362 Capitulo 7 Eigenvalores y eigenvectores YT ea ema ET: (elite) ESCU= BRIMIENTO ‘Ts Seleccione una matriz cuadrada arbitraria y calcule sus oigonvalores. Bao gPuede deter luna matriz para la que los eigenvalo- res no sean reales? ‘Qo Ahora seleccione tuna mattriz simé- trica arbitraria y calcule sus eigen- valores. Ba Puede determinar tuna matriz simé- trica para la que los, eigenvalores no sean reales? ©b caus puede con- ‘lui acerca de los eigenvalores de una matrz simé- trica? COMENTARIO El toorema 7.7 se denomina teorema espectral real ye! con- junto de sigenvalores de A se ‘denomina espectro de A. I Reconocer matrices simétricas y aplicar sus propiedades. I Reconocer matrices ortogonales y aplicar sus propiedades. Encontrar una matriz ortogonal P que diagonalice ortogonalmente una matriz simétrica A. MATRICES SIMETRICAS Para casi todas las matrices, es posible avanzar bastante en el procedimiento de diagona- lizaci6n antes de poder decidir finalmente si la diagonalizaci6n es factible, Una excepcién es una matriz triangular con elementos diferentes en la diagonal principal, Esta matriz puede identificarse como diagonalizalble por simple inspeccisn, En esta seccién se estu- dard otro tipo de matriz que se garantiza es diagonalizable: una matriz simétrica, trica Una matrizcuadrada A es simétrica si es igual asu transpuesta: A = A. [=V ISR ET |] Matrices simétricas y matrices no simétricas Las matrices 4 y B son [i 24] ba « \tricas, pero la mattiz.¢ no lo es. 200 5 201 a) os a Las matrices no simétrias tienen algunas propiedades especiales que en general no poseen las matrices simétricas. 1. Una mattiz no siméwica puede no ser diagonalizable, [tol 1 ©} 1e como ecuacién caracteristica ‘imeros imaginarios Ay = i y Ay = A + 1 = 0. Por tanto, sus eigenvalores son los 3. Para una matriz no simétrica, el niimero de eigenvectores linealmente independientes cortespondientes a un eigenvalor puede ser menor que la multiplicidad del eigenvalor (véase el ejemplo 6, seccién 7.2). Las matrices simétricas no exhiben estas tres propiedades. TEOREMA 7.7 Eigenvalores de las matrices simétricas SiA es una matriz simétriea den X n, entonces las siguientes propiedades son ver daderas 1, Aes diagonalizable. 2. Todos los eigenvalores de A son reales. 3. Si Aes un eigenvalor de A con multiplicidad k, entonces A tiene k eigenvectores linealmente independientes. Es decir, el eigenespacio de A es de dimensién k.7.3. Matrices simétricas y diagonalizacién ortogonal 363. Una demostracién general del teorema 7.7 rebasa los limites de este libro, Sin embargo, el siguiente ejemplo comprucba que toda matriz simétrica de 2 X 2s diagona- lizable. Los eigenvalores y los eigenvectores ET de una matriz simétrica de 2 x 2 Demuestre que la matriz simétriea (sl es diagonalizable SOLUCION El polinomio caracteristico de A es A wl B= (a+ A+ ab ~ e ‘Como es cuadritico en A, este polinomio tiene por diseriminante (a + BP = Slab ~ 2) = a? + 2ab + = dab + 42 a? — 2ab +b? + de? = (a= bY + 4c’ Dado que este discriminante ¢s la sui (a=by' + 4c? = 0, entonces a = by ¢ = 0, lo cual implica que A ya es ‘| Por otra parte, si (a — b)? + 4c? > 0, entonces por la férmula cuadrética el polinomio. caractristico de A tiene dos rafes reales distin, lo cual implica que A tine dos cig valores dstntos, Por tao, Aes diagonalizable también en este eso a Dimensiones de los eigenespacios de una matriz simétrica Determine los eigenvalores de la matriz simétrica de dos cuadrados, deber ser cero 0 positivo. Si sonal. Es decir 1-2 0 oF yof2 2 0 oO oo 1-2 0 0-2 1 ¥y determine las dimensiones de los eigenespacias correspondientes. SOLUCION El polinomio caracterstico de A esti dado por aa 2 o 2 ant 0 ee lar= al . ey A+ PA = 3) 0 0 2 Asi, los cigenvalores de A son Ay = -1 y Ay = 3. Dado que cada uno de estos eigenvalo- res tiene multiplicidad 2, por el teorema 7.7 se sabe que también los eigenespacios corres- pondientes son de dimensin 2. Especificamente, la base del eigenespacio de Ay = —1 es By = ((1, 1, 0,0), (0,0, 1, 1)} y la base del eigenespacio de Ay = 3 es By = {(I,-1,0, 0) (0,0, 1,-1))364 Capitulo 7_Eigenvalores y eigenvectores MATRICES ORTOGONALES Para diagonalizar una matriz cuadrada A es necesario hallar una matriz invertible P tal que P"'AP sea diagonal. Para matrices simeétricas, la matriz P puede elegirse de modo que tenga la propiedad especial de que P= PT. Esta propiedad matricial poco comin se define como sigue. Definicién de una matriz ortogonal ‘Una matriz cuadrada P se denomina ortogonal si es invertible y si pols pr TSP NY] Matrices ortogonales 1 0-1 a Lamatiap =|) Ges ontogonal porque P~! = p™= |") 5 b. La maiz poo 4 p=|o 1 0 zoo 3 es ortogonal ya que poof Pt=pr=|0 1 of -$ 0 } | En los incisos (a) y (b) del ejemplo 4 las columnas de las matrices P forman conjuntos ortogonales en Ry R', respectivamente. Esto sugiere el siguiente teorema TEOREMA 7.8 Propiedad de las m: Una matriz P de n X n es ortogonal si y slo si sus vectores columna (y sus vectores rengl6n) forman un conjunto ortonormal, es ortogonales DEMOSTRACION La demostracién para los renglones es ansloga. Suponga que los vectores columna de P forman un conjunto ortonormal: P=[p Pe Pl Pu Pin 7? Pin a |Pn Patt Pan Par Pra ** Pan Entonces el producto P’P es de la forma ProP) Pi Ps + PL" Py pip =|P27Pi P27 Pe Pa" Py Pa? Pi Pr? P2 9+ Pr” Pr.7.3 Matrices simétricas y diagonalizacién ortogonal 365 Dado que el conjunto (Pp. Pa- - + Pod 8 ortonormal, se tiene PrP Oi*s y PoP = Pla) Por tanto, la matriz compuesta de productos punto es de la forma 1 0 0 Fhe 1 0 0 i Lo anterior implica que P= P~'y se concluye que P es ortogonal Por el contrario, si P es ortogonal usted puede retroceder los pasos anteriores para verificar que los vectores columna de P forman un conjunto ortonormal. EJEMPLOS Bator Demuestre que ieee x 3 3 aoe eee 4S 3V5 3S 3S, 8 ortogonal al probar que PP” = I. Luego, demuestre que los vectores columna de P constituyen un conjunto ortonormal SOLUCION Como i 2 2(2 2 3 3 3}/3 V5 Pa) ee 2 4 PA BB OO ? See ea tse || tee 3V5 V5 35] 13 1 2 2 3 3 2 eta eae alae » ‘fy ee], Y isa Mi ae seobone Py Po = Py * Ps = Po P. (pall = Ipall = pal = Por consiguiente, (pj, P2, Ps} eS un conjunto ortonormal, como lo garantiza el teorema 78. a366 Capitulo 7 Eigenvalores y eigenvectores Es posible demostrar que para una matriz simeétrica los eigenvectores correspondien- tes a distintos eigenvalores son ortogonales. Esta propiedad se establece en el siguiente teorema, TEOREMA 7.9 Propiedad de las matrices simétricas ‘Sea A una matriz simétrica den Xn. Si Ay y Az, Son eigenvalores distintos de A tentonces sus eigenvectores correspondientes x, y X2 Son ortogonales. DEMOSTRACION Sean A; y Ay eigenvalores dstntos de Aon eigenvectors comespondientes xy Xo Ass fax; ~ Ayyyy Ax = Ak, Para demostrarelteoema, es il empezar con la siguiente forma rari del producto panto x) x3 ~ Xf» x (Wéase la SeceiGn 5.1.) Ahora puede eseribir Abs, +8) = Como A ex simétrica Esto implica que (A, ~ As)(x) +) = Oy, como Ay # Ap, se concluye que x +X» = 0. Por consiguiente, x; y x2 son ortogonales. a NTs S Re] Eigenvectores de una matriz simétrica Baie ex Speen a aft il cortespondientes a cigenvalores distintos son ortogonales. SOLUCION El polinomio caracteristico de A es ar Al fee -a-2a-4) -1 a3 lo cual implica que los eigenvalores de A son A; = 2.y Az = 4. Todo eigenvector corres- pondiente a Ay = 2s de la forma aL pore ¥y todo eigenvector correspondiente a A; = 4 es de la forma por consiguiente x,1x,=s1-s1=0 ¥ se concluye que xy %;s0n ortogonaes. a7.3. Matrices simétricas y diagonalizacién ortogonal 367 DIAGONALIZACION ORTOGONAL ‘Una matriz es diagonalizable ortogonalmente si existe una matriz ortogonal P tal que PAP = D es diagonal. El siguiente teorema importante establece que el conjunto de matrices diagonalizables ortogonalmente es precisamente el conjunto de matrices simétri- TEOREMA 7.10 Teorema fundamental de las matrices simétricas Sea A una matriz de n Xn, Entonces A es ortogonalmente diagonalizable y tiene eigenvalores reales si y sélo si A es simétrica, DEMOSTRACION La demostracin del teorema en una direccién es bastante directa, Es deci, si se supone que A es ortogonalmente diagonalizable, entonces existe una matriz ortogonal P tal que D = P"APes diagonal. Ademis, como P"! = P7, se tiene A= PDP"! Pbpr lo cual implica que AP = (ppp? =(Pyprpr = PoP? =A Por consiguente, Aes simética. La demostrcion del teorema en la otra drecci6n es mis complica, pro es impor- tante porgue es consiuctiva. Suponga que A es siméirica. Si A tiene un eigenvalor A de ‘ulipicidad &,entonces por el eorema 7.7 | tiene keigenvectores linealmenteindepen- denies. Mediane el proceso de ortonormalizacin de Gran-Schmit, este conjunto de k ‘vectors puede usarse para formar una base ortononmnal de eigenvectors del eigenespacio correspondiente aA. Este procedimiento se repte para cada eigenvalor de A. La coleecién de todos los eigenvectresresultanes es otogonal debido al eorema 7.9 y, por el proceso de nommalizacién, se sabe que la coleceién también es ortonormal. Luego, sea Pla maiz cuyas columnas constan de estos n eigenvectores ortonormales. Por el tcorema 7.8, P es luna matriz ortogonal. Finalmente, por el teorema 7.5, es posible concluir que P'AP diagonal. As, es diggonslizable ortogonalment a Determinacién de si una matriz SELEEEAT «es ortogonaimente diagonalizable {.Cuall de las siguientes matrices es ortogonalmente diagonalizable? Joli a i} &=[o a) 3 aL SOLUCION Por el teorema 7.10, las Gnicas matrices ortogonalmente diagonalizables son las si cas: Aly Ay Mencionamos que la segunda parte de la demostracién del teorema 7.10 es construc- tiva. Es decir, da los pasos a seguir para diagonalizar ortogonalmente una matriz simétrica. Estos pasos se resumen a continuacién,368 Capitulo 7 Eigenvalores y eigenvectores Diagonalizacién ortogonal de una matriz simétrica Sea A una matriz simétrica de m Xn. 1, Determine todos los eigenvalores de A y 1a multiplicidad de cada uno. 2. Para cada cigenvalor de multiplicidad 1, elija un eigenvector unitario. (Elija cualquier eigenvector y después normalicelo,) 3, Para cada eigenvalor de multiplicidad k = 2, eneuentre un conjunto de k eigen- vectores linealmente independientes, (Por el teorema 7.7 se sabe que esto es posible). Si este conjunto no es ortonormal, aplique el proceso de ortonormali- zacion de Gram-Schmidt. 4. La composicisn de los pasos 2 y 3 da un conjunto ortonormal de n eigen- vectores. Use estos eigenvectores para formar las columnas de P. La matriz PAP = PIAP = D seri diagonal, (Los elementos en la diagonal principal de son los cigenvalores de A correspondientes a las columnas de P), STEEN) Diagonalizacién ortogonal 2 SOLUCION 1, El polinomio caracteris a+. 2 w-al=[)*3 , j]-assia-a Por tanto, los eigenvalores son Ay = —3 y Az = 2. 2. Para cada eigenvalor se encuentra un eigenvector al convertir la matriz MA a la forma escalonacla reducida por renglones. Eigenvector o-a-[S2)—[ J =F aa[S— I -o Los eigenvectores (-2, 1) y (1, 2) constituyen una base ortogonal de R°. Normalice ccada uno de estos vectores para obtener tna base ortonormal. ene) era Ges) 3. Debido a que la multiplicidad de cada eigenvalor es 1, se pasa directamente al paso 4, 4, Usando p, y p:como vectores columna, se construye la matriz P. a jv ee Aca Bow ‘Compruebe que P diagonaliza ortogonalmente a A calculando P'AP = PTAP. silt! 2 vo [BIE PS! w7.3. Matrices simétricas y diagonalizacién ortogonal 369. TSIEN] Diagonalizacién ortogonal Encuentra una matriz,P que ortogonalmente diagonalice 2 2 -2 a=| 2-1 4) 2 4 -1 SOLUCION 1, El polinomio caracteristico de 4, [Ai | = (A- 3)" + 6) produce los eigenvalotes Ay = ~6y Ay = 3. La multiplicidad de Aj es I y la multiplicidad de Ay es 2 2. Un eigenvector para Ay es ¥y a) 1, -2, 2), que se normaliza a 1 ne Rel & x3) 3. Dos eigenvectores para A, son v2 = (2, 1, 0) ¥ v3 = © 2, 0, 1). Observe que vi; es ortogonal a v2 y v3, como se garantiza por el teorema 7.9. Los eigenvectores V2 ¥ V3, sin embargo, no son ortogonales entre sf. Para encontrar dos vectores caracteristicos ‘ortonormales para A2se aplica el proceso de ortonormalizacién de Gram-Schmidt como se muestra a continuacisn. w= = 21,0) Estos vectores se normalizan para Gave9) Ve (se 8 35): ” Wl 1 3 2 3 3 ALGEBRA 1 aie Heme riz simética que ede se it pore LINEAL jeterminer maximos y minimos relativos de funciones de miitiples variables. Para una funcién fde dos variables xe y —es deci, una APLICADA Stpertcio en f'~ la matiz Hessian tiene fe forma fox fey] fx by El determinante de esta matriz,evaluado en un punto para el cual fy fon cero, es la expresién usada en ol criterio de las segundas de vadas parciales para extremos relativos370 Capitulo 7_Eigenvalores y eigenvectores Determinar si Enlos ejercicios 1-1 0 0.0 16, determine sila matriz dada es simeétrica, 1 1000 13 6 -2 2.) 0 0 1 0 0 “fs il Lp Oo ot 4-201 1-5 4 oo on 1 124 4 6 2 ‘ios 23 a 32, determine sila matriz dada es ortogonal. Sila oo -1 2 0 3 5] matriz es ortogonal, entonces demuestre que les. vectores | 1 0-3 2] [0 1 0 2] columna de matiz forman un conjuso ononormal safer ieee eert ees 3 05 0 v2 v2 22 “12 1-2 5-20 1 22 3 al Aal 1 Domostracién En los Ejercicios 7-10, demuestre que la i 5 3 rmatriz siméirica es diagonalizable. ae 0 0 a 0 «0 224 4 9 3 3°39 3 too 2 7A=|0 a 0 BA=|a 0 @ So 5 5 a 0 0 o a Of IF 5 -F 2.) 0 1 0 0 @ aoa a@ 12 2 20? a) wa=la a a 30303 Oo @ aoa a 40 8 -1 -4 én do sgonaors y dimensiones ao 7] 9 1 8 o-u eigenespacios En los eercicios 11 a 22, encuentre los = cigenvalores de la matriz simétrica dada. Para cada eigenva- v2 ve Jor, determine la dimensidn del eigenespacio correspon- 2 6 wee alo x mE Yak 2 “lo 2 vz Vé a) 2 i 4 2 6 3 alo 2 0 wfio2 1 2 4, 4 0 0 2 Te ee Oa a o 4 4 30. a => (O 20 2 i]4 2 0 ee 22 0, 4 0-2, ier ieee pesto? ort 2-1-1 1 35 too. w]-1 2 -1 3 9 Oo i asi <1 -1 2 aol 2 eo 3 0 0 Oo -1 2 0 0 oO o1 0 0 3 0 0 2-1 0 0 Bar ee get 0 0 305 o o-1 2 8 8 0 0 5 3 0 0 2-1 1 3 pv 0 0-4 10 2-10 0 0 pela a -1 2000 R 0 0 200 0 10 o e o 0 2 0 2. 46 0 0 0 2 me 0 0 {yaynvectores de una matriz simétrica En los Ejerci- cios 33-38, demuestre que dos eigenvectores cualesquiera de a matriz simeétrica correspondientes a eigenvalores distintos son ortogonales. a 2 <1 -2 aly jl «(7 1 0 0 30 0 ao 1 0 36.0 -3 0 0 0 2 0 0 2 ov 0 1 0 1 an/V3 0 -1 3/0 1 0 o-1 0 1 0-1 Matrices ortogonalmente diagonalizables_En los Ejercicios 39-42, determine si la matriz es ortogonalmente diagonalizable. . 4 a : : | 3 7 a.|-3 -3 &-3 foot =-1 0. Diagonalizacin ortogonal En los cericios 43 a 52, encuentre una matizortogonal P tal que PAP diagonalice ‘A, Compnuche que PYAP da la forma diagonal correts. id aa-[i 14 +3 wa-[t 3 eae | 2 z v1 Qed LO 0 0 1 10 0 -5 0 3 Oo 0 4 0 fet 2 2 2, -2 + 44 4 7.3 Ejercicios 371 42 0 0 240g sanl? eo 3 so a 1 1 0 0 Ieee eee sA™ oO oO 1 1 ee eee {Verdadero 0 falso? En los ejercicios 53 y 54, determine ccudl de las expresiones es verdadera o falsa. Si la expresién es verdadera, proporcione una razén o cite una expresién adecuada del texto, Si la expresién es falsa, proporcione un ejemplo que muestre que la expresién no es cierta en todos los casos 0 cite del texto una expresién adecuada, 53, (a) Sea A una matriz de n Xn, Entonces A es simétrica Si S6lo si A es ortogonalmente diagonalizable. (b) Los cigenvectores correspondientes a distintos e’igenvalores son ortogonales para matrices simeétri- 54, (a) Una matriz. cuadrada P es ortogonal si es invertible, es decir, si P"! = Pl. (b) SiA es una matriz simi tiene eigenvalores reales. ica den Xn, entonces A 58, Prucba Demuestre que si A y B son matrices ortogona- Tes de n % n, entonces AB y BA son ortogonales.. 56, Prueba Demuestre que si una matriz simétrica A sola- ‘mente tiene un eigenvalor A, entonces A = Al 57. Prueba Demuestre que si A es una mattiz ortogonal, centonces Ay AW! también lo son. 58, (REDIAT ES Considere ta siguiente matrz. 3.2 -5 A=|2 4 3 53S: (a) (Aes simétrica? Explique, (©) (A es diagonalizable? Explique. (©) Los eigenvalores de A son reales? Explique. (@) Los eigenvatores de A son distintos. ;Cuéles son las dimensiones de los eigenespacios correspon- dientes? Explique. (©) (A es ontogonalmente diagonalizable? Explique. (1) Para los eigenvalores de A, {los cigenvectores ccorrespondientes son ortogonales? Explique. (g) (A es ontogonalmente diagonalizable? Explique. 59, Determine A7A y AAT para la siguiente matriz. {Qué observa” 1-32 |