Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1B-05 Diagonalizacion
1B-05 Diagonalizacion
Diagonalizaci
on
5.1
5.1.1
Introducci
on. Valores y vectores propios.
Planteamiento del problema.
5.1.2
Diagonalizaci
on. Valores y vectores propios.
Supongamos que la matriz Ann es diagonalizable, es decir que existe P inversible tal que
P 1 AP = D , con D diagonal.
Esto es equivalente a que exista P inversible tal que AP = P D para cierta matriz D
diagonal, luego
p11 p12
p21 p22
AP = P D = .
..
..
.
pn1 pn2
Algebra
Lineal.
p1n
p2n
..
..
. .
pnn
1 0 0
1 p11 2 p12
1 p21 2 p22
0 2 0
.. .. . . .. = ..
..
. . .
. .
.
0 0 n
1 pn1 2 pn2
n p1n
n p2n
..
..
.
.
n pnn
57
Ap2 = 2 p2 ,
...,
Apn = n pn ,
Algebra
Lineal.
58
5.2 Diagonalizacion
5.2
Diagonalizaci
on
p11 p12
p21 p22
P =
..
..
.
.
pn1 pn2
p1n
p2n
..
..
. .
pnn
1 p11 2 p12
1 p21 2 p22
AP = .
..
..
.
1 pn1 2 pn2
n p1n
n p2n
..
..
.
.
n pnn
p11 p12
p21 p22
= ..
..
.
.
pn1 pn2
p1n
1 0 0
0 2 0
p2n
. . . .
.
..
. .. .. .. . . ..
pnn
0 0 n
= PD
donde D es la matriz diagonal que tiene como elementos en la diagonal principal a los valores
propios 1 , 2 , . . . , n . Dado que los vectores columnas de P son linealmente independientes,
P es inversible y por tanto se tiene que D = P 1 AP , es decir, A es diagonalizable.
Algebra
Lineal.
59
5.2 Diagonalizacion
Proposici
on 5.9 Sea f : V V un operador lineal, siendo V un espacio vectorial de
dimensi
on n. Entonces, existe una base de V con respecto a la cual la matriz de f es diagonal
si y solo si f tiene n vectores propios linealmente independientes.
Teorema 5.10 Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores
propios 1 , 2 , . . . , k respectivamente, siendo i 6= j , i, j = 1, 2, . . . , k , con i 6= j . Entonces
el conjunto de vectores {v1 , v2 , . . . , vk } es linealmente independiente.
Demostracion:
Supongamos que v1 , v2 , . . . , vk son linealmente dependientes.
Por definicion, un vector propio es distinto de cero, luego el conjunto {v1 } es linealmente
independiente. Sea r el maximo entero tal que {v1 , v2 , . . . , vr } es linealmente independiente.
Puesto que hemos supuesto que {v1 , v2 , . . . , vk } es linealmente dependiente, r satisface que
1 r < k . Ademas, por la manera en que se definio r , {v1 , v2 , . . . , vr , vr+1 } es linealmente
dependiente. Por tanto, existen escalares c1 , c2 , . . . , cr+1 , al menos uno diferente de cero, tales
que
c1 v1 + c2 v2 + + cr+1 vr+1 = 0.
h5.1i
Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones
Av1 = 1 v1 , Av2 = 2 v2 , . . . , Avr+1 = r+1 vr+1
se obtiene
c1 1 v1 + c2 2 v2 + + cr r vr + cr+1 r+1 vr+1 = 0
h5.2i
Multiplicando los dos lados de (5.1) por r+1 y restandole a (5.2) la ecuacion resultante se
obtendra
c1 (1 r+1 )v1 + c2 (2 r+1 )v2 + + cr (r r+1 )vr = 0.
Y dado que los vectores v1 , v2 , . . . , vr son linealmente independientes, necesariamente
c1 1(1 r+1 ) = c2 (2 r+1 ) = = cr (r r+1 ) = 0
Como los 1 , 2 , . . . , r+1 son distintos entre si, se deduce que c1 = c2 = = cr = 0.
Sustituyendo estos valores en (5.1) resulta que cr+1 vr+1 = 0 , y como vr+1 6= 0 se deduce
que cr+1 = 0, lo que contradice el hecho de que al menos uno de los escalares c1 , c2 , . . . , cr+1
deba de ser distinto de cero. Luego no se puede suponer que v1 , v2 , . . . , vk sean linealmente
dependientes y tenemos probado el teorema.
Corolario 5.11 Si una matriz A de orden n tiene n valores propios distintos, entonces A es
diagonalizable.
Proposici
on 5.12 Sea A una matriz de orden n y i un valor propio de A de multiplicidad
ni , si V (i ) es el espacio caracterstico correspondiente al valor propio i . Entonces
1 dim V (i ) ni .
Demostracion:
Evidentemente dim V (i ) 1, como ya observamos en la definicion 5.4.
Supongamos entonces que dim V (i ) = d, y consideremos el operador lineal f : IRn IRn
definido por f (v) = Av Sea {v1 , . . . , vd } una base del espacio caracterstico V (i ), que podemos
completar hasta obtener una base de IRn , {v1 , . . . , vd , vd+1 , . . . , vn }. En dicha base, la matriz
del operador sera de la forma
i 0 0
0 i 0
. . .
..
.
.
.
.
0
.
.
.
B
A =
0 0 i
Algebra
Lineal.
B0
60
5.3
Diagonalizaci
on ortogonal.
Algebra
Lineal.
61
5.4 Ejercicios
Demostracion:
En efecto, A es diagonalizable ortogonalmente existe P ortogonal tal que P t AP = D
(con D diagonal) existe P ortogonal tal que AP = P D .
Si llamamos p1 , p2 , . . . , pn a los vectores columnas de P , estos vectores son ortonormales
y
lo mismo que escribir Ap1 = 1 p1 , . . . , Apn = n pn , supuesto que D =
lo anterior es
1 0 0
0 2 0
. .
. , y como al ser P inversible se tiene que p1 , p2 , . . . , pn son linealmente inde . . ..
. ..
. .
0 0 n
pendientes y por tanto no nulos A tiene n vectores propios ortonormales.
Teorema fundamental de la diagonalizaci
on ortogonal 5.15 Una matriz A de orden n es
diagonalizable ortogonalmente si y solo si A es simetrica.
Teorema 5.16 Si A es una matriz simetrica, entonces los vectores propios que pertenecen a
valores propios distintos son ortogonales.
Demostracion:
Sean 1 y 2 valores propios distintos de una matriz simetrica A y sean u y v vectores
propios correspondientes a 1 y 2 respectivamente.
Tenemos que probar que ut v = 0. (Notar que ut Av es un escalar).
Se tiene que
ut Av = (ut Av)t = v t Au = v t 1 u = 1 v t u = 1 ut v ,
y por otra parte que ut Av = ut 2 v = 2 ut v ,
por tanto 1 ut v = 2 ut v (1 2 )ut v = 0 y como 1 2 6= 0, entonces ut v = 0.
5.4
Ejercicios
!
5 6
2
4 0
2 7
a)
b) 0 1 8 c) 2 1
1
2
1 0 2
2 0
0
1
!
a b
2c
a+c
T
=
c d
b 2c
d
Hallar los valores propios de T y bases para los subespacios caractersticos de T .
5.3 Demostrar que = 0 es un valor propio de una matriz A si y solo si A es no inversible.
5.4 Probar que el termino constante del polinomio caracterstico P () = |I A| de una
matriz A de orden n es (1)n det(A).
5.5 Demostrar que si es un valor propio de A entonces 2 es un valor propio de A2 .
Demostrar por induccion que, en general, n es un valor propio de An , n IN.
5.6 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar
una matriz
P talque P 1 AP = D con D matriz
diagonal:
!
1 4 2
3 0 0
14 12
c) 3 4 0
a) 0 2 0 b)
20 17
3 1 3
0 1 2
Algebra
Lineal.
62
5.4 Ejercicios
x1
2x1 x2 x3
x1 x3
5.7 Sea T : IR3 IR3 el operador lineal T x2 =
. Hallar una base
x3
x1 + x2 + 2x3
3
de IR respecto de la cual la matriz de T sea diagonal.
5.8 Sea P1 (x) el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T : P1 (x)
P1 (x) el operador lineal T (a0 +a1 x) = a0 +(6a0 a1 )x. Hallar una base de P1 (x) respecto
de la cual la matriz de T sea diagonal.
5.9 Sea A una matriz de orden n y P una matriz inversible de orden n. Demostrar por
induccion que (P 1 AP )k = P 1 Ak P , k IN.
1 0
1 2
!
2 1 1
2
7 24
a)
b) 1 2 1 c)
0
24 7
1 1 2
0
5.14
5.15 Probar que A y At tienen los mismos valores propios siendo A una matriz de orden n.
5.16 Sea A una matriz de orden n y P () = |I A|. Probar que el coeficiente de n1 en
P () es el opuesto de la traza de A.
5.17 Sea A una matriz de orden n inversible, demostrar que los valores propios de A1 son los
inversos de los valores propios de A.
5.18 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son
uno o menos uno.
5.19 Se sabe que (1, 0, 0), (1, 1, 0), (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de
orden 3 y que hay vectores de IR3 que no lo son. Calcular todos los vectores propios de la
matriz.
(
un = 3un1 + 3vn1
. Utilizar la divn = 5un1 + vn1
agonalizacion para calcular un y vn en funcion de n, sabiendo que u0 = v0 = 1.
5.21 Los dos primeros terminos de una sucesion son a0 = 0 y a1 = 1. Los terminos siguientes
se generan a partir de ak = 2ak1 + ak2 ; k 2. Hallar a127 .
Algebra
Lineal.
63
5.4 Ejercicios
5.22 El propietario de una granja para la cra de conejos observo en la reproduccion de estos
que:
i). Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada
mes.
ii). Una pareja recien nacida tarda dos meses en tener la primera descendencia.
Si partimos de una pareja adulta y siendo an el n
umero de parejas nacidas en el n-esimo
mes (a0 = 0), se pide:
a) Obtener una formula recurrente para an en funcion de terminos anteriores.
(1 + 5)n (1 5)n
b) Probar que an =
2n 5
an+1
c) Calcular, si existe: lim
.
n an
5.23 Sea el determinante n n siguiente:
Dn =
3
1
0
0
..
.
1
3
1
0
..
.
0
1
3
1
..
.
0
0
1
3
..
.
..
.
0
0
0
0
..
.
0
0
0
0
..
.
0 0 0 0 3 1
0 0 0 0 1 3
A= 0
0
b y c son
aneamente
las matrices
simult
diagonalizables
a b
1 a b
2 c
y
B= 0 1 c
0 2
0 0 2
c 2a 0
a
5.25 Estudiar para que valores de a, b y c es diagonalizable la matriz A = b 0
0 2b c
a a 0
A= 0 m 1
1 n m
a) Determinar para que valores de m y n existe una base de IR3 de tal forma que la
matriz en esa base sea diagonal. En los casos que f sea diagonalizable calcular una
base en la cual la matriz de f sea diagonal.
b) Si n = 0, observando la matriz A y sin hacer ning
un calculo, determinar un valor
propio y un vector propio asociado a dicho valor propio, razonando la respuesta.
Algebra
Lineal.
64
5.4 Ejercicios
1 0 0 0
a 1 0 0
x1 + x2 + x3 + x4 = 0
es el conjunto de vecx2 + 2x3 + 2x4 = 0
tores propios correspondientes a un mismo valor propio de T.
Se pide:
a) Probar que S es un subespacio vectorial de IR4 .
b) Hallar ker(T ).
c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv).
d) La matriz estandar de T .
5.30 Sean f : IR4 IR4 un operador lineal, y B = {e1 , e2 , e3 , e4 } la base canonica de IR4 ,
verificando lo siguiente:
i). f (e1 ) H = {x IR4 / x2 = 0}
ii). f (e2 ) S = {x IR4 / x2 = 1 y x4 = 0}
iii). f (e3 ) = (, , 1, 2); f (e4 ) = (1, 0, 2, )
iv). ker f es el conjunto de soluciones del sistema:
3x + 3x + x + x = 0
1
2
3
4
x x x + 3x = 0
1
2
3
4
Algebra
Lineal.
65