Академический Документы
Профессиональный Документы
Культура Документы
Conjuntos Ortogonales
1 Ortogonalidad
Desde el principio de la clase, cuando de…nimos el producto punto entre dos vectores, dijimos que
cuando dos vectores v y w de Rn son ortogonales cuando cumplen que v w = 0. Este concepto
de ortogonalidad nos lo encontramos muchas veces y es muy importante. Por ejemplo, considere el
siguiente problema:
2 p p 3
0 0 2 2
6 0 1 p1 p1 7
6 27
Ejercicio 1 ¿Es la matriz A = 6 p p1 1
2
1 7 diagonalizable?
4 p2 2 2 2 5
2 p1 1 1
2 2 2
Si lo es, encuentre una matriz diagonal D y una matriz Q tal que Q 1 AQ = D: ¿Puede encontrar
una matriz Q con alguna condición especial?
Sol: Primero, note que la matriz A es simétrica, que, cómo veremos más adelante, nos simpli…ca
el problema. Tenemos que seguir los pasos:
1. Encontrar el polinomio característico p (x) = det(A xI): (Note que voy a usar la variable x
por simplicidad.
2. Resolver la ecuación característica p(x) = 0; que es det(A xI) = 0:
3. Si no se puede factorizar completamente en los reales, no hay su…cientes valores propios y no se
puede diagonalizar.
4. Si se puede factorizar completamente, por cada una de las raíces del polinomio característico,
debo hallar el espacio propio E ; y una base para ese subespacio. Si para algún valor propio, la
multiplicidad geométrica es menor que la multiplicidad algebraica, no hay forma de obtener los 4
vectores propios que me formen una base de R4 , y por tanto, no es diagonalizable.
5. Si todas las multiplicidades geométricas son iguales a las algebraicas, junto todas las bases que
encontré en el punto anterior y formo una base de R4 : La matriz cuyas columnas son esta base es la
matriz Q; y la matriz diagonal D se forma con los valores propios en la diagonal, teniendo cuidad de
poner el valor propio en la columna correspondiente. Esto es lo pedido
6. Para con…rmar que se cumple lo que queremos, es decir que no cometimos ningún error y que
en efecto tenemos Q 1 AQ = D; no nos ponemos a computar Q 1 ; sino que usamos la equivalencia
AQ = QD
Veamos las soluciones de cada paso. Les dejo de ejercicio que hagan los cálculos, yo los hice con
Mathematica y les voy a dar las respuestas.
2
1. p (x) = det(A xI) = x4 + 2x3 4x2 8x = x (x 2) (x + 2) :
1
2, 3. Como lo pude factorizar completamente, la ecuación característica det(A xI) = 0 tiene
solución completa y los valores propios son
2 p1 p1
3
1 0 2 2
60 1 p1 p1 7
Haciendo operaciones elementales, llegamos a 6
40 0
2 27
0 0 5
0 0 0 0
02 p1 3 2 p1 31 0 2 3 2 31
0 p1
2 2 2
B6 p1 7 6 p1 7C B 6 p1 7 6 0 7C
Así que E 2 = gen B
@4
6 2 7 ; 6 2 7C
5 4 5A = gen B @ v1 =6 2 7 ; v2
4 1 5 =6 7C
4 1 5A
1 0 2 2
1 1
0 1 2 2
Con…rmemos
2 quepestos últimos
p 3 2 si 3 son vectores propios.
0 0 2 2 2 3 2 3
0 0 0
6 0 1 1 1 7 p
6p p p 6 p1 7 6
27 6 27 2 7 6 p1 7
6 2
2
1 74 1 5 = 4
6 7 = 2 6 27
4 p p1
2
1
2 2 5 2
1 5 4 1 5
2
1 1 1 1 1 1
2 p
2 2 2 2 2
2 p p 32 3 2 p 3 2 1 3
0 0 2 2 p1 2 p
6 0 2 2
1 p1 p1 7 6 7 6 0 7 6 0 7
6p 2 276 0 7 6 7 6 7
6 2 p1 1 1 7 4 15 = 4 1 5 = 2 4 15
4 p 2 2 2 5 2 2
1 1
2 p1 1 1 1
2 2 2 2 2
Hice el cambio en los vectores generadores de E 2 buscando que v1 :v2 = 0 y que ambos sean
vectores unitarios.
Como ya2sabemos que la3multiplicidad algebraca de 2 es 2, ya se que es diagonalizable, que la
2 0 0 0
60 2 0 07
matriz D = 640
7 y tengo las dos primeras columnas de Q; que son v1 y v2 .
0 2 05
0 0 0 0
ii. Para 2 = 2 el espacio propio es E 2 = E2 = null(A 2I)): Nos queda buscar el espacio nulo de
2 p p 3
2 0 2 2
6 0 3 p1 p1 7
6p 2 27
6 2 p1 5 1 7:
4 p 2 2 2 5
2 p1 1 5
2 2 2
2
Al hacer eliminación de Gauss llegamos a
2 p 3
1 0 0 2
60 1 0 0 7
6 7
40 0 1 1 5
0 0 0 0
0 2 31
p1
2
B 6 0 7C
Por tanto E2 = gen B 6 7C
@v3 = 4 1 5A : Lo tomamos unitario. Note que
2
1
2
2 3 2 3 2 3 2 3
0 p1 p1 p1
2 2 2
6 p1 7 6 0 7 6 0 7 6 0 7
v1 :v3 = 6 27 6 7
4 1 5 4 1 5=0 v2 :v3 = 6 7 6 7
4 1 5 4 1 5 = 0:
2 2 2 2
1 1 1 1
2 2 2 2
1
En este caso calculemos Q : 2
p1 1 1 3
0 2 2 2
6 p1 0 1 1 7
1 6 2 2 7
Q = 6 p12 1 17
4 2 0 2 25
0 p1 1 1
2 2 2
Note que
1
Q = Qt
y esta es la matriz mas "bonita" que podemos pedir, pues hace que todos los cálculos sean más fáciles.
Ahora con…rmemos que Q 1 AQ = D:
3
2 1 32
p p 32 3
0 p1 1
0 0 2 2 0 p1 p1 0
2 2 2 2 2
6 p1 0 1 1 76 0 1 p1 p1 7 6 p1 p1 7
6 2 2 2 76 p 2 276 0 0 27
6 p1 1 17 6 2 p1 1 1 7 4 12 15
4 2 0 2 25 4 2 2 5
1 1
p 2 2 2 2 2
0 p1 1 1
2 p1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2 2
2 3
2 0 0 0
60 2 0 07
= 6 7
40 0 2 05
0 0 0 0
A una matriz como Q; que cumple Q 1 = Qt se le acostumbra llamar matriz ortogonal, y un
proceso de diagonalización en el que la matriz de vectores propios es ortogonal es lo que quisiéramos
siempre. Veremos más adelante que esto se da si y solo si la matriz A es simétrica.
Este ejemplo nos muestra la importancia de la ortogonalidad. Estudiaremos este concepto y luego
volveremos a diagonalización de matrices simétricas.
4
De…nición 7 Una base ortogonal de un subespacio W de Rn es una base de W que es un conjunto
ortogonal.
Una base ortonormal de un subespacio W de Rn es una base de W que es un conjunto ortonormal.
Nota 8 1. Sea W un subespacio de Rn y sea = fv1 ; v2 ; :::; vk g una base ortogonal para W , entonces
1
si qi = vi ; i = 1; 2; :::; k, fq1 ; q2 ; :::; qk g es una base ortonormal para W .
kvi k
2. Si es una base ortonormal para W , entonces es una base ortogonal para W . El recíproco no
es cierto.
Ejemplo 9 El conjunto fe1 ; e2 ; :::; en g es una base ortonormal para Rn .
82 3 9
< x =
Ejemplo 10 Sea W = 4 y 5 2 R3 = x 2y z = 0 : Encuentre una base ortonormal para W .
: ;
z
Sol: Dado que x = 2y + z 02 3 2 31
2 1
W = espacio @4 1 5 ; 4 0 5A ;
0 1
primero encontramos
2 una
3 base 2
(de dimension
3 2) ortogonal para W , = fu; vg y luego la normalizamos.
1 x
Tomemos u = 4 0 5 ; v = 4 y 5 tal que v 2 W y v:u = 0; esto es
1 z
x 2y z = 0
x+z = 0
2 3 2 3
x 1
luego v = 4 y 5 = z 4 1 5 ; z 2 R: Una base ortogonal para W es
z 1
82 3 2 39
< 1 1 =
= 4 0 5;4 1 5 ;
: ;
1 1
así, una base ortonormal para W será
8 2 3 2 39
< 1 1
1
1 =
0
= p 4 0 5; p 4 1 5 :
: 2 3 ;
1 1
Teorema 11 Sea = fu1 ; u2 ; :::; uk g una base ortogonal de un subespacio W / de Rn y sea w 2 W .
Entonces w se puede escribir como combinación lineal de los vectores de la base ortogonal como sigue
u1 w u2 w uk w
w= u1 + u2 + ::: + uk ;
u1 u1 u2 u2 uk uk
2 u w 3
1
6 u1 u1 7
6 7
6 u2 w 7
6 7
6 u2 u2 7
6
así, [w] = 6 7:
.. 7
6 7
6 . 7
6 7
4 uk w 5
uk uk
5
Prueba. Si w 2 W
/ ; existen escalares c1 ; :::; ck tales que
w = c1 u1 + c2 u2 + ::: + ck uk ;
tomemos un ui de
ui w = ui (c1 u1 + c2 u2 + ::: + ck uk )
ui w = c1 (ui u1 ) + c2 (ui u2 ) + ::: + ck (ui uk )
ui w = ci (ui ui )
ui w
ci =
ui ui
u1 w u2 w uk w
luego w = u1 + u2 + ::: + uk :
u1 u1 u2 u2 uk uk
Sol:
a. La matriz estándar de la transformación lineal T es
2 3
1 1 1
p p p
6 2 6 3 7
6 1 1 1 7
6 p p p 7
[T ] = 6 7:
6 2 6 3 7
4 2 1 5
0 p p
6 3
6
T
Para saber si [T ] es una matriz ortogonal chequeamos que [T ] [T ] = I3 : (Nota: no intentamos encontrar
la inversa)
2 32 3
1 1 1 1 1
p p 0 p p p 2 3
6 76 2 3 7
6 12 2
1 2 76 1 6
1 1 7 1 0 0
T 6 p 7 6 7 4
[T ] [T ] = 6 p p 76 p p p 7= 0 1 0 5 = I3 :
6 6 6 6 76 2 6 3 7
4 1 1 1 54 2 1 5 0 0 1
p p p 0 p p
3 3 3 6 3
b. Para calcular kT (x)k observemos primero que si notamos a [T ] como Q; T (x) = Qx y
q p p
T
kT (x)k = kQxk = (Qx) (Qx) = xT QT Qx = xT x = kxk
2 3
2
por tanto, si x = 4 4 5
6
p p
kT (x)k = kxk = 4 + 16 + 36 = 56:
c. T es transformación invertible ya que [T ] es matriz invertible (por ser ortogonal), y su inversa es
T
[T ] ; luego
2 3
1 1
2 3 p p 0
6 72 3
x 6 12 2
1 2 7 x
6 p 7
T 14 y 5 = 6 p p 74 y 5
6 6 6 6 7 z
z 4 1 1 1 5
p p p
3 3 3
2 3 2 1
p 1
p 3
x p 2 2x p+ 2 2y p
T 1 4 y 5 = 4 61 p6x 61 p 6y + 13 p6z 5 :
z 1 1 1
3 3y 3 3x + 3 3z
7
Teorema 18 Sea W un subespacio de Rn : Entonces W ? es un subespacio de Rn :
(cv) w = c (v w) = c0 = 0
Solución:
1. W es subespacio de R4 ya que
023 2 3 2 3 2 31
1 1 1 1
B6 1 7 6 2 7 6 1 7 6 2 7C
W = espacio B 6 7 6
@4 2 5 ; 4 3
7;6 7 6
5 4 2 5;4 3
7C :
5A
2 3 2 4
ya que 2 3 2 3
1 1 1 1 1 1 1 1
6 1 2 1 2 7 6 0 1 0 1 7
6 7E G6 7:
4 2 3 2 3 5 !4 0 0 0 1 5
2 3 2 4 0 0 0 0
8
3. El complemento ortogonal para W está dado por
W? = v 2 R4 = v w = 0 para todo w 2 W
W? = v 2 R4 = v wi = 0 para i = 1; 2; 3 :
2 3
x
6 y 7
Si v = 6 7
4 z 5, v 2 W debe cumplir
k
x + y + 2z + 2k = 0
x + 2y + 3z + 3k = 0
x + 2y + 3z + 4k = 0
resolviendo el sistema 2 3 2 3
1 1 2 2 1 1 2 2
4 1 2 3 3 5E G4 0 1 1 1 5
!
1 2 3 4 0 0 0 1
se tiene que 2 3 2 3
x 1
6 y 7 6 1 7
6 7 6 7
4 z 5 = z4 1 5
k 0
es decir que 02 31
1
B6 1 7C
W? = espacio B6 7C
@4 1 5A :
0
Nota 22 La matriz A tiene cuatro subespacios asociados: col (A) ; ren (A), nul (A) y nul AT lla-
mados los subespacios fundamentales de A:
82 3 9
>
> x >
>
<6 =
6 y 77 4 x+y+z+w =0
Ejemplo 23 Sea H = 4 2 R = :
>
> z 5 x + y + 2z = 0 >
>
: ;
w
?
1. Halle H y H :
2. Halle bases para H y H ? respectivamente.
9
Solución:
1. El conjunto H lo podemos ver como el espacio nulo de la matriz A donde
1 1 1 1
A= :
1 1 2 0
?
Así H = nul (A), entonces H ? = (nul (A)) = ren (A) : Como
1 1 1 1 1 1 1 1
A= E G
1 1 2 0 ! 0 0 1 1
resolviendo
x+y+z+w = 0
z w = 0
obtenemos 3 202 31
2 1
B6 0 7 6 1 7C
H = nul (A) = espacio B 6 7 6
@4 1 5 ; 4 0
7C :
5A
1 0
10
Solución: Vemos que H es un plano que pasa por el origen, luego dim (H) = 2; Así, es base
ortogonal de H si es un conjunto ortogonal y cada elemento de está en H. Tenemos
2 3 2 3
1 1
w:u = 4 1 5 4 1 5 = 0;
2 0
1 ( 1) 2=0y1 1 0 = 0: Luego
w v u v
proyH v = proyw v + proyu v = w+ u
2 3 2 w
3 w 2 3u
u
1 1 4
24 2 1
proyH v = 1 5+ 4 1 5 = 4 2 5:
6 2 3
2 0 2
Prueba. 1. Sea v 2 Rn ; tal que proyH v = v, entonces como proyH v 2 H se tiene que v 2 H: Por
otro lado, si v 2 H; entonces
u1 v u2 v uk v
v= u1 + u2 + ::: + uk = proyH v:
u1 u1 u2 u2 uk uk
2. Si proyH v = 0 entonces
u1 v u2 v uk v
u1 + u2 + ::: + uk = 0
u1 u1 u2 u2 uk uk
como fu1 ; u2 ; :::; uk g es un linealmente independiente, entonces u1 v = 0; u2 v = 0; :::; uk v = 0 y
así v 2 H ? .
Recíprocamente, si v 2 H ? entonces u1 v = 0; u2 v = 0; :::; uk v = 0, así
u1 v u2 v uk v
proyH v = u1 + u2 + ::: + uk = 0:
u1 u1 u2 u2 uk uk
3. Sea p = perpH (v) = v proyH v: Para ver si p 2 H ? es su…ciente con mostrar que p ui = 0
para i = 1; 2; :::; k:
p ui = (v proyH v) ui = v ui proyH v ui
u1 v u2 v uk v
= v ui u1 + u2 + ::: + uk ui
u1 u1 u2 u2 uk uk
u1 v uk v
= v ui (u1 ui ) ::: (uk ui )
u1 u1 uk uk
ui v
= v ui (ui ui )
ui ui
= v ui v ui = 0:
11
3.2 Teorema de la descomposición espectral
Teorema 28 Sea W un subespacio de Rn y sea v un vector de Rn . Entonces existen vectores únicos
w 2 W y w? 2 W ? tales que
v = w + w? :
Lema 29 Sea W un subespacio de Rn y sean 1 = fu1 ; u2 ; :::; uk g y 2 = fw1 ; w2 ; :::; wp g bases para
W y W ? respectivamente entonces 1 [ 2 = fu1 ; u2 ; :::; uk ; w1 ; w2 ; :::; wp g es una base para Rn :
dim (W ) + dim W ? = n:
12