Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
En este parte se presentan las funciones, definidas en Mathematica, que resultan útiles para facilitar
los cálculos necesarios en el proceso de diagonalización de matrices cuadradas.
Proceso de diagonalización
A 1, 0, 0, 0 , 2, 1, 2, 0 , 1, 1, 2, 0 , 0, 0, 0, 0 ;
MatrixForm A
1 0 0 0
2 1 2 0
1 1 2 0
0 0 0 0
Polinomio característico:
Con la función
p Λ CharacteristicPolynomial A, Λ
Λ2 2 Λ3 Λ4
Factor p Λ
1 Λ 2
Λ2
Solución:
pΛ Λ2 2 Λ3 Λ4 1 Λ 2 Λ2
1
OCW2018: Utilizando Mathematica como apoyo
al cálculo algebraico en los grados de Ingeniería
Sea A n n una matriz cuadrada definida sobre el cuerpo de los números reales.
Eigenvalues. Devuelve una lista con los valores propios de una matriz (m) señalada como
argumento.
si un valor propio es múltiple aparece repetido en la lista tantas veces como sea su orden
Eigenvectors. Devuelve una lista con los vectores propios asociados a los valores propios de
una matriz (m) señalada como argumento.
aparecen en la lista tantos vectores como indica el orden de cada valor propio, por tanto,
bases de los subespacios propios asociados a los valores propios
si un valor propio es múltiple y no coincide su orden con la dimensión del subespacio
propio asociado (multiplicidad geométrica) entonces se completa la lista con vectores
nulos
Eigensystem. Devuelve una lista de listas:
primera lista: valores propios de la matriz (m) señalada como argumento
A 1, 0, 0, 0 , 2, 1, 2, 0 , 1, 1, 2, 0 , 0, 0, 0, 0 ;
Valores propios:
Con la función
Eigenvalues A
1, 1, 0, 0
2
OCW2018: Utilizando Mathematica como apoyo
al cálculo algebraico en los grados de Ingeniería
p Λ CharacteristicPolynomial A, Λ ;
Solve p Λ 0, Λ
Λ 0 , Λ 0 , Λ 1 , Λ 1
Espectro: Σ A Λ1 0 k1 2 , Λ2 1 k2 2
Vectores propios:
Eigenvectors A
1, 0, 1, 0 , 1, 1, 0, 0 , 0, 0, 0, 1 , 0, 2, 1, 0
Eigensystem A
1, 1, 0, 0 , 1, 0, 1, 0 , 1, 1, 0, 0 , 0, 0, 0, 1 , 0, 2, 1, 0
B1 0, 0, 0, 1 , 0, 2, 1, 0 B2 1, 0, 1, 0 , 1, 1, 0, 0
Λ1 0: Λ2 1:
dim S 0 2 dim S 1 2
Semejanza de matrices
Las matrices A y B son semejantes si existe una matriz invertible, Q n n , tal que se verifica la
1
igualdad: B Q A Q
Si dos matrices A y B son semejantes tienen el mismo rango, el mismo determinante y el mismo
polinomio característico (por tanto, el mismo espectro).
1 3 2 0
Ejemplo. Sean las matrices A ,B 2 2 . Calcular su espectro y determinar si
3 1 9 4
son semejantes.
Definición de las matrices:
A 1, 3 , 3, 1 ;B 2, 0 , 9, 4 ;
Polinomio característico:
pa Λ CharacteristicPolynomial A, Λ
8 2Λ Λ2
pb Λ CharacteristicPolynomial B, Λ
8 2Λ Λ2
Espectro:
Eigenvalues A
4, 2
Eigenvalues B
4, 2
3
OCW2018: Utilizando Mathematica como apoyo
al cálculo algebraico en los grados de Ingeniería
Σ A Σ B Λ1 4 k1 1 , Λ2 2 k2 1
1
A, B semejantes Q 2 2 invertible B Q A Q:
Solve : Equations may not give solutions for all "solve" variables.
c a 3 b, d b
Q Q .s 1
a, b , a 3 b, b
MatrixForm Q
a b
a 3b b
Solve : Equations may not give solutions for all "solve" variables.
2a
b 0 , b
3
0 1
3 1
B Inverse Q1 .A.Q1
True
0 1 1
Las matrices son semejantes: Q tal que B Q A Q
3 1
Una matriz A se dice diagonalizable si existe una matriz invertible, P n n , tal que se verifica
1
la igualdad D P A P, siendo D una matriz diagonal. Entonces, una matriz cuadrada A es diagonaliz-
able cuando es semejante a una matriz diagonal.
n
Se demuestra que una matriz A n n es diagonalizable si y sólo si existe una base de for-
mada por vectores propios de A. Esto ocurre cuando dim S Λi ki i.
Ejemplo. Determine justificadamente si es diagonalizable la matriz A:
1 0 0 0
2 1 2 0
A
1 1 2 0
0 0 0 0
La matriz A es diagonalizable dado que coinciden las multiplicidades algebraica y geométrica
para los dos valores propios; es decir, tienen asociados tantos vectores propios libres como
indica su orden: k1 2, k2 2 (obtenido en un ejemplo anterior)
4
OCW2018: Utilizando Mathematica como apoyo
al cálculo algebraico en los grados de Ingeniería
4
Base de formada por vectores propios:
A 1, 0, 0, 0 , 2, 1, 2, 0 , 1, 1, 2, 0 , 0, 0, 0, 0 ;
s Eigensystem A
1, 1, 0, 0 , 1, 0, 1, 0 , 1, 1, 0, 0 , 0, 0, 0, 1 , 0, 2, 1, 0
MatrixRank s 2
base s 2
1, 0, 1, 0 , 1, 1, 0, 0 , 0, 0, 0, 1 , 0, 2, 1, 0
4
Base de :B 4 1, 0, 1, 0 , 1, 1, 0, 0 , 0, 0, 0, 1 , 0, 2, 1, 0
Diagonalizar una matriz A consiste en hallar, si es posible, las matrices D y P que verifican la
1
igualdad: D P A P. La matriz de paso P se obtiene disponiendo en columnas los vectores propios
de una matriz diagonalizable. La matriz D presenta en la diagonal principal los valores propios en el
orden en que se han dispuesto los vectores propios en la matriz P.
Ejemplo. Diagonalizar la matriz A:
1 0 0 0
2 1 2 0
A
1 1 2 0
0 0 0 0
Del ejemplo anterior:
A 1, 0, 0, 0 , 2, 1, 2, 0 , 1, 1, 2, 0 , 0, 0, 0, 0 ;
s Eigensystem A
1, 1, 0, 0 , 1, 0, 1, 0 , 1, 1, 0, 0 , 0, 0, 0, 1 , 0, 2, 1, 0
Matriz de paso P:
P Transpose s 2 ;
MatrixForm P
1 1 0 0
0 1 0 2
1 0 0 1
0 0 1 0
Matriz diagonal D:
d DiagonalMatrix s 1
1, 0, 0, 0 , 0, 1, 0, 0 , 0, 0, 0, 0 , 0, 0, 0, 0
MatrixForm d
1 0 0 0
0 1 0 0
0 0 0 0
0 0 0 0
5
OCW2018: Utilizando Mathematica como apoyo
al cálculo algebraico en los grados de Ingeniería
Comprobación:
d Inverse P .A.P
True
1 1 0 0 1 0 0 0
0 1 0 2 0 1 0 0
P D
1 0 0 1 0 0 0 0
0 0 1 0 0 0 0 0
Matriz ortogonal
Si las filas (ó columnas) de una matriz ortogonal A se interpretan como n vectores de n componentes
el sumatorio anterior se interpreta como el producto escalar usual de dos de ellos:
el producto escalar de dos vectores diferentes es cero, es decir, son ortogonales
el resultado es uno cuando se multiplica un vector por sí mismo con lo que su norma es la
unidad, es decir, los vectores son unitarios
Entonces, una matriz real A es ortogonal si y sólo si sus vectores fila (ó vectores columna) consti-
tuyen un conjunto ortonormal de vectores.
Por tanto, puede definirse una matriz ortogonal como aquella matriz cuadrada, A aij n n , de
T T
orden n que verifica A A A A n, siendo n la matriz identidad de orden n.
1
Entonces, una matriz ortogonal es invertible y, además, A AT .
Matriz simétrica
Una matriz real A n n , cuadrada de orden n, es simétrica si tiene iguales los elementos simétri-
cos respecto de la diagonal principal; entonces, A AT .
Una matriz A real y simétrica verifica las siguientes propiedades:
los vectores propios asociados a valores propios distintos de A son libres ortogonales
1
A es diagonalizable: P invertible tal que D P A P
6
OCW2018: Utilizando Mathematica como apoyo
al cálculo algebraico en los grados de Ingeniería
Clear A, s, P, d
A 6, 2, 2 , 2, 5, 0 , 2, 0, 7 ;
s Eigensystem A
9, 6, 3 , 2, 1, 2 , 1, 2, 2 , 2, 2, 1
bo Orthogonalize s 2
2 1 2 1 2 2 2 2 1
, , , , , , , ,
3 3 3 3 3 3 3 3 3
Matriz de paso P:
P Transpose bo ;
MatrixForm P
2 1 2
3 3 3
1 2 2
3 3 3
2 2 1
3 3 3
Inverse P Transpose P
True
Matriz diagonal D:
d DiagonalMatrix s 1 ; MatrixForm d
9 0 0
0 6 0
0 0 3
Comprobación:
d Transpose P .A.P
True
2 1 2
3 3 3 9 0 0
1 2 2
P D 0 6 0
3 3 3
2 2 1 0 0 3
3 3 3
7
OCW2018: Utilizando Mathematica como apoyo
al cálculo algebraico en los grados de Ingeniería
Teorema de Cayley-Hamilton
Polinomios matriciales
p x c0 c1 x c2 x2 ... ch 1 xh 1
ch xh donde c0 , c1 , c2 , ... , ch 1, ch
A partir de él puede definirse un polinomio de matrices, siendo n la matriz identidad de orden n:
2 h 1 h
p A c0 n c1 x c2 A ... ch 1 A ch A donde A n n
Se demuestra que toda operación realizada sobre el polinomio escalar también es válida para el
polinomio matricial.
Si p A 0 n n entonces se dice que la matriz A es un cero del polinomio p(x) o bien que p(x) es un
polinomio anulador de la matriz A.
Teorema
El teorema, debido a Arthur Cayley y William Hamilton, afirma que toda matriz cuadrada verifica su
ecuación característica. Es decir, el polinomio característico, p(Λ), de una matriz cuadrada A es un
polinomio anulador de A.
A 1, 0, 0, 0 , 2, 1, 2, 0 , 1, 1, 2, 0 , 0, 0, 0, 0 ;
nul Table 0, i, 4 , j, 4 ;
Polinomio característico:
p Λ CharacteristicPolynomial A, Λ
Λ2 2 Λ3 Λ4
True