Tarea 9 Diagonalizacion
Tarea 9 Diagonalizacion
Tarea 9 Diagonalizacion
Encuentre el término constante y el coeficiente de ln!1 que el producto de todos los eigenvalores de AB es
en los lados izquierdo y derecho de esta ecuación.] el producto de todos los eigenvalores de A y B
41. Sean A y B matrices de n " n. Demuestre que la suma individualmente. (Compare este ejercicio con el
de todos los eigenvalores de A # B es la suma de ejercicio 24.)
todos los eigenvalores de A y B individualmente. Pruebe 42. Pruebe el Teorema 4.19.
Matrices semejantes
Comentarios
• Si A ! B, puede escribir, de modo equivalente, que A $ PBP !1 o AP $ PB.
• La semejanza es una relación entre matrices en el mismo sentido que “menor que
o igual a” es una relación entre enteros. Note que en la definición hay una dirección (u
orden) implícita. Como a % b no necesariamente implica b % a, no debe suponer que
A ! B implica B ! A. (De hecho, esto es cierto, como se demostrará en el siguiente teo-
rema, pero no se deduce inmediatamente de la definición.)
• La matriz P depende de A y B. No es única para un par dado de matrices A y B
similares. Para ver esto, simplemente tome A $ B $ I, en cuyo caso I ! I, pues P !1IP $ I
para cualquier matriz invertible P.
Ejemplo 4.22 1 2 1 0
Sea A $ c d yB $ c d . Entonces A ! B, dado que
0 !1 !2 !1
1 2 1 !1 3 1 1 !1 1 0
c dc d $ c d $ c dc d
0 !1 1 1 !1 !1 1 1 !2 !1
1 !1
Por tanto, AP $ PB con P $ c d . (Note que no es necesario calcular P !1. Vea el
1 1
primer Comentario en la página anterior.)
Sección 4.4 Semejanza y diagonalización 313
Comentario Cualquier relación que satisfaga las tres propiedades del Teorema 4.21
se llama relación de equivalencia. Las relaciones de equivalencia surgen frecuentemente
en matemáticas, y los objetos que se conectan vía una relación de este tipo por lo gene-
ral comparten propiedades importantes. Está a punto de ver que esto también es cierto
para las matrices semejantes.
Demostración Se demuestran (a) y (d) y las propiedades restantes se dejan como ejer-
cicios. Si A ! B, entonces P !1AP $ B para alguna matriz invertible P.
1
$ a b 1 det A2 1 det P2 $ det A
det P
(d) El polinomio característico de B es
Comentario Dos matrices pueden tener en común las propiedades (a) a (e)
1 0 1 1
(y más) y aún así no ser semejantes. Por ejemplo, A $ c d yB $ c d tienen de-
0 1 0 1
terminante 1 y rank 2, son invertibles y tienen polinomio característico (1 ! l)2 y eigen-
valores l1 $ l2 $ 1. Pero A no es semejante a B, pues P!1AP $ P!1IP $ I & B para cual-
quier matriz invertible P.
El Teorema 4.22 es más útil para demostrar que dos matrices no son semejantes, pues
A y B no pueden ser semejantes si falla alguna de las propiedades de la (a) a la (e).
Ejemplo 4.23 1 2 2 1
(a) A $ c d yB$ c d no son semejantes, pues det A $ !3 pero det B $ 3.
2 1 1 2
1 3 1 1
(b) A $ c d yB$ c d no son semejantes, pues el polinomio característico
2 2 3 !1
IIIII
de A es l2 ! 3l ! 4 mientras que el de B es l2 ! 4. (Compruébelo.) Sin embargo, note
!!
"
Diagonalización
La mejor situación posible es cuando una matriz cuadrada es semejante a una matriz
diagonal. Como está a punto de ver, el que una matriz sea diagonalizable está estrecha-
mente relacionado con los eigenvalores y eigenvectores de la matriz.
Ejemplo 4.24 A$ c
1 3
d es diagonalizable pues, si P $ c
1 3
d yD$ c
4 0
d, entonces P!1AP $ D,
2 2 1 !2 0 !1
como puede comprobarse fácilmente. (En realidad, es más rápido comprobar el enun-
ciado equivalente AP $ PD, pues no requiere encontrar P !1.)
Teorema 4.23 Sea A una matriz de n " n. Entonces A es diagonalizable si y sólo si A tiene n eigen-
vectores linealmente independientes.
Más precisamente, existe una matriz invertible P y una matriz diagonal D tales que
P !1AP $ D si y sólo si las columnas de P son n eigenvectores linealmente independien-
tes de A y las entradas de la diagonal de D son los eigenvalores de A correspondientes a
los eigenvectores en P en el mismo orden.
Sección 4.4 Semejanza y diagonalización 315
Solución Esta es la matriz del ejemplo 4.19. Ahí se descubrió que los eigenvalores de A
son l1 $ l2 $ 0 y l3 $ !2, con las siguientes bases para los eigenespacios:
0 1
Para l1 l2 0, E 0 tiene base p1 £ 1 § y p2 £0§.
0 1
1
Para l3 2, E 2 tiene base p3 £ 3§.
1
Se comprueba directamente que estos tres vectores son linealmente independientes. Por
tanto, si se tiene
0 1 !1
P $ 3 p1 p2 p3 4 $ £ 1 0 3§
0 1 1
entonces P es invertible. Más aún,
0 0 0
P!1AP $ £ 0 0 0§ $ D
0 0 !2
como puede comprobarse fácilmente. (Si hace la comprobación a mano, es mucho más
fácil comprobar la ecuación equivalente AP $ PD.)
Comentarios
• Cuando existan suficientes eigenvectores, pueden colocarse en las columnas de P
en cualquier orden. Sin embargo, los eigenvalores provendrán de la diagonal de D en el
mismo orden que sus correspondientes eigenvectores en P. Por ejemplo, si hubiera
elegido
0 !1 1
P $ 3p1 p3 p2 4 $ £ 1 3 0§
0 1 1
entonces habría encontrado
0 0 0
P AP $ £ 0 !2 0 §
!1
0 0 0
• En el ejemplo 4.26 se le pidió comprobar que los eigenvectores p1, p2, y p3 eran li-
nealmente independientes. ¿Era necesario comprobar esto? Se sabía que {p1, p2} era
linealmente independiente, pues era una base para el eigenespacio E0. También se sabía
que los conjuntos {p1, p3} y { p2, p3} eran linealmente independientes, por el Teorema
4.20. Pero a partir de esta información no se podía concluir que {p1, p2, p3} era lineal-
mente independiente. Sin embargo, el siguiente teorema garantiza que la independencia
lineal se conserva cuando se combinan las bases de diferentes eigenespacios.
Teorema 4.24 Sea A una matriz de n " n y sean l1, l2, . . . , lk distintos eigenvalores de A. Si Bi es una
base para el eigenespacio Eli , entonces B $ B1 ´ B2 ´ p ´ Bk (es decir, la colección
total de vectores base para todos los eigenespacios) es linealmente independiente.
Sección 4.4 Semejanza y diagonalización 317
Demostración Sea Bi $ 5vi1, vi2, . . . , vini 6 para i $ 1, . . . , k. Tiene que demostrar que
B $ 5v11, v12, . . . , v1n1, v21, v22, . . . , v2n2, . . . , vk1, vk2, . . . , vknk 6
es linealmente independiente. Suponga que alguna combinación lineal no trivial de estos
vectores es el vector cero, por decir,
1c11v11 # p # c1n1v1n1 2 # 1c21v21 # p # c2n2v2n2 2 # p # 1ck1vk1 # p # cknkvknk 2 $ 0
(3)
Al denotar las sumas entre paréntesis mediante x1, x2, . . . xk, puede escribir la ecuación
(3) como
x1 # x2 # p # xk $ 0 (4)
IIIII
!!
Ahora cada xi está en Eli (¿por qué?) y por tanto o es un eigenvector correspondiente
"
a li o es 0. Pero, puesto que los eigenvalores de li son distintos, si alguno de los factores
xi es un eigenvector, son linealmente independientes, por el Teorema 4.20. Sin embargo,
la ecuación (4) es una relación de dependencia lineal; esto es una contradicción. Se con-
cluye que la ecuación (3) debe ser trivial; esto es: todos sus coeficientes son cero. Por
tanto, B es linealmente independiente.
Teorema 4.25 Si A es una matriz de n " n con n eigenvalores distintos, entonces A es diagonaliza-
ble.
"
rema 4.20, v1, v2, . . . , vn son linealmente independientes, de modo que, por el Teorema
4.23, A es diagonalizable.
El teorema final de esta sección es un importante resultado que caracteriza a las matri-
ces diagonalizables en términos de las dos nociones de multiplicidad que se introdujeron
después del ejemplo 4.18. Ofrece condiciones precisas con las cuales una matriz de n " n
puede ser diagonalizable, aun cuando tenga menos de n eigenvalores, como en el ejemplo
4.26. Primero se prueba un lema que verifica si una matriz es o no diagonalizable.
Lema 4.26 Si A es una matriz de n " n, entonces la multiplicidad geométrica de cada eigenvalor
es menor o igual que su multiplicidad algebraica.
318 Capítulo 4 Eigenvalores y eigenvectores
Pero det (Q!1AQ ! lI ) es el polinomio característico de Q!1AQ, que es igual que el po-
linomio característico de A, por el Teorema 4.22(d). Por tanto, la ecuación (5) implica
que la multiplicidad algebraica de l1 es al menos p, su multiplicidad geométrica.
Sea A una matriz de n " n cuyos distintos eigenvalores son l1, l2, . . . , lk. Los si-
guientes enunciados son equivalentes:
a. A es diagonalizable.
b. La unión B de las bases de los eigenespacios de A (como en el Teorema 4.24) con-
tiene n vectores.
c. La multiplicidad algebraica de cada eigenvalor es igual a su multiplicidad geomé-
trica.
"
res son linealmente independientes; la única cosa que puede evitar que sean una base de
Eli es que no puedan generarlo.) Por tanto, B contiene al menos n vectores. Pero, por el
Teorema 4.24, B es un conjunto linealmente independiente en !n; por tanto, contiene
exactamente n vectores.
Sección 4.4 Semejanza y diagonalización 319
(b) 1 (c) Sea di $ dim Eli la multiplicidad geométrica de li, y sea mi la multiplicidad al-
gebraica li de mi. Por el Lema 4.26, di % mi para i $ 1, . . . , k. Ahora suponga que se
cumple la propiedad (b). Entonces también se tiene
n $ d1 # d2 # p # dk % m1 # m2 # p # mk
Ejemplo 4.28 0 1 0
(a) La matriz A $ £ 0 0 1 § del ejemplo 4.18 tiene dos eigenvalores distintos: l1 $
2 !5 4
l2 $ 1 y l3 $ 2. Dado que el eigenvalor l1 $ l2 $ 1 tiene multiplicidad algebraica 2 pero
multiplicidad geométrica 1, A no es diagonalizable, por el teorema de diagonalización.
(Vea también el ejemplo 4.25.)
!1 0 1
(b) La matriz A $ £ 3 0 !3 § del ejemplo 4.19 también tiene dos eigenvalores dis-
1 0 !1
tintos, l1 $ l2 $ 0 y l3 $ !2. El eigenvalor 0 tiene multiplicidades algebraica y geomé-
trica 2, y el eigenvalor !2 tiene multiplicidades algebraica y geométrica 1. Por tanto, esta
matriz es diagonalizable, por el teorema de diagonalización. (Esto concuerda con los ha-
llazgos del ejemplo 4.26.)
Esta sección concluye con una aplicación de la diagonalización al cálculo de las po-
tencias de una matriz.
Ejemplo 4.29 0 1
Calcule A10 si A $ c d.
2 1
Solución En el ejemplo 4.21 se descubrió que esta matriz tiene eigenvalores l1 $ !1 y
1 1
l2 $ 2, con eigenvectores correspondientes v1 $ c d y v2 $ c d . Se tiene (de alguno
!1 2
de los teoremas de esta sección) que A es diagonalizable y P !1AP $ D, donde
1 1 !1 0
P $ 3 v1 v2 4 $ c d and = c
y DD$ d
!1 2 0 2
320 Capítulo 4 Eigenvalores y eigenvectores
Al despejar para A, se tiene A $ PDP !1, que facilita encontrar potencias de A. Calcule
!!
"
serve que este hecho será verdadero para cualquier matriz diagonalizable, no sólo para la
de este ejemplo.)
Dado que
!1 0 n 1!1 2 n 0
Dn $ c d $ c d
0 2 0 2n
se tiene
1 1 1!12 n 0 1 1 !1
An $ PDnP!1 $ c dc d c d
!1 2 0 2n !1 2
1 1 1!12 n 0 23 ! 13
$ c dc dc 1d
!1 2 0 2n 31 3
Puesto que sólo se pidió A10, esto es más de lo que necesita. Pero ahora puede simple-
mente establecer n $ 10 para encontrar
21!12 10 # 210 1!12 11 # 210
3 3 342 341
A10 $ ≥ ¥ $ c d
21!12 11 # 211 1!12 12 # 211 682 683
3 3
Ejercicios 4.4
En los ejercicios 1-4, demuestre que A y B no son matrices se- En los ejercicios 5-7, una diagonalización de la matriz A se da
mejantes. en la forma P !1AP $ D. Mencione los eigenvalores de A y las
4 1 1 0 bases para los eigenespacios correspondientes.
1. A $ c d, B $ c d
3 1 0 1 2 !1 5 !1 1 1 4 0
5. c dc dc d $ c d
1 2 2 !5 !1 1 2 2 1 2 0 3
2. A $ c d, B $ c d
3 4 !2 4 2 1 1
2 1 1 1 0 !1
3 3 3
2 1 4 1 0 0 6. £ 0 !1 0 § £ 0 1 0§ £0 !1 0§
3. A $ £ 0 2 3 § , B $ £ !1 4 0 § !13 1 1
2 0 1 1 1 2
3 3
0 0 4 2 3 4
3 0 0
1 0 2 1 0 3
$C0 1 0S
4. A $ £ 0 1 2§, B $ £1 2 2§
0 0 0
1 1 4 1 0 3
Sección 4.4 Semejanza y diagonalización 321
1 1 1
8 8 8 1 3 3 3 0 1 1 k 0 1 1 k
7. £ ! 14 3
4 ! 14 § £2 0 2§ £2 1 0§ $ 28. A $ £ 0 2 0§ 29. A $ £ 1 1 k§
5
8 ! 38 ! 38 3 3 1 3 !1 !1 0 0 1 1 1 k
6 0 0 30. Demuestre el Teorema 4.21(c).
£ 0 !2 0§
31. Demuestre el Teorema 4.22(b).
0 0 !2
32. Demuestre el Teorema 4.22(c).
33. Demuestre el Teorema 4.22(e).
En los ejercicios 8-15, determine si A es diagonalizable y, si lo
34. Si A y B son matrices invertibles, demuestre que AB y
es, encuentre una matriz invertible P y una matriz diagonal D
BA son semejantes.
tales que P !1AP $ D.
1 2 !3 4 35. Demuestre que si A y B son matrices semejantes, enton-
8. A $ c d 9. A $ c d ces tr(A) $ tr(B). [Sugerencia: encuentre una forma de
2 1 !1 1
usar el ejercicio 45 de la sección 3.2.]
1 2 0 1 0 1
10. A $ £ 0 1 2§ 11. A $ £ 0 1 1 §
0 0 2 1 1 0
1 0 0 1 2 1 En general, es difícil demostrar que dos matrices son semejan-
12. A $ £ 1 1 3§ 13. A $ £ !1 0 1 § tes. Sin embargo, si dos matrices semejantes son diagonaliza-
bles, la tarea se vuelve más sencilla. En los ejercicios 36-39, de-
3 0 1 1 1 0
muestre que A y B son semejantes al demostrar que son
1 1 1 1 2 0 0 4 semejantes a la misma matriz diagonal. Luego encuentre una
1 1 0 2 0 2 0 0 matriz invertible P tal que P !1AP $ B.
14. A $ ≥ ¥ 15. A $ ≥ ¥
0 0 2 1 0 0 !2 0 3 1 1 2
0 0 0 1 0 0 0 !2 36. A $ c d, B $ c d
0 !1 2 1
5 !3 !1 1
37. A $ c d, B $ c d
4 !2 !6 4
En los ejercicios 16-23, use el método del ejemplo 4.29 para
calcular la potencia indicada de la matriz. 2 1 0 3 2 !5
!5 8 5 !1 6 10 38. A $ £ 0 !2 1 § , B $ £ 1 2 !1 §
16. c d 17. c d 0 0 1 2 2 !4
!4 7 1 0
0 !3 !5 0 3 k 1 0 2 !3 !2 0
18. c d 19. c d
!1 2 1 2 39. A $ £ 1 !1 1 § , B $ £ 6 5 0§
1 0 1 8 1 1 1 2002 2 0 1 4 4 !1
20. £ 1 0 1 § 21. £ 0 !1 0§ 40. Demuestre que si A es semejante a B, entonces AT es se-
1 0 1 0 0 !1 mejante a BT.
3 1 1 k 1 1 0 k 41. Demuestre que si A es diagonalizable, también lo es AT.
22. £ 0 1 0 § 23. £ 2 !2 2 §
42. Sea A una matriz invertible. Demuestre que, si A es dia-
1 1 3 0 1 1
gonalizable, también lo es A!1.
43. Demuestre que si A es una matriz diagonalizable con un
solo eigenvalor l, entonces A es de la forma A $ lI. (A
En los ejercicios 24-29, encuentre todos los valores (reales) de k tal matriz se le llama matriz escalar.)
para los cuales A sea diagonalizable.
44. Sean A y B matrices de n " n, cada una con n eigenvalo-
1 1 1 k
24. A $ c d 25. A $ c d res distintos. Pruebe que A y B tienen los mismos eigen-
0 k 0 1 vectores si y sólo si AB $ BA.
1 0 k
k 1 45. Sean A y B matrices semejantes. Pruebe que las multipli-
26. A $ c d 27. A $ £ 0 1 0 § cidades algebraicas de los eigenvalores de A y B son
1 0
0 0 1 iguales.
322 Capítulo 4 Eigenvalores y eigenvectores
46. Sean A y B matrices semejantes. Pruebe que las multipli- (a) Demuestre que no es posible encontrar tres vectores
cidades geométricas de los eigenvalores de A y B son linealmente independientes v1, v2, v3 en !6 tales que
iguales. [Sugerencia: demuestre que si B $ P # 1AP, en- Av1 $ v1, Av2 $ v2 y Av3 $ v3.
tonces todo eigenvector de B es de la forma P # 1 v para (b) Si A es diagonalizable, ¿cuáles son las dimensiones
algún eigenvector v de A.] de los eigenespacios E# 1, E1 y E2?
47. Demuestre que si A es una matriz diagonalizable tal que a b
todo eigenvalor de A es 0 o 1, entonces A es idempo- 50. Sea A $ c d.
c d
tente (esto es: A2 $ A).
(a) Demuestre que A es diagonalizable si 1a # d2 2 '
48. Sea A una matriz nilpotente (esto es: Am $ O para algún 4bc 7 0 y no es diagonalizable si 1a # d2 2 '
m > 1). Pruebe que si A es diagonalizable, entonces A 4bc 6 0.
debe ser la matriz ero. (b) Encuentre dos ejemplos para demostrar que si
49. Suponga que A es una matriz de 6 ! 6 con polinomio 1a # d2 2 ' 4bc $ 0, entonces A puede o no ser dia-
característico cA1l2 $ 11 ' l2 11 # l2 2 12 # l2 3. gonalizable.