• Ir al contenido principal
  • Ir a la barra lateral primaria
  • Ir al pie de página

Álgebra y Geometría Analítica

Contenidos de Álgebra para UTN-FRBA

  • Parte 1
    • Vectores, recta y plano
      • Introducción a vectores en R3
      • Producto escalar en R3
      • Producto vectorial y mixto
      • Ecuaciones del plano
      • Ángulos y distancias
      • Haz de planos
      • Recta en ({mathbb{R}^3})
      • Recta y plano: intersecciones y ángulos
      • Distancias y proyecciones
    • Matrices y determinantes
      • Matrices
      • Determinante de una matriz
      • Matrices y sistemas de ecuaciones lineales
    • Espacios vectoriales
      • Espacios y subespacios vectoriales
      • Conjunto generador. LI y LD. Base. Dimensión.
      • Operaciones con subespacios
    • Sistemas de ecuaciones
      • Rango y sistemas de ecuaciones lineales
      • Relaciones entre soluciones de AX=B y AX=0. Variables libres.
  • Parte 2
    • Transformaciones lineales
      • Definición y propiedades de las transformaciones lineales
      • Núcleo e imagen. Clasificación de las transformaciones lineales.
      • Teorema fundamental de las transformaciones lineales
      • Matriz asociada a una transformación lineal
      • Composición e inversa de transformaciones lineales
      • Matriz de cambio de base
    • Autovalores y autovectores
      • Autovalores y autovectores: definiciones y propiedades
      • Multiplicidades algebraica y geométrica de un autovalor
      • Matrices semejantes
      • Diagonalización de una matriz
      • Diagonalización ortogonal de matrices simétricas
      • Diagonalización de una transformación lineal
    • Cónicas, parametrización y superficies cuádricas
      • Introducción a cónicas
      • Circunferencia
      • Parábola
      • Elipse
      • Hipérbola
      • Ecuaciones paramétricas de las cónicas (circunferencia, elipse, parábola e hipérbola)
    • Aplicaciones de la diagonalización
      • Potencias de una matriz diagonalizable
      • Rototraslación de cónicas
    • Números complejos
      • Definición y operaciones de números complejos en forma binómica
      • Operaciones en forma trigonométrica y exponencial
      • Radicación de números complejos
      • Regiones del plano complejo
  • Exámenes
    • Parciales
      • Parcial 1
        • 24-05-2015
        • 12-02-2016
        • 22-04-2017
        • 09-09-2017
        • 05-05-2018
        • 13-09-2019
      • Parcial 2
        • 21-06-2019
        • 10-11-2018
        • 23-06-2018
        • 04-11-2017
        • 10-06-2017
        • 13-06-2015
        • 31-10-2015
    • Finales
  • Info 2021 (primer cuatrimestre)
  • Contactanos!
  • Reportá un error

Última vez actualizado 19 mayo, 2017 por Isabel Pustilnik y Federico Gómez 10 comentarios

Diagonalización de una matriz

Definición de matriz diagonalizable

Sea \(A \in {\mathbb{R}^{n \times n}}\), se dice que \(A\) es diagonalizable \( \Leftrightarrow \) A es semejante a una matriz diagonal \( \Leftrightarrow \) \(\exists P \in {\mathbb{R}^{n \times n\;}}\) inversible tal que \({P^{ – 1}}AP = D\) diagonal.

Es un caso especial de semejanza. Una matriz es diagonalizable cuando es semejante a una matriz diagonal.

Condiciones que tiene que cumplir una matriz para ser diagonalizable

\(A \in {\mathbb{R}^{n \times n}}\) es diagonalizable si y sólo si \(A\) tiene \(n\)autovectores linealmente independientes.

Sean \({v_1},{v_2}, \ldots ,{v_n}\)autovectores LIde la matriz \(A \in {\mathbb{R}^{n \times \;n}}\). Podemos construir una matriz \(P\) cuyas columnas sean dichos autovectores: \[P = \left( {{v_1}\;\;\;{v_2}\; \ldots \;{v_n}} \right)\] \(P\) es inversible porque sus columnas son LI y por lo tanto tiene rango \(n\) \(\left( {det\left( P \right) \ne 0} \right)\). Puede demostrarse que: \(\;\;{P^{ – 1}}A\;P = D\;\;\;\) donde \(D\) es una matriz diagonal cuyos elementos son los respectivos autovalores: \[D = \left( {\begin{array}{*{20}{c}}{{\lambda _1}}&0&0&0\\0&{{\lambda _2}}&0&0\\0&0& \ddots &0\\0&0&0&{{\lambda _n}}\end{array}} \right)\]

Ejemplo 1

Consideremos la matriz \(M\): \[M = \left( {\begin{array}{*{20}{c}}3&{ – 1}&0\\{ – 1}&3&0\\1&1&2\end{array}} \right)\] Verifiquen que los autovalores son: \(\lambda = 2\;\left( {doble} \right)\) y \(\lambda = 4\left( {simple} \right)\), y que ambos autoespacios tienen dimensión 1.

No coinciden la multiplicidad algebraica de \(\lambda = 2\) y su multiplicidad geométrica. Nos falta un autovector linealmente independiente para armar la matriz \(P\), por lo tanto la matriz \(M\) no es diagonalizable.

Ejemplo 2

Veamos si es posible diagonalizar la siguiente matriz: \[A = \left( {\begin{array}{*{20}{c}}3&1\\2&2\end{array}} \right)\] Verifiquen que los siguientes son sus autovalores: \[\lambda = 4\] \[\lambda = 1\] Si la matriz tiene dos autovalores distintos, sin hacer ninguna cuenta más, ¿Podemos asegurar que es diagonalizable? Sí, porque hay una propiedad que dice que los autovectores asociados a autovalores distintos son linealmente independientes. Los autovectores son: \[{v_1} = \left( {\begin{array}{*{20}{c}}1\\1\end{array}} \right)\] \[{v_2} = \left( {\begin{array}{*{20}{c}}1\\{ – 2}\end{array}} \right)\] Armamos la matriz \(P\) poniendo los autovectores como columnas: \[P = \left( {\begin{array}{*{20}{c}}1&1\\1&{ – 2}\end{array}} \right)\] La inversa de \(P\) la obtenemos haciendo: \[{P^{ – 1}} = \frac{1}{{\det \left( P \right)}}.adj\left( P \right)\] Ahora hagamos el cálculo para obtener la matriz diagonal.

Ejemplo 3

Diagonalizar la siguiente matriz si es posible: \[B = \left( {\begin{array}{*{20}{c}}1&2&4\\2&1&{ – 4}\\0&0&3\end{array}} \right)\] Buscamos los autovalores: \[\det \left( {B – \lambda I} \right) = \left| {\begin{array}{*{20}{c}}{1 – \lambda }&2&4\\2&{1 – \lambda }&{ – 4}\\0&0&{3 – \lambda }\end{array}} \right| = \left( {3 – \lambda } \right)\left( {{{\left( {1 – \lambda \;} \right)}^2} – 4} \right)\] \[\;\lambda = 3\;\left( {doble} \right) \vee \lambda = – 1\] Atención: es un error muy común suponer que la existencia de un autovalor doble implica que la matriz no es diagonalizable.

Para \(\lambda = – 1\) buscamos el autoespacio correspondiente: \[\left( {\begin{array}{*{20}{c}}2&2&4\\2&2&{ – 4}\\0&0&4\end{array}} \right)\left( {\begin{array}{*{20}{c}}x\\{\begin{array}{*{20}{c}}y\\z\end{array}}\end{array}} \right) = \left( {\begin{array}{*{20}{c}}0\\{\begin{array}{*{20}{c}}0\\0\end{array}}\end{array}} \right)\;\;\] \[\;{S_{ – 1}} = gen\left\{ {\left( {\begin{array}{*{20}{c}}1\\{\begin{array}{*{20}{c}}{ – 1}\\0\end{array}}\end{array}} \right)} \right\}\] Verifiquen que el otro autoespacio es: \[{S_3} = gen\left\{ {\left( {\begin{array}{*{20}{c}}1\\{\begin{array}{*{20}{c}}1\\0\end{array}}\end{array}} \right),\left( {\begin{array}{*{20}{c}}2\\{\begin{array}{*{20}{c}}0\\1\end{array}}\end{array}} \right)} \right\}\] Como pudimos obtener tres autovectores linealmente independientes, la matriz \(P\) existe y la construimos ubicando a los autovectores como columna: \[P = \left( {\begin{array}{*{20}{c}}1&1&1\\{ – 1}&{ – 1}&1\\0&1&0\end{array}} \right)\] Ésta es la matriz que permite diagonalizar a la matriz \(B\). \[{P^{ – 1}} = \left( {\begin{array}{*{20}{c}}{\frac{1}{2}}&{ – \frac{1}{2}}&{ – 1}\\0&0&1\\{\frac{1}{2}}&{\frac{1}{2}}&0\end{array}} \right)\] La matriz diagonal correspondiente es: \[{P^{ – 1}}.A.P = D = \left( {\begin{array}{*{20}{c}}{ – 1}&0&0\\0&3&0\\0&0&3\end{array}} \right)\] El orden de los autovalores en \(D\) es el mismo orden que el de los autovectores en las columnas de \(P\). Por ejemplo si construimos la matriz \(P\) así: \[P = \left( {\begin{array}{*{20}{c}}1&1&1\\1&{ – 1}&{ – 1}\\0&1&0\end{array}} \right)\] Verifiquen que la matriz \(D\) queda: \[D = \left( {\begin{array}{*{20}{c}}3&0&0\\0&3&0\\0&0&{ – 1}\end{array}} \right)\]

Ejemplo 4

Diagonalizar la siguiente matriz si es posible: \[C = \left( {\begin{array}{*{20}{c}}0&{ – 1}\\1&0\end{array}} \right)\] ¿Qué problema tiene esta matriz? ¿Cuál sería el polinomio característico? No tiene autovalores reales. Entonces no es diagonalizable en \(\mathbb{R}\). Más adelante veremos que es diagonalizable, pero en el campo de los números complejos.

Ejercicio para el lector 3

Sea: \[M = \left( {\begin{array}{*{20}{c}}1&2&3\\2&a&b\\0&0&3\end{array}} \right)\] Determinar los valores de \(a\) y \(b\) de modo que \(\lambda = 3\) sea autovalor doble, y \(M\) sea diagonalizable.

Matriz con \(n\) autovalores distintos

¿Qué puede decirse de las matrices que tienen todos sus autovalores distintos? Recordemos que autovectores asociados a autovalores distintos, son LI.

Por lo tanto:

Si una matriz \(A \in {\mathbb{R}^{n \times n}}\) tiene \(n\) autovalores distintos, entonces tiene \(n\) autovectores LI y en consecuencia es diagonalizable.

Observación importante: Si una matriz es diagonalizable ¿puede afirmarse que todos sus autovalores son distintos?

Veamos el siguiente ejemplo: \[A = \left( {\begin{array}{*{20}{c}}1&0&0\\0&1&0\\0&0&2\end{array}} \right)\] Es una matriz diagonalizable porque es diagonal. Sin embargo no tiene todos sus autovalores distintos ya que \(\lambda = 1\) es un autovalor doble.

Ejercicio para el lector 4

Sea \(A \in {\mathbb{R}^{3 \times 3}}\) tal que su polinomio característico es \(p\left( \lambda \right) = {\lambda ^2}.\left( {1 – \lambda } \right)\), y \(S = \left\{ {x \in {\mathbb{R}^{3 \times 1}}\;\;|\;\;{x_1} + {x_2} + {x_3} = 0} \right\}\) es un autoespacio de \(A\). Analizar si \(A\) es diagonalizable.

Artículos relacionados:

  • Información sobre el curso segundo cuatrimesre 2020
  • Información sobre el curso de verano 2021
  • Información sobre el curso primer cuatrimesre 2021

Archivado en:Autovalores y autovectores

Interacciones con los lectores

Comentarios

  1. Martín Aranda dice

    8 noviembre, 2017 en 12:17 pm

    Que tal! El ejemplo 1, la matriz de 3×3 que tiene eigenvalore 2,2,4; es diagonalizable, lo verifiqué con wolfram alpha.

  2. Federico Gómez dice

    4 diciembre, 2017 en 2:34 pm

    Hola Martín!
    Gracias por comentar. Entiendo que quisiste verificar si la matriz \(M\) del ejemplo 1 es diagonalizable y encontraste que no lo es.
    Pero me parece que en algún punto tenés un error.
    A continuación, te muestro cómo el autoespacio asociado al autovalor doble \(\left( {\lambda = 2} \right)\) tiene dimensión 1:
    \[\left( {\begin{array}{*{20}{c}}1&{ – 1}&0\\{ – 1}&1&0\\1&1&0\end{array}} \right)\left( {\begin{array}{*{20}{c}}x\\{\begin{array}{*{20}{c}}y\\z\end{array}}\end{array}} \right) = \left( {\begin{array}{*{20}{c}}0\\{\begin{array}{*{20}{c}}0\\0\end{array}}\end{array}} \right)\]
    \[ \Rightarrow \left\{ {\begin{array}{*{20}{c}}{x – y = 0}\\{ – x + y = 0}\\{x + y = 0}\end{array}} \right. \Rightarrow x = y = 0\]
    \[{S_{\lambda = 2}} = gen\left\{ {\left( {\begin{array}{*{20}{c}}0\\{\begin{array}{*{20}{c}}0\\1\end{array}}\end{array}} \right)} \right\} \Rightarrow \dim \left( {{S_{\lambda = 2}}} \right) = 1\]

    Así que la matriz NO es diagonalizable.
    Volvé a chequearlo.

    Saludos!

  3. pepe sanchez dice

    4 junio, 2018 en 2:23 am

    A es una matriz de orden 3 , r y s son sus valores propios , y sus vectores propios generan rectas ¿A es diagonalizable ?

  4. pepe sanchez dice

    4 junio, 2018 en 2:24 am

    Hola necesito ayuda con ésta pregunta
    A es una matriz de orden 3 , r y s son sus valores propios , y sus vectores propios generan rectas ¿A es diagonalizable ?

  5. Mikel Lazkoz dice

    9 junio, 2018 en 7:21 am

    Buenas, muy buena la web!
    En el ejemplo 3 en la matriz P la segunda columna no debería ser (2 0 1) puesta en vertical (no sé utilizar Latex, lo siento) ? El segundo autovector de S3?
    Gracias y un saludo
    Mikel

  6. IsaacD28 dice

    2 julio, 2018 en 9:38 pm

    En el ejemplo 3 la matriz P está bien hecha? a mi me quedó
    (1 1 2)
    P=(-1 1 0 )
    (0 0 1)

  7. Ezequiel dice

    11 octubre, 2018 en 10:04 pm

    Excelente página, todo muy bien explicado

  8. Danilo Gómez dice

    9 enero, 2020 en 8:52 pm

    Si cada uno de los espacios propios (el asociado a $r$ y el asociado a $s$) genera rectas entonces tienen dimensión $1$ (su dimensión geométrica es $1$). Luego, al ser una matriz de orden $3$, la suma de las dimensiones algebraicas de $r$ y $s$ debe ser $3$, y por lo tanto uno de ellos debe tener dimensión algebraica $2$ (debe ser un cero doble del polinomio característico). Finalmente, al no coincidir la dimensión geométrica y la dimensión algebraica de uno de sus valores propios, la matriz no es diagonalizable.

  9. SOL dice

    30 marzo, 2020 en 9:30 pm

    si me diosolamente un autovector que es igual a 1, es diagonizable?

  10. EVER VILLCA dice

    1 julio, 2020 en 9:41 am

    Hola. La matriz P del ejemplo 3 esta mal ordenada con los vectores por lo cual la multiplicacion de dichas matrices no corresponde con el resultado. es decir el resultados esta bien. pero si multiplicas P a la -1 * B * P, NO DA EL RESULTADO QUE MUESTRA… POR FAVOR VERIFIQUEN

Deja una respuesta Cancelar la respuesta

Lo siento, debes estar conectado para publicar un comentario.

Barra lateral primaria

Actualizaciones recientes

  • Primer Parcial Resuelto de AGA [13-09-2019]
  • Segundo Parcial Resuelto de AGA [21-06-2019]
  • Segundo Parcial Resuelto de AGA [10-11-2018]
  • Segundo Parcial Resuelto de AGA [23-06-2018]
  • Primer Parcial Resuelto de AGA [05-05-2018]

Comentarios recientes

  • FEDERICO en Introducción a vectores en R3
  • Julián Oter en Diagonalización ortogonal de matrices simétricas
  • Alan en Producto escalar en R3
  • RONY en Hipérbola
  • YANIS YULEISI PENATA BENITEZ en Espacios y subespacios vectoriales

Archivos

  • septiembre 2019
  • junio 2019
  • noviembre 2018
  • julio 2018
  • mayo 2018
  • noviembre 2017
  • septiembre 2017
  • junio 2017
  • abril 2017
  • diciembre 2016
  • noviembre 2016
  • octubre 2016
  • septiembre 2016
  • agosto 2016

Categorías

  • Aplicaciones de la diagonalización
  • Autovalores y autovectores
  • Cónicas, parametrización y superficies cuádricas
  • Espacios vectoriales
  • Matrices y determinantes
  • Números complejos
  • Parte 1
  • Parte 2
  • Primer parcial resuelto
  • Segundo parcial resuelto
  • Sin categoría
  • Sistemas de ecuaciones
  • Transformaciones lineales
  • Vectores, recta y plano.

Descarga de PDFs

  • PDF Unidad 1
  • PDF Unidad 1
  • PDF Unidad 2
  • PDF Unidad 2
  • PDF Unidad 3
  • PDF Unidad 3
  • PDF Unidad 4
  • PDF Unidad 4
  • PDF Unidad 5
  • PDF Unidad 5
  • PDF Unidad 6
  • PDF Unidad 6
  • PDF Unidad 7
  • PDF Unidad 7
  • PDF Unidad 8
  • PDF Unidad 8
  • PDF Unidad 9
  • PDF Unidad 9

Unidad 3

Espacios vectoriales

En las unidades anteriores vimos que el álgebra de vectores y el álgebra de matrices presentan similitudes. Pudimos observar que las propiedades de la suma (de vectores o de matrices) y del producto por un escalar son idénticas en ambos conjuntos.

En esta unidad, generalizaremos el concepto de vector a partir de estas propiedades en común que hemos señalado para vectores geométricos y matrices.

Las siguientes preguntas nos ayudarán a focalizar el eje de esta unidad:

¿En qué se parecen los vectores geométricos, las matrices y los polinomios? ¿Qué propiedades comunes pueden detectarse en estos objetos de diferente naturaleza y variadas aplicaciones?

De esto se trata nuestra tercera unidad, donde se desarrollan conceptos centrales del álgebra lineal: espacios vectoriales, base, dimensión y coordenadas, entre otros.

Empezar Unidad 3

Footer

Buscá en el sitio

Comentarios recientes

  • FEDERICO en Introducción a vectores en R3
  • Julián Oter en Diagonalización ortogonal de matrices simétricas
  • Alan en Producto escalar en R3
  • RONY en Hipérbola
  • YANIS YULEISI PENATA BENITEZ en Espacios y subespacios vectoriales

Realizado en UTN FRBA

UDB Matemática – Ciencias Básicas – Secretaría Académica

Licencia Creative Commons

Licencia Creative Commons
Esta obra está bajo una Licencia Creative Commons Atribución – No Comercial – Sin Obra Derivada 4.0 Internacional.

Los gifs

Los GIFs del material teórico

Archivos

  • septiembre 2019
  • junio 2019
  • noviembre 2018
  • julio 2018
  • mayo 2018
  • noviembre 2017
  • septiembre 2017
  • junio 2017
  • abril 2017
  • diciembre 2016
  • noviembre 2016
  • octubre 2016
  • septiembre 2016
  • agosto 2016

Descargas en PDF

  • PDF Unidad 1
  • PDF Unidad 1
  • PDF Unidad 2
  • PDF Unidad 2
  • PDF Unidad 3
  • PDF Unidad 3
  • PDF Unidad 4
  • PDF Unidad 4
  • PDF Unidad 5
  • PDF Unidad 5
  • PDF Unidad 6
  • PDF Unidad 6
  • PDF Unidad 7
  • PDF Unidad 7
  • PDF Unidad 8
  • PDF Unidad 8
  • PDF Unidad 9
  • PDF Unidad 9

Webs relacionadas

Proba Fácil con contenidos de probabilidad y estadística

  • Parte 1
    • Vectores, recta y plano
      • Introducción a vectores en R3
      • Producto escalar en R3
      • Producto vectorial y mixto
      • Ecuaciones del plano
      • Ángulos y distancias
      • Haz de planos
      • Recta en ({mathbb{R}^3})
      • Recta y plano: intersecciones y ángulos
      • Distancias y proyecciones
    • Matrices y determinantes
      • Matrices
      • Determinante de una matriz
      • Matrices y sistemas de ecuaciones lineales
    • Espacios vectoriales
      • Espacios y subespacios vectoriales
      • Conjunto generador. LI y LD. Base. Dimensión.
      • Operaciones con subespacios
    • Sistemas de ecuaciones
      • Rango y sistemas de ecuaciones lineales
      • Relaciones entre soluciones de AX=B y AX=0. Variables libres.
  • Parte 2
    • Transformaciones lineales
      • Definición y propiedades de las transformaciones lineales
      • Núcleo e imagen. Clasificación de las transformaciones lineales.
      • Teorema fundamental de las transformaciones lineales
      • Matriz asociada a una transformación lineal
      • Composición e inversa de transformaciones lineales
      • Matriz de cambio de base
    • Autovalores y autovectores
      • Autovalores y autovectores: definiciones y propiedades
      • Multiplicidades algebraica y geométrica de un autovalor
      • Matrices semejantes
      • Diagonalización de una matriz
      • Diagonalización ortogonal de matrices simétricas
      • Diagonalización de una transformación lineal
    • Cónicas, parametrización y superficies cuádricas
      • Introducción a cónicas
      • Circunferencia
      • Parábola
      • Elipse
      • Hipérbola
      • Ecuaciones paramétricas de las cónicas (circunferencia, elipse, parábola e hipérbola)
    • Aplicaciones de la diagonalización
      • Potencias de una matriz diagonalizable
      • Rototraslación de cónicas
    • Números complejos
      • Definición y operaciones de números complejos en forma binómica
      • Operaciones en forma trigonométrica y exponencial
      • Radicación de números complejos
      • Regiones del plano complejo
  • Exámenes
    • Parciales
      • Parcial 1
        • 24-05-2015
        • 12-02-2016
        • 22-04-2017
        • 09-09-2017
        • 05-05-2018
        • 13-09-2019
      • Parcial 2
        • 21-06-2019
        • 10-11-2018
        • 23-06-2018
        • 04-11-2017
        • 10-06-2017
        • 13-06-2015
        • 31-10-2015
    • Finales
  • Info 2021 (primer cuatrimestre)
  • Contactanos!
  • Reportá un error

Copyright © 2023 · Digital Pro On Genesis Framework · WordPress · Iniciar sesión

  • Parte 1
  • Parte 2
  • Exámenes
  • Info 2021 (primer cuatrimestre)
  • Contactanos!
  • Reportá un error