Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diagonalizacion NB PDF
Diagonalizacion NB PDF
nb
Diagonalizacin de matrices
Prctica de lgebra Lineal, E.U.A.T., Grupos 1A y 1B, 2005
Algo de teora
Qu es diagonalizar una matriz?
Para estudiar una matriz suele ser conveniente expresarla de forma lo ms sencilla posible. Diagonalizar una matriz A es
precisamente eso: escribirla de manera simple encontrando una matriz invertible P y una diagonal D (si se puede) tales que
A = P D P-1
La matriz P se llama matriz de paso.
Puede que esto, al principio, no parezca ms simple de lo que ya era A directamente. Sin embargo, lo es desde muchos
puntos de vista. Dado que las matrices suelen usarse para representar aplicaciones lineales, la expresin anterior puede verse
como un cambio de base de la aplicacin representada por A; entonces, esta forma de escribirlo dice: hay una base en la que
la aplicacin lineal A tiene una forma muy simple (diagonal). Esto es til, por ejemplo, para clasificar una aplicacin lineal
y estudiar sus propiedades. Las matrices se usan para representar otras cosas como cnicas, cudricas o formas bilineales, y
en estos casos tambin resulta til esta forma de expresarlas.
La relacin anterior entre las matrices A y D es importante y aparece en muchos contextos, as que tiene nombre propio:
diagonalizacion.nb
In[10]:= A MatrixForm
2 2
-2 y
i
j
z
j
z
j
j
z
j 6 9 -17 z
z
k 6 -3 -5 {
Out[10]//MatrixForm=
diagonalizacion.nb
In[11]:= B MatrixForm
i1 1 0z
y
j
j
z
j
j
z
j0 1 1z
z
k0 0 1{
Out[11]//MatrixForm=
In[13]:= Eigenvalues@BD
Out[13]= 81, 1, 1<
Eigenvectors da una lista formada por vectores propios independientes de una matriz nn y posiblemente algunos vectores
nulos. Estos vectores formarn una base cuando la matriz sea diagonalizable e incluirn vectores nulos cuando no lo sea:
In[14]:= Eigenvectors@AD
Nosotros slo consideraremos una matriz como diagonalizable cuando sus valores propios sean todos reales: si no
aparece ningn vector nulo ni ningn vector complejo en la salida de la orden Eigenvectors, la matriz es diagonalizable. Si no, no lo es.
La orden Eigensystem da los mismos resultados que Eigenvalues y Eigenvectors, pero todo junto, y adems con la seguridad de que los autovalores y los autovectores van en el orden correcto: el primer vector propio corresponde al primer valor
propio, el segundo al segundo...
In[16]:= Eigensystem@AD
Out[16]= 88-8, 2, 12<, 880, 1, 1<, 85, 3, 3<, 8-20, -91, 9<<<
Una ltima observacin sobre estas rdenes: a veces es mejor escribir Eigenvalues[N[A]] en lugar de Eigenvalues[A]
para obtener resultados numricos en lugar de resultados exactos que no podemos manejar bien.
Ejemplos
Una matriz diagonalizable
In[17]:= A = 8824, -10, 8<, 8-7, 33, 4<, 80, 0, 38<<;
A MatrixForm
i 24 -10 8 z
y
j
j
j
z
4 z
j
z
j -7 33
z
0
38 {
k 0
Out[18]//MatrixForm=
diagonalizacion.nb
In[19]:= 8valorespropios, vectorespropios< = Eigensystem@AD
Out[19]= 8819, 38, 38<, 882, 1, 0<, 84, 0, 7<, 8-5, 7, 0<<<
In[20]:= vectorespropios
Como el resultado son tres vectores (y ninguno de ellos es cero), sabemos que esta matriz es diagonalizable (si queris
podis comprobar que estos vectores son de verdad independientes).
Para diagonalizar la matriz A no tenemos ms que elegir la siguiente como matriz P (los vectores propios, puestos por
columnas):
In[21]:= P = Transpose@vectorespropiosD
i 19 0 0 z
y
j
j
z
j
j
z
j 0 38 0 z
z
k 0 0 38 {
Out[23]//MatrixForm=
In[24]:= A P.Diag.Inverse@PD
Out[24]= True
MatrixForm@BD
0 1 0y
i
j
z
j
z
j
j
z
j0 0 1z
z
k 2 -5 4 {
Out[26]//MatrixForm=
Vemos que aparece un vector nulo en la lista anterior. Esto significa que Mathematica no ha podido encontrar tres vectores
propios linealmente independientes (slo ha encontrado dos) y que no podemos diagonalizar esta matriz.
Otro ejemplo:
diagonalizacion.nb
In[28]:= M = 881, 2, -3<, 84, 5, 6<, 87, 8, 9<<;
Eigenvalues@N@MDD
Esta matriz tiene valores propios que no son reales (aparecen nmeros imaginarios). En este caso (aunque es posible
diagonalizar estas matrices usando matrices con nmeros complejos) diremos que esta matriz NO es diagonalizable. Si
intentis calcular sus vectores propios veris que tambin se obtienen nmeros complejos.
F MatrixForm
-1 1
0 y
i
j
z
j
z
j
j
z
j 1 -1 0 z
z
0 -2 {
k 0
Out[31]//MatrixForm=
Out[32]= 88-2, -2, 0<, 880, 0, 1<, 8-1, 1, 0<, 81, 1, 0<<<
Como hay tres vectores (en la segunda parte de la lista anterior) y ninguno nulo, podemos diagonalizar esta matriz (sabemos
que siempre se puede con una matriz simtrica). Pero la matriz P obtenida no es ortogonal, y en el caso especial de una
matriz simtrica nos gustara que la matriz de paso lo fuera:
In[33]:= P = Transpose@vectorespropiosFD
P.Transpose@PD
Para que adems la matriz de paso sea ortogonal necesitamos conseguir tres vectores propios independientes que adems
formen una base ortonormal. Para eso debemos convertir en ortonormal la base vpF de forma que adems sigan siendo
vectores propios asociados a valores propios en el mismo orden. El proceso de GramSchmidt nos permite esto. Podemos
aplicar el proceso nosotros mismos o cargar en memoria un paquete que lo hace automticamente (cuidado con las
comillas!):
In[35]:= << LinearAlgebraOrthogonalization
In[36]:= vectorespropiosF2 = GramSchmidt@vectorespropiosFD
Out[36]= 980, 0, 1<, 9-
!!!! ,
!!!! , 0=, 9
!!!! ,
!!!! , 0==
1
2
1
2
1
2
1
2
diagonalizacion.nb
In[37]:= P = Transpose@vectorespropiosF2D
Out[37]= 990, -
!!!! ,
!!!! =, 90,
!!!! ,
!!!! =, 81, 0, 0<=
1
2
1
2
1
2
1
2
P.Transpose@PD
Diag = DiagonalMatrix@valorespropiosFD
i -2 0 0 z
y
j
j
z
j
j
z
j 0 -2 0 z
z
0
0
0
k
{
Out[40]//MatrixForm=
F P.Diag.Inverse@PD
Out[41]= True
Ejercicios
1 Diagonaliza la matriz A={{5,2,1},{2,7,0},{1,0,3}}. Cul es su polinomio caracterstico? Cules son sus valores
propios?
2 Calcula los valores propios de la matriz A={{2, 5, 0}, {0, 3, 5}, {0, 0, 3}} y las dimensiones de los subespacios propios
asociados a cada uno. Determina si es diagonalizable.
3Dada la matriz A={{3,0,2},{0,2,0},{2,0,0}},
a) Calcula sus valores propios y comprueba que es diagonalizable.
b) Halla una matriz de paso ortogonal que la diagonalice.
c) Obtn la expresin de An (para cualquier n).
4Dada la matriz A={{1,1,1},{1,1,1},{1,1,1}},
a) Decide si A es diagonalizable.
b) Calcula sus valores propios y vectores propios asociados. Da una base del subespacio
propios asociado al valor propio 0.
c) Encuentra una matriz P tal que A = P D Pt , con D una matriz diagonal.
5Diagonaliza por semejanza ortogonal la matriz simtrica
A={{1,1,0,0},{1,0,2,0},{0,2,4,1},{0,0,1,2}}
de vectores