Académique Documents
Professionnel Documents
Culture Documents
Ejemplos y ejercicios
Efren Ricardo Baquero
Universidad de Cundinamarca
29 de octubre de 2011
A= 1 7 3
1 1 6
El polinomio caracteristico de A, PA () = 3 212 +140300 = ( 5) ( 6) ( 10)
Los vectores propios de A son
9
1 1
7
1 10, 2 5, 1 6
4
7
1 0
1
1 22
1
Tomando 1 y normalizando v1 = 2
2
0 0
1
1 1
Sea D =
2
2
2
2
0
Para obtener una base para R3 , basta hallar el espacio nulo de D, y unirle v1 .
x
1 1
2
2
2
2
0 y = 21 2x + 12 2y = 0, entonces x = y y z es cualquier valor.
z
x 0 1
2
!
1
!
2 3
Tomando 3
1
, un vector unitario ortonormal a el, es 2
2
(3 ! !) 3
2 1
2 3
por lo tanto 3
1
, 2 , es una base ortonormal para R2 .
3 3
2
2
Formamos la matriz unitaria V ,
2
1
!
3
2 3
V = 1 2
,
3 3
2
de esta manera
1 0 0
1 0 2 1
U = P =P 0 2
3 3
0 V
1 2
0 3 3
2
1
1 1
0 0 0 12 2 2
16 2
2 2
1
2
1
2
2
1
3
= 0 0 2 = 21 2 2
16 2 ,
2 2 3 3
2 2
1 2
3
1 2
0 0 1 0 3 3
2 0 3 3
2
finalmente,
1 2
12 2 1
2
8 2 1 2 2
0 3
61 2 6 13 2 53
2
U AU = 2 2 1 1 7 3 1 2 2
61 2 = 0 10 2
3 3 3
2 3
16 2 16 2 23 2 1 1 6 0 1
3
2
3
2 0 0 5
que es triangular superior, como lo senala el Lema de Schur.
Ejemplo 2. Dada la matriz
1 1 1
A= 1 1 1
1 1 1
El polinomio caracteristico, PA () = 3 32 = 2 ( 3).
Los vectores propios de A son
1 1 1
1 , 0 0, 1 3
0 1 1
Los vectores anteriores son L.I. Como A es simetrica real, entonces es unitariamente
diagonalizable. Ortogonalizando por Gram-schmith, se tiene que para = 0
1
v1 = 1
0
ahora
3
1
1 1
2
2
v1t v1 1
v2 = 0 1 = 22
kv1 k2
1 0 1
1 1
1 1 , 1 1
Asi 2 2
2 6
0 2
es una base ortonormal para el espacio propio asociado a = 0.
para = 3
1
1
un base para este espacio es el vector unitario 2 1
3
1
De esta manera la matriz 1 1 1
2
2
2
2 6 3
1 1 1
U =
2
2
2
2 6 3
2 1
0
2
6
2
3
de esta manera
1 1 1
21 2 12 2 0 1 1 1 0 0 0
2 2 2
1
2
1
6
1
3
U AU = 16 6 16 6 1
6 1 1 1 = 0 0 0
2 2 2
3 2 6 3
2 1
1
3 1
3 1
3 1 1 1 0
2
6
2
3
0 0 3
3 3 3
cuya diagonal contiene los valores propios de A, como lo senala el corolario: Toda matriz
real simetrica es unitariamente diagonalizable.
Ejemplo 3. Hallar la descomposicion de Schur de la siguiente matriz
4 0 1
4 2 2
7 1 2
4
que tiene valores propios 2, 1, 1 y vectores propios
1 1
v1 = 1 2, v2 = 2 1
2 3
2 z
y = y + 0 = y 1 +z 0
z 0 z 0 1
Por el proceso de Gram-Schmith
1
14
1 14
1 1
v1 = 2 = 7
14
14
3 3
14
14
1
1
2 1
15
1 14
1
3 0 6
v2 = 1 2 = ,
2 7
1
3
0
3 14
2
3
15 5
14 42 42
1 6
2
normalizandolo 3 7 = 21 42
14
42 3
14 1
42 42
5
1
5
14 2 42 42 2
14
1
2
14 0 42 0 5
7 1 21
2 14 42 42 1
3 14 1
14
14 1 42
42 1
1 2 42 = 1
v3 = 0
14
1
2
7
5 42
2 21
14
1 14 3 42 1 1
14 42
1
14
42
14
2 42
7
21
3
1 42
14
14
42
1
1 3 3
1 1
normalizando v3 = 1 =
3 3
3
1 1
3
3
Puede verse que
1 1 1 5
14
14 3
3 14
14 42 42
1 1 1
2
v1 v3 =
7 14 3 3 = 0, v1 v2 =
7
14
21 42
=0
3 1 3 1
14
14 3
3 14
14 42 42
5
42 42 31 3
2 1
v2 v3 =
21 42 3 3 = 0
1
1
42 42 3
3
Ahora formamos P,
1
5
14
14 42 42 31 3 1
14
14 1
7
14 3
14
14
1
2
1
5
2
1
P = 7
14 21
42 3 ; P
3 = 42 42 21
42 42 42
3 1
14
14 42 42 31 3 13 3 31 3 1
3
3
1
14
14 17 14 14 3
14 4 0 1 1
14
14 5
42 42 31 3
P AP =
5 2 1 1 2 1
42 42 21 42 42 42
4 2 2 7
14 21
42 3
3
13 3 13 3 1
3
3 7 1 2 3
14
14 1
42 42 3 31
3
1 14 14 42 17 14
14 3
1
=
0 2 42
42 3
0 0 1
6
Que es triangular superior como lo afirma el lema de Schur, y en la diagonal
estan los valores propios.
Ejemplo 4.
12 22 14 60
12 47 14 112
A=
3
2 3 8
5 18 6 43
los vectores propios de A son
4 3 1 1
5 5
2 2
, v3 = 2 , v4 = 2
v1 =
2 , v2 = 1
1 0
1 1 1 1
Ortogonalizando con el proceso de Gram-Schmith
w 1 = v1
1 6
25 7
12 11
v2 v1 25
v 1 v 3 v 3 w 2 14
w2 = v2 2 v1 =
, w3 = v3
2 v1 2 w2 =
kv1 k 13
25
kv1 k kw2 k
6
7
6 1
25 7
1
118
2
v1 v4 v4 w2 v4 w3 59
w 4 = v4 v1 w 2 w 3 =
kv1 k2 kw2 k2 kw3 k2 1
118
5
59
Con lo anterior, se pueden normalizar los vectores wi y formar la matriz P
4
1
5 14
2 70
6
w1 5
w2
35 14
s1 = = 2 , s2 = =
kw1 k 5 kw2 k 13
70 14
1 3
5 35
14
7
12
1
413
413 118 118
11
2
w3
413
413 w4
59
118
s3 = = , s4 = =
kw3 k kw4 k
12 1
413
413 118 118
2 5
413
413 59 118
Es sencillo ver que
s1 s2 = 0, s1 s2 = 0, s1 s3 = 0
s1 s4 = 0, s2 s3 = 0, s2 s4 = 0, s3 s4 = 0
Formando P ,
54 1
70
14 12
413
413 1
118 118
2 6
11
2
5 35
14 413
413 59
118
P = ,
2
5
13
70
14 12
413
413 1
118 118
1 3 2 5
5 35
14 413
413 59 118
es claro que
45 2 2 1
5 5 5
1
6
13
3
14 14 70 14 14
70 35 35
P = 12
11
12
2
413 413 413 413
413 413 413 413
1
2
1
5
118 118 59
118 118 118 59 118
Por ultimo puede verse que
1 19 190 1245
14 413 118
0 10
14 245
14
2 413 118
P AP =
0 0 3 10 14
0 0 0 7
Ejemplo 5. La siguiente matriz es simetrica
1 1 1 1
1 1 1 1
A=
1 1 1 1
1 1 1 1
8
tiene valores propios 0, 2, 5 + 1, 1 5 y tiene vectores propios
1 1
1
2
2 5 0 1
1 1
1 5 1 0
, v2 = 2 2 , v3 = , v4 =
v1 = 1 1
1
2 + 2 5
1
0
1
2
12 5 1 0 1
es sencillo ver que son ortogonales, pues vectores propios de matrices hermitianas corre-
spondientes a valores propios distintos son ortogonales.
v1 v2 = 0, v1 v3 = 0, v1 v4 = 0, v2 v3 = 0, v2 v4 = 0, v3 v4 = 0
Entonces solo falta ortonormalizarlos para formar P
21 51 1
1
5 5 5
5 0 2
2
1 1 51 1
2 55 0
5 5
2
2
v1 = 1
, v2 = 1 51 , v3 = 1
, v4 =
2 55 22
0
1 5 5
1
2 51 1
0
2
2
5 5 5 5
y formar la matriz P
12 51
1
0 1
2
2
5 5 5
5
1 12 51
2
1
0
5 5 2
5 5
P =
1 1 51 1
2
2
2
0
5
5 5 5
12 51 1 0 1
2
2
5 5 5 5
51 51
21 q q 1 q 1
12 q
(5 5) (
5 5) (
5 5) (5 5)
1 1 q 51 1 q 51 1
q 2 2 q
P =
(5 5) (5 5)
(
5 5) (5 5)
1 1
0 2
2 2
2 0
12 2 0 0 1
2
2
Ahora, es facil ver que
1+ 5 0 0 0
1 5 0 0
0
P AP =
0 0 0 0
0 0 0 2
9
Ejercicio 1. Dar ejemplos (2), de matrices que sean
1. hermitianas pero no unitarias
2. unitarias pero no hermitianas
3. anti-hermitianas pero no unitarias
4. unitarias pero no anti-hermitianas
Muestre que:
1. toda matriz unitaria es normal
2. toda matriz hermitiana es normal
3. toda matriz anti-hermitiana es normal
Se sabe por el lema de Schur, que para toda matriz A, existen U unitaria y T trian-
gular superior tal que
T = U AU
muestre que:
1. si A es hermitiana entonces T tambien lo es
2. si A es anti-hermitiana entonces T tambien lo es
3. si A es unitaria entonces T tambien lo es
Compruebe el lema de Schur, para
1.
1
1
! !
1 1 12 i 2 12 2
i 2
2 2
2
A= , U= 1 1
, U = 1
1 1 2
2 2
i 2 2
2 12 i 2
! !
21 i 2 21 2 1 1 1 1
i 2
2 2
2 1+i 0
1
=
2
2 12 i 2 1 1 1
2
2 1
2
i 2 0 1i
2.
12 1 1
1 2 2 12 2 12 2 0
1
3 6
A = 2 1 2 , U = 12 1 1
, U = 3 3 3 3 3 3 1 1
3 6
1 2
2 2 1 0 1
3 6 1
6 6 1
6
6 6 3
1 1 1 1 1
2 2 2 2 0 1 2 2 2 3 0 0
1 3 6
1 1 1 1 1
3 3 3 3 3 3 2 1 2 2
3
6 =
0 3 0
1 2
1 1 1
6 6 6 3 6 2 2 1 0
3
6
0 0 3
6
10
3.
0 1 0
A= 0 0 1
1 0 0
la matriz A, tiene valores propios 1, 21 12 i 3, 21 + 12 i 3 y vectores propios
1 1
1 2 2i 3 12 + 12 i 3
1 1 1 1
1 1, 1 i 3,
1 + i 3
2 2 2 2
1
1 12 i 3 1
+ 12 i 3
2 2
1 1
+ 12 i 1
12 i 1
3 1
13 3 3
3 2 3 2 3 3 3
1
1 1
12 i 1
+ 12 i
1 1 1 1
U = , U = 6 3 2i 6 3 + 2i 3 3
3 2 3 2 3
13
1
3
1
3
1
3 + 12 i 61 3 21 i 13 3
6
1 0 0
U AU = 0 2 + 21 i 3
1
0
1
0 0 2
12 i 3
0 1 0
4. A = 0 0 1
1 3 3
1
0 0 1
que es triangular superior.
Las siguientes son matrices de Haddamart, una es simetrica la otra no, Aun asi la
forma de Schur coincide con la factorizacion QR
11
21 12 1 1
1 1 1 1 2 2 2 0 0 0
1
1 1 1 1 2
12 21 21 0
2 0 0
=
1 1 1 1 1
1
21 21 0
0 2 0
2 2
1 1 1 1 1 1 1 1 0 0 0 2
2 2 2 2
21 12 1 1
1 1 1 1 2 2 2 0 0 0
1 1 1 1
12 1
2
1
2
1
2 0
2 0 0
=
1 1 1 1
1 1 1 1 0
0 2 0
2 2 2 2
1 1 1 1 1 0 0 0 2
2
12 1
2
1
2
Referencias
[1] Horn, Roger. Johnson Charles. Analysis Matrix. McGraw-Hill. Cambrifge Uni-
versity Press. 1985.
[2] Restrepo, Patricia. Franco, Rosa. Munoz, Luz Helena. Algebra Lineal con Apli-
caciones. Universidad Nacional de Colombia, sede Medelln. 2000.
[3] Asmar, Abraham. Topicos en Teoria de Matrices. Universidad Nacional de
Colombia, sede Medelln. 1995.
12