UNIVERSIDAD NACIONAL DE LA MATANZA DEPARTAMENTO DE INGENIERIA E INVESTIGACIONES TECNOLOGICAS ALGEBRA Y GEOMETRIA ANALITICA II - MATEMATICA DISCRETA II DIAGONALIZACN DE MATRICES SIMTRICAS

TRANSFORMACIONES ORTOGONALES En lo que sigue suponemos que estamos trabajando en R n o R nxn (para n1,2,3,....) y con el producto interno eucldeo usual es esos espacios vectoriales. A partir de ello adoptaremos algunas convenciones para expresar el producto interior. x1 x2 x3 Si x e y pertenecen a R , entonces son de la forma
n

y1 y2 y3 y ... ... ... yn . Luego el producto interior

... ... ... xn

 x , y  x 1. y 1  x 2. y 2 . . . . x n . y n y1 y2 y3  x1, x2, x3, . . . xn ... ... ... yn Si A representa a una aplicacin de R n en R n , entonces A x puede ser calculada haciendo el producto x1 x2 x3 de la matriz A R
nxn

 x t. y  y t. x

por

... ... ... xn

, de la forma

a 11 a 12 a 13 . . . . . . . . . a 1n a 21 a 22 a 23 . . . . . . . . . a 2n a 31 a 32 a 33 . . . . . . . . . a 3n ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

x1 x2 x3 ... ... ... xn , o de la forma x tAt ,

a n1 a n2 a n3 . . . . . . . . . a nn

a 11 a 21 a 31 . . . . . . . . . a n1 a 12 a 22 a 32 . . . . . . . . . a n2 a 13 a 23 a 33 . . . . . . . . . a n3 x1, x2, x3, . . . xn ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

a 1n a 2n a 3n . . . . . . . . . a nn Antes de comenzar a trabajar con las transformaciones ortogonales vamos a desarrollar algunos conceptos sobre matrices ortogonales y matrices simtricas.

MATRICES ORTOGONALES Se define a una matriz A de R nxn como ortogonal cuando verifica que A t  A 1 A partir de ello es posible definir algunas propiedades que tienen que cumplir dichas matrices.

Propiedad 1 Las matrices ortogonales tienen determinantes que valen 1 o -1 Demostracin: Si A t  A 1 , entonces A t A I , luego det(A t A)1 , entonces det(A t . det(A)1 y por propiedad del determinante de la transpuesta resulta que det(A).det(A)(det(A)) 2 1 , luego det(A)  1 o det(A)  -1

Propiedad 2 Si consideramos a las filas de una matriz ortogonal como componentes de n vectores , resulta que (de acuerdo al producto eucldeo en R n ) estos vectores son ortonormales. Demostracin: f1 f2 Sea A  f3 ... ... fn f1 f2 luego f3 ... ... fn f1 f2 f3 . . . . . . fn  y At  f1 f2 f3 . . . . . . fn . Sabemos que A t  A 1 ,

f1. f1 f1. f2 f1. f3 . . . . . . f1. fn f2. f1 f2. f2 f2. f3 . . . . . . f2. fn f3. f1 f3. f2 f3. f3 . . . . . . f3. fn ... ... ... ... ... ... ... ... ... ... ... ... 

1 0 0

0 1 0

0 0 1

... ... ... ... ... ...

0 0 0 , de donde surge que el

... ... ... ... ... ... ... ... ... ... ... ... 0 0 0 ... ... 1

fn. f1 fn. f2 fn. f3 . . . . . . fn. fn producto f i . f j   ij  1 si i  j 0 si i j

O sea que haciendo el producto eucldeo de las componentes de las filas resulta que cuando se multiplica una fila por si misma da por resultado 1 , mientras que se multiplican dos filas diferentes el resultado es cero. De tal forma las filas de una matriz ortogonal son ortonormales (lo mismo ocurrira si trabajamos por columnas).

Ahora podramos buscar a aquellas matrices que pudieran ser diagonalizadas utilizando matrices de cambio de coordenadas (de base) ortogonales , o sea matrices de cambio de base cuyas columnas y filas sean ortonormales. Con lo cual si partimos de una matriz expresada en base cannica y la podemos diagonalizar a travs de estas matrices de cambio , las bases de autovectores en las cuales la matriz resulta diagonal , tambin son bases ortonormales. Nos preguntamos cules sern las matrices A que pueden ser llevadas a la forma diagonal a travs de matrices de cambio ortogonales? O sea queremos que AR nxn cumpla A  P D P 1 , con P matriz ortogonal y D matriz diagonal. Las matrices que cumplen esta condicin se dice que son diagonalizables ortogonalmente.

Propiedad 3 Las matrices diagonalizables ortogonalmente son simtricas. Demostracin Supongamos que A  P D P 1 . Luego A t  (PD P 1 ) t (P 1 ) t D t (P) t (P t ) t D t (P t )  P D P 1 A donde hemos utilizado la propiedad de la transpuesta de un producto de matrices , que P es ortogonal y por lo tanto P 1  P t , y que la transpuesta de una matriz diagonal es la misma matriz diagonal. Luego resulta que si una matriz es diagonalizable ortogonalmente , necesariamente debe ser simtrica. Ya que aparecen las matrices simtricas vamos a demostrar algunas propiedades referidas a ellas.

Propiedad 4 Si A R nxn es simtrica entonces sus autovalores son reales. Supongamos que existe v tal que A v  v . Conjuguemos ambos trminos , luego A v  v  A v  A v   v , en donde hemos aplicado la hiptesis que A es real. Por otro lado si escribimos A v t  v t A t  v t A   v t   v t   v t donde hemos aplicado que A es simtrica y por lo tanto es igual a su transpuesta y como  es un escalar su transpuesta es el mismo  . Luego   v t , v  v
t

v  v

Av 

v tA v   v

v  

v t v    v t , v  

a 1  ib 1 a 2  ib 2 a 3  ib 3 Como el autovector v , si lo suponemos complejo , resulta ser de la forma ... ... ... a n  ib n transpuesta conjugada es de la forma a 1 ib 1 , a 2 b 2 , a 3 ib 3 , . . . , a n ib n y el producto interior de ellos resulta en 2 2 2 2 2 2 2 a 1  b 1  a 2  b 2  a 3  b 3 . . .  a n  b 2 n 0 , pues como es un autovector , todas sus componentes no pueden ser cero porque sino sera el vector nulo. Luego resulta    0     , luego  es real. y su

Otra propiedad importante es la siguiente:

Propiedad 5 Si a es una matriz simtrica entonces dos autovectores cualesquiera correspondientes a autovalores diferentes , son ortogonales. Sean u y v dos autovectores con autovalores  y  (diferentes) y reales (porque son autovalores de una matriz simtrica) Planteamos  u , v   u , v  Au , t t t t t t t v  Au . v  u A . v  u A. v  u A. v  u . v   u . v    u , v . Luego    u , v  0 y como los autovalores son diferentes , resulta que  u , v  0 , por lo tanto u y v son ortogonales. Volviendo a la diagonalizacin orotogonal , podemos demostrar la siguiente propiedad

Propiedad 6 Si A es diagonalizable ortogonalmente , entonces posee un conjunto ortonormal de autovectores. Demostracin Si A es diagonalizable ortogonalmente , entonces existen matrices de cambio de base que hacen que D  P 1 A P , y esa matriz P tiene en sus columnas las componentes de los autovectores que forman una base que diagonaliza a A. Pero como P es ortogonal , eso significa que dichos autovectores son ortonormales , luego si una matriz A es diagonalizable ortogonalmente , sus autovectores forman un conjunto ortonormal (segn el producto eucldeo usual).

La propiedad inversa es obviamente vlida , ya que si A posee un conjunto de autovectores ortonormal que forman una base , luego es posible diagonalizar a A en dicha base y la matriz de cambio estar formada por dichos autovectores , por lo tanto ser ortogonal.

Si enumeramos las proposiciones de la siguiente forma: a) A es diagonalizable ortogonalmente b) A posee un conjunto ortonormal de autovectores. 4

c) A es simtrica de las propiedades anteriores surge que hemos probado que a) b) , a) c) y b) a) Si pudiramos demostrar que c) a) entonces las tres proposiciones seran equivalentes. La propiedad que nos interesara demostrar es entonces la siguiente: Si A es simtrica , es siempre diagonalizable ortogonalmente Esta propiedad es verdadera y su demostracin resulta mas complicada que las anteriores. Haremos uso de la misma y dejamos para el alumno interesado (esperemos que sean muchos) ver la demostracin de la misma en la pgina 400 del libro "lgebra Lineal , una introduccin moderna" , Segunda Edicin de David Poole , Editorial Thomson.

APLICACIN DE LA DIAGONALIZACIN DE MATRICES SIMTRICAS Toda cnica se puede escribir de la forma ax 2  bxy  cy 2  dx  ey  f  0 , donde a,b,c,d,e y f son nmeros reales. Ahora es posible expresar a la parte cuadrtica ax 2  bxy  cy 2 como el producto de un vector , su transpuesto y una matriz simtrica. Veamos x, y a
b 2 b 2

x y

x y

 ax 2  bxy  cy 2 . Pero como la matriz es simtrica se podr diagonalizar

con autovalores reales y autovectores ortogonales (a los que facilmente podemos normalizar) y tendremos una base de autovectores ortonormales y la matriz A a
b 2 b 2

se podr escribir de la x y x y y por

forma P 1 DP con d matriz diagonal y P matriz ortogonal , que cumple P x y x y

 x y

donde

son las nuevas coordenadas en la base de autovectores.y

 P 1

lo tanto x, y  x , y . P ax  bxy  cy  dx  ey  f  0  x, y
2 2

a
b 2

b 2

x y

 x, y

d e

f  0

Pero haciendo el cambio de coordenadas resulta x, y a

b 2 b 2

x y 0 2
2

c 1 0

 x, y

d e lo

 f  0  x, y P 1 DP x, y D x y

x y

 x, y 1 0

d e 0 2 d e

 f  x, y x y 

Si 1 x

D
2

por

tanto

 x, y

 2 y

Luego x , y D

x y

 x, y . P

d e

 f  0  1 x d e

 2 y

 x, y . P

f  0 ,

con lo cual al desarrollar el producto x , y . P

, quedar una expresin lineal en x , y .

Completando cuadrados sobre x , y se lograr una nuevo juego de coordenadas x , y

Supongamos que deseamos estudiar la seccin cnica determinada por la 2 2 ecuacin:3x 2xy  3y  2x 4y  1  0 Esta ecuacin se compone de una parte cuadrtica (3x 2 2xy  3y 2 ) , una lineal (2x 4y) y una constante (1) La parte cuadrtica se puede escribir de la siguiente manera x y 3 1 1 3 x y  3x 2 2xy  3y 2 , en donde se colocan en la diagonal los

coeficientes que acompaan a x 2 y a y 2 , mientras que en las otras posiciones se coloca el coeficiente que acompaa a x.y dividido por 2. La matriz resultante es simtrica , por lo tanto se podr diagonalizar 3 1 1 3 , sus autovectores y autovalores son: 1 1 1/ 2 1/ 2
1 2 1 2

2,

1 1 2,

4 1/ 2 1/ 2 4

Obviamente son ortogonales , podemos normalizarlos

De tal forma que haciendo un cambio de coordenadas de (x,y) a (x , y ) resulta x y 3 1 1 3 x y  x y

1 2 1 2

2 0 0 4

1 2 1 2

2 2

1 2 1 2

2 2

x y

( 1) Ahora podemos definir las nuevas coordenadas (x ,y ) como

1 2 1 2

2 2

1 2 1 2 1 2 1 2

2 2
1 2 1 2

x y 

1 2 1 2

2x 2y
1 2

1 2 1 2

2y 2x
1 2

x y
1 2

x y

1 2

2x

2y

2y

2x

x y

Por lo que la expresin (1) se convierte en x y 2 0 0 4 x y  2x 2  4y 2 , y desaparece el trmino que contiene un producto

cruzado de las variables Por otro . x y

1 2 1 2

lado
1

obtenemos
1 2 1 2

que

 2 x 2 x 
1 2 1 2

1 2 1 2

2 2

1 2 1 2

2 2

x y

1 2 1 2

x y

2 y 2 y
1 2 1 2

recordar que como la matriz de cambio de base es ortogonal , su inversa es igual a su traspuesta. Luego x y  2 x 2 x 
1 2 1 2

2 y 2 y

Reemplazando en la parte lineal expresada en x e y , resulta: 2 x 1 2 y 4 1 2 x  1 2 y  2 x 3 2 y. 2x 4y  2 1 2 2 2 2 Que resulta igual si hacemos x y

1 2 1 2

2 2

1 2 1 2

2 2

2 4

 2 x 3 2 y

Luego la expresin inicial trasladada a las nuevas coordenadas resulta ser: 2x 2  4y 2 2 x 3 2 y  1  0 Ahora se puede completar cuadrados ya que aparecen los trminos separados en x e y 2x 2 2 x  2 x 2 /4 2 2/8 4y 2 3 2 y  4 y 3 2 /8 2 9/8 Luego la expresin 3x 2 2xy  3y 2  2x 4y  1  0 , se convierte en 2 9 2 2 2 x 2 /4  4 y 3 2 /8 8 8  1  0 y con un nuevo cambio de variables de (x , y ) a (x , y) donde x  x 2 /4 e y  y 3 2 /8 2 y2 se convierte en 2x 2  4y 2 3  0 , o lo que es lo mismo 2x 2  4y 2  3 , o x  3 1 3 8 8
16 32

que es una ecuacin de la forma

x2 a2

y2 b2

 1 , con a 
2

3 16

yb 
2

3 32

que es la ecuacin de una

elipse. Ahora trataremos de analizar graficamente lo que hemos hecho en cada paso 1) al buscar los autovalores y autovectores de la matriz que representa la parte cuadrtica , encontramos un nuevo par de coordenadas que se escriben como 2x 1 2 y , y  1 2y 1 2 x y representan una rotacin de ejes de 45 en sentido x  1 2 2 2 2 antihorario (positivo) 2) Al realizar un nuevo cambio de variables resulta 2x 1 2 y 4 e y  1 2y 1 2 x 8 , lo cual representa una traslacin de ejes. x  1 2 2 2 2 En la figura siguiente se representa a la elipse y los ejes calculados.Los primeros ejes rotados se representan por una lnea de puntos y rayas y los ejes trasladados por una lnea slida delgada.Cada eje est representado por su ecuacin. EL centro de la elipse (-1/8 , 5/8) est tambin sealado.
2 3 2

y y= -x +1/2

1.2 1.1 1.0 0.9 0.8 0.7

y= x + 3/4

Elipse

(-1/8,5/8) y= -x

0.6 0.5 0.4 0.3 0.2 0.1

y= x

-0.6

-0.5

-0.4

-0.3

-0.2

-0.1

0.0

0.1

0.2

0.3

0.4

0.5

0.6

TRANSFORMACIONES ORTOGONALES Este tema se desarrolla en un apunte que contina al presente.