Matriz Toeplitz

Una matriz Toeplitz tridiagonal es aquella matriz cuadrada 𝐴 de orden 𝑛 × 𝑛 si tiene la misma
entrada constante en cada diagonal paralela a la diagonal principal.

b a
c b a
𝐴= ⋱ ⋱ ⋱ 𝑐𝑜𝑛 𝑎 ≠ 0 ≠ 𝑐
c b a
c b
𝑛×𝑛

Las Matrices Toeplitz son comúnmente el resultado de la discretización de las ecuaciones

diferenciales. La estructura Toeplitz es rica en propiedades especiales, pero las matrices
Toeplitz tridiagonales son particularmente las más usadas, ya que son una de las pocas
estructuras no triviales que admiten fórmulas para sus valores y vectores propios.

1
Lema 1.12.1. Los valores propios y vectores propios de la matriz Toeplitz tridiagonal

b a
c b a
𝐴= ⋱ ⋱ ⋱ 𝑐𝑜𝑛 𝑎 ≠ 0 ≠ 𝑐
c b a
c b
𝑛×𝑛

𝑐 𝑗𝜋
están dados por2: 𝜆𝑗 = 𝑏 + 2𝑎√ 𝑐𝑜𝑠 ( ) 𝑗 = 1,2,3 … , 𝑛 y
𝑎 𝑛+1

1⁄ 1𝑗𝜋
(𝑐⁄𝑎) 2 𝑠𝑒𝑛 ( )
𝑛+1
2 2𝑗𝜋
(𝑐⁄𝑎) ⁄2 𝑠𝑒𝑛 ( )
𝑛+1
3 3𝑗𝜋
(𝑐⁄𝑎) ⁄2 𝑠𝑒𝑛 ( ) 𝑗 = 1,2,3 … , 𝑛
𝑥𝑗 = 𝑛+1
⋮
𝑛 𝑛𝑗𝜋
(𝑐⁄𝑎) ⁄2 𝑠𝑒𝑛 ( )
𝑛+1

Es decir A𝑥𝑗 = 𝜆𝑗 𝑥𝑗 . Por otra parte, la matriz A es diagonalizable, 𝑃 = (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 )

diagonaliza a la matriz A, entonces 𝑃−1 𝐴𝑃 = 𝐷 donde 𝐷 = (𝜆1 , 𝜆2 , . . . , 𝜆𝑛 ) .
Demostraremos.
Para un eigen par (𝜆, 𝑥) los componentes en (𝐴 − 𝐼𝜆)𝑥 = 0

𝑏−𝜆 a
𝑥1
c 𝑏−𝜆 a
𝑥2
⋱ ⋱ ⋱ 𝑥3 =0
c 𝑏−𝜆 a ⋮
c 𝑏−𝜆 𝑥𝑛
𝑛×𝑛 𝑛×1

2
Generan el sistema de ecuaciones
𝑐𝑥𝑘−1 + (𝑏 − 𝜆)𝑥𝑘 + 𝑎𝑥𝑘+1 = 0, 𝑘 = 1,2, … , 𝑛 𝑐𝑜𝑛 𝑥0 = 𝑥𝑛+1 = 0
o el equivalente
𝑏−𝜆 𝑐
𝑥𝑘+2 + ( ) 𝑥𝑘+1 + 𝑥𝑘 = 0, 𝑘 = 0,1,2, … , 𝑛 𝑐𝑜𝑛 𝑥0 = 𝑥𝑛+1 = 0
𝑎 𝑎
Estas son ecuaciones diferenciales homogéneas de segundo orden, y resolverlos es similar a la
solución de ecuaciones diferenciales. La técnica consiste en la búsqueda de soluciones de la
forma 𝑥𝑘 = 𝜉𝑟 𝑘 para 𝜉 𝑦 𝑟 constantes.

𝑏−𝜆 𝑐
𝜉𝑟 𝑘+2 + ( ) 𝜉𝑟 𝑘+1 + 𝜉𝑟 𝑘 = 0
𝑎 𝑎
Esto produce la ecuación cuadrática
(𝑏 − 𝜆) 𝑟 𝑐
𝑟2 + + = 0
𝑎 𝑎
con raíces 𝑟1 𝑦 𝑟2 , y se puede argumentar que la solución general de

𝑏−𝜆 𝑐
𝑥𝑘+2 + ( ) 𝑥𝑘+1 + 𝑥𝑘 = 0
𝑎 𝑎
es: 𝑟1 𝑦 𝑟2
𝛼𝑟 𝑘 + 𝛽𝑟2𝑘 𝑠𝑖 𝑟1 ≠ 𝑟2
𝑥𝑘 = { 𝑘1
𝛼𝜌 + 𝛽𝑘𝜌𝑘 𝑠𝑖 𝑟1 = 𝑟2 = 𝜌

donde 𝛼 𝑦 𝛽 son constantes arbitrarias

Para el problema de valores propios donde, 𝑟1 = 𝑟2, entonces 𝑥𝑘 = 𝛼𝜌𝑘 + 𝛽𝑘𝜌𝑘 y
𝑥0 = 𝑥𝑛+1 = 0 implica que cada 𝑥𝑘 = 0, lo cual es imposible porque 𝑥 es un vector propio.
Por lo tanto 𝑥𝑘 = 𝛼𝑟1𝑘 + 𝛽𝑟2𝑘 , son distintos y 𝑥0 = 𝑥𝑛+1 = 0

0=𝛼+𝛽 𝑟1 𝑛+1 −𝛽 𝑟1 2𝑖𝜋𝑗

{ 𝑛+1 𝑛+1 } ( ) = = 1 ⟹ = 𝑒 𝑛+1
0 = 𝛼𝑟1 + 𝛽𝑟2 𝑟2 𝛼 𝑟2

2𝑖𝜋𝑗
𝑟1 = 𝑟2 𝑒 𝑛+1 para algún 1 < 𝑗 < 𝑛 𝑠i unimos esto con
𝑐
(𝑏 − 𝜆) 𝑟 𝑐 𝑟1 𝑟2 =
𝑎
𝑟2 + + = (𝑟 − 𝑟1 )(𝑟 − 𝑟2 ) ⟹ { (𝑏 − 𝜆)
𝑎 𝑎
𝑟1 + 𝑟2 = −
𝑎

3
 𝑖𝜋𝑗 −𝑖𝜋𝑗
Se concluye que 𝑟1 = √𝑐⁄𝑎 𝑒 𝑛+1 y 𝑟2 = √𝑐⁄𝑎 𝑒 𝑛+1

𝑖𝜋𝑗 −𝑖𝜋𝑗 𝑖𝜋𝑗

𝜆 = 𝑏 + 𝑎√𝑐⁄𝑎 ( 𝑒 𝑛+1 + 𝑒 𝑛+1 ) = 𝑏 + 2𝑎√𝑐⁄𝑎 𝑐𝑜𝑠 ( )
𝑛+1

Por lo tanto, los valores propios de la matriz 𝐴 deben ser dadas por
𝜋𝑗
𝜆𝑗 = 𝑏 + 2𝑎√𝑐⁄𝑎 𝑐𝑜𝑠 ( ) 𝑗 = 1, … , 𝑛
𝑛+1

Entonces si 𝜆𝑗 son todos distintos (𝑐𝑜𝑠 𝜃 es una función estrictamente decreciente para θ en
(0, π), y 𝑎 ≠ 0, 𝑐 ≠ 0 ), la matriz 𝐴 debe ser diagonalizable. Por último, la 𝑘 - ésima
componente de un autovector propio asociado con 𝜆𝑗 satisface 𝑥𝑘 = 𝛼𝑟1𝑘 + 𝛽𝑟2𝑘 , con
𝛼 + 𝛽 = 0, por lo que

𝑘⁄ 𝑖𝜋𝑗 −𝑖𝜋𝑗 𝑘⁄
𝑐 2 𝑐 2 𝑗𝑘𝜋
𝑥𝑘 = 𝛼 ( ) ( 𝑒 𝑛+1 + 𝑒 𝑛+1 ) = 2𝑖𝛼 ( ) 𝑠𝑒𝑛 ( )
𝑎 𝑎 𝑛+1
1
Con 𝛼 = se obtiene un vector propio particular asociado con 𝜆𝑗 como
2𝑖

1⁄ 1𝑗𝜋
(𝑐⁄𝑎) 2 𝑠𝑒𝑛 ( )
𝑛+1
2 2𝑗𝜋
(𝑐⁄𝑎) ⁄2 𝑠𝑒𝑛 ( )
𝑛+1
𝑥𝑗 = 3 3𝑗𝜋
(𝑐⁄𝑎) ⁄2 𝑠𝑒𝑛 ( )
𝑛+1
⋮
𝑛 𝑛𝑗𝜋
(𝑐⁄𝑎) ⁄2 𝑠𝑒𝑛 ( )