Documentos de Académico
Documentos de Profesional
Documentos de Cultura
v1 se obtiene una combinación lineal de las columnas
• Al multiplicar la matriz
v2
de A cuyos coeficientes son las componentes del
A por un vector v= ..
.
vector v:
vn
A · v = v1 · A1 + v2 · A2 + . . . + vn · An
se obtiene una matriz cuyas columnas
• Al multiplicar la matriz | | |
son los productos de la matriz A por
A por la matriz B=
B 1 B 2 · · · B n
las columnas de B:
| | |
| | |
A·B=
A · B1 A · B2 · · · A · Bn
| | |
Si descomponemos una matriz en cajas, es decir, matrices más pequeñas contenidas en la ma-
triz original, podemos realizar operaciones considerando éstas como elementos siempre que la
descomposición realizada sea la misma en todas las matrices:
A11 A12 B11 B12
Sean A = yB=
A21 A 22
B21 B22
1
A11 · B11 + A12 · B21 A11 · B12 + A12 · B22
A·B=
A21 · B11 + A22 · B21 A21 · B12 + A22 · B22
• Una matriz A se dice diagonal por cajas si podemos realizar una descomposición de esa
matriz en la que las únicas cajas con elementos no nulos sean aquellas cuya diagonal principal
contenga elementos de la diagonal principal de A
• El producto de dos matrices diagonales por cajas con la misma estructura de cajas es otra
matriz diagonal por cajas con la misma estructura.
Polinomios de matrices
Todo polinomio p : IR −→ IR
x −→ p(x) = an xn + . . . + a1 x + a0
p : Mn (IR) −→ Mn (IR)
A −→ p(A) = an · An + . . . + a1 · A + a0 · I
Sea una matriz A ∈ Mn (IR). Se llama matriz exponencial de A a la matriz expA ∈ Mn (IR)
∞
X 1 1 1 1
expA = · Ak = I + A + · A2 + · A3 + . . . + · Am + . . .
k! 2 3! m!
k=0
Propiedades
• Si A es diagonal por cajas, expA es otra matriz con la misma estructura en la que cada
caja es la exponencial de la correspondiente caja de A
• exp0 = I
2
∞ ∞
"∞ #
X 1 X λk X λk
• exp[λ · I] = k
· [λ · I] = ·I= · I = eλ · I
k! k! k!
k=0 k=0 k=0
• exp[λ · I + A] = eλ · expA
" #
1 0
Ejemplo: Calcular la exponencial de A = .
0 −1
Observemos que A2 = I y que, por tanto, A2k = I ∀k = 0, 1, . . .
A2k+1 = A ∀k = 0, 1, . . .
Aplicando la definición de exponencial:
X∞ X ∞ X∞ X∞ X∞
1 k 1 2k 1 2k+1 1 1
expA = ·A = ·A + ·A = ·I+ ·A =
k! (2k)! (2k + 1)! (2k)! (2k + 1)!
k=0 k=0 k=0 k=0 k=0
"∞ # "∞ #
X 1 X 1 1 1 1 1 e 0
= ·I+ · A = (e + ) · I + (e − ) · A = 1
(2k)! (2k + 1)! 2 e 2 e 0
k=0 k=0 e
Mucho más sencillo era haber pensado “por cajas”:
" #
exp 1 0 e 0
expA = = 1
0 exp {−1} 0
e
Sea A ∈ Mn (IR)
• λ es autovalor o valor propio de la matriz A si det [A − λ · I] = 0.
• v ∈ IRn es un autovector o vector propio asociado a un autovalor λ si v ∈ N [A − λ · I], es
decir, si (A − λ · I) · v = 0 ⇐⇒ A · v = λ · v
• Se llama polinomio característico de la matriz v al polinomio PA (λ) = det [A − λ · I]
• Los autovalores de A son las raíces de su polinomio característico.
• Se llama multiplicidad aritmética de un autovalor λ a la multiplicidad que tiene como raíz
del polinomio característico.
3
• Se llama multiplicidad geométrica de un autovalor λ a la dimensión del núcleo N [A − λ · I].
• la multiplicidad geométrica de un autovalor es siempre menor o igual a su multiplicidad
aritmética.
• Si para cada autovalor de una matriz A se cumple que las multiplicidades aritmética y ge-
ométrica coinciden, entonces A es diagonalizable.
Efectivamente, en este caso podemos encontrar una base de IRn formada exclusivamente por
vectores propios de A. En esta base, la matriz es diagonal.
Conviene recordar aquí que la expresión de una matriz en una base cualquiera se obtiene tomando
como columnas los coeficientes de las imágenes de cada vector de la base expresadas en ella misma.
Así, si v es un vector propio asociado a un autovalor λ, como A · v = λ · v, la correspondiente
columna de la expresión de A en una base que contiene a v como vector k-ésimo será un vector
con λ en la posición k y ceros en el resto de posiciones.
• La traza y el determinante de una matriz son invariantes, es decir, no cambian al cambiar la
base. Por tanto, la suma de los autovalores de una matriz es igual a su traza y su producto igual
a su determinante.
Aplicaciones
• Cálculo de inversas
de donde, despejando:
1 £ ¤
I =− (−1)n · An + an−1 · An−1 + . . . + a1 · A =
det (A)
1 £ ¤
=− (−1)n · An−1 + an−1 · An−2 + . . . + a1 · I · A
det (A)
y, por tanto
1 £ ¤
A−1 = − (−1)n · An−1 + an−1 · An−2 + . . . + a1 · I
det (A)
4
• Exponencial de una matriz que tiene un único autovalor
Sea A ∈ Mn (IR) una matriz que tiene un único autovalor λ de multiplicidad aritmética n.
expA = exp [λ · I + A − λ · I] = exp [λ · I] · exp [A − λ · I] = eλ · exp [A − λ · I]
Por el Teorema de Cayley-Hamilton, la matriz A − λ · I es nilpotente de orden a lo sumo n,
por lo que su exponencial se calcula sencillamente como un polinomio en A de grado a lo sumo
n − 1:
1 1
exp [A − λ · I] = I + [A − λ · I] + · [A − λ · I]2 + . . . + · [A − λ · I]n−1
2 (n − 1)!
y, por fin:
· ¸
λ 1 2 1 n−1
expA = e · I + [A − λ · I] + · [A − λ · I] + . . . + · [A − λ · I]
2 (n − 1)!
1 0 0
Ejemplo: Sea A =
−2 −2 −3 .
Calcular A−1 y expA.
2 3 4
¯ ¯
¯ ¯
¯ 1−λ 0 0 ¯
¯ ¯
El polinomio característico de A es pA (λ) = det [A − λ · I] = ¯¯ −2 −2 − λ −3 ¯¯ =
¯ ¯
¯ 2 3 4−λ ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ −2 − λ −3 ¯ ¯ 1−λ 1−λ ¯ ¯ 1 0 ¯
¯ ¯ ¯ ¯ 2 ¯ ¯
= (1 − λ) ¯ ¯ = (1 − λ) ¯ ¯ = (1 − λ) ¯ ¯ = (1 − λ)3
¯ 3 4−λ ¯ ¯ 3 4−λ ¯ ¯ 3 1−λ ¯
0 0 0 e 0 0
A−I =
−2 −3 −3 ;
2
[A − I] = 0 =⇒ expA =
−2e −2e −3e
2 3 3 2e 3e 4e
5
Vectores propios generalizados
Para construir una cadena generalizada de tamaño k basta con buscar un vector vk ∈
h i h i
N (A − λ · I)k pero tal que vk ∈
/ N (A − λ · I)k−1 . Como su notación indica, este será el
último vector de la cadena. El resto se obtiene multiplicando sucesivamente por la matriz A−λ·I:
vk−1 = (A − λ · I) · vk
vk−2 = (A − λ · I) · vk−1 = (A − λ · I)2 · vk
..
.
vr = (A − λ · I) · vr+1 = . . . = (A − λ · I)k−r · vk
..
.
v1 = (A − λ · I) · v2 = . . . = (A − λ · I)k−1 · vk
Propiedades
• Los vectores de dos cadenas generalizadas asociadas a autovalores distintos son todos
linealmente independientes.
• Los vectores de cadenas generalizadas asociadas a un mismo autovalor pero en las que
los vectores propios (los que tienen subíndice 1 en cada una de ellas) son linealmente
independientes, son linealmente independientes.
6
• Es posible encontrar una base de IRn formada por cadenas generalizadas asociadas a los auto-
valores de cualquier matriz A ∈ Mn (IR).
h i h i
N [(A − λ · I)] N (A − λ · I)2 ··· N [(A − λ · I)r ] = N (A − λ · I)r+1
h i
• Para simplificar la notación pondremos N k = N (A − λ · I)k
n h io
• Desde ahora escibiremos N k = r para indicar que dim N (A − λ · I)k = r
N1 N2 ... N k = N k+1
1. Se toman tantos vectores linealmente independientes como se pueda que estén en N k pero
que no estén en N k−1 (hay tantos como la diferencia de dimensiones de los subespacios).
Con cada uno de ellos se construye una cadena generalizada de tamaño k (ver el proced-
imiento descrito anteriormente).
3. Se toman tantos vectores linealmente independientes como se pueda que estén en N k−1 pero
que no estén en N k−2 y que sean linealmente independientes con los obtenidos
en el paso anterior. (Para esto basta comprobar la independencia lineal de nuestros
7
candidatos con los vectores de subíndice k − 1 obtenidos hasta ahora). Con cada uno de
ellos se construye una cadena generalizada de tamaño k − 1.
4. Se cuentan los vectores obtenidos en total. Si hay m hemos terminado. Si hay menos
5. Se toman tantos vectores linealmente independientes como se pueda que estén en N k−2 pero
que no estén en N k−3 y que sean linealmente independientes con los obtenidos en
los pasos anteriores. (Para esto bsata comprobar la independencia lineal de nuestros
candidatos con los vectores de subíndice k − 2 obtenidos hasta ahora). Con cada uno de
ellos se construye una cadena generalizada de tamaño k − 2.
6. Se cuentan los vectores obtenidos en total. Si hay m hemos terminado. Si hay menos
Comentarios:
Veámos con cierto detalle el segundo punto. Sea Pk la columna k-ésima de P. O bien es un vector
propio asociado a un autovalor λ o, si no es propio, es un vector propio generalizado asociado al
autovalor.
En el primer caso, A · Pk = λ · Pk , por lo que la columna k-ésima de la expresión de A en la
nueva base tendrá el valor λ en la fila k y 0 en el resto de posiciones.
En el segundo caso, (A − λ · I) · Pk = Pk−1 (véase la construcción de cadenas generalizadas),
por lo que A · Pk = λ · Pk + Pk−1 , es decir, la columna k-ésima de la expresión de A en la nueva
base tendrá el valor 1 en la fila k − 1, el valor λ en la fila k y 0 en el resto de posiciones.
Ésta es la estructura de la forma canónica de Jordan: una matriz diagonal por cajas en la
que a cada cadena generalizada de tamaño k asociada a un autovalor λ le corresponde una caja
elemental de Jordan de tamaño k cuya expresión es:
λ 1 0 ··· 0 0 0
0 λ 1 ··· 0 0 0
0 0 λ ··· 0 0 0
.. .. .. . . . . .
. . . . .. .. ..
0 0 0 ··· λ 1 0
0 0 0 ··· 0 λ 1
0 0 0 ··· 0 0 λ
| {z }
k columnas
8
Ejemplo: Calcular la forma canónica de Jordan y la matriz del cambio de base para la matriz
1 0 0
A= −2 −2 −3 .
2 3 4
El polinomio característico lo hemos calculado anteriormente: pA (λ) = (1 − λ)3 por lo que solo
tenemos un autovalor
λ = 1 con multiplicidad
3.
0 0 0
La matriz A − I = −2 −3 −3 tiene rango 1, por lo que la dimensión del nucleo N [A − I]
2 3 3
es 2. Hay dos vectores propios linealmente independientes.
La matriz (A − I)2 = 0, por lo que la cadena de espacios generalizados queda:
N1 N 2 = IR3
Aún no tenemos los 3 vectores que necesitamos. Para completar la base buscamos
un vector
3
w ∈ N 1 que sea linealmente independiente con el v1 . Por ejemplo w =
−2
0
0 0 3 −2/9 −1/3 0
La matriz del
P= −3 0 −2 y su inversa P−1 =
2/3 1 1
cambio de base es
3 1 0 1/3 0 0
−2/9 −1/3 0 1 0 0 0 0 3
JA = P · A · P =
−1
2/3 1 1
· −2 −2 −3 · −3 0 −2 =
1/3 0 0 2 3 4 3 1 0
−2/9 −1/3 0 0 0 3 1 1 0
=
2/3 1 1
· −3 −3 −2 = 0 1 0
1/3 0 0 3 4 0 0 0 1
• En la hoja siguiente presentamos la estructura con la que se buscan los vectores propios
generalizados asociados a un autovalor de multiplicidad aritmética m ≤ 5 en todos los casos
posibles. Se da a título orientativo. Un buen ejercicio consistye en reproducir la estructura que
se indica a la derecha en cada caso
9
Estructura de cadenas generalizadas para un autovalor λ.
N =2
−→ 2 vectores propios
• m=2
N = 1, N 2 = 2 −→ cadena de orden 2
N =3 −→ 3 vectores propios
• m=3 N = 2, N 2 = 3 −→ cadena de orden 2 + v. propio
N = 1, N 2 = 2, N 3 = 3 −→ cadena de orden 3
N =4 −→ 4 vectores propios
N = 3, N 2 = 4 −→ cadena de orden 2 + 2 v. propios
• m=4 2
N =4
−→ 2 cadenas de orden 2
N = 2,
N 2 = 3, N 3 = 4
−→ cadena de orden 3 + v. propio
N = 1, N 2 = 2, N 3 = 3, N 4 = 4 −→ cadena de orden 4
N =5 −→ 5 vectores propios
N = 4, N 2 = 5 −→ cadena de orden 2 + 3 v. propios
2
N =5
−→ 2 cadenas de orden 2 + v. propio
N = 3,
• m=5 N 2 = 4, N 3 = 5 −→ cadena de orden 3 + 2 v. propios
2 3
N = 4, N = 5
−→ cadena de orden 3 + cadena de orden 2
N = 2,
N 2 = 3, N 3 = 4, N 4 = 5 −→ cadena de orden 4 + v. propio
N = 1, N 2 = 2, N 3 = 3, N 4 = 4, N 5 = 5 −→ cadena de orden 5
10
José Olarrea Busto
11