• 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 1.059 comentarios

Diagonalización ortogonal de matrices simétricas

Matriz ortogonal

¿Qué característica tiene una matriz ortogonal? Que la traspuesta de la matriz es igual a la inversa: \[P \in {\mathbb{R}^{n \times n}}{\rm{\;es\;ortogonal\;}} \Leftrightarrow {P^{ – 1}} = {P^T}\] Una matriz \(P \in {\mathbb{R}^{n \times n}}\) es ortogonal si y sólo si:

  • Sus columnas son ortogonales entre sí
  • El módulo (norma) de cada columna es 1

Otra forma de decirlo:

  • Las columnas deben ser versores ortogonales.

Consideremos el siguiente ejemplo: \[P = \left( {\begin{array}{*{20}{c}}{\frac{1}{{\sqrt 2 }}}&{ – \frac{1}{{\sqrt 2 }}}\\{\frac{1}{{\sqrt 2 }}}&{\frac{1}{{\sqrt 2 }}}\end{array}} \right)\] Esta matriz es ortogonal. Verifiquen que efectivamente sus columnas son ortogonales y de módulo 1.

Otro ejemplo: \[Q = \left( {\begin{array}{*{20}{c}}{\frac{3}{5}}&{ – \frac{4}{5}}\\{\frac{4}{5}}&{\frac{3}{5}}\end{array}} \right)\] Esta matriz también es ortogonal. Verifíquenlo.

Ejemplo

Consideremos la matriz simétrica: \[A = \left( {\begin{array}{*{20}{c}}1&2\\2&4\end{array}} \right)\] Vamos a hacer una diagonalización ortogonal de esta matriz. Los autovalores son: \[\lambda = 0 \vee \lambda = 5\]

El autoespacio asociado a \(\lambda = 5\) queda: \[\left( {\begin{array}{*{20}{c}}{ – 4}&2\\2&0\end{array}} \right).\left( {\begin{array}{*{20}{c}}x\\y\end{array}} \right) = \left( {\begin{array}{*{20}{c}}0\\0\end{array}} \right) \Rightarrow {S_5} = gen\left\{ {\left( {\begin{array}{*{20}{c}}1\\2\end{array}} \right)} \right\}\] Y el autoespacio asociado a \(\lambda = 0\) queda: \[\left( {\begin{array}{*{20}{c}}1&2\\2&4\end{array}} \right).\left( {\begin{array}{*{20}{c}}x\\y\end{array}} \right) = \left( {\begin{array}{*{20}{c}}0\\0\end{array}} \right) \Rightarrow {S_0} = gen\left\{ {\left( {\begin{array}{*{20}{c}}{ – 2}\\1\end{array}} \right)} \right\}\] Comprobemos que son perpendiculares los autovectores obtenidos: \[\left( {\begin{array}{*{20}{c}}1\\2\end{array}} \right).\left( {\begin{array}{*{20}{c}}{ – 2}\\1\end{array}} \right) = 1.\left( { – 2} \right) + 2.1 = 0\] No es casual que los autovectores que hemos obtenido sean perpendiculares:

En las matrices simétricas, los autovectores asociados a autovalores distintos son ortogonales.

Ya tenemos dos vectores perpendiculares. \[P = \left( {\begin{array}{*{20}{c}}1&{ – 2}\\2&1\end{array}} \right)\] Con esta matriz \(P\) puedo diagonalizar a la matriz \(A\): \[\;{P^{ – 1}}AP = D = \left( {\begin{array}{*{20}{c}}5&0\\0&0\end{array}} \right)\] Ésta es una diagonalización de A, similar a otros ejemplos previos. Pero precisamente por ser A simétrica, los autoespacios son rectas ortogonales. Por lo tanto, podríamos diagonalizar la matriz A mediante una Q ortogonal (columnas ortogonales y de módulo 1) ¿Cuál sería la matriz \(Q\)? Falta que los vectores columna sean versores. Para lograr esto hay que dividir cada autovector por su módulo. Tienen módulo igual a \(\sqrt 5 \): \[Q = \left( {\begin{array}{*{20}{c}}{\frac{1}{{\sqrt 5 }}}&{ – \frac{2}{{\sqrt 5 }}}\\{\frac{2}{{\sqrt 5 }}\;}&{\frac{1}{{\sqrt 5 }}}\end{array}} \right)\] Esta matriz es ortogonal: \({Q^T} = {Q^{ – 1}}\). Entonces la diagonalización ortogonal de la matriz \(A\) queda: \[{Q^{ – 1}}AQ = {Q^T}AQ = D = \left( {\begin{array}{*{20}{c}}5&0\\0&0\end{array}} \right)\]

Diagonalización ortogonal

Definición: Una matriz \(A \in {\mathbb{R}^{n \times n}}\) es diagonalizable ortogonalmente si y sólo si existe \(P\) ortogonal (\({P^{ – 1}} = {P^T}\)) tal que \({P^T}.A.P = D\).

Puede demostrarse que toda matriz simétrica es ortogonalmente diagonalizable. Pero además, las únicas matrices reales que pueden diagonalizarse ortogonalmente son las matrices simétricas. En resumen:

\(A\) es ortogonalmente diagonalizable si y sólo si \(A\) es simétrica

Artículos relacionados:

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

Archivado en:Sin categoría

Interacciones con los lectores

Comentarios

  1. Yoel dice

    17 abril, 2020 en 12:41 pm

    Excelente !! ojala haya mas materias con este tipo de formatos tan bien explicados !

  2. Julián Oter dice

    9 mayo, 2021 en 3:25 pm

    Me gustaría ver la demostración del lema
    TODA MATRIZ SIMÉTRICA NO SINGULAR ES SIEMPRE
    DIAGONALIZABLE

    Gracias

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