Diagonalizacion
Diagonalizacion
Diagonalizacion
DIAGONALIZACIN
Autores: Juan Alberto Rodrguez Velzquez (jrodriguezvel@uoc.edu) Cristina Steegmann Pascual
(csteegmann@uoc.edu)
ESQUEMA DE CONTENIDOS
________________________
INTRODUCCIN
___________________
En este math-block, como su ttulo indica, se estudia el problema de la diagonalizacin de endomorfismos y matrices. Dicho estudio est estrechamente vinculado a los conceptos de matriz asociada a una aplicacin lineal y matriz de cambio de base; es por ello que dedicamos la primera seccin al anlisis de las relaciones existentes entre estas matrices. En la segunda seccin analizamos el problema de la diagonalizacin de endomorfismos y matrices y presentamos los resultados necesarios para el estudio de dicho problema. Los ejemplos ilustrativos de los principales resultados presentados en el math-block estn agrupados en la cuarta seccin. Por ltimo, presentamos la diagonalizacin de algunas matrices utilizando el programa Mathcad como herramienta de clculo.
OBJETIVOS
________________________
Conocer la relacin existente entre las matrices asociadas a una misma aplicacin lineal en diferentes bases. Conocer el mtodo de clculo de los valores y vectores propios de un endomorfismo (matriz) Saber determinar si un endomorfismo (matriz) es diagonalizable. Saber determinar una base propia y la matriz diagonal de un endomorfismo diagonalizable.
Diagonalizacin
Mostrar las posibilidades que brinda el programa Mathcad para el estudio de la diagonalizacin de endomorfismos y matrices.
CONOCIMIENTOS PREVIOS
___________________________________
Es recomendable haber ledo, previamente, los math-blocks relativos a: lgebra de matrices. Determinantes. Sistemas de ecuaciones lineales. Aplicaciones lineales. Espacios vectoriales.
CONCEPTOS FUNDAMENTALES
______________________________
Sea
x f ( x) Sean A = ( a1 , a 2 ,..., a n ) y B = (b1 , b2 ,..., bm ) bases de E n y E m respectivamente. Llamamos matriz asociada a f en las bases A y B a la matriz ( ij ) M mn cuyos elementos ij son la
coordenada
1 j . Es decir, si f ( a j ) = , entonces f ( a j ) es la columna j de la matriz M [ f , A, B ] mj f : R 3 R 2 definida por f ( x, y , z ) = ( 2 x + y , y + z ) Vamos a calcular la matriz asociada a f en las bases cannicas. En este caso la matriz asociada
Consideremos la siguiente aplicacin lineal se obtiene calculando la imagen de los vectores de la base del espacio de partida y ponindolas en columnas:
Diagonalizacin
2 1 0 M [ f , C3 , C 2 ] = 0 1 1
Ntese que la matriz asociada acta como la aplicacin lineal de la siguiente forma:
Esto quiere decir que podemos estudiar la aplicacin lineal a partir de su matriz asociada. Naturalmente, si cambiamos las bases obtenemos otra matriz asociada.
x 2 1 0 f ( x, y , z ) = 0 1 1 y = (2 x + y, y + z ). z
B a la cannica es 2 1 Q= 0 1 B es
1 2 Q 1 = 0 1
1 2
2 0 = (1,0); 1 1 1 2 = (0,1); 1 1
1 2
1 0 1 2 M [ f , A, B ] = 0 1 1
Veamos ahora como se relacionan ambas matrices y las matrices de cambio de base. La matriz de cambio de base, de la base
A a la cannica es
Diagonalizacin
1 1 0 P = 0 1 0 0 0 1
La matriz de cambio de base, de la base la cannica a la base concreto coincide con P. Cmo actan estas matrices?
M [ f , A, B ] : Transforma los vectores de R 3 , cuyas coordenadas estn expresadas en la base A , x A R 3 , en su imagen por la aplicacin f , cuyas coordenadas estn expresadas en la
base
B de R 2 ,
( f ( x A ) )B R 2 .
)C 2 R 2 .
xC 3 R 3 .
Q 1 : Transforma vectores de R 2 , cuyas coordenadas estn expresadas en la base cannica, y C 2 R 2 , en ellos mismos pero con las coordenadas expresadas en la base B, y B R 2 .
Entonces, el siguiente diagrama conmutativo nos permite relacionar estas matrices:
(R , C )
3 3
M [ f , C3 , C 2 ]
(R
, C2
Q 1
3
(R , A)
O lo que es igual: Esto es,
M [ f , A, B ]
(R , B )
3
M [ f , A, B ] = Q 1 M [ f , C3 , C 2 ]P.
1 1 0 1 2 1 0 1 1 0 1 2 2 2 M [ f , A, B ] = 0 1 0 == 0 1 0 1 1 0 1 1 0 0 1
En general, sea f una aplicacin lineal entre dos espacios vectoriales de dimensin finita:
Diagonalizacin
M [ f , A, B ] = Q 1 M [ f , A' , B ']P, donde P es la matriz de cambio de base de A a A' y Q es la matriz de cambio de base de B a B '.
Diagonalizacin
Diremos que una aplicacin lineal de un espacio vectorial en s mismo es un endomorfismo. La matriz asociada a un endomorfismo definido en un espacio vectorial de dimensin n es una matriz cuadrada de orden n. Si se pretende estudiar un endomorfismos a partir de su matriz asociada, resultar conveniente averiguar si existe una base tal que la matriz asociada respecto a dicha base sea la ms simple posible; una matriz diagonal. Si existe tal base, se dice que el endomorfismo es diagonalizable.
f un endomorfismo definido en un espacio vectorial E de dimensin n. Denotaremos la matriz asociada a f en la base cannica de E de la siguiente forma: M [ f , C ] = M [ f , C , C ] .
Sea Supongamos que
Veamos qu condiciones se deben cumplir para que exista esta matriz: En primer lugar,
Diremos que un vector no nulo x de un espacio vectorial E es un vector propio del endomorfismo f , definido en E , si existe R tal que f ( x ) = x. En ese caso se dice que
M , de orden n, si existe R tal que Mx t = x t . En ese caso, se dice que es un valor propio de M y que x es un vector propio asociado al valor propio .
5
Diagonalizacin
M [ f , C ] es diagonal) concluimos i es un valor propio del endomorfismo f , y de la matriz M [ f , C ], y que ei es un vector propio asociado al valor propio i , i : i {1,..., n}.
Bajo el supuesto de antes (de que Naturalmente, si en la diagonal de la matriz hay nmeros repetidos entonces existirn valores propios que tendrn ms de un vector de la base como vector propio asociado. En cambio, a cada vector propio le corresponde un nico valor propio. En efecto, sea x E un vector propio y sean
Sean ahora dos bases B y B ' de E y sean M f , B y M f , B ' matrices no necesariamente diagonales. A continuacin analizaremos la relacin que existe entre los valores y vectores propios de ambas matrices asociadas a f .
x E {0} : M [ f , B ](x B )t = (x B )t , es decir, es un valor propio de M [ f , B ] y x B es un vector propio de M [ f , B ] asociado al valor propio , cuyas coordenadas estn expresadas en la base B. Sea Q la matriz de cambio de la base B ' a la base B. Entonces se
Sea tiene,
(E, B )
Q
M [ f , B]
(E, B )
Q 1
(E, B')
De ah que,
M [ f , B']
(E, B')
= Q 1 (x B )
t
Hemos obtenido el siguiente resultado: Todas las matrices asociadas a un endomorfismo poseen los mismos valores y vectores propios. Dicho de otro modo, los valores y vectores propios de un endomorfismo coinciden con los valores y vectores propios de cualquiera de sus matrices asociadas.
Diagonalizacin
Veamos ahora cmo determinar los valores y vectores propios. Sea x E un vector propio asociado al valor propio
. Entonces, se cumple:
M [ f , C ] I = 0
como una incgnita entonces el determinante M [ f , C ] I representa un polinomio de grado n con coeficientes reales, que recibe el nombre de polinomio caracterstico . de la matriz M [ f , C ]
Si consideramos
Dicho de otro modo, es condicin necesaria y suficiente para que un nmero real sea un valor propio del endomorfismo f , que el ncleo del endomorfismo f i no sea inyectivo.
Las races del polinomio caracterstico son los valores propios de la matriz M f , C . Como los valores propios son invariantes del endomorfismo (son los mismos para todas las matrices asociadas), el polinomio caracterstico tambin es un invariante del endomorfismo. Es por eso que el polinomio caracterstico de las matrices asociadas a f es denominado polinomio caracterstico de Sea
f , y se denota Pf .
a)
b) x, y V f ( x) = x y f ( y ) = y
El subespacio
Proposicin [2] Sean x e y vectores propios de un mismo endomorfismo, asociados a valores propios diferentes, entonces x e y son linealmente independientes.
Diagonalizacin
Dicho de otra forma ms fcil: los vectores propios asociados a valores propios diferentes son linealmente independientes. Si podemos determinar una base de entonces podemos concluir que endomorfismo. La pregunta que nos falta por contestar es la siguiente Bajo qu condiciones podemos construir una base propia? La respuesta a esta pregunta nos la da el siguiente teorema:
f en dicha base. Una base con tales caractersticas es denominada base propia del
Teorema [6] Sea E un espacio vectorial real de dimensin n. Sea f : E E un endomorfismo. es diagonalizable si y slo si se verifican las dos propiedades siguientes:
Por lo tanto, el estudio de la diagonalizacin de un endomorfismo se reduce a los siguientes pasos: 1. Seleccionamos una base del espacio vectorial 2. Hallamos la matriz asociada respecto a la base seleccionada 3. Determinamos los valores propios. 4. Determinamos el subespacio propio asociado a cada uno de los vectores propios. 5. Verificamos si se cumplen las dos condiciones del teorema anterior. Toda matriz simtrica es diagonalizable. Adems, se puede demostrar que siempre hay una base propia ortonormal. Cuando esto es as, se dice que la diagonalizacin es ortogonal. Los vectores propios correspondientes a valores propios diferentes son ortogonales, por eso cuando una matriz simtrica posee todos los valores propios diferentes se puede asegurar que la base propia es ortogonal. Si una matriz simtrica posee valores propios repetidos, se puede aplicar el mtodo de ortogonalizacin de Gram-Schmidt para obtener una base propia ortogonal. Luego, normalizando los vectores se obtiene la base ortonormal. En la siguiente seccin analizaremos varios ejemplos de diagonalizacin de endomorfismos y matrices.
f : R 3 R 3 un endomorfismo definido por: f ( x , y , z ) = ( 2 x + 4 y + 5 z , 3 x + 5 y + 5 z , z ) Veamos si f es diagonalizable y, en caso afirmativo, determinemos una base propia y la matriz f en la base cannica es 2 4 5 M [ f ,C] = 3 5 5 0 0 1
El polinomio caracterstico es
2 4 5 Pf ( ) = 3 5 5 = (1 ) 2 3 + 2 = (1 ) 2 (2 ). 0 0 1 Las races del polinomio caracterstico son los valores propios. Estos son: = 1, de multiplicidad 2 y, = 2, de multiplicidad 1.
El subespacio propio
De ah que
V =1 = ( x, y, z ) R 3 : 3 x + 4 y + 5 z = 0 = (5,5,1), (5,0,3) V =2 , asociado al valor propio = 2, est formado por todas las 4 5 x 0 2 2 52 5 y = 0 3 0 0 1 2 z 0
El subespacio propio
De ah que
Diagonalizacin
Observacin: permutando los vectores de esta base propia, obtenemos otra base propia y por consiguiente otra matriz diagonal. Otra base propia es B ' = ((5,5,1), (1,1,0), (5,0,3)) y la matriz asociada a
f en esta base es 1 0 0 M [ f , B] = 0 2 0 0 0 1
Ejemplo 2 Determinemos los valores y vectores propios del endomorfismo de respecto a la base cannica es
Es diagonalizable la matriz
A?
0 0 1 A = 1 1 1 0 2 1
El polinomio caracterstico es
0 PA ( ) = 1 1 0 2
multiplicidad 2 y,
1 1 = 3 + 3 + 2 = (2 )( + 1) 2 . 1
Las races del polinomio caracterstico son los valores propios. Estos son:
= 2, de multiplicidad 1.
= 1, de
El subespacio propio
De ah que
El subespacio propio
De ah que
V = 1
1 0 1 x 0 1 2 1 y = 0 0 2 0 z 0 3 = ( x, y, z ) R : z = x = (1,0,1)
10
Diagonalizacin
La matriz
El polinomio caracterstico es
PA ( ) =
1 2 = 2 2 + 5. 2 1 A no es diagonalizable.
La matiz asociada a
1 0 0 M [f ,C] = 0 1 2 1 2 1
El polinomio caracterstico es
1 0 0 Pf ( ) = 0 1 2 = (1 ) 2 2 + 5 . 1 2 1 La nica raz real del polinomio caracterstico es = 1 y tiene multiplicidad 1. Entonces, el endomorfismo f no es diagonalizable.
11
Diagonalizacin
2 1 1 M := 1 2 1 1 1 2
Definimos la matriz unidad:
1 0 0 I := 0 1 0 0 0 1
Y luego calculamos polinomio caracterstico usando el comando Symbolic:
M I 4 9 + 6
Para determinar las races del polinomio caracterstico usaremos el comando solve de la barra de herramientas symbolic:
P := 4 9 + 6
2 3
4 P solve , 1 1
Entonces los valores propios son
12
Diagonalizacin
Podramos haber calculado directamente los valores propios usando la funcin eigenvals: v := eigenvals ( M )
4 v 1 1
El subespacio propio
Es decir,
x+ y+ z =0
V =1 = ( x, y, z ) R : z = x y = ((1,0,1), (0,1,1) V =4 , asociado al valor propio = 4, est formado por todas las 1 1 x 0 2 4 24 1 y = 0 1 1 1 2 4 z 0
z = x y, x, y R.
El subespacio propio
Para resolver este sistema vamos a usar la instruccin Given y la funcin find En primer lugar le asignamos valores iniciales cualesquiera a las incgnitas:
x := 1 y := 1 z := 1
13
Diagonalizacin
Obtenemos:
z find( x, y , z) z z
De ah que
V =4 = ( x, y, z ) R 3 : x = y = z = ((1,1,1)
Ntese que cualesquiera que sean dos vectores propios asociados a valores propios diferentes, son ortogonales (el producto escalar es cero). Esto lo sabamos de antemano porque la matriz M es simtrica. Si se desea obtener una base ortonormal que diagonalice M , se puede aplicar el mtodo de ortogonalizacin de Gram-Schmidt y luego, normalizar los vectores dividindolos por su norma.
1 3 1 3 1 3
3 3 3
1 2
1 2 1 2
0 1 2 2
2 0
14
Diagonalizacin
v := eigenvals ( M )
4 v 1 1
Para obtener los vectores propios asociados a cada uno de los valores propios por separado hacemos: V := eigenvecs ( M )
0 V
1 3 1 3 1 3
3 3 3
0 1 2 1 V 2 1 2 2
1 2 2 2 V 0 1 2 2
3 3 3 2 2 2 2 , , B = , , , 0 , 2 , 2 ,0 3 3 3 2 2
En este caso, la base que hemos obtenido usando la funcin eigenvecs de Mathcad es ortonormal. La forma diagonal de la matriz
1 3 6 M := 6 8 16 2 2 4
Los valores propios son
v := eigenvals ( M )
0 v 1 2
Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD) 15
Diagonalizacin
Son todos reales y diferentes. La matriz es diagonalizable. Los vectores propios son
V := eigenvecs ( M )
0 V
1 2 1 2
2 2 0
2 5 1 V 5 1 5 5
0
2 V
3 17 2
17
17 17 2
17 17
R: 0 1 1 0
M :=
i i
3 2 4 M := 0 1 0 2 0 3
Los valores propios son
v := eigenvals ( M )
1 v 1 1
El subespacio propio asociado al valor propio = 1 tiene dimensin 1 y la multiplicidad de este valor propio es 2. En efecto, los vectores propios son:
16
Diagonalizacin
2 5 1 5
1 2
2 0
0 5 2
BIBLIOGRAFA
___________________________________
[1] Montes Lozano, A (1998): "lgebra", Mdulo 3: "Matrices, vectores y sistemas de ecuaciones lineales" Ediciones UOC [2] Montes Lozano, A (1998): "lgebra", Mdulo 4: "Aplicaciones Lineales" Ediciones UOC [3] G. J. Porter, D. R. Hill (1996): Interactive Linear Algebra. A laboratory course using MathCAD, Springer-Verlag New York [4] H. Benker (1999): "Practical use of Mathcad. Solving mathematical problems with a computer algebra system", Springer-Verlag New York [5] H. Anton (2000): "Elementary Linear Algebra: Applications Version", John Wiley&Sons [6] J. Rojo (1986): "lgebra Lineal", 2 Edicin. Editorial AC
ENLACES
[W1]
___________________________________
http://www.planetmath.org/encyclopedia/LinearAlgebra.html
Pgina web de la enciclopedia de PlanetMath.org sobre lgebra lineal. En ingls.
[W2]
http://www-gap.dcs.st-and.ac.uk/~history/Indexes/Algebra.html
Pgina web de la School of Mathematics and Statistics, University of St Andrews, Scotland. Trata sobre la historia del lgebra. En ingls.
17
Diagonalizacin
[W3]
http://www.math.unl.edu/~tshores/linalgtext.html
Pgina web del Departamento de Matemticas y Estadstica de la Universidad de NebraskaLincoln. Libro on-line sobre lgebra lineal y sus aplicaciones. En ingls.
[W4]
http://www.numbertheory.org/book/
Pgina web sobre teora de nmeros. Libro on-line sobre lgebra lineal. En ingls.
[W5]
http://www.tu-chemnitz.de/iic/ela/
Pgina web de la publicacin "The Electronic Journal of Linear Algebra" publicada por "The International Linear Algebra Society". En ingls.
[W6]
http://www.netlib.org/utk/people/JackDongarra/la-sw.html
Pgina en la que est recogida la informacin relacionada con el software disponible gratuitamente en la red para la solucin de problemas de lgebra lineal. En ingls.
[W7]
http://www.math.miami.edu/~ec/book/
Libro online sobre lgebra con especial nfasis en lgebra lineal: "Elements of Abstract and Linear Algebra" escrito por Edwin H. Connell
[W8]
http://www.math.gatech.edu/~carlen/1502S/cnotes.html Libro online sobre lgebra: "Beginning with Linear lgebra " escrito por Eric Carlen and Conceicao Carvalho.
[W9]
http://joshua.smcvt.edu/linalg.html Libro online: "Linear Algebra" escrito por Jim Hefferon, Mathematics Saint Michael's College
18