, P M
n
y P es invertible, entonces la matriz B := P
1
AP verica que
det(B I
n
) = det(A I
n
).
det(B I
n
) = det(P
1
AP I
n
) = det(P
1
(A I
n
)P)
= det(P
1
) det(A I
n
) det(P) = det(A I
n
).
Consecuencia
Si A y B son matrices asociadas a una misma aplicacin lineal en distintas bases
entonces tienen los mismos valores propios.
Polinomio caracterstico
Denicin
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 I
n
).
0
K es valor propio de A si, y slo si, P(
0
) = 0.
Multiplicidad algebraica y geomtrica
Denicin
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 a
i
de
modo que (
i
)
a
i
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
matriz asociada en las bases cannicas es A =
_
_
1 1 0
1 2 1
0 1 1
_
_
.
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 verican:
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.
E(
i
)
j=i
E(
j
) = {0} para cada i = 1, . . . , r .
Propiedades de los autovalores
Proposicin
Sea A M
n
una matriz cuyos valores propios son
1
, . . . ,
n
. Se verican:
Los valores propios de A coinciden con los de A
t
.
det(A) =
n
i =1
i
Los valores propios de A son
1
, . . . ,
n
.
Si det(A) = 0, entonces los valores propios de A
1
son
1
1
, . . . ,
1
n
.
k
i
es un valor propio de A
k
, para cada 1 i n.
Tema 3. Diagonalizacin. Forma cannica de Jordan. | Diagonalizacin
Diagonalizacin
Seccin 2
Diagonalizacin de operadores y de matrices
Denicin
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.
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 m
1
, . . . , m
r
, M
1
. . . , M
r
sus multipicidades
geomtricas y algebraicas respectivamente. Entonces T es diagonalizable si, y
slo si, se verican las siguientes condiciones:
M
1
+ + M
r
= n.
m
i
= M
i
para cada i = 1, . . . , r .
Observacin
La condicin M
1
+ + M
r
= n es equivalente a que todas las races del
polinomio caracterstico de T estn en K.
Corolario
Sea A M
n
(K) con n valores propios distintos en K. Entonces A es
diagonalizable.
Diagonalizacin de operadores y matrices
Observacin
Si A M
n
(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 verica que:
D = P
1
AP.
Ejemplo
Estudiar si la matriz A =
_
_
4 0 1
0 3 0
1 0 4
_
_
es diagonalizable y, en tal caso,
calcular una matriz de paso.
Tema 3. Diagonalizacin. Forma cannica de Jordan. | Tipos de matrices y valores propios
Tipos de matrices y valores propios
Seccin 3
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 I
n
tambin lo es, luego
det(A I
n
) =
n
i =1
(a
ii
)
y los valores propios son a
11
, a
22
, . . . , a
nn
.
Producto escalar
Denicin
Si x, z C
n
, denimos el producto escalar de x y z como sigue:
(x|z) =
n
i =1
x(i )z(i ) .
Se dice que dos vectores x, z son ortogonales si (x|z) = 0. Un subconjunto A de
C
n
es ortonormal si a
2
= 1 para cada a A y cualesquiera dos elementos
distintos de A son ortogonales.
Producto escalar
Proposicin
Se verican:
El producto escalar en C
n
es lineal en la primera variable y conjugado lineal
en la segunda, es decir, para cada x, y, z C
n
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 R
n
es bilineal (lineal en cada variable).
Se verica que
(y|x) = (x|y), x, y C
n
.
Si A es una matriz cuadrada de orden n con coecientes en C, se verica
que
(Ax|y) = (x|A
t
y), x, y C
n
.
Procedimiento de Gram-Schmidt
Proposicin
Todo subespacio vectorial M de K
n
tiene una base ortonormal. De hecho,
cualquier subconjunto ortonormal de M se puede ampliar a una base ortonormal.
Adems, si {u
1
, u
2
, . . . , u
r
} es una base de M, se puede conseguir una base
ortonormal {m
1
, m
2
, . . . , m
r
} de M tal que L(u
1
, . . . , u
k
) = L(m
1
, . . . , m
k
) para
cada k r , donde L(u
1
, . . . , u
k
) es el subespacio vectorial generado por los
vectores u
1
, . . . , u
k
.
Demostracin.
Probamos la segunda armacin usando induccin sobre la dimensin del
subespacio M. Si r = 1 y {u
1
} es una base de M, entonces
_
u
1
u
1
2
_
es una base
ortonormal de M.
Procedimiento de Gram-Schmidt
Supongamos que el enunciado es cierto para subespacios de dimensin r y que M
es un subespacio de K
n
de dimensin r + 1. Por hiptesis de induccin, el
subespacio generado por {u
1
, . . . , u
r
} tiene una base ortonormal {m
1
, . . . , m
r
} que
verica que L(u
1
, . . . , u
k
) = L(m
1
, . . . , m
k
) para cada k r . Denimos ahora el
vector
m := u
r+1

r
i =1
(u
r+1
|m
i
)m
i
que est en M por estarlo u
r+1
y por la hiptesis de induccin es no nulo, por ser
los vectores {u
i
: 1 i r + 1} una base de M. Veamos que m es ortogonal a los
vectores m
j
para cada 1 j r :
(m|m
j
) = (u
r+1
|m
j
)
r
i =1
(u
r+1
|m
i
)(m
i
|m
j
) =
(u
r+1
|m
j
) (u
r+1
|m
j
)(m
j
|m
j
) = 0.
Tomando m
r+1
=
m
m
2
, es claro que {m
1
, . . . , m
r+1
} es una base ortonormal de
M que verica el enunciado.
Matrices simtricas: diagonalizacin ortogonal
Teorema
Sea A una matriz simtrica real, Se verican:
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.
Demostracin.
Todos los valores propios son reales: Supongamos que C verica que
det(A I
n
) = 0 y x C
n
es un vector propio asociado, entonces:
(Ax|x) = (x|x) = x
2
2
.
Adems sabemos que
(Ax|x) = (x|A
t
x) = (x|Ax) = (Ax|x)
por tanto (Ax|x) = x
2
2
es real y como x es no nulo, entonces x
2
2
> 0,
luego es tambin real.
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 verica 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 = , entonces (x|y) ha de
ser cero, luego x e y son ortogonales.
Para cada autovalor de A, la multiplicidad algebraica coincide con la
multiplicidad geomtrica:
Sean
1
, . . . ,
r
R los valores propios de A con multiplicidades algebraicas
M
1
, . . . , M
r
, que verican
r
i =1
M
i
= n. Llamamos
M = E(
1
) E(
2
) E(
r
)
y suponemos por reduccin al absurdo que M = R
n
, entonces el subespacio
M
:= {x R
n
: (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
(Az|m) = (z|A
t
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 = 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
= {0}.
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
Diagonalizar la matriz A =
_
_
3 1 1
1 3 1
1 1 3
_
_
por semejanza ortogonal.
Matrices estocsticas
Proposicin
Sea A M
n
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 A
t
.
Demostracin.
La segunda armacin es consecuencia inmediata de la primera. Si A es
estocstica tenemos que
n
j=1
a
ij
= 1, 1 i n Av = v.
Matrices idempotentes
Proposicin
Sea A M
n
una matriz idempotente. Entonces
Cada uno de sus autovalores es 0 1.
Si M
0
es la multiplicidad algebraica de 0 y M
1
la de 1, entonces se verica
que m
0
= dimE(0), m
1
= dimE(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 = 0 y (
2
)x = 0 entonces = 0 = 1.
Si M
0
es la multiplicidad algebraica de 0 y M
1
la de 1, entonces
M
0
= dimE(0), M
1
= dimE(1):
Si 0 tiene multiplicidad algebraica M
0
entonces, por el apartado anterior, 1
tiene multiplicidad algebraica n M
0
. Sea T el operador asociado a la matriz
A en trminos de la base cannica. Comprobamos que
K
n
= Ker T Im T = E(0) E(1).
Para ello, basta probar que K
n
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 K
n
, escribimos x = (x T(x)) + T(x) y se verica 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).
En efecto, si y Im T, entonces existe x K
n
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 K
n
= E(0) E(1) y sabemos adems que
dimE(0) M
0
, dimE(1) M
1
= n M
0
.
La igualdad anterior nos asegura que de hecho dimE(0) = M
0
, dimE(1) = M
1
por ser
n = dimK
n
= dimE(0) + dimE(1) M
0
+ M
1
= n.
tr (A) = rg (A):
Por el Teorema de la dimensin sabemos que
M
0
+ M
1
= n = dimKer T + dimIm T = dimE(0) + rg A = M
0
+ rg A,
por tanto rg (A) = M
1
.
Por otra parte usando la denicin de traza tenemos que
tr (A) = M
1
= rg (A).
Tema 3. Diagonalizacin. Forma cannica de Jordan. | Teorema de Perron-Frbenius
Teorema de Perron-Frbenius
Seccin 4
Sea A una matriz de orden n no nula y supongamos que a
ij
> 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 R
n
, escribiremos x 0 cuando x
i
0 para todo 1 i n y x > 0 cuando
x
i
> 0 para todo 1 i n.
Observacin
En las hiptesis de teorema anterior, si 0 = x 0 se verica que Ax > 0.
Demostracin.
Consideramos el conjunto
C
A
:= {t R : existe 0 = x 0 tal que Ax tx}.
Veamos que C
A
contiene algn nmero positivo. Sea x = (1, 1, . . . , 1), entonces
y = Ax verica que y > 0. Por tanto, tomando = min
i
{y(i )} > 0, tenemos que
Ax = y x luego C
A
.
Como las aplicaciones x Ax, x tx son lineales en R
n
, en la denicin de C
A
podemos suponer que
n
i =1
x(i ) = 1.
Probamos ahora que C
A
es cerrado. Dada una sucesin {t
m
} de elementos de C
A
convergiendo a t queremos ver que t C
A
. Para cada m existe x
m
0 tal que
n
i =1
x
m
(i ) = 1 y Ax
m
t t
m
x
m
.
Pasando a una subsucesin podemos suponer que {x
m
} x. Como x
m
0 y
n
i =1
x
m
(i ) = 1, obtenemos que x 0 y
n
i =1
x(i ) = 1. Puesto que Ax
m
t
m
x
m
,
tomando lmite obtenemos que Ax tx, luego t C
A
.
Veamos ahora que C
A
est mayorado. Sea t C
A
y x el vector asociado con
n
i =1
x(i ) = 1. Sumando las coordenadas tenemos que
t =
n
i =1
(tx)(i )
n
i =1
(Ax)(i ) =
n
i =1
_
n
j=1
(a
ij
x(j )
_
=
n
j=1
x(j )
n
i =1
a
ij
=
n
j=1
n
i =1
a
ij
:= M.
Luego C
A
est mayorado por M.
Como C
A
es cerrado y mayorado, tiene mximo que denotamos por
0
. Veamos
que
0
es el autovalor que buscamos.
Puesto que
0
C
A
, existe 0 = x 0 vericando Ax
0
x. Veamos que
Ax =
0
x. Si Ax =
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
+ C
A
, pero esto es
imposible, ya que
0
= maxC
A
.
Cualquier vector propio asociado a
0
tiene todas sus coordenadas positivas.
Si 0 = 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.
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| := (|y
1
|, . . . , |y
n
|), se verica que
A(|y|) |Ay| = |y| = |||y| ,
luego || C y, por tanto, ||
0
. De hecho, vamos a probar que si =
0
,
entonces || <
0
.
Por ser A estrictamente positiva, para > 0 sucientemente pequeo, la matriz
A
= A I
n
tambin es estrictamente positiva. Es claro que y
0
son
autovalores de A
y que
0
= maxC
AI
n
. Por tanto, utilizando lo que ya
hemos demostrado obtenemos que
| |
0
. (1)
Comprobamos que la desigualdad anterior no se verica si || = |
0
| y =
0
.
En tal caso, usando las propiedades del mdulo obtenemos que
| | ||| | = ||
0
| | =
0
.
Por tanto, tendramos que | | = ||| | =
0
.
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
= a
2
+ b
2
+
2
2a
mientras que
||| |
2
= a
2
+ b
2
+
2
2
_
a
2
+ b
2
.
Como ambos mdulos coinciden, entonces tenemos
a =
_
a
2
+ b
2
b = 0,
luego R que ya sabemos que es imposible.

Diagonalizacion I Matrices Idempotentes

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Diagonalizacion I Matrices Idempotentes

Загружено:

Авторское право:

Доступные форматы

Tema 3. Diagonalizacin. Forma cannica de Jordan.

Tema 3. Diagonalizacin. Forma cannica de Jordan.

tambin es simtrico, ha de tener algn valor

Вам также может понравиться