Académique Documents
Professionnel Documents
Culture Documents
1.
2. donde k es un escalar.
El rango es una propiedad no sólo de las matrices sino extensible a las aplicaciones lineales de las
cuales las matrices son una representación fijada la base. Definamos en primer lugar el concepto de
rango de una aplicación lineal de forma genérica. Dada aplicación o transformación lineal:
Una propiedad muy importante del rango así definido y el rango de matrices definido anteriormente,
es que ambos coinciden. Es decir, dada una base arbitraria la aplicación lineal se puede representar
mediante esa base en forma de matriz resultando el rango de esa matriz idéntico al rango de la
apliación lineal que representa.
Para establecer más claramente la relación entre el rango de una aplicación lineal y una matriz que
represente dicha aplicación lineal, deben fijarse dos bases vectoriales en cada uno de los dos
espacios y , podemos expresar la
transformación lineal por una matriz como una en una cierta base:
Siendo:
Dada una aplicación lineal su rango puede calcularse fácilmente considerando una
base cualquiera y determinando el rango de la matriz que representa la aplicación
en dicha base, ya que el número obtenido no dependerá de la elección de la base.
Dada una matriz su rango puede determinarse sencillamente a partir del cálculo
de determinantes. Dada la matriz de una aplicación lineal :
Aplicaciones
Una matriz de es invertible (tiene inversa) si y sólo si su rango es máximo, es
decir, igual a .
el núcleo de una transformación lineal está formado por el conjunto de todos los vectores del
dominio que tienen por imagen al vector nulo del codominio.
1. dado que
2. Dados
3. Dados
O sea que la imagen de una transformación lineal está formada por el conjunto de todos
los vectores del codominio que son imágenes de al menos algún vector del dominio.
Por ejemplo, un vector propio de una rotación en tres dimensiones es un vector situado en
el eje de rotación sobre el cual se realiza la rotación. El valor propio correspondiente es 1 y
el espacio propio contiene a todos los vectores paralelos al eje. Como es un espacio de una
dimensión, su multiplicidad geométrica es uno. Es el único valor propio del espectro (de esta
rotación) que es un número real.
entonces decimos que v es un vector propio del operador A, y su valor propio asociado
es c. Observe que si v es un vector propio con el valor propio c entonces cualquier
múltiplo diferente de cero de v es también un vector propio con el valor propio c. De
hecho, todos los vectores propios con el valor propio asociado c junto con 0, forman un
subespacio de V, el espacio propio para el valor propio c.
Matriz diagonalizable
En álgebra lineal una matriz cuadrada A se dice que es diagonalizable si es semejante a una matriz
diagonal, es decir, si mediante un cambio de base puede reducirse a una forma diagonal. En este
caso, la matriz podrá descomponerse de la forma A = PDP − 1 donde P es una matriz invertible cuyos
vectores columna son vectores propios de A y D es una matriz diagonal formada por los valores
propios de A.
Definición
Sea una matriz cuadrada con valores en un cuerpo , decimos que la
matriz A es diagonalizable si, y sólo si, A se puede descomponer de la forma:
Donde:
es una matriz diagonal cuya diagonal principal está formada por los elementos
de , apareciendo cada uno tantas veces como indique su multiplicidad algebraica,
siendo el espectro de , es decir, el conjunto de autovalores de la matriz :
es la matriz cuyas columnas son los vectores que constituyen una base del
subespacio propio asociado a cada siguiendo el orden establecido en D, esto es, los
vectores que forman el núcleo de la matriz :
Endomorfismo diagonalizable
Un endomorfismo de espacio vectorial (aplicación lineal de un espacio vectorial en sí mismo)
se dice diagonalizable por similaridad (o simplemente diagonalizable) si existe una base en la
que su matriz asociada sea una matriz diagonal. Sin embargo la diagonalización no está
asegurada, es decir no es posible decir que todo endomorfismo sea diagonalizable. La
importancia de la diagonalización nos motiva a obtener una base en la que la matriz asociada a
un endomorfismo no diagonalizable sea más simple aunque no diagonal. Para ello se seguirán
las mismas técnicas que para diagonalización, usando la teoría
sobre autovalores y autovectores (también llamados valores y vectores propios o en
inglés eigenvalues y eigenvectors). Recordemos que dado un operador lineal
decimos que W subespacio de V es T-invariante si se tiene que
Aplicaciones
Diagonalizar una matriz es muy importante en el Álgebra Lineal, pues se cumple lo siguiente:
facilitando mucho el cálculo de las potencias de , dado que siendo D una matriz diagonal, el
cálculo de su p-ésima potencia es muy sencillo:
[editar]Ejemplos
"Diagonalizar una matriz" se reduce a encontrar sus vectores y valores propios. Tomemos la
matriz:
Ahora, es la matriz invertible con los vectores propios de como columnas:
con inversa
[editar]Matrices no diagonalizables
No todas las matrices cuadradas son diagonalizables, pero existen procedimientos similares
para hallar matrices invertibles y matrices diagonales a bloques de tal modo que
ofreciendo también soluciones o atajos para resolver los problemas que requieren de la
diagonalización de una matriz (ver Forma canónica de Jordan).
Matriz semejante
En álgebra lineal, se dice que dos matrices A y B de n-por-n sobre
el cuerpo K son semejantes si existe una matriz invertible P de n-por-nsobre K tal que:
P −1AP = B.
Uno de los significados del término transformación de semejanza es una transformación de
la matriz A en la matriz B.
En teoría de grupos, la semejanza se llama clase de conjugación.
Propiedades
Las matrices semejantes comparten varias propiedades:
poseen el mismo rango,
el mismo determinante,
la misma traza,
los mismos valores propios (aunque los vectores propios, en general, serán distintos),
el mismo polinomio característico, y
el mismo polinomio mínimo.
Debido a esto, para una matriz A dada, estamos interesados en encontrar una "forma normal"
sencilla B que sea semejante a A: el estudio de A se reduce de esta manera al estudio de la
matriz semejante (y más sencilla) B. Por ejemplo, A se llama diagonalizable si es similar a
una matriz diagonal. No todas las matrices son diagonalizables, pero por lo menos sobre
los números complejos (o cualquier cuerpo algebraicamente cerrado), toda matriz es semejante
a una matriz en forma de Jordan. Otra forma normal, la forma canónica racional, se aplica en
cualquier campo. Observando las formas de Jordan o las formas canónicas racionales
de A y B, puede decidirse inmediatamente si A y B son semejantes.