Professional Documents
Culture Documents
LGEBRA LINEAL II
INTEGRANTES Villalta Oviedo Hctor Alexander Martnez Prez Liseth Steffany Chvez Martnez Samuel Wilfredo Surez Melvin Bladimir
CICLO I/2013
INDICE
14
15
1.6 Anexos..
16
INTRODUCCION En el continuo estudio del Algebra Lineal, se presentan objetos matemticos como vectores y matrices, cuya importancia es tal, que el manejo de los mismos permite un estudio ms profundo de est rea de la matemtica. En el presente capitulo, se presenta el Teorema de Schur para la descomposicin de matrices, para el cual se definen los conceptos fundamentales ligados a este teorema, matriz hermtica y matriz unitaria. Utilizando el Teorema de Schur es posible escribir una matriz cuadrada con elementos reales o complejos como el producto de una matriz unitaria, una matriz triangular superior y la hermtica de la matriz unitaria. En donde particularmente los autovalores de A aparecen en la diagonal de la matriz tiangular superior. Del teorema de Schur se deduce un resultado importante, y es que la traza de una matriz A se puede obtener como la suma de los autovalores de A, y el determinante de A es igual al producto de los autovalores de A. Este resultado es importante, en un aspecto procedimental, ya que al efectuar el proceso para la descomposicin matricial de Schur, adems de escribir la matriz A como el producto de una matriz unitaria con, una matriz triangular superior y la hermtica de la matriz unitaria; al efectuar el proceso se obtienen los autovalores de A, y por tanto es inmediato conocer el determinante de A y la traza de A.
para todos los ndices i y j. , = , O escrita con la transpuesta conjugada Ejemplo 1.1.1: =
3 2
1.2 Matriz Unitaria
2 + , . 1
Definicin: Una matriz unitaria, en una matriz compleja U, cuadrada, que satisface la condicin: = = Donde es la matriz identidad y es la Hermtica de U. Teorema 1: si () las siguientes afirmaciones son equivalentes: 1) 2) 3) 1 = Dnde: = : u es unitaria = : A es invertible Ejemplo 1.2.1: La matriz =
1 5 2 5
1 5
2 5
es unitaria ya que =
1 5 2 5
2 5 1 5
y se tiene que:
= =
1
1 0
0 = 2 1
Ejemplo 1.2.2: 1 1 + 1 1 = , = 1 1 + 1 : 1 1 0 0 1 0 0 : 1
0 0 1 0 = 1 0 1 0 0 = = 3
= ()4
2. Si el teorema sigue valiendo (con ) siempre que ; donde es el espectro de A, es decir, el conjunto de autovalores de A.
El teorema de Schur, nos dice que A y T son matrices semejantes unitarias. En otras palabras, podemos resumir el teorema y decir que: Toda matriz cuadrada es semejante unitariamente a una matriz triangular superior, y de forma equivalente: = Usaremos esta forma equivalente para factorizar las siguientes matrices. 7 2 12 3
= 7 3 + 24 = 2 4 + 3 = ( 1)( 3) Luego, los autovalores son = 1 = 3. Para = 1: = Luego: 3 1 0 0 El autovector es Para = 3 3 = Luego: 2 1 0 0 El autovector es 1 2 0 = 0 2 = 4 2 2 ~ 12 6 0 1 0 1 3 0 = 0 3 = 6 2 3 1 ~ 12 4 0 0
3 = 0
2 = 0
Tomamos el vector (1,2) y con este construimos una base ortonormal para 2 (puede usarse Gram Schmith). Un vector ortogonal a (1,2) es (2,1) ya que < 1,2 , 2,1 > = 0, por lo que: = 1,2 , 2,1 .
Los vectores
1,2
vectores en columna: 1 1 2 = 1 5 2
1 5 1 5 1 2 = 5 2 1 0
1 0 0 = 0 1 5
Luego: = 5
1 2 2 1
7 2 12 3 1 2 2 1
1 2 2 1
1 31 8 1 5 2 1 15 70 5 5 0 3 14 0 1
Luego: =
3 14 , = 0 1
1 5
1 2
2 y por consiguiente: 1 2 1 3 0 14 1 1 2 2 1
1 1 5 2
Ahora, estudiemos el teorema de Schur con una matriz de 3 X 3. Ejemplo 1.3.2: Encontrar la descomposicin de Schur de la matriz 1 0 0 1 1 0 1 1 1
= =
= 1
1 0
0 1 0 0 1
1 0 + 1 1
1 1
= 1 1 1 + (1 ) = 1 1 1 + 1 = (1 )2 Por lo que sus autovalores son: = 0 2 = 1 1. Ahora encontramos los autovectores asociados a cada autovalor. Sea = (, , ) 3 : = (1 )(1 + 2 + 1)
Luego: , , = 0, , 0 = (0,1,0)
+ = 0 + = 0 = = 0
Luego: , , = , , = (1, 1, 1)
Podemos completar una base para 3 tomando un vector de la base cannica y a partir de ellos usar Gram Smith para encontrar una base ortonormal. Es ms fcil tomar solo el autovector asociado a = 1, que es (0, 1 ,0) y tomar dos vectores de la base estndar y asi formar la matriz: 0 1 0 = 1 0 0 0 0 1
. 0 0 1 0 = 3 0 1
1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 0 0 0
0 1 1 0 0 0 0 0 1
0 0 1
0 1 1 0 1 0
1 1
1 = 2 1 + 1 = 2 por lo 1
0 = 0
Por lo que , = , = 1, 1 .
Con este vector podemos completar una base ortonormal para 2 (o bien tomar un vector de la base estndar y usar Gram-Smith). Sea , 2 < , , 1, 1 > = 0 = 0 = , = , , 1, 1 1, 1 . 1 1 . 1 1
La matriz =
Normalizando tenemos: 1 = 2 1 2 1 2 1 2
As, la matriz formada por la transformamos en una matriz Q: 1 = 0 0 Observe que: 1 = 0 0 Por lo que: 1 0 0 = = 0 1 0 , . 0 0 1
0 1 2 1 2
0 1 2 1 2 0 1 1 2
0 1 2 1 2
As pues: =
1 0 0
0 1 2 1 2
0 1 1 2
1 1 0 1 0 1 1 0 1 1 0 0
0 1 2 1 2
0 1 2 1 2
10
1 = 0 0 1 0 0 1 0 0
0 2 2 0 1
1 2 2 0
1 0 0
0 1 2 1 2
0 1 2 1 2
2 2 0 0 1 2 1 2
Adems: 0 = 1 0 1 0 0 0 0 1
1 0 0
0 1 2 1 2 =
0 1 0
1 2 0 1 2
1 2 0 1 2 =
Luego, 1 1 0 2 2 1 0 0 0 0 1 0 1 1
2 2
1 0 = = 0 1 0 0 Luego
= =
= Por lo que: 0 1 2 2 1 1 0 2 1 0 2 0 1 0 0
= 0 0 0 1
1 2 0
2 1 1
0 2 2
1 0 0 1 0 1
2 2
11
Analicemos otro ejemplo: Ejemplo 1.3.3: Encontrar la descomposicin de Schur de: = Solucin: Encontramos los autovalores de A, = det = Los autovectores son: 1 0 2 = 1 3 3 1 0 2 3
1 = 0 = 1 1 3 = 0 = 3
2 = 0 = 0 Por lo que , = , 0 = 1,0 El autovector asociado a = 1 1,0 Se puede encontrar un autovector asociado a = 3 y usar Gram-Smith para encontrar una base ortonormal. Es ms fcil tomar el vector (0,1) de la base estndar, ya que con el autovector (0,1), ambos son ortogonales. Asi = 1 0 0 1
1 2 1 0 0 3 0 1 1 0 2 = 3
12
1 0 1 0 1 0
2 1 0 3 0 1
2 + 2 = 0 = , = , = 1,1 Por lo tanto, el autovector es 1,1 Un vector ortogonal a 1,1 , tal que: < , , 1,1 >= 0 + = 0 = , = , = 1,1
Normalizando tenemos: 1 = 1 2 2 1 1 2 2 1 = 1 = 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 2 2 = 1 0 0 1 .
, luego:
2 2
es unitario y en consecuencia. 1 =
2 2
1 1
2 1 0 2
1 2 3 1
2 2
1 1
2 2
13
1 = 1
2 2 =
5 1 3 0
2 2
1 1
2 2
1 1
2 2
2 = 1
Luego = = 1 Es decir, = 1 2 2 1 1 1 2 3 2 2 1 0 1 2 2 1 1 2 2
14
1.5 Corolario del teorema de Schur Sea ( ) con vector de autovalores = (1 , 2 , , , , ) Entonces:
=
=1
=
=1
Demostracin. Por el teorema de Schur sabemos que podemos escribir = , donde se tiene que , () = , : = =
Ejemplo 1.5.1: Encontrar la traza y el determinante de la matriz del ejemplo 1.3.1 = Observe que tr(A) = 7 3 = 4 y det(A) = 3 Verifiquemos utilizando el corolario del teorema de Schur: Tr(A) = 1 + 2 = 1 + 3 = 4 Det (A)= 1 2 = 1 3 = 3 7 2 12 3
15
1.6 Anexos. Demostraciones. Teorema: Si () las siguientes afirmaciones son equivalentes. 1. 2. 3. 1 = Donde = : = { : } a) 1 2 Si , por defincion, existe , la hermitica de tal que = y en consecuencia, es unitario. b) 2 3 Como ( ) ( ) = entonces es invertible y su inversa en 1 c) 3 1 Si 1 = entonces 1 = = por lo que es unitaria.
prefijado. Entonces: 1. Existen matrices ( ) () que verifican a) = b) = () Demostracin. La prueba es por induccin sobre la dimensin . Si = 1, entonces es un numero y = 1, ya que 1 = que es un numero (matriz triangular superios de 11).
16
Si > 1, tomemos 1 ker ( ) con 1 = 1. Completamos una base ortonormal de con vectores 2 , , , y los ponemos en las columnas de una matriz. Supongamos que el teorema es cierto para pmatrices de orden 1, la matriz 1 es unitaria y se tiene que = 1 0 1
1 0
0 1
1 0 0 1
1 0 = 1 0
1 1 1 1 1 1 =
17
BIBLIOGRAFA
Linear Algebra Done Wrong . Department of Mathematics Brown University. Sergei Treil. 2009
PROBLEMAS DE ALGEBRA LINEAL. J Ikrmov. Editorial Mir, Mosc. Anlisis Matricial. Jorge Antezana, Demetrio Stojanoff. Departamento de Matemtica. Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires 2009