Está en la página 1de 8

Universidad de Sancti Spíritus “José Martí Pérez”

Facultad Ingeniería.
Departamento: Matemática – Física.

Carrera: Ingeniería Informática. Año: 1. Modalidad: Presencial.


Asignatura: Álgebra Lineal y Geometría Analítica. Conferencia # 7
Tema III: Aplicación lineal y Diagonalización.
Titulo: Diagonalización de matrices.
Sumario:El problema de la diagonalización. Valores propios y vectores propios.
Subespacios propios y base propia. Diagonalización de endomorfismo y de
matrices
Cantidad de horas: 2 horas.
Bibliografía: Libro de Texto: Capítulo VII pág. 359-402
Objetivo a lograr:
Los alumnos debe ser capaces de:
 Caracterizar los conceptos de aplicación lineal, matriz asociada, imagen y
núcleo de una aplicación lineal así como los métodos para determinar
cuando una aplicación es lineal y la matriz asociada a una aplicación lineal
y el núcleo e imagen de una aplicación, dando respuesta a ejercicios
prácticos relacionados con estos temas
Introducción.
Vimos en la conferencia anterior como el hecho de que el escalar  de R fuese
un valor propio del endomorfismo u del e.v. E implicaba de inmediato que el
vector propio no nulo x que así lo determinaba fuera un vector propio de u, el
cual decimos asociado a los propio .

Notemos que a un mismo valor de  se le puede asociar infinidad de vectores


propios como sucede, por ejemplo, en el caso del endomorfismo identidad en el
que el único valor propio es  =1 y todo los elementos de E son vectores
propios.

Es importante destacar el conjunto de todos los vectores propios asociados a


un valor propio  de un endomorfismo, el cual denotaremos por
V. Es decir:
V = {xE: u(x)= x}
Veamos que V es un s.e.v. de E.
En efecto V es diferente del vacío y además 0E está en él. Además
Si x, y V entonces u(x+y)=u(x)+u (y)= x+y=(x+y) de donde x+y V
Y si R y x V entonces u(x)= u(x)= (x)= (x) de donde x V
Se dice que V es el subespacio propio asociado al valor propio.
Es claro que si V es un sev de E dim V  dimE, y por otra parte como para
que  sea valor propio hace falta que exista un vector x no nulo tendremos que
V no se puede reducir al {0} luego dimV 1
Observemos que:
xVu(x)=xu(x)-x=0(u-id)(x)=0xKer (u-id) o sea
V=Ker (u-id)

Ejemplo
Sea u: R3 R3 el endomorfismo que en la base canónica de dicho espacio tiene
por matriz
�3 1 -1�
� �
A=� 2 2 -1�
�2 2 0�
� �
encontremos los sev propios asociados a sus valores propios.
Ya vimos que los valores propios de u son los valores propios de A. Luego
buscamos el polinomio característico de A y hallamos sus ceros.

3- 1 -1
PA    = 2 2- - 1 =  3 -   2 -   -   - 4 - 2  2 2 -    2 3 -    2 =
2 2 -
 3 -   2 -   -    2 2 -   =  2 -     3 -   -    2 =  2 -    - 3  2  2 =
-   - 2    - 1
2

Luego los valores propios son =1 y =2


Calculemos entonces los subespacios propios
{
V1 = K er(u - 1idR3 ) = (x, y,z) : (u - 1idR3 )((x, y,z)) = (0,0,0) }
3
Utilizando la matriz asociada a u-1id en la base canónica de R tendríamos que


�3 1 -1� � �x � ��
1 0 0 �� 0

� � � � � ��
��

�2 2 -1�- 1� �y �= ��
0 1 0 �� 0

�2 2 0� �
0 0 1 ��
� � ��

� � � �z � ��
�� 0

�2 1 -1� �x � �� 0
� �� � ��
�2 1 -1� �y �= ��0
�2 2 -1� �� � ��
z � �� 0
� �
De donde tenemos el sistema
�2x  y - z = 0

�2x  y - z = 0
�2x  2y - z = 0

(observemos que la primera y la segunda ecuación coinciden) luego el sistema
quedaría
�2x  y - z = 0

�2x  2y - z = 0
de donde y=0 y z=2x
por lo que
V1= {(x,0,2x): xR}
Para calcular V2 hacemos lo mismo considerando ahora que  es 2
{ }
V2 = K er(u - 2idR3 ) = (x, y,z) : (u - 2idR3 )((x, y,z)) = (0,0,0)
Utilizando la matriz asociada a u-2id en la base canónica de R 3 tendríamos que


�3 1 -1� � �x � ��
1 0 0 �� 0

� � � � � ��
��

�2 2 -1�- 2� �y �= ��
0 1 0 �� 0

� �
2 2 0� � � ��

0 0 1 �� � ��

� �z � ��
0

�1 1 -1 � � x � ��0
� �� � ��
�2 0 -1 � � y �= ��
0
�2 2 -2 � � z� ��
0
� �� � ��
De donde tenemos el sistema
� x y-z = 0

� 2x - z = 0
�2x  2y - 2z = 0

y como la primera y la ultima ecuación son la misma tenemos

�x y-z = 0

�2x - z = 0
De donde z=2x y y=x
V2= {(x, x, 2x): xR}

Propiedades de los subespacios propios


La importancia de los s.e.v. propios en la resolución del problema de
simplificación de una matriz comenzará a hacerse notar a través de la siguiente
propiedad:
El subespacio propio V 0 asociado al valor propio  0 del endomorfismo u,
es invariante por u.
Lo cual es fácil de verificar pues x �V 0 � u(x) =  0 x �V 0
Ahora como V 0 es invariante por u existe una base (ai) de E donde los
primeros r vectores pertenecen a V 0 tal que la matriz asociada a u con
respecto a dicha base es de la forma

�0 0 M 0 1,r 1
1,n � M
� �
�0 0 M 0  2,r 1
2,n � M
�L L L L LL � M
� �
�0 0 M 0 r ,r 1
r ,n � M
�L L M L LL � M

�0 �
� 0 M 0 n,n �
n,r 1 � M
y de ahí se puede deducir que la dimensión del sev propio asociado al valor
propio 0 no excede a la multiplicidad de  como raíz del polinomio
característico, puesto que si dim V 0 = r tendríamos que Pu()=(0-)rQ()
donde Q() es un polinomio en  que pudiera tener a 0 como raíz.
Dada la invarianza de los sev propios con respecto al endomorfismo u, pueden
considerarse estos como buenos candidatos para ser elegidos para resolver el
problema de la búsqueda de una matriz simplificada que represente a u.
Sabemos además que mientras más sev invariantes intervengan en esta
descomposición mayor será la simplificación de la matriz. Podríamos entonces
plantearnos la siguiente pregunta:
Si un endomorfismo tiene más de un sev propio ¿podrían ser tomados todos
ellos para la descomposición que se pretende del espacio?
Esta claro que esto será posible si su suma es directa (recordar que lo vieron
en el seminario 2).
En este caso la respuesta es afirmativa es decir que si tenemos vectores
propios no nulos v1, v2,..,vm asociados a valores propios diferentes dos a dos 1,
2,.. m el sistema de vectores (v1,v2,..vm) es linealmente independiente. La
demostración la pueden ver en la Pág. 436 del libro de texto.

Por ejemplo si u es un endomorfismo de R 3 que posee 3 valores propios


diferentes 1, 2 y 3, podemos tomar 3 vectores propios a1, a2 y a3 no nulos uno
de cada subespacio propio, se obtendrá una base de R 3 pues el sistema (a 1, a2,
a3) es l.i. y la matriz de u en dicha base sería
�1 0 0 �
� �
�0  2 0 �
�0 0  �
� 3�

pues
u(a1)= 1a1
u(a2)= 2a2
u(a3)= 3a3
Como vemos esta matriz es diagonal. Estas matrices son muy simples y nos
permiten resolver el problema de simplificación de forma sumamente
satisfactoria. Tratemos entonces de encontrar condiciones en que es posible
representar un endomorfismo a través de una matriz diagonal.
Notemos en el ejemplo anterior que la posibilidad de encontrar tal matriz está
relacionada con el hecho de poder encontrar una base formada por vectores
propios de u.
Se puede enunciar el teorema:
Teorema
Sea u un endomorfismo de un ev de dimensión finita E. Entonces u puede
representarse a través de una matriz diagonal (es diagonalizable) si y solo si
puede encontrase una base de E formada por vectores propios de u.
Lo cual es equivalente a

Sea u un endomorfismo de un ev de dimensión finita E. Entonces u puede


representarse a través de una matriz diagonal (es diagonalizable) si y solo si el
polinomio característico de u se descompone completamente en R y la
dimensión del subespacio propio asociado a cada valor propio i coincide con
la multiplicidad de i como raíz del polinomio característico.

Ejemplo
Tomemos el endomorfismo
u:R3 R3 dado por
u((x,y,z))=(3/2x-1/2y, -1/2x+3/2y, 1/2x+1/2y+2z)
La matriz asociada a u en la base canónica es:
�3 1 �
�2 - 2 0 �
� �
� 1 3
A= - 0�
�2 2 �
� �
� 1 1 �
� 2 �
�2 2 �

ahora buscamos el polinomio característico

3 1
- - 0
2 2
2
1 3 �3 � 1 �
�3
2
� 1�
Pu ( ) = - - 0 = � -  � 2 -   -  2 -   =  2 -   �
� -  �- �
2 2 �2 � 4 �
�2 � 4�
1 1
2-
2 2
9
� 1�
=  2 -   � - 3   2 - �=  2 -   � =  2 -     - 2    - 1 = -   - 2    - 1
2
2 - 3   2 �
� �
4
� 4�
Los valores propios serán entonces 1 y 2
Determinemos ahora los subespacios propios asociados a dichos valores
propios.

V2=Ker (u-2id) Utilicemos la matriz asociada a dicho endomorfismo


�3 1 � �1 1 �
�2 - 2 0 � � - - 0�
� � � 1 0 0� � 2 2

� 1 3 � � � �1 1
A - 2I3 = - 0 - 2� 0 1 0 �= - - 0�
�2 2 � �2 2 �
� � � �0 0 1� � � �
� 1 1 � � 1 1 �
� 2 � � 0 �
�2 2 � �2 2 �

�1 1 �
�- - 0�
2 2 x � ��
� 0
� �
� 1 1 �� � ��
- - 0 �y = 0
�2 2 � � ��
� ��z� ��
0
1 1 � � ��

� �
0�
�2 2 �
De donde obtenemos el sistema
�1 1
�- x- y=0
2 2

�1 1
�- x - y = 0 que como vemos es la misma ecuación
�2 2
�1 1
�- x- y=0
�2 2
1 1
Así tenemos - x - y = 0 y de ahí que y=-x y la z es libre luego
2 2
V2={x,-x,z): x,zR}=L((1,-1,0),(0,0,1)) y dim V2 =2
V1=Ker (u-1id) Utilicemos la matriz asociada a dicho endomorfismo
�3 1 � �1 1 �
�2 - 2 0 � �2 - 2 0 �
� �� 1 0 0� � �
� 1 3 � � � � 1 1
A - I3 = - 0 -� 0 1 0 �= - 0�
�2 2 � �2 2 �
� �� �0 0 1 ��
� 1 �
� 1 1 � � 1
� 2� � 1�

�2 2 � �2 2 �

�1 1 �
�2 - 2 0 �
� �x � ��
� 0
� 1 1 �� � ��
- 0 � y = 0
�2 2 � � ��
� ��z� ��
0
1 1 � � ��

� 1 �

�2 2 �
De donde obtenemos el sistema
�1 1
�2x- 2y=0

� 1 1
�- x  y = 0
� 2 2
�1 1
� x yz = 0
� 2 2
y como las dos primeras ecuaciones son iguales nos queda
�1 1
� x- y=0
�2 2

�1 x  1 y  z = 0
� 2 2
de donde obtenemos que
y=x
z = -x
Luego V1= {(x, x,-x):xR}=L((1,1,-1))
Podemos tomar una base uniendo una base de V 1 y una base de V2 dado que
vectores propios asociados a valores propios distintos son l.i. Si tomamos la
base (a1, a2, a3) donde a1 es un vector propio no nulo de V 1 y a2 y a3 son
vectores propios l.i. de V2. Por ejemplo:
a1=(1,1,-1)
a2=(0,0,1)
a3=(1,-1,0)
Observemos que la dimV2 =2 y dimV1=1 luego coinciden con las respectivas
multiplicidades, por lo que el endomorfismo es diagonalizable.
Y la matriz diagonal sería
�1 0 0�
� �
D=� 0 2 0�
�0 0 2�
� �
Observemos que
1. La matriz D y la matriz A son semejantes.
2. Otras matrices diagonales semejantes a A serian
�2 0 0� �2 0 0�
� � � �
B=� 0 1 0� C = � 0 2 0 �la primera tomando una base donde el primer y
�0 0 2� �0 0 1�
� � � �
el tercer vector son de V2 y el segundo de V1 y para C tendríamos los dos
primeros vectores de V2 y el tercero de V1.
Es decir el orden en que aparecen los valores propios en la diagonal principal
de la matriz coincide con el orden en que aparecen los vectores en la base
formada por vectores propios (conocida como base propia).

El problema anterior tiene una traducción matricial que puede precisarse del
siguiente modo
“Dada una matriz cuadrada A encontrar una matriz diagonal D y una matriz
inversible P tal que
D=P-1AP
Notemos que en este caso A y D serian matrices semejantes y, por tanto, se
pueden considerar asociadas a un mismo endomorfismo en bases diferentes.
Ejemplo
Supongamos que tenemos la matriz
�3 1 �
�2 - 2 0 �
� �
� 1 3
A= - 0�
�2 2 �
� �
� 1 1
� 2�

�2 2 �
necesitamos encontrar una matriz diagonal D que sea semejante a A.
La matriz A puede ser considerada como la matriz asociada a un determinado
endomorfismo u de R3 (en general pudiera ser cualquier ev de dimensión 3)
con respecto a la base canónica de R3 y procederíamos de manera análoga al
caso anterior y una vez hallada D
� 1 0 0�
� �
D=� 0 2 0 �esta D es considerada como la matriz asociada a u en la base
� 0 0 2�
� �
a1=(1,1,-1), a2=(0,0,1), a3=(1,-1,0) y si D=P-1AP tenemos que P cambia
coordenadas de la base (ai) a la base canónica por lo que las columnas de P
son los vectores de coordenadas de los (ai) en la base canónica.
Es decir
�1 0 1 �
� �
P = �1 0 -1�
�-1 1 0 �
� �

Resumen
¿Quién es el subespacio propio asociado al valor propio ?
¿Puede ser la dimensión de V=0?
¿Cuál es la intersección de dos sev propios del endomorfismo u?
¿Cuál es una condición necesaria y suficiente para que un endomorfismo sea
diagonalizable?
¿Cuál es una condición necesaria y suficiente para que una matriz sea
diagonalizable?

Estudio independiente
Páginas: desde la 444 a la 460