TE
-
Upload
rogerfernandotundiaz -
Category
Documents
-
view
213 -
download
0
description
Transcript of TE
-
Algebra Lineal II
Jose Alejandro Lara Rodrguez
Facultad de MatematicasUniversidad Autonoma de Yucatan
[email protected] A, Planta alta, cubculo 4
16 de abril de 2015
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 1 / 80
-
Contenido
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 2 / 80
-
Contenido
1 Teora EspectralValores y vectores propiosDiagonalizacionTriangulacion de operadores linealesDiagonalizacion unitariaDescomposicion en valores singularesSecciones conicas y superficies cuadraticasEl polinomio mnimo de una matrizLa forma canonica de Jordan
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 3 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .
2 K es un valor propio de T si existe 0 6= v V tal queTv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}4 Los vectores v 6= 0 tales que Tv = v son los vectores propios de
T correspondientes a .5 El espacio propio de T correspondiente al valor propio es
E
= {v V | Tv = v}= ker(T 1V )= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .2 K es un valor propio de T si existe 0 6= v V tal que
Tv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}4 Los vectores v 6= 0 tales que Tv = v son los vectores propios de
T correspondientes a .5 El espacio propio de T correspondiente al valor propio es
E
= {v V | Tv = v}= ker(T 1V )= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .2 K es un valor propio de T si existe 0 6= v V tal que
Tv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}
4 Los vectores v 6= 0 tales que Tv = v son los vectores propios deT correspondientes a .
5 El espacio propio de T correspondiente al valor propio es
E
= {v V | Tv = v}= ker(T 1V )= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .2 K es un valor propio de T si existe 0 6= v V tal que
Tv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}4 Los vectores v 6= 0 tales que Tv = v son los vectores propios de
T correspondientes a .
5 El espacio propio de T correspondiente al valor propio es
E
= {v V | Tv = v}= ker(T 1V )= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .2 K es un valor propio de T si existe 0 6= v V tal que
Tv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}4 Los vectores v 6= 0 tales que Tv = v son los vectores propios de
T correspondientes a .5 El espacio propio de T correspondiente al valor propio es
E
= {v V | Tv = v}= ker(T 1V )= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .2 K es un valor propio de T si existe 0 6= v V tal que
Tv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}4 Los vectores v 6= 0 tales que Tv = v son los vectores propios de
T correspondientes a .5 El espacio propio de T correspondiente al valor propio es
E = {v V | Tv = v}
= ker(T 1V )= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .2 K es un valor propio de T si existe 0 6= v V tal que
Tv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}4 Los vectores v 6= 0 tales que Tv = v son los vectores propios de
T correspondientes a .5 El espacio propio de T correspondiente al valor propio es
E = {v V | Tv = v}= ker(T 1V )
= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Valores y vectores propios
1 Sea T : V V un operador lineal sobre un K -e.v. V .2 K es un valor propio de T si existe 0 6= v V tal que
Tv = v .
3 El espectro de T
(T ) = { K : es un valor propio de T}4 Los vectores v 6= 0 tales que Tv = v son los vectores propios de
T correspondientes a .5 El espacio propio de T correspondiente al valor propio es
E = {v V | Tv = v}= ker(T 1V )= {vectores propios correspondientes a } {0}.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 4 / 80
-
Ejemplos
Ejemplo
1 Sea T : R2 R2 dada por
T(
xy
)=
(3x + 2y3x 2y
)
2 Entonces T(
21
)=
3 Un valor propio es =4 Un vector propio es v =5 Espacio propio correspondiente a = 4:
E4 = ker(T 4 1R2) =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 5 / 80
-
Ejemplos
Ejemplo1 Sea T : R2 R2 dada por
T(
xy
)=
(3x + 2y3x 2y
)
2 Entonces T(
21
)=
3 Un valor propio es =4 Un vector propio es v =5 Espacio propio correspondiente a = 4:
E4 = ker(T 4 1R2) =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 5 / 80
-
Ejemplos
Ejemplo1 Sea T : R2 R2 dada por
T(
xy
)=
(3x + 2y3x 2y
)
2 Entonces T(
21
)=
3 Un valor propio es =4 Un vector propio es v =5 Espacio propio correspondiente a = 4:
E4 = ker(T 4 1R2) =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 5 / 80
-
Ejemplos
Ejemplo1 Sea T : R2 R2 dada por
T(
xy
)=
(3x + 2y3x 2y
)
2 Entonces T(
21
)=
3 Un valor propio es =
4 Un vector propio es v =5 Espacio propio correspondiente a = 4:
E4 = ker(T 4 1R2) =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 5 / 80
-
Ejemplos
Ejemplo1 Sea T : R2 R2 dada por
T(
xy
)=
(3x + 2y3x 2y
)
2 Entonces T(
21
)=
3 Un valor propio es =4 Un vector propio es v =
5 Espacio propio correspondiente a = 4:
E4 = ker(T 4 1R2) =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 5 / 80
-
Ejemplos
Ejemplo1 Sea T : R2 R2 dada por
T(
xy
)=
(3x + 2y3x 2y
)
2 Entonces T(
21
)=
3 Un valor propio es =4 Un vector propio es v =5 Espacio propio correspondiente a = 4:
E4 = ker(T 4 1R2) =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 5 / 80
-
Ejemplo
1 Sea T : R[t ]4 R[t ]4 dado por
T(
a0 + a1t + a2t2 + a3t3)
= (2a0 + a1)+2a1t+(2a2 + a3) t2+2a3t3.
2 Entonces T (3 + 5t2) =3 Un vector propio es v =4 un valor propio es =5 E2 =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 6 / 80
-
Ejemplo
1 Sea T : R[t ]4 R[t ]4 dado por
T(
a0 + a1t + a2t2 + a3t3)
= (2a0 + a1)+2a1t+(2a2 + a3) t2+2a3t3.
2 Entonces T (3 + 5t2) =
3 Un vector propio es v =4 un valor propio es =5 E2 =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 6 / 80
-
Ejemplo
1 Sea T : R[t ]4 R[t ]4 dado por
T(
a0 + a1t + a2t2 + a3t3)
= (2a0 + a1)+2a1t+(2a2 + a3) t2+2a3t3.
2 Entonces T (3 + 5t2) =3 Un vector propio es v =
4 un valor propio es =5 E2 =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 6 / 80
-
Ejemplo
1 Sea T : R[t ]4 R[t ]4 dado por
T(
a0 + a1t + a2t2 + a3t3)
= (2a0 + a1)+2a1t+(2a2 + a3) t2+2a3t3.
2 Entonces T (3 + 5t2) =3 Un vector propio es v =4 un valor propio es =
5 E2 =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 6 / 80
-
Ejemplo
1 Sea T : R[t ]4 R[t ]4 dado por
T(
a0 + a1t + a2t2 + a3t3)
= (2a0 + a1)+2a1t+(2a2 + a3) t2+2a3t3.
2 Entonces T (3 + 5t2) =3 Un vector propio es v =4 un valor propio es =5 E2 =
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 6 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =
1 Un vector propio es:2 Un valor propio es:3 Cuantos valores propios distintos tiene T ?
3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =
1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =
1 Un vector propio es:2 Un valor propio es:3 Cuantos valores propios distintos tiene T ?
3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =
1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =1 Un vector propio es:
2 Un valor propio es:3 Cuantos valores propios distintos tiene T?
3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =
1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =1 Un vector propio es:2 Un valor propio es:
3 Cuantos valores propios distintos tiene T ?3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =
1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =1 Un vector propio es:2 Un valor propio es:3 Cuantos valores propios distintos tiene T ?
3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =
1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =1 Un vector propio es:2 Un valor propio es:3 Cuantos valores propios distintos tiene T ?
3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =
1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =1 Un vector propio es:2 Un valor propio es:3 Cuantos valores propios distintos tiene T ?
3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =
1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
1 Sea T el operador lineal derivacion:
T (f ) = f
2 T (e3x ) =1 Un vector propio es:2 Un valor propio es:3 Cuantos valores propios distintos tiene T ?
3 Sea T el operador lineal doble derivacion:
T (f ) = f
4 T (sen(x)) =1 Cuantos valores propios distintos tiene T ?
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 7 / 80
-
Ejemplo
Ejemplo
1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .2 Determinar E para cada (T ).
Ejercicio
1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccionortogonal de Rn sobre W .
2 Pruebe que los unicos valores propios de P son 0 y 1.3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Ejemplo
Ejemplo1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .2 Determinar E para cada (T ).
Ejercicio
1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccionortogonal de Rn sobre W .
2 Pruebe que los unicos valores propios de P son 0 y 1.3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Ejemplo
Ejemplo1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .
2 Determinar E para cada (T ).
Ejercicio
1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccionortogonal de Rn sobre W .
2 Pruebe que los unicos valores propios de P son 0 y 1.3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Ejemplo
Ejemplo1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .2 Determinar E para cada (T ).
Ejercicio
1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccionortogonal de Rn sobre W .
2 Pruebe que los unicos valores propios de P son 0 y 1.3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Ejemplo
Ejemplo1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .2 Determinar E para cada (T ).
Ejercicio
1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccionortogonal de Rn sobre W .
2 Pruebe que los unicos valores propios de P son 0 y 1.3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Ejemplo
Ejemplo1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .2 Determinar E para cada (T ).
Ejercicio1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccion
ortogonal de Rn sobre W .
2 Pruebe que los unicos valores propios de P son 0 y 1.3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Ejemplo
Ejemplo1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .2 Determinar E para cada (T ).
Ejercicio1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccion
ortogonal de Rn sobre W .2 Pruebe que los unicos valores propios de P son 0 y 1.
3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Ejemplo
Ejemplo1 Sea T : R[t ]2 R[t ]2 el operador lineal dado por
T (a + bt) = (5a + 3b) + (6a 4b)t
1 Calcular el espectro de T .2 Determinar E para cada (T ).
Ejercicio1 Sean W un subespacio no nulo de Rn y P : Rn Rn la proyeccion
ortogonal de Rn sobre W .2 Pruebe que los unicos valores propios de P son 0 y 1.3 Determine E0 y E1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 8 / 80
-
Caracterizacion de los valores propios
Teorema
1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema
1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.
2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema
1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema
1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema
1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema1 V de dimension finita.
2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema1 V de dimension finita.2 T : V V lineal.
3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).
2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.
3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Caracterizacion de los valores propios
Teorema1 Sea T : V V un operador lineal.2 es un valor propio si y solamente si T 1V no es inyectivo.
Teorema1 V de dimension finita.2 T : V V lineal.3 Las siguientes afirmaciones son equivalentes
1 (T ).2 El operador T 1V no es inyectivo.3 det(T 1V ) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 9 / 80
-
Valores y vectores propios de matrices
Definicion
1 Sea A K nn.2 K es un valor propio de A si es un valor propio de
TA : K n K n, TA(x) = Ax ,
el operador lineal inducido por A.3 Equivalentemente, K es un valor propio de A si y solamente si
existe un vector x 6= 0 tal que Ax = x .4 (A) es el conjunto de los valores propios de A.5 El espacio propio de (A) es:
E = {x K n : Ax = x} = N(A I)
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 10 / 80
-
Valores y vectores propios de matrices
Definicion1 Sea A K nn.
2 K es un valor propio de A si es un valor propio de
TA : K n K n, TA(x) = Ax ,
el operador lineal inducido por A.3 Equivalentemente, K es un valor propio de A si y solamente si
existe un vector x 6= 0 tal que Ax = x .4 (A) es el conjunto de los valores propios de A.5 El espacio propio de (A) es:
E = {x K n : Ax = x} = N(A I)
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 10 / 80
-
Valores y vectores propios de matrices
Definicion1 Sea A K nn.2 K es un valor propio de A si es un valor propio de
TA : K n K n, TA(x) = Ax ,
el operador lineal inducido por A.
3 Equivalentemente, K es un valor propio de A si y solamente siexiste un vector x 6= 0 tal que Ax = x .
4 (A) es el conjunto de los valores propios de A.5 El espacio propio de (A) es:
E = {x K n : Ax = x} = N(A I)
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 10 / 80
-
Valores y vectores propios de matrices
Definicion1 Sea A K nn.2 K es un valor propio de A si es un valor propio de
TA : K n K n, TA(x) = Ax ,
el operador lineal inducido por A.3 Equivalentemente, K es un valor propio de A si y solamente si
existe un vector x 6= 0 tal que Ax = x .
4 (A) es el conjunto de los valores propios de A.5 El espacio propio de (A) es:
E = {x K n : Ax = x} = N(A I)
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 10 / 80
-
Valores y vectores propios de matrices
Definicion1 Sea A K nn.2 K es un valor propio de A si es un valor propio de
TA : K n K n, TA(x) = Ax ,
el operador lineal inducido por A.3 Equivalentemente, K es un valor propio de A si y solamente si
existe un vector x 6= 0 tal que Ax = x .4 (A) es el conjunto de los valores propios de A.
5 El espacio propio de (A) es:
E = {x K n : Ax = x} = N(A I)
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 10 / 80
-
Valores y vectores propios de matrices
Definicion1 Sea A K nn.2 K es un valor propio de A si es un valor propio de
TA : K n K n, TA(x) = Ax ,
el operador lineal inducido por A.3 Equivalentemente, K es un valor propio de A si y solamente si
existe un vector x 6= 0 tal que Ax = x .4 (A) es el conjunto de los valores propios de A.5 El espacio propio de (A) es:
E = {x K n : Ax = x} = N(A I)
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 10 / 80
-
Valores y vectores propios de matrices
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes.
1 (A).2 N(A I) 6= {0}.3 det(A I) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 11 / 80
-
Valores y vectores propios de matrices
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes.
1 (A).
2 N(A I) 6= {0}.3 det(A I) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 11 / 80
-
Valores y vectores propios de matrices
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes.
1 (A).2 N(A I) 6= {0}.
3 det(A I) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 11 / 80
-
Valores y vectores propios de matrices
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes.
1 (A).2 N(A I) 6= {0}.3 det(A I) = 0.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 11 / 80
-
El polinomio caracterstico
Teorema
1 Sean A K nn y p() = det(A I).2 Entonces
1 p() es un polinomio de grado n en la variable .2 El coeficiente de n es (1)n.3 El coeficiente de n1 es (1)n1 traza(A).4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
El polinomio caracterstico
Teorema1 Sean A K nn y p() = det(A I).
2 Entonces
1 p() es un polinomio de grado n en la variable .2 El coeficiente de n es (1)n.3 El coeficiente de n1 es (1)n1 traza(A).4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
El polinomio caracterstico
Teorema1 Sean A K nn y p() = det(A I).2 Entonces
1 p() es un polinomio de grado n en la variable .2 El coeficiente de n es (1)n.3 El coeficiente de n1 es (1)n1 traza(A).4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
El polinomio caracterstico
Teorema1 Sean A K nn y p() = det(A I).2 Entonces
1 p() es un polinomio de grado n en la variable .
2 El coeficiente de n es (1)n.3 El coeficiente de n1 es (1)n1 traza(A).4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
El polinomio caracterstico
Teorema1 Sean A K nn y p() = det(A I).2 Entonces
1 p() es un polinomio de grado n en la variable .2 El coeficiente de n es (1)n.
3 El coeficiente de n1 es (1)n1 traza(A).4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
El polinomio caracterstico
Teorema1 Sean A K nn y p() = det(A I).2 Entonces
1 p() es un polinomio de grado n en la variable .2 El coeficiente de n es (1)n.3 El coeficiente de n1 es (1)n1 traza(A).
4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
El polinomio caracterstico
Teorema1 Sean A K nn y p() = det(A I).2 Entonces
1 p() es un polinomio de grado n en la variable .2 El coeficiente de n es (1)n.3 El coeficiente de n1 es (1)n1 traza(A).4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
El polinomio caracterstico
Teorema1 Sean A K nn y p() = det(A I).2 Entonces
1 p() es un polinomio de grado n en la variable .2 El coeficiente de n es (1)n.3 El coeficiente de n1 es (1)n1 traza(A).4 El termino constante de p() es det(A).
DefinicionEl polinomio caracterstico de A es pc() = det(A I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 12 / 80
-
Ejercicios
1 Si los eigenvalores de A R77 son 2,2,2,5,5,3,3,determine el polinomio caracterstico de A.
2 Sea V un espacio tridimensional, A : V V un operador lineal talque traza(A) = 2, det(T ) = 6 y Tv = v para cierto vector0 6= v V . Determine el espectro de A.
3 Sean 1, . . . , n todos los valores propios de A K nn. Pruebeque
traza(A) =n
i=1
i , det(A) =n
i=1
i
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 13 / 80
-
Ejercicios
1 Si los eigenvalores de A R77 son 2,2,2,5,5,3,3,determine el polinomio caracterstico de A.
2 Sea V un espacio tridimensional, A : V V un operador lineal talque traza(A) = 2, det(T ) = 6 y Tv = v para cierto vector0 6= v V . Determine el espectro de A.
3 Sean 1, . . . , n todos los valores propios de A K nn. Pruebeque
traza(A) =n
i=1
i , det(A) =n
i=1
i
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 13 / 80
-
Ejercicios
1 Si los eigenvalores de A R77 son 2,2,2,5,5,3,3,determine el polinomio caracterstico de A.
2 Sea V un espacio tridimensional, A : V V un operador lineal talque traza(A) = 2, det(T ) = 6 y Tv = v para cierto vector0 6= v V . Determine el espectro de A.
3 Sean 1, . . . , n todos los valores propios de A K nn. Pruebeque
traza(A) =n
i=1
i , det(A) =n
i=1
i
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 13 / 80
-
Multiplicidad algebraica y geometrica
Definicion
1 Sea (A).
1 La multiplicidad algebraica de es el numero de veces queaparece como raz del polinomio caracterstico.
2 es un valor propio simple si su multiplicidad algebraica es 1.3 La multiplicidad geometrica de es la dimension de E4 es semisimple si sus multiplicidades algebraica y geometrica
coinciden.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 14 / 80
-
Multiplicidad algebraica y geometrica
Definicion1 Sea (A).
1 La multiplicidad algebraica de es el numero de veces queaparece como raz del polinomio caracterstico.
2 es un valor propio simple si su multiplicidad algebraica es 1.3 La multiplicidad geometrica de es la dimension de E4 es semisimple si sus multiplicidades algebraica y geometrica
coinciden.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 14 / 80
-
Multiplicidad algebraica y geometrica
Definicion1 Sea (A).
1 La multiplicidad algebraica de es el numero de veces queaparece como raz del polinomio caracterstico.
2 es un valor propio simple si su multiplicidad algebraica es 1.3 La multiplicidad geometrica de es la dimension de E4 es semisimple si sus multiplicidades algebraica y geometrica
coinciden.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 14 / 80
-
Multiplicidad algebraica y geometrica
Definicion1 Sea (A).
1 La multiplicidad algebraica de es el numero de veces queaparece como raz del polinomio caracterstico.
2 es un valor propio simple si su multiplicidad algebraica es 1.
3 La multiplicidad geometrica de es la dimension de E4 es semisimple si sus multiplicidades algebraica y geometrica
coinciden.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 14 / 80
-
Multiplicidad algebraica y geometrica
Definicion1 Sea (A).
1 La multiplicidad algebraica de es el numero de veces queaparece como raz del polinomio caracterstico.
2 es un valor propio simple si su multiplicidad algebraica es 1.3 La multiplicidad geometrica de es la dimension de E
4 es semisimple si sus multiplicidades algebraica y geometricacoinciden.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 14 / 80
-
Multiplicidad algebraica y geometrica
Definicion1 Sea (A).
1 La multiplicidad algebraica de es el numero de veces queaparece como raz del polinomio caracterstico.
2 es un valor propio simple si su multiplicidad algebraica es 1.3 La multiplicidad geometrica de es la dimension de E4 es semisimple si sus multiplicidades algebraica y geometrica
coinciden.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 14 / 80
-
Ejemplos
1 Determine el polinomio caracterstico, el espectro y lasmultiplicidades algebraica y geometrica de cada una de lassiguientes matrices:
1 A =(
0 11 0
) R22
2 A =(
0 11 0
) R22
3 A =(
0 11 0
) C22
4 A =
2 0 01 4 03 6 2
R335 A =
2 0 09 4 01 0 2
R33
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 15 / 80
-
Ejemplos
1 Determine el polinomio caracterstico, el espectro y lasmultiplicidades algebraica y geometrica de cada una de lassiguientes matrices:
1 A =(
0 11 0
) R22
2 A =(
0 11 0
) R22
3 A =(
0 11 0
) C22
4 A =
2 0 01 4 03 6 2
R335 A =
2 0 09 4 01 0 2
R33
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 15 / 80
-
Ejemplos
1 Determine el polinomio caracterstico, el espectro y lasmultiplicidades algebraica y geometrica de cada una de lassiguientes matrices:
1 A =(
0 11 0
) R22
2 A =(
0 11 0
) R22
3 A =(
0 11 0
) C22
4 A =
2 0 01 4 03 6 2
R335 A =
2 0 09 4 01 0 2
R33
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 15 / 80
-
Ejemplos
1 Determine el polinomio caracterstico, el espectro y lasmultiplicidades algebraica y geometrica de cada una de lassiguientes matrices:
1 A =(
0 11 0
) R22
2 A =(
0 11 0
) R22
3 A =(
0 11 0
) C22
4 A =
2 0 01 4 03 6 2
R335 A =
2 0 09 4 01 0 2
R33
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 15 / 80
-
Ejemplos
1 Determine el polinomio caracterstico, el espectro y lasmultiplicidades algebraica y geometrica de cada una de lassiguientes matrices:
1 A =(
0 11 0
) R22
2 A =(
0 11 0
) R22
3 A =(
0 11 0
) C22
4 A =
2 0 01 4 03 6 2
R33
5 A =
2 0 09 4 01 0 2
R33
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 15 / 80
-
Ejemplos
1 Determine el polinomio caracterstico, el espectro y lasmultiplicidades algebraica y geometrica de cada una de lassiguientes matrices:
1 A =(
0 11 0
) R22
2 A =(
0 11 0
) R22
3 A =(
0 11 0
) C22
4 A =
2 0 01 4 03 6 2
R335 A =
2 0 09 4 01 0 2
R33
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 15 / 80
-
Existencia de valores propios
Teorema
1 Si A Cnn, entonces A tiene exactamente n valores propios.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 16 / 80
-
Existencia de valores propios
Teorema1 Si A Cnn, entonces A tiene exactamente n valores propios.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 16 / 80
-
Multiplicidad geometrica multiplicidad algebraica
Teorema
1 Sean V un espacio de dimension finita y positiva y T : V Voperador lineal.
2 Sea 0 un valor propio de T .3 Entonces
Multiplicidad geometrica 0 Multiplicidad algebraica 0
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 17 / 80
-
Multiplicidad geometrica multiplicidad algebraica
Teorema1 Sean V un espacio de dimension finita y positiva y T : V V
operador lineal.
2 Sea 0 un valor propio de T .3 Entonces
Multiplicidad geometrica 0 Multiplicidad algebraica 0
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 17 / 80
-
Multiplicidad geometrica multiplicidad algebraica
Teorema1 Sean V un espacio de dimension finita y positiva y T : V V
operador lineal.2 Sea 0 un valor propio de T .
3 Entonces
Multiplicidad geometrica 0 Multiplicidad algebraica 0
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 17 / 80
-
Multiplicidad geometrica multiplicidad algebraica
Teorema1 Sean V un espacio de dimension finita y positiva y T : V V
operador lineal.2 Sea 0 un valor propio de T .3 Entonces
Multiplicidad geometrica 0 Multiplicidad algebraica 0
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 17 / 80
-
Contenido
1 Teora EspectralValores y vectores propiosDiagonalizacionTriangulacion de operadores linealesDiagonalizacion unitariaDescomposicion en valores singularesSecciones conicas y superficies cuadraticasEl polinomio mnimo de una matrizLa forma canonica de Jordan
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 18 / 80
-
Operadores diagonalizables
Definicion
1 Un operador lineal T sobre un espacio de dimension finita V esdiagonalizable, si existe una base para V tal que [T ] esdiagonal.
2 Se dice que la base diagonaliza al operador T .3 Una matriz cuadrada A es diagonalizable si la transformacion
lineal TA inducida por A es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 19 / 80
-
Operadores diagonalizables
Definicion1 Un operador lineal T sobre un espacio de dimension finita V es
diagonalizable, si existe una base para V tal que [T ] esdiagonal.
2 Se dice que la base diagonaliza al operador T .3 Una matriz cuadrada A es diagonalizable si la transformacion
lineal TA inducida por A es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 19 / 80
-
Operadores diagonalizables
Definicion1 Un operador lineal T sobre un espacio de dimension finita V es
diagonalizable, si existe una base para V tal que [T ] esdiagonal.
2 Se dice que la base diagonaliza al operador T .
3 Una matriz cuadrada A es diagonalizable si la transformacionlineal TA inducida por A es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 19 / 80
-
Operadores diagonalizables
Definicion1 Un operador lineal T sobre un espacio de dimension finita V es
diagonalizable, si existe una base para V tal que [T ] esdiagonal.
2 Se dice que la base diagonaliza al operador T .3 Una matriz cuadrada A es diagonalizable si la transformacion
lineal TA inducida por A es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 19 / 80
-
Operadores lineales diagonalizables
Teorema
1 Sea T un operador lineal sobre un espacio V de dimension finita.2 Entonces T es diagonalizable si y solo si existe una base = {v1, . . . , vn} de V formada por vectores propios de T .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 20 / 80
-
Operadores lineales diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio V de dimension finita.
2 Entonces T es diagonalizable si y solo si existe una base = {v1, . . . , vn} de V formada por vectores propios de T .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 20 / 80
-
Operadores lineales diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio V de dimension finita.2 Entonces T es diagonalizable si y solo si existe una base = {v1, . . . , vn} de V formada por vectores propios de T .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 20 / 80
-
Matrices diagonalizables
Definicion
1 Sea V de dimension finita y A un operador lineal sobre V . Unconjunto completo de vectores propios para A es una base para Vformada por vectores propios.
2 Un conjunto completo de vectores propios para A K nn es unconjunto de n vectores propios linealmente independientes.
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes:
1 A es diagonalizable2 A tiene un conjunto completo de vectores propios.3 Existe una matriz invertible P y una matriz diagonal D tal que
A = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 21 / 80
-
Matrices diagonalizables
Definicion1 Sea V de dimension finita y A un operador lineal sobre V . Un
conjunto completo de vectores propios para A es una base para Vformada por vectores propios.
2 Un conjunto completo de vectores propios para A K nn es unconjunto de n vectores propios linealmente independientes.
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes:
1 A es diagonalizable2 A tiene un conjunto completo de vectores propios.3 Existe una matriz invertible P y una matriz diagonal D tal que
A = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 21 / 80
-
Matrices diagonalizables
Definicion1 Sea V de dimension finita y A un operador lineal sobre V . Un
conjunto completo de vectores propios para A es una base para Vformada por vectores propios.
2 Un conjunto completo de vectores propios para A K nn es unconjunto de n vectores propios linealmente independientes.
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes:
1 A es diagonalizable2 A tiene un conjunto completo de vectores propios.3 Existe una matriz invertible P y una matriz diagonal D tal que
A = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 21 / 80
-
Matrices diagonalizables
Definicion1 Sea V de dimension finita y A un operador lineal sobre V . Un
conjunto completo de vectores propios para A es una base para Vformada por vectores propios.
2 Un conjunto completo de vectores propios para A K nn es unconjunto de n vectores propios linealmente independientes.
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes:
1 A es diagonalizable2 A tiene un conjunto completo de vectores propios.3 Existe una matriz invertible P y una matriz diagonal D tal que
A = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 21 / 80
-
Matrices diagonalizables
Definicion1 Sea V de dimension finita y A un operador lineal sobre V . Un
conjunto completo de vectores propios para A es una base para Vformada por vectores propios.
2 Un conjunto completo de vectores propios para A K nn es unconjunto de n vectores propios linealmente independientes.
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes:
1 A es diagonalizable
2 A tiene un conjunto completo de vectores propios.3 Existe una matriz invertible P y una matriz diagonal D tal que
A = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 21 / 80
-
Matrices diagonalizables
Definicion1 Sea V de dimension finita y A un operador lineal sobre V . Un
conjunto completo de vectores propios para A es una base para Vformada por vectores propios.
2 Un conjunto completo de vectores propios para A K nn es unconjunto de n vectores propios linealmente independientes.
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes:
1 A es diagonalizable2 A tiene un conjunto completo de vectores propios.
3 Existe una matriz invertible P y una matriz diagonal D tal queA = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 21 / 80
-
Matrices diagonalizables
Definicion1 Sea V de dimension finita y A un operador lineal sobre V . Un
conjunto completo de vectores propios para A es una base para Vformada por vectores propios.
2 Un conjunto completo de vectores propios para A K nn es unconjunto de n vectores propios linealmente independientes.
CorolarioSea A K nn. Las siguientes afirmaciones son equivalentes:
1 A es diagonalizable2 A tiene un conjunto completo de vectores propios.3 Existe una matriz invertible P y una matriz diagonal D tal que
A = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 21 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.
3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.
4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)
2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e2
3 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e2
4 Base P = [v1, v2] =(
5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Sea T el operador lineal sobre R2 dado por:
T(
xy
)=
( 7 156 12
)(xy
)= A
(xy
).
2 Determine si T es diagonalizable o no.3 Si lo fuera, determine una base que diagonalice.4 Solucion:
1 p() = det(A I) = 2 5+ 6 = ( 3) ( 2)2 N(A 2I) = 5e1 3e23 N(A 3I) = 3e1 2e24 Base P = [v1, v2] =
(5 33 2
).
5 A = P(
2 00 3
)P1 = PDP1.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 22 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 09 4 01 0 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con Ddiagonal.
3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = e33 N(A 4I) = e2.4 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 23 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 09 4 01 0 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.
3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = e33 N(A 4I) = e2.4 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 23 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 09 4 01 0 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = e33 N(A 4I) = e2.4 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 23 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 09 4 01 0 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)
2 N(A 2I) = e33 N(A 4I) = e2.4 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 23 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 09 4 01 0 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = e3
3 N(A 4I) = e2.4 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 23 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 09 4 01 0 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = e33 N(A 4I) = e2.
4 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 23 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 09 4 01 0 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = e33 N(A 4I) = e2.4 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 23 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con Ddiagonal.
3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = 2e1 + e2,e33 N(A 4I) = e2 + 3e3.4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.
3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = 2e1 + e2,e33 N(A 4I) = e2 + 3e3.4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = 2e1 + e2,e33 N(A 4I) = e2 + 3e3.4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)
2 N(A 2I) = 2e1 + e2,e33 N(A 4I) = e2 + 3e3.4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = 2e1 + e2,e3
3 N(A 4I) = e2 + 3e3.4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = 2e1 + e2,e33 N(A 4I) = e2 + 3e3.
4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = 2e1 + e2,e33 N(A 4I) = e2 + 3e3.4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejemplo
1 Determine si la siguiente matriz es diagonalizable
A =
2 0 01 4 03 6 2
2 Si fuera diagonalizable, determine P tal que A = PDP1, con D
diagonal.3 Solucion:
1 p() = ( 2)2( 4)2 N(A 2I) = 2e1 + e2,e33 N(A 4I) = e2 + 3e3.4 A es diagonalizable.
5 A = PDP1, donde P =
2 0 01 0 10 1 3
y D = 2 0 00 2 0
0 0 4
.Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 24 / 80
-
Ejercicio
1 Determine si el operador lineal T inducido por la matriz A esdiagonalizable.
1
(4 21 1
)2
3 0 00 4 20 1 1
3
3 0 02 2 02 1 2
4
3 0 02 2 03 0 2
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 25 / 80
-
Ejercicio
1 Determine si el operador lineal T inducido por la matriz A esdiagonalizable.
1
(4 21 1
)
2
3 0 00 4 20 1 1
3
3 0 02 2 02 1 2
4
3 0 02 2 03 0 2
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 25 / 80
-
Ejercicio
1 Determine si el operador lineal T inducido por la matriz A esdiagonalizable.
1
(4 21 1
)2
3 0 00 4 20 1 1
3
3 0 02 2 02 1 2
4
3 0 02 2 03 0 2
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 25 / 80
-
Ejercicio
1 Determine si el operador lineal T inducido por la matriz A esdiagonalizable.
1
(4 21 1
)2
3 0 00 4 20 1 1
3
3 0 02 2 02 1 2
4
3 0 02 2 03 0 2
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 25 / 80
-
Ejercicio
1 Determine si el operador lineal T inducido por la matriz A esdiagonalizable.
1
(4 21 1
)2
3 0 00 4 20 1 1
3
3 0 02 2 02 1 2
4
3 0 02 2 03 0 2
.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 25 / 80
-
Independencia lineal de vectores propios
Teorema
1 Sea T un operador lineal sobre un espacio vectorial V .2 Sean v1, . . . , vm vectores propios de T con valores propios1, . . . , m, respectivamente.
3 Si i 6= j para i 6= j , entonces los vectores propios v1, . . . , vm sonlinealmente independientes.
CorolarioSi A K nn tiene n valores propios distintos, entonces A esdiagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 26 / 80
-
Independencia lineal de vectores propios
Teorema1 Sea T un operador lineal sobre un espacio vectorial V .
2 Sean v1, . . . , vm vectores propios de T con valores propios1, . . . , m, respectivamente.
3 Si i 6= j para i 6= j , entonces los vectores propios v1, . . . , vm sonlinealmente independientes.
CorolarioSi A K nn tiene n valores propios distintos, entonces A esdiagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 26 / 80
-
Independencia lineal de vectores propios
Teorema1 Sea T un operador lineal sobre un espacio vectorial V .2 Sean v1, . . . , vm vectores propios de T con valores propios1, . . . , m, respectivamente.
3 Si i 6= j para i 6= j , entonces los vectores propios v1, . . . , vm sonlinealmente independientes.
CorolarioSi A K nn tiene n valores propios distintos, entonces A esdiagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 26 / 80
-
Independencia lineal de vectores propios
Teorema1 Sea T un operador lineal sobre un espacio vectorial V .2 Sean v1, . . . , vm vectores propios de T con valores propios1, . . . , m, respectivamente.
3 Si i 6= j para i 6= j , entonces los vectores propios v1, . . . , vm sonlinealmente independientes.
CorolarioSi A K nn tiene n valores propios distintos, entonces A esdiagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 26 / 80
-
Independencia lineal de vectores propios
Teorema1 Sea T un operador lineal sobre un espacio vectorial V .2 Sean v1, . . . , vm vectores propios de T con valores propios1, . . . , m, respectivamente.
3 Si i 6= j para i 6= j , entonces los vectores propios v1, . . . , vm sonlinealmente independientes.
CorolarioSi A K nn tiene n valores propios distintos, entonces A esdiagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 26 / 80
-
La suma de subespacios propios es directa
Teorema
1 Sea T un opeador lineal sobre un espacio vectorial de dimensionfinita y positiva.
2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.
2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.2 Sean 1, . . . , r los distinto valores propios de T .
3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).
4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .
2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .
3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,
4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
La suma de subespacios propios es directa
Teorema1 Sea T un opeador lineal sobre un espacio vectorial de dimension
finita y positiva.2 Sean 1, . . . , r los distinto valores propios de T .3 i una base para Ei = ker(T i1V ).4 Entonces:
1 Ei
j 6=iEj
= {0} para 1 i r .2 = 1 2 . . . r es base para W = E1 + + Er .3 W = E1 Er ,4 dim W = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 27 / 80
-
Caracterizacion de operadores diagonalizables
Teorema
1 Sea T un operador lineal sobre un espacio vectorial V dedimension finita y positiva.
2 Sean 1, . . . , r los distintos valores propios de T .3 Las siguientes condiciones son equivalentes:
1 T es diagonalizable.2 El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
3 dim V = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 28 / 80
-
Caracterizacion de operadores diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio vectorial V de
dimension finita y positiva.
2 Sean 1, . . . , r los distintos valores propios de T .3 Las siguientes condiciones son equivalentes:
1 T es diagonalizable.2 El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
3 dim V = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 28 / 80
-
Caracterizacion de operadores diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio vectorial V de
dimension finita y positiva.2 Sean 1, . . . , r los distintos valores propios de T .
3 Las siguientes condiciones son equivalentes:
1 T es diagonalizable.2 El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
3 dim V = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 28 / 80
-
Caracterizacion de operadores diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio vectorial V de
dimension finita y positiva.2 Sean 1, . . . , r los distintos valores propios de T .3 Las siguientes condiciones son equivalentes:
1 T es diagonalizable.2 El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
3 dim V = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 28 / 80
-
Caracterizacion de operadores diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio vectorial V de
dimension finita y positiva.2 Sean 1, . . . , r los distintos valores propios de T .3 Las siguientes condiciones son equivalentes:
1 T es diagonalizable.
2 El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
3 dim V = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 28 / 80
-
Caracterizacion de operadores diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio vectorial V de
dimension finita y positiva.2 Sean 1, . . . , r los distintos valores propios de T .3 Las siguientes condiciones son equivalentes:
1 T es diagonalizable.2 El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
3 dim V = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 28 / 80
-
Caracterizacion de operadores diagonalizables
Teorema1 Sea T un operador lineal sobre un espacio vectorial V de
dimension finita y positiva.2 Sean 1, . . . , r los distintos valores propios de T .3 Las siguientes condiciones son equivalentes:
1 T es diagonalizable.2 El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
3 dim V = dim E1 + + dim Er .
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 28 / 80
-
Teorema espectral para matrices diagonalizables
Teorema
1 Sean A Cnn y (A) = {1, . . . , r}.2 Entonces, A es diagonalizable si y solo si existen matrices
G1, . . . ,Gr tales que:
1 A = 1G1 + + r Gr (Descomposicion espectral de A).2 G1 + + Gr = I.3 GiGj = 0 si i 6= j .4 G2i = Gi .5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Teorema espectral para matrices diagonalizables
Teorema1 Sean A Cnn y (A) = {1, . . . , r}.
2 Entonces, A es diagonalizable si y solo si existen matricesG1, . . . ,Gr tales que:
1 A = 1G1 + + r Gr (Descomposicion espectral de A).2 G1 + + Gr = I.3 GiGj = 0 si i 6= j .4 G2i = Gi .5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Teorema espectral para matrices diagonalizables
Teorema1 Sean A Cnn y (A) = {1, . . . , r}.2 Entonces, A es diagonalizable si y solo si existen matrices
G1, . . . ,Gr tales que:
1 A = 1G1 + + r Gr (Descomposicion espectral de A).2 G1 + + Gr = I.3 GiGj = 0 si i 6= j .4 G2i = Gi .5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Teorema espectral para matrices diagonalizables
Teorema1 Sean A Cnn y (A) = {1, . . . , r}.2 Entonces, A es diagonalizable si y solo si existen matrices
G1, . . . ,Gr tales que:1 A = 1G1 + + r Gr (Descomposicion espectral de A).
2 G1 + + Gr = I.3 GiGj = 0 si i 6= j .4 G2i = Gi .5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Teorema espectral para matrices diagonalizables
Teorema1 Sean A Cnn y (A) = {1, . . . , r}.2 Entonces, A es diagonalizable si y solo si existen matrices
G1, . . . ,Gr tales que:1 A = 1G1 + + r Gr (Descomposicion espectral de A).2 G1 + + Gr = I.
3 GiGj = 0 si i 6= j .4 G2i = Gi .5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Teorema espectral para matrices diagonalizables
Teorema1 Sean A Cnn y (A) = {1, . . . , r}.2 Entonces, A es diagonalizable si y solo si existen matrices
G1, . . . ,Gr tales que:1 A = 1G1 + + r Gr (Descomposicion espectral de A).2 G1 + + Gr = I.3 GiGj = 0 si i 6= j .
4 G2i = Gi .5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Teorema espectral para matrices diagonalizables
Teorema1 Sean A Cnn y (A) = {1, . . . , r}.2 Entonces, A es diagonalizable si y solo si existen matrices
G1, . . . ,Gr tales que:1 A = 1G1 + + r Gr (Descomposicion espectral de A).2 G1 + + Gr = I.3 GiGj = 0 si i 6= j .4 G2i = Gi .
5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Teorema espectral para matrices diagonalizables
Teorema1 Sean A Cnn y (A) = {1, . . . , r}.2 Entonces, A es diagonalizable si y solo si existen matrices
G1, . . . ,Gr tales que:1 A = 1G1 + + r Gr (Descomposicion espectral de A).2 G1 + + Gr = I.3 GiGj = 0 si i 6= j .4 G2i = Gi .5 R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 29 / 80
-
Ejemplo
1 Determine A =
2 0 09 4 01 0 2
es diagonalizable.
2 (A) = {2,4}.3 Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2, I = G1 + G2,
G21 = G1, G22 = G2, G1G2 = 0, G2G1 = 0.
4 G2 = 12(A 2I) = 12
0 0 09 2 01 0 0
5 G1 = 12(A 4I) = 12
2 0 09 0 01 0 2
.6 G2i 6= Gi para i = 1,2 y G1G2 6= 0.7 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 30 / 80
-
Ejemplo
1 Determine A =
2 0 09 4 01 0 2
es diagonalizable.2 (A) = {2,4}.
3 Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2, I = G1 + G2,
G21 = G1, G22 = G2, G1G2 = 0, G2G1 = 0.
4 G2 = 12(A 2I) = 12
0 0 09 2 01 0 0
5 G1 = 12(A 4I) = 12
2 0 09 0 01 0 2
.6 G2i 6= Gi para i = 1,2 y G1G2 6= 0.7 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 30 / 80
-
Ejemplo
1 Determine A =
2 0 09 4 01 0 2
es diagonalizable.2 (A) = {2,4}.3 Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2, I = G1 + G2,
G21 = G1, G22 = G2, G1G2 = 0, G2G1 = 0.
4 G2 = 12(A 2I) = 12
0 0 09 2 01 0 0
5 G1 = 12(A 4I) = 12
2 0 09 0 01 0 2
.6 G2i 6= Gi para i = 1,2 y G1G2 6= 0.7 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 30 / 80
-
Ejemplo
1 Determine A =
2 0 09 4 01 0 2
es diagonalizable.2 (A) = {2,4}.3 Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2, I = G1 + G2,
G21 = G1, G22 = G2, G1G2 = 0, G2G1 = 0.
4 G2 = 12(A 2I) = 12
0 0 09 2 01 0 0
5 G1 = 12(A 4I) = 12
2 0 09 0 01 0 2
.6 G2i 6= Gi para i = 1,2 y G1G2 6= 0.7 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 30 / 80
-
Ejemplo
1 Determine A =
2 0 09 4 01 0 2
es diagonalizable.2 (A) = {2,4}.3 Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2, I = G1 + G2,
G21 = G1, G22 = G2, G1G2 = 0, G2G1 = 0.
4 G2 = 12(A 2I) = 12
0 0 09 2 01 0 0
5 G1 = 12(A 4I) = 12
2 0 09 0 01 0 2
.
6 G2i 6= Gi para i = 1,2 y G1G2 6= 0.7 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 30 / 80
-
Ejemplo
1 Determine A =
2 0 09 4 01 0 2
es diagonalizable.2 (A) = {2,4}.3 Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2, I = G1 + G2,
G21 = G1, G22 = G2, G1G2 = 0, G2G1 = 0.
4 G2 = 12(A 2I) = 12
0 0 09 2 01 0 0
5 G1 = 12(A 4I) = 12
2 0 09 0 01 0 2
.6 G2i 6= Gi para i = 1,2 y G1G2 6= 0.
7 A no es diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 30 / 80
-
Ejemplo
1 Determine A =
2 0 09 4 01 0 2
es diagonalizable.2 (A) = {2,4}.3 Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2, I = G1 + G2,
G21 = G1, G22 = G2, G1G2 = 0, G2G1 = 0.
4 G2 = 12(A 2I) = 12
0 0 09 2 01 0 0
5 G1 = 12(A 4I) = 12
2 0 09 0 01 0 2
.6 G2i 6= Gi para i = 1,2 y G1G2 6= 0.7 A no es diagonalizable.Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 30 / 80
-
Contenido
1 Teora EspectralValores y vectores propiosDiagonalizacionTriangulacion de operadores linealesDiagonalizacion unitariaDescomposicion en valores singularesSecciones conicas y superficies cuadraticasEl polinomio mnimo de una matrizLa forma canonica de Jordan
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 31 / 80
-
Triangulacion de operadores lineales
Definicion
1 T un operador lineal sobre un espacio dimension V de finitasobre un campo K .
2 T es triangulable sobre V si existe una base para V tal que lamatriz de T en la base es triangular.
3 A K nn es triangulable si el operador TA es triangulable.
TeoremaUna matriz A K nn es triangulable si y solo si existe una matrizinvertible P tal que P1AP es una matriz triangular.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 32 / 80
-
Triangulacion de operadores lineales
Definicion1 T un operador lineal sobre un espacio dimension V de finita
sobre un campo K .
2 T es triangulable sobre V si existe una base para V tal que lamatriz de T en la base es triangular.
3 A K nn es triangulable si el operador TA es triangulable.
TeoremaUna matriz A K nn es triangulable si y solo si existe una matrizinvertible P tal que P1AP es una matriz triangular.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 32 / 80
-
Triangulacion de operadores lineales
Definicion1 T un operador lineal sobre un espacio dimension V de finita
sobre un campo K .2 T es triangulable sobre V si existe una base para V tal que la
matriz de T en la base es triangular.
3 A K nn es triangulable si el operador TA es triangulable.
TeoremaUna matriz A K nn es triangulable si y solo si existe una matrizinvertible P tal que P1AP es una matriz triangular.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 32 / 80
-
Triangulacion de operadores lineales
Definicion1 T un operador lineal sobre un espacio dimension V de finita
sobre un campo K .2 T es triangulable sobre V si existe una base para V tal que la
matriz de T en la base es triangular.3 A K nn es triangulable si el operador TA es triangulable.
TeoremaUna matriz A K nn es triangulable si y solo si existe una matrizinvertible P tal que P1AP es una matriz triangular.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 32 / 80
-
Triangulacion de operadores lineales
Definicion1 T un operador lineal sobre un espacio dimension V de finita
sobre un campo K .2 T es triangulable sobre V si existe una base para V tal que la
matriz de T en la base es triangular.3 A K nn es triangulable si el operador TA es triangulable.
TeoremaUna matriz A K nn es triangulable si y solo si existe una matrizinvertible P tal que P1AP es una matriz triangular.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 32 / 80
-
Semejanza ortogonal/unitaria
Definicion
1 Sean A,B Rnn. A es ortogonalmente semejante a B si existeuna matriz ortogonal V tal que
A = VBV1 = VBV T
2 Sean A,B Cnn. A es unitariamente semejante a B si existe unamatriz unitaria U tal que
A = UBU1 = UBU
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 33 / 80
-
Semejanza ortogonal/unitaria
Definicion1 Sean A,B Rnn. A es ortogonalmente semejante a B si existe
una matriz ortogonal V tal que
A = VBV1 = VBV T
2 Sean A,B Cnn. A es unitariamente semejante a B si existe unamatriz unitaria U tal que
A = UBU1 = UBU
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 33 / 80
-
Semejanza ortogonal/unitaria
Definicion1 Sean A,B Rnn. A es ortogonalmente semejante a B si existe
una matriz ortogonal V tal que
A = VBV1 = VBV T
2 Sean A,B Cnn. A es unitariamente semejante a B si existe unamatriz unitaria U tal que
A = UBU1 = UBU
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 33 / 80
-
T. de Schur: Triangulacion ortogonal / unitaria
Teorema
1 Cada matriz A Cnn es unitariamente semejante a una matriztriangular superior T .
2 Los elementos en la diagonal principal de T son los valorespropios de A.
Corolario
1 Si A Rnn y sus valores propios son reales, entonces A esortogonalmente semejante a una matriz triangular superior real S.
2 Ademas los elementos de la diagonal principal de S son losvalores propios de A.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 34 / 80
-
T. de Schur: Triangulacion ortogonal / unitaria
Teorema1 Cada matriz A Cnn es unitariamente semejante a una matriz
triangular superior T .
2 Los elementos en la diagonal principal de T son los valorespropios de A.
Corolario
1 Si A Rnn y sus valores propios son reales, entonces A esortogonalmente semejante a una matriz triangular superior real S.
2 Ademas los elementos de la diagonal principal de S son losvalores propios de A.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 34 / 80
-
T. de Schur: Triangulacion ortogonal / unitaria
Teorema1 Cada matriz A Cnn es unitariamente semejante a una matriz
triangular superior T .2 Los elementos en la diagonal principal de T son los valores
propios de A.
Corolario
1 Si A Rnn y sus valores propios son reales, entonces A esortogonalmente semejante a una matriz triangular superior real S.
2 Ademas los elementos de la diagonal principal de S son losvalores propios de A.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 34 / 80
-
T. de Schur: Triangulacion ortogonal / unitaria
Teorema1 Cada matriz A Cnn es unitariamente semejante a una matriz
triangular superior T .2 Los elementos en la diagonal principal de T son los valores
propios de A.
Corolario
1 Si A Rnn y sus valores propios son reales, entonces A esortogonalmente semejante a una matriz triangular superior real S.
2 Ademas los elementos de la diagonal principal de S son losvalores propios de A.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 34 / 80
-
T. de Schur: Triangulacion ortogonal / unitaria
Teorema1 Cada matriz A Cnn es unitariamente semejante a una matriz
triangular superior T .2 Los elementos en la diagonal principal de T son los valores
propios de A.
Corolario1 Si A Rnn y sus valores propios son reales, entonces A es
ortogonalmente semejante a una matriz triangular superior real S.
2 Ademas los elementos de la diagonal principal de S son losvalores propios de A.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 34 / 80
-
T. de Schur: Triangulacion ortogonal / unitaria
Teorema1 Cada matriz A Cnn es unitariamente semejante a una matriz
triangular superior T .2 Los elementos en la diagonal principal de T son los valores
propios de A.
Corolario1 Si A Rnn y sus valores propios son reales, entonces A es
ortogonalmente semejante a una matriz triangular superior real S.2 Ademas los elementos de la diagonal principal de S son los
valores propios de A.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 34 / 80
-
Contenido
1 Teora EspectralValores y vectores propiosDiagonalizacionTriangulacion de operadores linealesDiagonalizacion unitariaDescomposicion en valores singularesSecciones conicas y superficies cuadraticasEl polinomio mnimo de una matrizLa forma canonica de Jordan
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 35 / 80
-
Diagonalizacion unitaria y ortogonal
Definicion
1 A Rnn es ortogonalmente diagonalizable si A = PDPT , dondeP es ortogonal y D es diagonal.
2 A Cnn es unitariamente diagonalizable si A = UDU, donde Ues unitaria y D es diagonal
3 A Cnn es normal si AA = AA.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 36 / 80
-
Diagonalizacion unitaria y ortogonal
Definicion1 A Rnn es ortogonalmente diagonalizable si A = PDPT , donde
P es ortogonal y D es diagonal.
2 A Cnn es unitariamente diagonalizable si A = UDU, donde Ues unitaria y D es diagonal
3 A Cnn es normal si AA = AA.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 36 / 80
-
Diagonalizacion unitaria y ortogonal
Definicion1 A Rnn es ortogonalmente diagonalizable si A = PDPT , donde
P es ortogonal y D es diagonal.2 A Cnn es unitariamente diagonalizable si A = UDU, donde U
es unitaria y D es diagonal
3 A Cnn es normal si AA = AA.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 36 / 80
-
Diagonalizacion unitaria y ortogonal
Definicion1 A Rnn es ortogonalmente diagonalizable si A = PDPT , donde
P es ortogonal y D es diagonal.2 A Cnn es unitariamente diagonalizable si A = UDU, donde U
es unitaria y D es diagonal3 A Cnn es normal si AA = AA.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 36 / 80
-
Ejemplos de matrices normales
Ejemplo
1 Matrices diagonales2 Matrices reales simetricas3 Matrices reales antisimetricas4 Matrices reales ortogonales5 Matrices hermitianas6 Matrices anti-hermitianas7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Ejemplos de matrices normales
Ejemplo1 Matrices diagonales
2 Matrices reales simetricas3 Matrices reales antisimetricas4 Matrices reales ortogonales5 Matrices hermitianas6 Matrices anti-hermitianas7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Ejemplos de matrices normales
Ejemplo1 Matrices diagonales2 Matrices reales simetricas
3 Matrices reales antisimetricas4 Matrices reales ortogonales5 Matrices hermitianas6 Matrices anti-hermitianas7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Ejemplos de matrices normales
Ejemplo1 Matrices diagonales2 Matrices reales simetricas3 Matrices reales antisimetricas
4 Matrices reales ortogonales5 Matrices hermitianas6 Matrices anti-hermitianas7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Ejemplos de matrices normales
Ejemplo1 Matrices diagonales2 Matrices reales simetricas3 Matrices reales antisimetricas4 Matrices reales ortogonales
5 Matrices hermitianas6 Matrices anti-hermitianas7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Ejemplos de matrices normales
Ejemplo1 Matrices diagonales2 Matrices reales simetricas3 Matrices reales antisimetricas4 Matrices reales ortogonales5 Matrices hermitianas
6 Matrices anti-hermitianas7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Ejemplos de matrices normales
Ejemplo1 Matrices diagonales2 Matrices reales simetricas3 Matrices reales antisimetricas4 Matrices reales ortogonales5 Matrices hermitianas6 Matrices anti-hermitianas
7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Ejemplos de matrices normales
Ejemplo1 Matrices diagonales2 Matrices reales simetricas3 Matrices reales antisimetricas4 Matrices reales ortogonales5 Matrices hermitianas6 Matrices anti-hermitianas7 Matrices unitarias
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 37 / 80
-
Diagonalizacion unitaria
LemaUna matriz triangular T Cnn es normal si y solo si T es diagonal.
TeoremaA Cnn es unitariamente diagonalizable si y solo si A es normal.
ObservacionDVP: descomposicion en valores propios de una matriz normal
A = UDU U unitaria,D diagonal.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 38 / 80
-
Diagonalizacion unitaria
LemaUna matriz triangular T Cnn es normal si y solo si T es diagonal.
TeoremaA Cnn es unitariamente diagonalizable si y solo si A es normal.
ObservacionDVP: descomposicion en valores propios de una matriz normal
A = UDU U unitaria,D diagonal.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 38 / 80
-
Diagonalizacion unitaria
LemaUna matriz triangular T Cnn es normal si y solo si T es diagonal.
TeoremaA Cnn es unitariamente diagonalizable si y solo si A es normal.
ObservacionDVP: descomposicion en valores propios de una matriz normal
A = UDU U unitaria,D diagonal.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 38 / 80
-
Diagonalizacion unitaria
TeoremaA Cnn normal. Entonces, los vectores propios de A asociados avalores propios distintos son ortogonales.
Teorema
1 Si A Cnn es hermitiana, entonces (A) R2 Si A Rnn es simetrica, entonces (A) R
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 39 / 80
-
Diagonalizacion unitaria
TeoremaA Cnn normal. Entonces, los vectores propios de A asociados avalores propios distintos son ortogonales.
Teorema
1 Si A Cnn es hermitiana, entonces (A) R2 Si A Rnn es simetrica, entonces (A) R
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 39 / 80
-
Diagonalizacion unitaria
TeoremaA Cnn normal. Entonces, los vectores propios de A asociados avalores propios distintos son ortogonales.
Teorema1 Si A Cnn es hermitiana, entonces (A) R
2 Si A Rnn es simetrica, entonces (A) R
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 39 / 80
-
Diagonalizacion unitaria
TeoremaA Cnn normal. Entonces, los vectores propios de A asociados avalores propios distintos son ortogonales.
Teorema1 Si A Cnn es hermitiana, entonces (A) R2 Si A Rnn es simetrica, entonces (A) R
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 39 / 80
-
DVP de matrices reales simetricas
CorolarioA Rnn simetrica. Entonces:
1 6= (A) R2 Para cada valor propio de A hay al menos un vector propio real.3 En particular, A es ortogonalmente diagonalizable.
Alejandro Lara (Fmat- Uady) Algebra Lineal II 16 de abril de 2015 40 / 80
-
DVP de matrices reales simetricas
CorolarioA Rnn simetrica. Entonces:
1 6= (A) R
2 Para cada valor propio de A hay al menos un vector propio r