Tema 6: Diagonalización de matrices

Transcripción

1 Tema 6: Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas de orden, y, sedice que son semejantes cuando existe otra matriz cuadrada de orden,, invertible, tal que Recordemos también que el concepto de semejanza va íntimamente ligado al de enformorfismos pues dos matrices son semejantes si y sólo si van asociadas a un mismo endomorfismo.asísilasmatrices anteriores y son semejantes existirá un endomorfismo de R y bases y 0 del espacio tales que () y 0 0() Por tanto el problema de la diagonalización puede enfocarse desde el punto de vista de endomorfismos: dado un endomorfismo de R se trata de ver si existe una base del espacio respecto de la cual la matriz asociada sea diagonal. Realmente ambos problemas son equivalentes, pues en primer lugar dado : R R podemos tomar como matriz () la matriz asociada a cierta base de R, y viceversa, dada podemos tomar de modo que se cumpla la misma relación anterior () (ver Tema 4: Aplicaciones lineales). En tal caso, puede comprobarse que una matriz es semejante a siysólosivaasociadaa respecto de alguna base de R.. Valores propios y vectores propios Definición: Sea una matriz cuadrada de orden, un escalar del cuerpo y un vector-columna no nulo del espacio vectorial R. Si se cumple que entonces se dirá que es un valor propio (o autovalor) de yque es un vector propio (o autovector) de. Esmássediráque es un valor propio de asociado al vector propio, yque es un vector propio de asociado al valor propio. Sea : un endomorfismo de un espacio vectorial, un escalar del cuerpo y un vector no nulo del espacio vectorial. Si se cumple que () =

2 entonces se dirá que es un valor propio (o autovalor) de yque es un vector propio (o autovector) de. Esmássediráque es un valor propio de asociado al vector propio, yque es un vector propio de asociado al valor propio. En las siguientes propiedades estaremos refiriéndonos a valores o vectores propios indistintamente para matrices o endomorfismos. Observaciones:. Observemos que mientras un vector propio debe ser no nulo (el vector 0 no se considera vector propio) un valor propio sí puede ser nulo (el escalar 0sí puede ser valor propio). Así que habrá algunas matrices (y endomorfismos) que sí tengan el valor propio 0.. Todo vector propio va asociado a un único valor propio (se dirá que es el valor propio asociado al vector propio ). 3. Dado un vector propio asociado al valor propio y un escalar no nulo se tiene que el vector es también un vector propio y además va asociado al mismo valor propio. En general se cumple que dados vectores propios asociados al mismo valor propio resulta que toda CL no nula de ellos es también un vector propio con el mismo valor propio asociado. Ejemplos:. Comprobar que es un vector propio de la matriz y determinar cuál es su valor propio asociado. Como = = se tiene que es un vector propio de asociado al valor propio.. Sea el endomorfismo de R 3 cuya expresión analítica es ( ) =( ) = Comprobar que ( 0 ) es un vector propio del endomorfismo y hallar el valor propio correspondiente. Como () =( 0 ) = (0 0 0) = 0 ( 0 ) = 0 se tiene que el vector ( 0 ) es un vector propio de asociado al valor propio 0.

3 Observación: Sea un endomorfismo de R y la matriz asociada a respecto de la base canónica de R.Entonceslos valores propios (y los vectores propios) de yde son los mismos. Esto se debe a que (como ya se sabe) para todo vector-columna R se cumple que () = Si tenemos una matriz de orden recordemos que se llamaba núcleo de al siguiente conjunto de vectores ker { R : 0} Éste es el conjunto de soluciones del sistema de ecuaciones lineales homogéneo cuya matriz de coeficientes es precisamente (este sistema tiene ecuaciones y incógnitas). Entonces ker es un subespacio de R cuyas ecuaciones implícitas tienen por matriz de coeficientes. Además,porel TeoremadeRouché-Fröbeniussetieneque dim ker () Nota: Recordemos que si es un endomorfismo de R tal que es la matriz asociada a respecto de la base canónica, entonces ker ker. Polinomio característico Sea un escalar del cuerpo y una matriz cuadrada de orden e la matriz identidad de ese tamaño. Entonces es un valor propio de si y sólo si existe un vector no nulo R tal que. Ahora bien la igualdad anterior equivale a 0ya 0, y ésta a su vez a ( )0,locualsignifica que ker( ). Así es un valor propio de si y sólo si ker( ) 6= 0.Ycomodim ker( ) = ( ), lo anterior equivale a que ( ). Finalmente esta última condición puede traducirse en que =0.Endefinitiva obtenemos que R esunvalorpropiodelamatrizasiysólosi =0 Si es una matriz cuadrada de orden se llama polinomio característico de al polinomio () = (en el que denotamos por la variable). En consecuencia este polinomio es de grado y sus raíces son precisamente los valores propios de la matriz. Sea un valor propio de una matriz. Se llama multiplicidad de como valor propio de la matriz a la multiplicidad que tiene como raíz del polinomio característico. Se denotará (). Como la suma de las multiplicidades de todas las raíces de un polinomio es como mucho su grado, la suma de las multiplicidades de los valores propios de la matriz es como mucho el grado del polinomio característico, o sea, el tamaño de la matriz. Ejemplo: Hallar el polinomio característico y los valores propios de las siguientes matrices: = 3 7 = = 3 3

4 4 = = Para la primera se tiene que el polinomio característico vale () = = =( )(7 ) = 3 7 =3 + = 0 + Sus raíces valen ± = ± 64 = ±8 =0. Asíquelosvalorespropiosde son y 0. Para la segunda se tiene que el polinomio característico vale () = = =(6 ) = =(6 )( )( ) De aquí obtenemos que sus raíces (y por tanto los valores propios de )son o dicho de otro modo 6 con multiplicidad y 6 con multiplicidad Para la tercera se tiene que el polinomio característico vale 3 3 () = 3 = =(3 )(3 )+4= 3 = =3 6 + Sus raíces (o lo que es lo mismo, los valores propios de la matriz 3 )valen 6 ± 36 = 6 ± 6 = 6 ± 4 =3± Para la cuarta se tiene que el polinomio característico vale 0 4 () = 4 = 0 3 =( )( )( ) 0 0 Ahora sus raíces (o lo que es lo mismo, los valores propios de la matriz 4 )son,demodoinmediato Para la quinta se tiene que el polinomio característico vale () = = =(4 )( 7 )(6 )

5 Ahora sus raíces (o lo que es lo mismo, los valores propios de la matriz )son,demodoinmediato Observación: Razonando como con las matrices 4 y del ejemplo (así podrá hacerse en la matriz del ejercicio que viene a continuación) puede verse que los valores propios de una matriz triangular (superior o inferior) son los elementos de la diagonal principal. Observación: Llegado este punto es conveniente que el alumno repase la parte dedicada a la obtención de raíces de polinomios. Dicha parte estaba en un apéndice del Tema, pero la hemos vuelto a incluir en un apéndice de presente tema. Ejemplo: Hallar el polinomio característico y los valores propios de las matrices Solución: () = 3 los valores propios de son 7 () = 3 +7 los valores propios de son () =(3 ) ( ) los valores propios de son 3 3 () =( 9)( ) los valores propios de son 9 Propiedad: Dos matrices semejantes tienen el mismo polinomio característico. Del resultado anterior deducimos que matrices semejantes tienen los mismos valores propios y las mismas multiplicidades. Además, tiene sentido definir el polinomio característico de un endomorfismo como el de cualquiera de sus matrices asociadas, ya que todas ellas son semejantes. Observación: En la propiedad anterior cuando hablamos de matrices asociadas a un endomorfismo, en el contexto de este tema, se entiende que son matrices en las que se toma la misma base repetida. Es decir, del tipo () para cierta base. Ejemplo: Calcular los valores propios del endomorfismo de R 3 cuya expresión analítica es: ( ) =( ) Basta calcular los valores propios de cualquiera de sus matrices asociadas. Tomaremos por sencillez la matriz asociada de respecto de la base canónica. Ésta es y como hemos dicho con anterioridad, los valores propios de una matriz triangular (superior o inferior) son los elementos de la diagonal principal, en este caso 4

6 3. Subespacios propios Dado un valor propio de una matriz cuadrada, llamaremos subespacio propio de la matriz asociado al valor propio a =ker( ) ={ ( )0} = { } Cuando vimos que las raíces del polinomio característico son los valores propios de una matriz deducimos que un vector no nulo era un vector propio de asociado al valor propio si y sólo si ker( ). De este modo, el subespacio propio de la matriz asociado al valor propio está formado por todos los vectores propios de la matriz asociados al valor propio, además del vector 0. Propiedades: Para cada valor propio de una matriz cuadrada de orden se tiene que:. ker( ) 6= 0(es decir, dim(ker( )) ).. dim[ker( )] (). 3. dim[ker( )] = ( ). Propiedaḋ: Vectores propios asociados a distintos valores propios son LI; o dicho de otro modo, la suma de los subespacios propios es directa. Esto se traduce en que la unión de bases de cada subespacio propio resulta ser una base de la suma de los subespacios propios. Ejemplo: Hallar los subespacios propios de la matrices,, y del Ejemplo, determinando unabasedecadaunodeellos. Solución: Para la matriz cuyos valores propios eran y 7 se tiene que Para la matriz ker( +) = { es decir ker( +) y ker( 7) ={ ( 9 4 :( 7) : = ( ( =0} }

7 cuyos valores propios eran 0, 3 y 4 se tiene que Para la matriz ker ker( 3) ker( 4) cuyos valores propios eran 3, 3 y se tiene que Para la matriz ker( 3) ker( ) cuyos valores propios eran y 9 se tiene que ker( ) ker( 9) 4. Matrices diagonalizables = Una matriz cuadrada se dice que es diagonalizable si es semejante a una matriz diagonal. Un endomorfismo de R se dice diagonalizable si la matriz asociada respecto de alguna base del espacio es una matriz diagonal. En ambos casos la matriz diagonal se llamará matriz diagonal asociada, ysu diagonal principal estará formada por los valores propios de la matriz (o del endomorfismo ), como veremos a continuación. Esta matriz no tiene por qué ser única, pues 7

8 depende del orden en el que elijamos los valores propios (será única se elegimos un orden concreto para los escalares de la diagonal, por ejemplo, el orden natural de los números). Además, como ya hemos visto al principio del tema, dados un endomorfismo de R y la matriz asociada a respecto de la base canónica de R,setieneque es diagonalizable si y sólo si es diagonalizable. Condición : Un endomorfismo (o una matriz) es diagonalizable si y sólo si existe una base del espacio vectorial (que para el caso de la matriz será R ) formada por vectores propios del endomorfismo(odelamatriz). Cuando tengamos una matriz diagonalizable tendremos donde es una matriz diagonal y es invertible. A la llamaremos matriz diagonal semejante a ya yasuinversamatrices de paso o matrices cambio de base. Entonces si tomamos el endomorfismo de R tal que () = (con la base canónica de R ), para la descomposición pueden tomarse () y con una base de R formada por vectores propios de. Ahora bien, cómo podemos hallar esta base de vectores propios? Veamos el siguiente resultado. Condición : Una matriz cuadrada de orden con coeficientes sobre el cuerpo R es diagonalizable sobre el cuerpo si y sólo R es la suma (directa) de todos los subespacios propios de la matriz si y sólo si la suma de las dimensiones de dichos subespacios propios es. Como consecuencia de este resultado obtenemos, como ya adelantamos con anterioridad, que la base de vectores propios se puede hallar uniendo bases de cada uno de los subespacios propios de. Condición 3: Sea una matriz cuadrada de orden con coeficientes sobre el cuerpo R. Entonces es diagonalizable sobre el cuerpo si y sólo si se verifican las siguientes condiciones:. El polinomio característico tiene sólo raíces reales. Esto equivale a que la suma de las multiplicidades de todos los valores propios reales de la matriz es.. Para cada valor propio de la matriz se tiene que dim[ker( )] = () Es una sencilla observación que si es un valor propio de una matriz cuadrada tal que () =, entonces dim[ker( )] =. Esto es consecuencia de que dim[ker( )] () = Deducimos de esto el siguiente criterio, el cual nos proporciona una situación en la que una matriz es diagonalizable; esta situación no tiene por qué darse en todos los casos de matrices diagonalizables, pero cuando se da es más sencillo observar que la matriz lo es. 8

9 Condición 4: Sea una matriz cuadrada de orden con coeficientes sobre el cuerpo R. Si posee valores propios de multiplicidad en R, entonces es diagonalizable sobre R. Ejercicio: Determinar si son diagonalizables o no las matrices que se dan a continuación, y en caso afirmativo, obtener una matriz diagonal asociada y una matriz de paso, que permita descomponer la matriz inicial:. Las matrices 3 4 del Ejemplo.. Las matrices del Ejemplo Solución: ) Sobre R sólo es diagonalizable.sobrec también son diagonalizables 3 y. ) Sobre R son diagonalizables, y. 3) Valores propios: De son 0 0 3; de es 4 ±; de son 0 3; de son ; de son 4; de son 0; de son 0 0 ; de son. Son diagonalizables sobre R las matrices,,, y. SobreC es diagonalizable además. Vamos a hacer el desarrollo completo con las matrices y. Empezando por la primera, el polinomio característico es 0 () = = 0 = = ( )( )(3 ) de donde deducimos que los valores propios de son 0 3 9

10 (con multiplicidad uno todos). Entonces según uno de nuestros criterios la matriz es diagonalizable, pues es de orden 3 ytiene3 valores propios distintos. Una matriz diagonal asociada sería = Hallemos una base de R 3 formada por vectores propios de la matriz. Para ello tenemos que hallar unabasedecadaunodelossubespaciospropios: En primer lugar tenemos que 0 luego ker y una base de este espacio vectorial es {( 0)} Después tenemos que luego ker( ) y una base de este espacio vectorial es {( 0 0)} En último lugar tenemos que 3 luego ker( 3) =0 y una base de este espacio vectorial es {( 3)} Así tenemos la siguiente base de R 3 formada por vectores propios de = {( 0) ( 0 0) ( 3)} 0

11 Entonces denotando por a la base canónica de R 3 se tiene la siguiente descomposición donde = Ahora vamos con la matriz. Su polinomio característico es 0 0 () = = 0 0 =( ) ( 4 ) 4 4 de donde deducimos que los valores propios de son 4 Para comprobar que la matriz es diagonalizable sobre R habría que ver en primer lugar que hay tantos valores propios reales (se cuenta cada uno repetido según su multiplicidad, es decir el 4 una vez y el dos veces) como tamaño tiene la matriz, 3, lo cual es claro que se cumple. Ahora habría que comprobar que cada valor propio tiene igual multiplicidad que dimensión su subespacio propio. Como el valor propio 4 tiene multiplicidad para él ya sabemos que la coincidencia se da. Vayamos a realizar la comprobación sobre el valor propio doble: el. Comolamatrizes es claro que dim[ker( )] = 3 ( ) =3 ==() por lo que ya está comprobada la coincidencia para todos los valores propios. Una matriz diagonal asociada sería = Hallemos una base de R 3 formada por vectores propios de la matriz. Para ello tenemos que hallar unabasedecadaunodelossubespaciospropios: En primer lugar tenemos que ( 4) +4 luego ker( +4)

12 y una base de este espacio vectorial es {(0 0 )} Apartirdelamatriz calculada anteriormente tenemos que 0=0 luego ker( ) 0= y una base de este espacio vectorial es (despejando +3) {( 0) (0 3 )} Así tenemos la siguiente base de R 3 formada por vectores propios de = {(0 0 ) ( 0) (0 3 )} Entonces denotando por a la base canónica de R 3 se tiene la siguiente descomposición donde = Aplicaciones de la diagonalización.. Cálculo de potencias de matrices Supongamos que prentendemos calcular diferentes potencias de la matriz Entonces se tiene que = = = Ahora bien, qué ocurre si pretendemos calcular potencias altas de la matriz? O bien obtener de forma genérica la expresión de? La diagonalización puede ser empleada para resolver esta cuestión. Veamos cómo: Si es una matriz diagonalizable cuya descomposición es (donde es la matriz diagonal asociada y la matriz de paso) entonces se cumple para cada índice natural que

13 Además si es una matriz diagonal con elementos { } en la diagonal principal, para cada 3 se tiene que es también una matriz diagonal, y los elementos de la diagonal principal son { } Ejemplo: En el ejemplo anterior para la matriz hallemos 00. Empecemos calculando su polinomio característico 7 = = =( 7 )(8 )+4= =( +)( ) luego los valores propios de son. Entonces es diagonalizable (dos valores propios distintos para una matriz de orden ) y una matriz diagonal asociada es 0 0 Los subespacios propios son ( ker( + ) ,conbase{( )} y ( ker( ) De este modo a partir de la base {( ) ( 3)},conbase{( 3)} de R formada por vectores propios, puede obtenerse la matriz de paso = 3 que nos permite tener la descomposición En este caso = 3 3

14 Entonces = 00 = 00 = = ( ) = Diagonalización de matrices simétricas reales Tiene especial interés la diagonalización de matrices simétricas. Supongamos que tenemos una matriz cuadrada real de orden que es simétrica (recordemos que esto significa que ). Vamos a considerar el espacio vectorial euclídeo R, en el que se considera el producto escalar euclídeo. Entonces:. es siempre diagonalizable sobre R, en particular sus valores propios son todos reales (no hay valores propios imaginarios).. Vectores propios de la matriz asociados a distintos valores propios son ortogonales. 3. Puede encontrarse una base ortogonal (e incluso ortonormal) de R formada por vectores propiosdelamatriz. Recordemos que una matriz cuadrada se dice que es ortogonal cuando es invertible y =. En referencia a esto se tiene que una matriz cuadrada es ortogonal si y sólo si sus vectores-fila (o sus vectores columna) forman una base ortonormal de espacio R, para el producto escalar euclídeo, y que la matriz cambio de base entre dos bases ortonormales (según el producto escalar euclídeo) es siempre una matriz ortogonal. Sea una matriz cuadrada real simétrica. Según lo anterior es diagonalizable y podemos encontrar una base ortonormal de R (respecto al producto escalar euclídeo) formada por vectores propiosdelamatriz(estoseharáescogiendo en cada subespacio propio una base ortonormal y uniendo dichas bases). Entonces en la descomposición de, donde, siendo la base canónica, se tiene que es una matriz ortogonal, ya que es la matriz cambio de base entre dos bases ortonormales, y, conloque =. En esto consiste lo que denominaremos la diagonalización ortogonal de la matriz real simétrica, en hacer la diagonalización mediante una matriz de paso ortogonal. Ejemplo: Diagonalizar ortogonalmente la matriz hallando la matriz diagonal asociada, los subespacios propios, una base ortonormal de vectores propios, y las matrices de paso que permiten la descomposición de la matriz inicial. 4

15 Como = =(3 ) 4 = = (3 )[( 4 )( ) 4] = (3 )( +) =(3 )( +) los valores propios son 30. La matriz diagonal asociada es Hallemos una base ortonormal de cada subespacio propio. Para el valor propio 3se tiene que 0=0 ( 3) 7 +0 = ( 0 0) 40 Para el valor propio 0se tiene que Para el valor propio se tiene que ( +) = (0 ) = (0 ) Luego las bases ortonormales de los subespacios propios son: ( 0 0) { } = {( 0 0)} k( 0 0)k (0 ) { k(0 )k } = {(0 )} (0 ) { k(0 )k } = {(0 )} Entonces una base ortonormal de R 3 formada por vectores propios de la matriz es {( 0 0) (0 ) (0 )} por tanto las matriz de paso son y =