06 - Transparencia Lección 6

ÁLGEBRA LINEAL - DIAGONALIZACIÓN Y
TRIANGULARIZACIÓN DE ENDOMOSFISMOS Y
MATRICES
Luis Mazorra Manrique de Lara
Lección 6
Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 1 / 15

Endomor…smos y matrices semejantes

De…nición de endomor…smo
A toda aplicación lineal en la que los espacios vectoriales
origen y …nal son el mismo se le denominan endomor…smos,

origen y …nal son el mismo se le denominan endomor…smos,es
decir f es un endomor…smo si y sólo si f : V ! V y es
aplicación lineal.

aplicación lineal. Por tanto la matriz asociada a un
endomor…smo es una matriz cuadrada de orden la dim V .

Si A = M (f )B y pasamos de la base B a la base B 0 con matriz de cambio
de base C , entonces la matriz asdociada a f en la nueva base es
A0 = M (f )B 0 = C 1 AC .

A0 = M (f )B 0 = C 1 AC .
De…nición de matrices semejantes

A0 = M (f )B 0 = C 1 AC .
De…nición de matrices semejantes

Dadas dos matrices cuadradas A y B de orden n. Se dice que
A y B son semejantes (A s B ) () 9C matriz cuadrada de
orden n tal que jC j 6= 0 y B = C 1 AC .

De…nición de autovector

Decimos que v 6= 0 es un autovector o vector propio de f si y
sólo si 9λ 2 | tal que f (v ) = λv .

Hemos de poner de mani…esto que para cada autovector el escalar λ al

que se re…ere la de…nición anterior es único. Efectivamente, si
f (v ) = λ1 v = λ2 v =) (λ1 λ2 ) v = 0 =) λ1 = λ2 .
De…nición de autovalor


f (v ) = λ1 v = λ2 v =) (λ1 λ2 ) v = 0 =) λ1 = λ2 .
Al escalar λ de la de…nición de autovector se le denomina
autovalor o valor propio del endomor…smo f asociado al
autovector v .


f (v ) = λ1 v = λ2 v =) (λ1 λ2 ) v = 0 =) λ1 = λ2 .
Al escalar λ de la de…nición de autovector se le denomina
autovalor o valor propio del endomor…smo f asociado al
autovector v .
También podemos decir que v es autovector asociado al autovalor λ.

Polinomio característico

Sean f : V ! V un endomor…smo, A = M (f )B y B = fe 1 , e 2 , .., e n g.

Seax = (x1 , x2 , . . . , xn ) entonces si y = f (x ) sabemos que Y = AX .

Ahora si x es un autovector, tenemos también que f (x ) = λx, o lo que es
lo mismo, Y = λX = λIX donde I es la matriz identidad.

E igualando tenemos que AX = λIX , donde operando obtenemos la
siguiente ecuación matricial:

AX λIX = O ) (A λI ) X = O
donde O representa la matriz columna del vector nulo.

AX λIX = O ) (A λI ) X = O
donde O representa la matriz columna del vector nulo.
En de…nitiva tenemos un sistema de ecuaciones homogéneo, cuya

condición necesaria y su…ciente para que tenga soluciones distinta de la
trivial es que jA λI j = 0.

De…nición de polinomio característico

Dada una matriz cuadrada A de orden n, llamamos polinomio
caracteríatico o ecuación característica de A al polinomio que
resulta del siguiente determinante jA λI j = 0.

Si A es la matriz asociada al endomor…smo f en cierta base, también

podemos decir que tenemos el polinomio característico de f .


Proposición


Proposición
El polinomio característico de un endomor…smo f no depende
de la base …jada. O lo que es lo mismo, el polinomio
característico es inavariante respecto de los cambios de base.


Proposición
Sean B y B 0 dos bases tal que C es la matriz de cambio de base:


Proposición
1
jA λI j = 0 y como jC j 6= 0 =) jA λI j = C . jA λI j . jC j =


Proposición
1
jA λI j = 0 y como jC j 6= 0 =) jA λI j = C . jA λI j . jC j =
= C 1
. (A λI ) .C = C 1
AC λC 1
IC = A0 λI
Subespacio engendrado por un autovalor

El conjunto de los autovectores asociados a un mismo
autovalor λ unido con el vector nulo, forman un subespacio
vectorial.

vectorial. Al que denominamos subespacio asociado a λ y lo
expresamos por Vλ .

expresamos por Vλ . Vλ = v 2 V f (v ) = λv _ v = 0

8v , w 2 Vλ ^ 8α, β 2 | =) f (αv + βw ) = αf (v ) + βf (w ) =
= αλv + βλw = λ (αv + βw ) ) αv + βw 2 Vλ

Proposición

Proposición
Los autovectores asociados a autovalores distintos son linealmente
independientes.

Proposición
independientes.
Sean v 1 2 Vλ1 y v 2 2 Vλ2 tal que λ1 6= λ2 .

Proposición
independientes.
Sean v 1 2 Vλ1 y v 2 2 Vλ2 tal que λ1 6= λ2 . Y supongamos que v 1 y v 2
son l.d., es decir, que 9α, β 2 |, no nulos simultaneamente y
β
αv 1 + βv 2 = 0 ) v 1 = α v 2

Proposición
independientes.
β
αv 1 + βv 2 = 0 ) v 1 = α v 2 ^ f (αv 1 + βv 2 ) = f 0 = 0 )
β
αf (v 1 ) + βf (v 2 ) = αλ1 v 1 + βλ2 v 2 = 0 ) v 1 = α λλ12 v 2 )

Proposición
independientes.
β
αv 1 + βv 2 = 0 ) v 1 = α v 2 ^ f (αv 1 + βv 2 ) = f 0 = 0 )
β
αf (v 1 ) + βf (v 2 ) = αλ1 v 1 + βλ2 v 2 = 0 ) v 1 = α λλ12 v 2 )
β β λ2 λ2
αv2 = α λ1 v 2 ) λ1 = 1 =) λ1 = λ2

Proposición

Proposición
La dimensión del subespacio asociado a un autovalor λ0 ,
veri…ca que 1 dim Vλ0 n0 donde n0 es el orden de
multiplicidad de la raíz λ0 en el polinomio característico.

Proposición
Sea fe 1 , e 2 , . . . , e d g una base de Vλ0 . Completamos ahora esta base hasta
obtener una base de V , así, sea B = fe 1 , e 2 , . . . , e d , e d +1 , . . . , e n g )

Proposición
9
f (e 1 ) = λ0 .e 1 >
>
f (e 2 ) = λ0 .e 2 >
>
>
>
>
>
=
f (e d ) = λ0 .e d
>
f (e d +1 ) = a1d +1 .e 1 + + add +1 .e d + ad +1d +1 .e d +1 + + and +1 .e n >
>
>
>
>
>
>
;
f (e n ) = a1n .e 1 + + adn .e d + ad +1n .e d +1 + + ann .e n

Proposición
9
f (e 1 ) = λ0 .e 1 >
>
f (e 2 ) = λ0 .e 2 >
>
>
>
>
>
=
f (e d ) = λ0 .e d
>
f (e d +1 ) = a1d +1 .e 1 + + add +1 .e d + ad +1d +1 .e d +1 + + and +1 .e n >
>
>
>
>
>
>
;
f (e n ) = a1n .e 1 + + adn .e d + ad +1n .e d +1 + + ann .e n
por lo que la matriz asociada en esta base será:

0 1
λ0 0 0 a1d +1 a1n
B 0 λ0 0 a2d +1 a2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
B C
A=B
B 0 0 λ0 add +1 adn C
C
B 0 0 0 ad +1d +1 ad +1n C
B C
B .. .. .. .. .. .. .. C
@ . . . . . . . A
0 0 0 and +1 ann

0 1
λ0 0 0 a1d +1 a1n
B 0 λ0 0 a2d +1 a2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
B C
A=B
C
B 0 0 0 ad +1d +1 ad +1n C
B C
B .. .. .. .. .. .. .. C
@ . . . . . . . A
0 0 0 and +1 ann
si calaculamos el polinomio característico, nos dará:

0 1
λ0 0 0 a1d +1 a1n
B 0 λ0 0 a2d +1 a2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
B C
A=B
C
B 0 0 0 ad +1d +1 ad +1n C
B C
B .. .. .. .. .. .. .. C
@ . . . . . . . A
0 0 0 and +1 ann
ad +1d +1 λ ad +1n
jA λI j = (λ0 λ) d .. .. ..
. . .
and +1 ann λ

0 1
λ0 0 0 a1d +1 a1n
B 0 λ0 0 a2d +1 a2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
B C
A=B
C
B 0 0 0 ad +1d +1 ad +1n C
B C
B .. .. .. .. .. .. .. C
@ . . . . . . . A
0 0 0 and +1 ann
ad +1d +1 λ ad +1n
jA λI j = (λ0 λ) d .. .. ..
. . .
and +1 ann λ
luego el orden de multiplicidad de λ0 es igual o mayor que d y por otra

parte como Vλ0 6= 0 , entonces su dimensión es al menos 1.
Conclusión

Conclusión
Sea f : V ! V un endomor…smo y dim V = n, si λ1 , λ2 , . . . , λr son sus
autovalores, con n1 , n2 , . . . , nr órdenes de multiplicidad y d1 , d2 , . . . , dr las
dimensiones de los subespacios asociados respectivos.

Conclusión
dimensiones de los subespacios asociados respectivos.Tenemos que
1 di ni , 8i 2 f1, 2, . . . , r g y Vλi \ Vλj = 0 ,por tanto podemos
concluir lo siguiente:

Conclusión
1 El número máximo de autovectores linealmente independientes que
podemos agrupar es d1 + d2 + + dr = m, y además se veri…ca que
r m n.

Conclusión
r m n.
2 Para que exista una base de autovectores ha de veri…carse que m = n,
es decir han de cumplirse dos condiciones:

Conclusión
r m n.
1 n1 + n2 + + nr = n, es decir, el polinomio característico ha de
tener exactamente n raíces en |, teniendo en cuenta que cada raíz
cuenta tanta veces como su orden de multiplicidad

Conclusión
r m n.
2 8i 2 f1, 2, . . . , r g ha de vri…carse que dim Vλi = di = ni , es decir, la
dimensión del subespacio asociado a cada autovalor distinto tiene que
ser igual a su orden de multiplicidad.

Conclusión
r m n.
2 8i 2 f1, 2, . . . , r g ha de vri…carse que dim Vλi = di = ni , es decir, la
dimensión del subespacio asociado a cada autovalor distinto tiene que
ser igual a su orden de multiplicidad.
3 En el caso de que f tenga todos sus autovalores distintos y en |, V
tiene una base formada con autovectores.
Matrices (Endomor…smos) diagonalizables

De…nición

De…nición
Dada un matriz cuadrada A se dice que es diagonalizable si y
sólo si es semejante a una matriz diagonal D, es decir, que existe
una matriz regular C (jC j 6= 0) tal que C 1 AC = D.

De…nición
Condición necesaria y su…ciente para que una matriz sea

diagonalizable

De…nición

diagonalizable
Una matriz cuadrada A de orden n es diagonalizable si y sólo
si hay una base de |n formada por autovectores de A.

De…nición

diagonalizable
"=)"
A es diagonalizable=) 9C tal que jC j 6= 0 y C 1 AC = D y sea la
diagonal de D la siguiente (λ1 , λ2 , . . . , λn ). )

De…nición

diagonalizable
"=)"
diagonal de D la siguiente (λ1 , λ2 , . . . , λn ). )AC = CD, si llamamos
Cj = (c1j , c2j , . . . , cnj ) a cada una de la columnas de C , e igualamos las
columnas de AC y CD )

De…nición

diagonalizable
"=)"
columnas de AC y CD )AC1 = λ1 .C1 , AC2 = λ2 .C2 , . . . , ACn = λn .Cn ,

De…nición

diagonalizable
"=)"
columnas de AC y CD )AC1 = λ1 .C1 , AC2 = λ2 .C2 , . . . , ACn = λn .Cn ,es
decir que cada una de las columnas de C representa un autovector y como
además jC j 6= 0 es una matriz de cambio de base y por tanto forman una
base de |n .
"(="
Sea la base de autovectores C 1 , C 2 , . . . , C n entonces 8j 2 f1, 2, . . . , ng
se veri…ca que ACj = λj .Cj = Cj .λj siendo λj el autovalor asociado
correspondiente.

"(="
correspondiente.Si ahora construimos una matriz C cuyas columnas son los
vectores de la base y una matriz diagonal D donde los elementos de la
diagonal son los autovalores λj

"(="
diagonal son los autovalores λj )agrupando los productos anteriores
tenemos que AC = CD

"(="
tenemos que AC = CD ) D = C 1 AC y jC j 6= 0 ya que C es una matriz
de cambio de base.

"(="
de cambio de base.
Proposición
Una matriz A es diagonalizable si y sólo si la suma de las
multiplicidades de los autovalores es n y para cada autovalor la
dimensión del subespacio asociado coincide con su orden de
multiplicidad.

"(="
de cambio de base.
Proposición
multiplicidad.
Proposición

"(="
de cambio de base.
Proposición
multiplicidad.
Proposición
La dimensión del subespacio asociado a un autovalor λ de
una matriz A es n r , siendo r el rango de la matriz (A λI ).
Sea f : V ! V y A = M (f ) y λ un autovalor.

Sea f : V ! V y A = M (f ) y λ un autovalor.)Si v es un autovector
asociado a λ veri…ca que f (v ) = λv , y si X es la matriz columna que
representa las coordenadas de v

representa las coordenadas de v ) AX = λX ) (A λI ) X = O que es
la ecuación de un subespacio, en este caso, del subespacio asociado a
λ.

λ.) dim Vλ = dim V no ec.l.i. = dim V rang (A λI )

Conclusión

Conclusión
La condición necesaria y su…ciente para que una matriz o
endomor…smo sea diagonalizable, además de que todos los
autovalores pertenezcan a cuerpo asociado al espacio vectorial,
es que la suma de las multiplicidades de los autovalores coincidan
con la dimensión del espacio vectorial y que para cada uno de los
autovalores la dimensión del subespacio asociado coincida con su
orden de multiplicidad.

Potencia n-ésima de una matriz diagonalizable
Sea A una matriz diagonalizable, entonces 9C tal que jC j 6= 0 y
C 1 AC = D )

C 1 AC = D )A = CDC 1

C 1 AC = D )A = CDC 1 , y si ahora elevamos a n nos queda que:

1 n
An = CDC = CDC 1
CDC 1
CDC 1
= CD n C 1

1 n
An = CDC = CDC 1
CDC 1
CDC 1
= CD n C 1
donde D n consiste únicamente en elevar a n cada uno de los elementos de

la diagonal principal.

1 n
An = CDC = CDC 1
CDC 1
CDC 1
= CD n C 1

Si volvemos a despejar en esta última igualdad, obtenemos que
C 1 An C = D n , lo que quiere decir que si A es diagonalizable, entonces An
también es diagonalizable y que sus autovalores son los autovalores de A
elevados a la n-ésima potencia.

1 n
An = CDC = CDC 1
CDC 1
CDC 1
= CD n C 1

Si volvemos a despejar en esta última igualdad, obtenemos que
C 1 An C = D n , lo que quiere decir que si A es diagonalizable, entonces An
también es diagonalizable y que sus autovalores son los autovalores de A
elevados a la n-ésima potencia.
Por otra parte, si A es regular (tiene inversa) y diagonalizable, entonces
A 1 es diagonalizable y sus autovalores son los inversos de los autovalores
de A. Efectivamente, tenemos que
1
A = CDC 1 =) A 1 = CDC 1 = CD 1 C 1 =) D 1 = C 1 A 1 C
y D 1 es una matriz diagonal donde los elementos de la diagonal son los
inversos de los elementos de D.
Triangularización de endomor…smos

De…nición
Sea f : V ! V un endomor…smo. Se dice que f es
triangularizable si existe una base de V en la que tiene asociada
una matriz J triangular.

De…nición
Condición necesaria y su…ciente
f es triangularizable si y sólo si tiene n autovalores en el
cuerpo asiciado |. En este caso la diagonal de la matriz J son
los autovalores.

De…nición
los autovalores.
Forma canónica de Jordan
A la matriz J se le denomina matriz de Jordan y es de la forma siguiente:

De…nición
los autovalores.
0 1
λ1 ε1 0 0
B .. .. C
B 0 λ2 ε2 . . C
B C
B .. . . .. .. C
B . . . . 0 C
B C
B .. .. C
@ . . λn 1 εn 1 A
0 0 λn
De…nición
los autovalores.
0 1
λ1 ε1 0 0
B .. .. C λi es autovalor de f
B 0 λ2 ε2 . . C
B C donde
B .. . . .. .. C εi = 0 o bien εi = 1
B . . . . 0 C
B C
B .. .. C
@ . . λn 1 εn 1 A
0 0 λn
De…nición
los autovalores.
0 1
λ1 ε1 0 0
B .. .. C λi es autovalor de f
B 0 λ2 ε2 . . C
B C donde
B .. . . .. .. C εi = 0 o bien εi = 1
B . . . . 0 C o
B C y el n de εi 6= 0 para cada λi es
B .. .. C
@ . . λn 1 εn 1 A ni dim Vλi
0 0 λn
Cálculo de la matriz de cambio de base C

Tenemos que J = C 1 AC , y C = (C1 C2 . . . Cn ) donde la columna Ci es el

vector i-ésimo de la nueva base.


vector i-ésimo de la nueva base. Si operamos tenemos que
CJ = AC ) A (C1 C2 . . . Cn ) = (C1 C2 . . . Cn ) J e igualando las
columnas


columnas)
AC1 = λ1 C1 =) (A λ1 I ) C1 = O
AC2 = ε1 C1 + λ2 C2 =) (A λ2 I ) C2 = ε1 C1
AC3 = ε2 C2 + λ3 C3 =) (A λ3 I ) C3 = ε2 C2
ACn = εn 1 Cn 1 + λn Cn =) (A λn I ) Cn = εn 1 Cn 1


columnas)
AC1 = λ1 C1 =) (A λ1 I ) C1 = O
AC2 = ε1 C1 + λ2 C2 =) (A λ2 I ) C2 = ε1 C1
AC3 = ε2 C2 + λ3 C3 =) (A λ3 I ) C3 = ε2 C2
ACn = εn 1 Cn 1 + λn Cn =) (A λn I ) Cn = εn 1 Cn 1
hemos de observar que la solución de cada sistema depende de la solución

del anterior, y también la solución de Ci ha de ser de forma de que el
sistema que resuelve Ci +1 sea compatible, y así sucesivamente. De esta
forma las soluciones dependen entre si.

06 - Transparencia Lección 6

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

06 - Transparencia Lección 6

Cargado por

Copyright:

Formatos disponibles

ÁLGEBRA LINEAL - DIAGONALIZACIÓN Y

Luis Mazorra Manrique de Lara

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 1 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 2 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 2 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 2 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 2 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 2 / 15

De…nición de matrices semejantes

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 2 / 15

De…nición de matrices semejantes

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 2 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 3 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 3 / 15

Hemos de poner de mani…esto que para cada autovector el escalar λ al

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 3 / 15

Hemos de poner de mani…esto que para cada autovector el escalar λ al

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 3 / 15

Hemos de poner de mani…esto que para cada autovector el escalar λ al

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 3 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 4 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 4 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 4 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 4 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 4 / 15

donde O representa la matriz columna del vector nulo.

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 4 / 15

donde O representa la matriz columna del vector nulo.

En de…nitiva tenemos un sistema de ecuaciones homogéneo, cuya

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 4 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 5 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 5 / 15

Si A es la matriz asociada al endomor…smo f en cierta base, también

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 5 / 15

Si A es la matriz asociada al endomor…smo f en cierta base, también

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 5 / 15

Si A es la matriz asociada al endomor…smo f en cierta base, también

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 5 / 15

Si A es la matriz asociada al endomor…smo f en cierta base, también

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 5 / 15

Si A es la matriz asociada al endomor…smo f en cierta base, también

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 5 / 15

Si A es la matriz asociada al endomor…smo f en cierta base, también

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 6 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 7 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 7 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 7 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 7 / 15

por lo que la matriz asociada en esta base será:

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 7 / 15

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 8 / 15

si calaculamos el polinomio característico, nos dará:

Ingeniería Informática (Lección 6) DIAGONALIZACIÓN 8 / 15

si calaculamos el polinomio característico, nos dará: