Академический Документы
Профессиональный Документы
Культура Документы
9 de febrero de 2011
Índice
19.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
19.2. Matriz diagonalizable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
19.3. Condiciones para la diagonalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
19.4. Uso de la Factorización PDP−1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
19.5. Aplicación: Cadenas de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
19.1. Introducción
En esta lectura veremos uno de los temas más importantes del Álgebra Lineal que tiene aplicaciones
fundamentales en Ingenierı́a. Éste es el tema de la diagonalización de una matriz cuadrada. Se revisará la
definición, algunos resultados teóricos y algunas aplicaciones. Se requieren los conceptos de valor y vector
propio, polinomio caracterı́stico y bases de un espacio lineal.
El siguiente resultado indica qué significa que una matriz A sea diagonalizable.
Teorema
Demostración
Supongamos que A es diagonalizable. Por tanto, existen matrices P invertible y D diagonal tal que
P−1 AP = D ó A = PDP−1
B = {p1 , p2 . . . , pn }
es base para Rn y que A pi = di pi . Como
P−1 P = In×n = [e1 e2 · · · en ] = P−1 [p1 p2 · · · pn ] = P−1 p1 P−1 p2 · · · P−1 pn
Por tanto, pi es un vector propio asociado al valor propio di de A. Siendo P es invertible, P se reduce a In×n .
Por tanto, B es linealmente independiente y genera a Rn . Por tanto, B es una base para Rn formada por
vectores propios.
Supongamos ahora que se tiene una base para Rn
B = {p1 , p2 . . . , pn }
Ası́, P es invertible y
P−1 AP = P−1 (A [p1 p2 · · · pn ])
= P−1 [Ap1 Ap2 · · · Apn ]
= −1
−1[d1 p1 d2−1
P d2 · · · dn dn ]
−1 d p
= P d 1 p 1 P d 2 p 2 · · · P n n
= d1 P−1 p1 d2 P−1 p2 · · · dn P−1 pn
= [d1 e1 d2 e2 · · · dn nn ]
= D
por tanto, A es diagonalizable.
por tanto, pA (t) tiene todos sus valores propios reales. La contrapositiva de esta afirmación es que si el
polinomio caracterı́stico de A al menos una raı́z compleja, entonces A no puede ser diagonalizable.
2
Si tiene todos sus valores propios reales y son diferentes, sı́ es diagonalizable. Supongamos que sea el
caso. Como pA (t) tiene grado n entonces tendrá n raı́ces reales y diferentes. Por tanto, si
B = {x1 , x2 , . . . , xn }
es un conjunto formado por vectores propios asociados a valores propios diferentes entonces, B es un
conjunto linealmente independiente. Como tiene n elementos B, es base para Rn . Por el resultado ya
probado A es diagonalizable.
Si tiene todos sus valores propios reales, y si para cada valor propio que apareció repetido como raı́z de
la ecuación caracterı́stica el número de veces que apareció repetido (multilicidad algebraica) es igual a
la multiplicidad o dimensión geométrica entonces sı́ es diagonalizable.
Toda matriz cuadrada simétrica es diagonalizable. Más aún: A es simétrica si y sólo si es ortogo-
nalmente diagonalizable.
A = PDP′
Esto es, la matriz P se puede cambiar por otra ortogonal (PP′ = I).
Ejemplo 19.1
Determine si la matriz es diagonalizable
1 2
A=
−1 2
Solución
El polinomio caracterı́stico de A es
pA (t) = 4 − 3 t + t2
√ √
y sus raı́ces son: t1 = 3/2 + i 7/2 y t1 = 3/2 + i 7/2. Por tanto, tiene raı́ces complejas y por tanto no es
diagonalizable
Ejemplo 19.2
Determine si la matriz es diagonalizable
1 1
A=
0 1
Solución:
El polinomio caracterı́stico de A es pbf A (t) = (t − 1)2 . Y por tanto, el único valor propio es t = 1. El espacio
nulo de [A − (1)I] es precisamente el espacio invariante de t = 1 de A y es:
kernel([A − (t = 1) I]) = Gen (1, 0)′
El conjunto B = {(1, 0)′ } no alcanza para una base para R2 . Por tanto, A no es diagonalizable.
Ejemplo 19.3
Determine si la matriz es diagonalizable y calcule una factorización:
1 2
A=
2 1
3
Solución:
El polinomio caracterı́stico de A es
pA (t) = −3 − 2 t + t2
y sus raı́ces son t1 = −1 y t2 = 3. Por tanto, sus raı́ces son reales y diferentes. Por tanto, A es diagonalizable.
Deteminemos bases para los espacios nulos.
Para t = −1
Directo de Maple:
ν(A − (−1)I) = Gen (−1, 1)′
Para t = 3
Directo de Maple:
ν(A − (3)I) = Gen (1, 1)′
Por tanto una base para R2 con vectores propios es:
B = (−1, 1)′ , (1, 1)
Por consiguiente,
−1 1 −1 −1/2 1/2 −1 0
P= ,P = ,D=
1 1 1/2 1/2 0 3
Ejemplo 19.4
Determine si la matriz es diagonalizable y calcule una factorización:
−1 −1 1
A = −1 2 4
1 4 2
Solución:
El polinomio caracterı́stico de A es
pA (t) = 18 t + 3 t2 − t3
y sus raı́ces son t1 = 0, t2 = −3 y t3 = 6. Por tanto, sus raı́ces son reales y diferentes. Por tanto, A es
diagonalizable.
Deteminemos bases para los espacios nulos.
Para t1 = 0
Directo de Maple:
ν(A − (0)I) = Gen (−2, 1, −1)′
Para t2 = −3
Directo de Maple:
ν(A − (−3)I) = Gen (−1, −1, 1)′
Para t3 = 6
Directo de Maple:
ν(A − (6)I) = Gen (0, 1, 1)′
Por tanto una base para R3 con vectores propios es:
B = (−2, 1, −1)′ , (−1, −1, 1), (0, 1, 1)′
Por consiguiente,
−2 −1 0
P = 1 −1 1
−1 1 1
4
1/3 −1/6 1/6
P−1 = −1/3 −1/3 1/3
0 1/2 1/2
0 0 0
D = 0 −3 0
0 0 6
Ejemplo 19.5
Determine todos los valores del parámetro real c para los cuales no es diagonalizable la matriz.
4 0 0
A = 0 −3 1
0 0 c
Por tanto, la dimensión geométrica de t = 4 es 2. Por tanto, la dimensión geométrica de t = 4 coincide con la
dimensión algebraica (2). Por tanto, para todos los valores propios la dimensión dimensión algebraica coincide
con la geométrica. Por tanto, para c = 4 la matriz A sı́ es diagonalizable.
Para c = −3
Los valores propios son t1 = 4, t2 = −3 y t3 = −3. Por tanto, el único valor propio que debemos revisar para
la posible diagonalización es t = −3:
1 0 0 0
rref
[A − (−3) I|0] −−−→ 0 0 1 0
0 0 0 0
Por tanto, la dimensión geométrica de t = −3 es 1 y no coincide con la dimensión algebraica (2). Por tanto, la
matriz A no esdiagonalizable para c = −3.
P−1 AP = D → A = PDP−1
5
Y por tanto:
A2 = AA = PDP−1 PDP−1 = PD2 P−1
De igual manera se obtiene:
Ak = PDk P−1
La gran ventaja de esto es que debido a que D es diagonal:
k
λ1 0 ··· 0
0 λ2 k · · · 0
Dk = .
.. ..
. 0
0 0 ··· λn k
Se considera ventaja pues el número de FLOPs usados para calcular Ak por la manera tradicional es (k −
1) n2 (2 n − 1), es decir O(2 k n3 ) mientras que para calcular PDk P−1 es n2 (2 n − 1) + n (k − 1) + k n2 . Es decir,
es O(2 n3 + k n2 ). Dando un ahorro sustancial de FLOPs en el cálculo de potencias de una matriz cuando ya
se posee una factorización diagonal.
6
Y dentro de k años serán: k
0.65 0.15 xo
Xk = Ak Xo =
0.35 0.85 yo
Los valores propios para la matriz A son λ1 = 1 y λ2 = 1/2 y vectores propios correspondientes son:
3 −1
v1 = , v2 =
7 1
Por tanto,
−1
3 −1 1 0 3 −1
A=
7 1 0 1/2 7 1
" #
1k
−1
0
k 3 −1 3 −1
A = k
7 1 0 (1/2) 7 1
Por tanto −1
k 3 −1 1 0 3 −1 0.3 0.3
lı́m A = =
k→∞ 7 1 0 0 7 1 0.7 0.7
Ası́
k 0.3 0.3 xo 0.3xo + 0.3yo 0.3
X∞ = lı́m A · Xo = = =
k→∞ 0.7 0.7 yo 0.7xo + 0.7yo 0.7
Por consiguiente, a largo plazo, los fumadores serán el 30 % de la población en comparación con el 70 % de no
fumadores. Recuerde que xo + yo = 1.
Ejemplo 19.7
Suponga que sólo existen tres lecherı́as en el mercado Leche Lola, Leche Los Puentes, y Leche ParmaLac.
Suponga que de un mes a otro
Lola retiene el 80 % de sus clientes, atrae 20 % de los clientes de Los Puentes, y atrae 10 % de los clientes
de ParmaLac,
Los puentes retiene 70 % de sus clientes, atrae 10 % de los clientes de Lola, y atrae 30 % de los clientes
de ParmaLac, y
ParmaLac retiene 60 % de sus clientes, atrae el 10 % de los clientes de Lola, y atrae el 10 % de los clientes
de Los puentes.
Usando los cálculos reportados en las figuras 1 y 2, los valores propios son:
7
Figura 1: Ejemplo 3: cálculo de vectores propios de A.
Por tanto
−0.744845 −0.707107 +0.408248
P = −0.579324 +0.707107 −0.816497
−0.331042 0. +0.408248
1.0 0 0
D = 0 .60 0
0 0 .50
Por tanto,
1 0 0
∞ k P−1
A = lı́m A = P 0 0 0
k→∞
0 0 0
.45 .45 .45
A∞ = lı́m Ak = .35 .35 .35
k→∞
.20 .20 .20
Por tanto la ditribución del mercado de leche a largo plazo sin importar la distribución actual es:
45 %
35 %
20 %