Академический Документы
Профессиональный Документы
Культура Документы
Departamento de Matemtica
Campus Santiago
DIAGONALIZACION
DEFINICION:
Sea T : V V una transformacin lineal. Diremos que v V, v ,= 0
V
es un
vector propio de T si y slo si existe R tal que T(v) = v.
El elemento del cuerpo, , se llama valor propio asociado al vector propio v.
Sea V un espacio vectorial tal que dim
R
V = n, y sean B y B
dos bases de V .
Consideremos la matriz asociada a T respecto a estas bases A = [T]
B
B
.
Si X es un vector columna (n 1) tal que AX = X, diremos que X es un
vector propio de la matriz A y que es un valor propio de A asociado a X.
EJEMPLOS
1. Sea A =
3 0 0
0 5 0
0 0
. Entonces,
3 0 0
0 5 0
0 0
1
0
0
= 3
1
0
0
y luego v =
1
0
0
3 0 0
0 5 0
0 0
0
1
0
= 5
0
1
0
y luego v =
0
1
0
es un
vector propio de A y 5 es un valor propio asociado a v, y
3 0 0
0 5 0
0 0
0
0
1
0
0
1
y luego v =
0
0
1
es un vector propio
de A y es un valor propio asociado a v.
2. Generalizando esta idea, sea A = (a
ij
) M
nn
(R) una matriz diagonal. Entonces,
a
11
0 0
0 a
22
0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 a
ii
0
0 0
.
.
. 0
a
nn
0
0
.
.
.
1
.
.
.
0
= a
ii
0
0
.
.
.
1
.
.
.
0
1
es decir, los vectores de la base cannica de R
n
son vectores propios de A.
3. Sea f(x) = e
x
, R y consideremos la transformacin lineal dada por el
operador diferencial D. Como D(e
x
) = (e
x
), tenemos que la funcin f
es un vector propio del operador D y es un valor propio asociado a f.
DEFINICION:
Sea A = (a
ij
) M
nn
(R). El determinante det(A I), donde I es la matriz
identidad de orden n n, es un polinomio de grado n en la variable y se llama
polinomio caracterstico de A.
NOTACION:
A
() = det(A I).
DEFINICION:
La ecuacin
A
() = 0 es la ecuacin caracterstica y el conjunto
C :
A
() = 0 es el espectro de A, que denotamos por Spec(A).
Claramente, A I, con I matriz identidad de orden n n, representa a una
transformacin lineal de R
n
en R
n
. El Ker(A I) es un subespacio vectorial de
R
n
, y se llama espacio propio asociado al valor propio .
TEOREMA:
Sea A M
nn
(R). Las siguientes proposiciones son equivalentes:
1. El sistema AX = X tiene soluciones no triviales (soluciones X no nulas).
2. Ker(A I) ,= 0
V
1 1
1 1
1 1
1 1
=
2
2 = 0
= 2 = 0
2
Luego, para = 2, hacemos
1 1
1 1
x
y
= 2
x
y
x + y = 2x
x + y = 2y
x y = 0
Luego, el vector (1, 1) es un vector propio asociado al valor propio = 2, y el es-
pacio propio asociado es el espacio generado por este vector, es decir, (1, 1))
Para el valor propio = 0 hacemos
1 1
1 1
x
y
= 0
x
y
x + y = 0 y = x.
Luego, el vector (1, 1) es un vector propio asociado al valor propio = 0, y
el espacio propio asociado es (1, 1))
2. Sea A =
0 1
1 0
1
1
=
2
+ 1 = 0 = i.
En este caso, vemos que los valores propios no son nmeros reales, sino complejos.
As, es posible que una ecuacin caracterstica no tenga soluciones en R que
algunas soluciones no pertenezcan a R. por ello, es importante precisar el cuerpo
que se est considerando. En nuestro caso, ser R.
En el ejemplo, entonces, podemos armar que esta matriz no posee valores propios
reales y por lo tanto no tiene vectores propios asociados en R
2
.
3. B =
1 2 3
0 2 3
0 0 2
1 2 3
0 2 3
0 0 2
= (1 )(2 )
2
= 0
1
= 1
2
= 2
Buscamos ahora los correspondientes vectores propios.
Para
1
= 1:
1 2 3
0 2 3
0 0 2
x
y
z
= 1
x
y
z
0 2 3
0 1 3
0 0 1
x
y
z
0
0
0
1 2 3
0 2 3
0 0 2
x
y
z
= 2
x
y
z
1 2 3
0 0 3
0 0 0
x
y
z
0
0
0
1 2
2 1
.
b) B =
0 2 1
2 1 0
0 0 0
c) C =
1 2 1
2 0 2
1 2 3
d) D =
1 1 1
0 0 1
0 0 1
2. Sea B =
8 9 9
3 2 3
9 9 10
a b
c d
2c a + c
b 2c d
A
() = det(A I) = det(P
1
BP I) = det(P
1
BP P
1
P) =
= det(P
1
(BP P)) = det(P
1
(B I)P) =
= detP
1
det(B I) detP = det(B I) =
B
()
En otras palabras, las matrices similares tienen el mismo espectro (es decir, los
mismos valores propios).
EJERCICIOS:
1. Demuestre que las matrices A, B son similares, donde
A =
2 3
1 1
B =
0 1
1 1
P =
2 1
1 1
1 0 4
1 1 3
2 1 7
B =
1 0 1
0 1 1
3 1 2
i=1
i
v
i
Claramente, no todos los
i
son 0, puesto que los vectores propios son no nulos. Apli-
cando A a ambos lados:
A(v
s
) =
s
v
s
=
k
i=1
i
v
i
Hay dos posibilidades:
Si
s
= 0 entonces ninguno de los
i
, i = 1, , k es 0 ya que los valores propios
son todos distintos. Esto implicara que v
1
, v
2
, , v
k
es l.d, contradiciendo la
hiptesis.
Si
s
,= 0 entonces
v
s
=
k
i=1
s
v
i
Como no todos los
i
son 0 y
i
s
,= 1, esto contradice la unicidad de la repre-
sentacin de v
s
Luego, el conjunto de vectores propios es l.i.
DEFINICION:
Sea A M
nn
(R). Diremos que A es diagonalizable en R (respectivamente en C)
ssi existe una matriz P invertible tal que P
1
AP es una matriz diagonal. Las entradas
en la diagonal principal de esta matriz son los valores propios de A.
6
Consecuentemente, si T es una transformacin lineal entre dos espacios vectoriales
de dimensin n, diremos que T es diagonalizable en R ( C) si la matriz de T respecto
a las bases escogidas en los espacios es diagonalizable.
TEOREMA
Sea A M
nn
(R). Si los valores propios de A son reales y adems existe una base
de R
n
formada slo por vectores propios de A, entonces A es diagonalizable en R.
DEMOSTRACION
Sea B = v
1
, v
2
, , v
n
un conjunto de vectores propios l.i. correspondientes a los
valores propios
1
,
2
, ,
n
. Como A(v
i
) =
i
v
i
i = 1, , n se tiene que
A D, donde D =
1
0 0
0
2
0
0 0
n
OBSERVACIN:
1. Si A M
nn
(C), y los valores propios de A son todos diferentes y reales, entonces
A es diagonalizable en R.
2. Si se cambia R por C en el teorema anterior, se obtiene un resultado anlogo.
EJEMPLOS:
1. Diagonalice, si es posible, las siguientes:
1 1
0 0
0 1
1 0
1 c
0 1
, c ,= 0 no son diagonalizables.
3. Pruebe que las siguientes son diagonalizables:
1 2
2 1
x y
y z
1 2 2
2 2 2
3 6 6
c) A =
1 0 1 1 0
4 1 3 2 1
2 1 0 1 1
3 1 3 4 1
8 2 7 5 4
b) A =
1 1 1
1 3 1
1 2 0