Академический Документы
Профессиональный Документы
Культура Документы
Teorema 1
Teorema 2
Toda matriz cuadrada simétrica es diagonalizable, más aún, es ortogonalmente
diagonalizable (esto quiere decir que la matriz de paso P es ortogonal o sea
P 1 = P T y además ).
x1 y
1
x2 y
Sean X e Y 2 matrices columnas, entonces el producto interno (escalar) se puede
x y
n n
expresar en forma matricial así:
X / Y X Y x .y x .y x .y XT Y
1 1 2 2 n n
y
1
XT Y x x x
1 2
y2
n
y
n
Si en el primer factor del producto anterior aparece una matriz A se tendrá lo siguiente:
AX / Y AXT Y XT AT Y XT AT Y X / AT Y
En consecuencia para cualquier matriz A se cumple que AX / Y X / A T Y . Pero si A es
Demo
Si A es simétrica y además AU U AV V con , U 0 V 0 , por lo demostrado
anteriormente se puede escribir:
A U / V U / A V U / V U / V U / V U / V U / V 0
En resumen:
- Si la matriz A es simétrica los autovectores de A asociados a autovalores distintos, son
ortogonales entre sí.
- Si la matriz A no es simétrica los autovectores pueden ser oblicuos.
- Si la matriz A es simétrica se puede hallar una base ortonormal de cada subespacio y luego
es posible hallar una base ortonormal de todo el espacio (hay infinitas bases).
Si se forma una base ortonormal de R n , U1, U 2 ,, U n (formada por los autovectores) se tiene:
1 si i j
U / U
i j
0 si i j
En tal caso
U
1
U
P T . P 2 U1 U 2 U n
U
n
U /U U1/ U 2 U1/ U n 1
1 1 0 0 0
U /U U2/ U2 U2/ Un 0 1 0 0
PT . P 2 1 I
U n / U1 Un / U2 Un / Un 0 0 0 1
Como PT . P I PT P1
Es decir P es ortogonal, esto significa que las columnas o filas de P forman una base ortonormal.
Las filas y/o columnas son ortogonales y de módulo 1.
Método de Gram−Schdmidt
El siguiente teorema que se aceptará sin demostración:
Teorema 4
Sea un espacio vectorial con producto interno y sea una base
V1 U1
U 2 / V1
V2 U 2 2
V1 U 2 (proyección vectorial de U 2 sobre V1 )
V1
U3 / V1 U3 / V2
V3 U3 2
V1 2
V2 U 3 (proyección vectorial de U 3 sobre V1 )
V1 V2
En general
U n / V1 U n / Vn 1
Vn U n 2
V1 2
Vn 1
V1 Vn 1
Para obtener la base ortonormal se deben normalizar los vectores obtenidos anteriormente.
Este método permite pasar de una base cualquiera a otra cuyos vectores son ortogonales y de
módulo unitario.
Ejemplo
2 1 1
Diagonalizar ortogonalmente la matriz A 1 2 1
1 1 2
Como Aes simétrica se puede hallar una matriz de paso ortogonal que la diagonalice.
2 1 1
A I 0 1 2 1 0
1 1 2
2 1 1 1 1 0 1 1 0
1 2 1 0 1 2 1 0 1
2
1 2 1 0
1 1 2 0 1 1 0 1 1
1 1 0
1 0 3 1 0 1 3 1 1 4 0
2 2 2
0 1 1
Para 1
1 1 1 x 0 x 1 0
1 1 1 y 0 x y z 0 z x y M A 1 y 0 , 1
1 1 1 z 0 x y 1 1
Para 4
2 1 1 x 0 2 1 1 0
2x y z 0
1 2 1 y 0 0 3 3 0 yz xz
1 3y 3z 0
1 2 z 0 0 3 3 0
z 1
M A 4 z 1
z 1
1 0 1
La base encontrada es 0 , 1 , 1 . Se ve que los dos primeros vectores no son ortogonales
1 1 1
entre si y además ninguno de los tres tiene módulo unitario, sin embargo a partir de ella podemos
obtener una base ortonormal.
1
V U1 0
1
1
0 1 0 1 1/ 2
0, 1,1 / 1, 0,1 1
V 1 0 1 0 1
2
1
1, 0,1 2 1 1 2 1 1/ 2
1 1 1/ 2
1, 1, 1 / 1, 0,1 1, 1, 1 / 1 / 2, 1,1 / 2
V 1 0 1
3
1
1, 0,1 2 1
1 / 2, 1,1 / 2 2 1/ 2
Este último resultado es razonalble ya que este autovector es ortogonal (perpendicular) a los dos
anteriores por pertenecer a autovalores diferentes según un teorema demostrado anteriormente.
Ahora se normalizan los vectores hallados para obtener la base ortonormal
1 1
1
6 3
2
2 1
V 0 V V
1 2 6 3 3
1
1
2 1
6 3
Luego la matriz de paso es:
1 1 1
2 6 3
P 0
2 1
6 3
1 1 1
2 6 3
V1 V2 V3
En la siguiente figura se han representado en Geogebra las dos bases de este ejemplo. En la misma
es el ángulo entre U1 y U 2 (tiene un valor de 60°) como se observa en la vista algebraica.
Mientras tanto en la nueva base todos los ángulos son de 90°.
U3
V3
V1 V2
U1 U2
Se observa también en esta gráfica que los módulos de los vectores de la nueva base son unitarios.
Entonces
1 0 0
1
P . A. P D 0 1 0
0 0 4
La ventaja de trabajar con una nueva base ortonormal es la de mantener la ortogonalidad entre los
ejes y la escala de cada uno de ellos.
Teorema de Cayley-Hamilton
Teorema 5
Sea A Rnxn y pA ( ) su polinomio característico, entonces A es un cero de su polino-
mio característico.
Ejemplo
3 3 2 1 3 0 0 2 3 0 0 1
M
2 3 5 0 0 2
0 0 3 5
1 0 2 0 1 3 0 0 1 3
3 . B 2 . B . B B
0 0 1 0 1 0 3 5 3 2 1 0
Por b)
C0 C1 . λ C2 . λ 2 Cn 1 . λ n 1 1 . λ n . I
n
p A λ A λ.I
Igualando términos
A . B0 C0 . I
A . B1 B0 C1 . I
A . B2 B1 C2 . I
……………………
A . Bn 1 Bn 2 Cn 1 . I
Bn 1 1 . I
n
A . B0 C0 . I
A 2 . B1 A . B0 A . C1
A3 . B2 A 2 . B1 A . C2
…………………………………..
A n . Bn 1 A n 1 . Bn 2 A n 1. Cn 1
A n . Bn 1 1 A n . I
n
A . B0 A2 . B1 A . B0 A3 . B2 A2 . B1 An . Bn 1 An 1 . Bn 2 An . Bn 1
C0 . I C1 . A C2 . A2 Cn 1 . An 1 1 . An
p A A
Se recomienda al estudiante realizar los cálculos anteriores para verificar el siguiente resultado.
Entonces resulta
pA A pA A
Ejemplo
Hallar A 1 usando el teorema de CayleyHamilton.
1 2 1
A 1 0 1
4 4 5
El polinomio característico es: p A 3 62 11 6 2 2 4 3
Por el teorema de CayleyHamilton p A A
p A A A3 6A 2 11A 6I
1
A . A 2 6 A 11 . I 6I A . A 2 6 A 11 . I I
6
A 1
Florencia Alurralde – José Giliberti 7
Álgebra Lineal y Geometría Analítica
Operando se llega a:
2/3 1 1/ 3
A 1 1 / 6 3 / 2 1 / 3
2 / 3 2 1 / 3
Polinomio minimal
Ejemplo
2 1 1
Sea A 2 3 2 cuyo polinomio característico es PA 1 7
2
3 3 4
Se observa que los autovalores de A son: 1 autovalor doble y 7 autovalor simple.
Un posible polinomio minimal es:
Pm 1 7
1 1 1 5 1 1
A I 2 2 2 y A 7I 2 4 2
3 3 3 3 3 3
1 1 1 5 1 1
A IA 7I 2 2 2 2 4 2
3 3 3 3 3 3
Como se anula podemos afirmar que el polinomio minimal de T (o de A) es:
Pm 1 7
Nota: el polinomio minimal contiene todas las reíces del polinomio característico. En ocasiones el
polinomio minimal coincide con el polinomio característico.
Recordar
- Si una matriz simétrica tiene todos sus autovalores distintos, la matriz de paso ya es una
matriz con sus columnas ortogonales, sólo falta normalizarlas para obtener una matriz
ortogonal.
- Si una matriz simétrica tiene autovalores múltiples se debe aplicar Gram-Schdmit para
obtener una matriz de paso ortogonal.