TEMA 3 DIAGONALIZACIN DE ENDOMORFISMOS Y MATRICES Programa:

1. Concepto de diagonalizacin. Autovalores, autovectores y subespacios propios. Polinomio caracterstico y polinomio mnimo de una matriz. suficiente. Matrices simtricas. 2. Endomorfismos y matrices diagonalizables. Condicin necesaria y 3. Teorema de Cayley-Hamilton. Forma cannica de Jordan.

Bibliografa."Algebra Lineal " J. Burgos (cap. IX) "Algebra Lineal con aplicaciones" Grossmann (cap. VI) "Problemas de Algebra" A. de la Villa Matrices J.A Daz Hernando Ed. Tebar Flores
INTRODUCCIN.

Tratamos en este tema de estudiar cuando una matriz es semejante a una diagonal. Recordamos que dos matrices A y B son semejantes, cuando existe una matriz regular P / B=PAP-1 (lo mismo es si decimos B= P-1AP puesto que si A es semejante a B, B es semejante a A). Cuando A y B son semejantes, es que son matrices de la misma aplicacin lineal f: EE (endomorfismo) pero referidas a bases distintas. El problema es, encontrar (si existe) una base respecto de la cual la matriz del endomorfismo sea una matriz diagonal. A este proceso le llamaremos diagonalizacin (por semejanza). Para finalizar veremos que cuando no es diagonalizable, se puede obtener una matriz semejante (triangular) con bloques triangulares (bloques de Jordan). ..
Recordemos que cuando escribimos la ecuacin de una aplicacin lineal, habitualmente hemos referido los vectores origen e imagen como filas y en ese caso las filas de la matriz son los transformados de una base del espacio vectorial esto es:
Sea f:Ep Fq y sean unas bases en E y F que llam am os B E = {u1 , u2 , u3 , ...., up } la ecuacion de una aplicacion lineal viene dada por la expresion: a11 a21 (y 1 , y 2 , y 3 , ...., y q ) = (x 1 , x 2 , x 3 , ...., x p ) . .. a p1 Si X=(x 1 , x 2 , x 3 , ...., x p ) y1 a11 a12 = .. a y 1p q y a12 a22 .. ap2 a13 a23 .. ap3 ... a1q ... a2 q ... ... ... apq f(u1 ) = a11 .v 1 + a12 .v 2 + .... + a1q .v q f(u2 ) = a21 .v 1 + a22 .v 2 + .... + a2 q .v q donde ... .................... f(u ) = a .v + a .v + .... + a .v p p1 1 p2 2 pq q Y t = M t .X t y B F {v 1 , v 2 , v 3 , ...., v q }

pxq

f(x)=Y=(y 1 , y 2 , y 3 , ...., y q ) entonces Y = X.M x1 x p

tam bien podra expresarse con las m atrices traspuestas o sea convirtiendo filas en colum nas a21 a22 .. a2p a31 a32 .. a3p ... aq1 ... aq2 ... ... ... aqp qxp

o bien Y t = M t .X t

(Si se trata de endom orfism o la m atriz M es cuadrada)

1/16

En este tema como casi todo lo que planteemos desembocar en resolver sistemas de ecuaciones lineales, que habitualmente las escribimos A.X=b (la incgnita X a la derecha de la matriz) usaremos con frecuencia la ecuacin de un endomorfismo como Y=MX (por columnas)

3.1 VALORES Y VECTORES PROPIOS. PROPIEDADES.Recordemos que A y B matrices cuadradas se dicen semejantes cuando existe una matriz regular P (llamada matriz de paso) tal que B=P-1AP. Algunas propiedades de la semejanza de matrices son: A y B semejantes entones |A|=|B| A y B semejantes entonces An y Bn tambin son semejantes Matrices asociadas a un endomorfismo f pero referidas a distintas bases son semejantes

En adelante f ser un endomorfismo de E (e.v. sobre K) f: En

En

Definicin 1: se le llama valor propio o autovalor si x E-{0} / f(x)= .x Definicin 2: Decimos que xE- {0} es un autovector o vector propio, (asociado al autovalor ) f(x) = .x denota por s(f) = { K / es autovalor }. K. Definicin 3 : Al conjunto de sus autovalores de un endomorfismo f se le llama espectro de f y se Nota No siempre existen autovalores de un endomorfismo

Ejemplos: 1/ Si V={e.v. de las funciones derivables}. Y la aplicacin lineal (f(x))=f (x) ex es un autovector asociado al autovalor =1 e2x es un autovector asociado al autovalor =2
10 -18 Si A= 6 -11

entonces:

2/

2 el vector es un autovector asociado al autovalor = 1. 1 3 el vector es un autovector asociado al autovalor = 2 2

3/

1 -2 Si A= 2 1
R2

no tiene autovalores en R

4/ Si f: R2

siendo f(x,y)=(y,-x) tampoco tiene autovalores.

En efecto por definicin de autovectores: y =x Si f(x,y)= (x,y) (x,y) = ( y , x ) x = y 2 = 1

2/16

Algunas PROPIEDADES importantes a) El conjunto de autovectores asociados al autovalor , junto con el vector 0 forman un subespacio vectorial llamado subespacio propio asociado a . V = {xE/f(x) = x } = {x E/(f -i )x= 0} = Ker(f-i) siendo i=identidad
Esto es el subespacio propio asociado a es el ncleo de la aplicacin f-.i

b) Si , s(f) / entonces V V = {0}, -esto es la suma es directa-.

Esto es, a autovalores distintos le corresponden conjuntos de autovectores disjuntos.

c) Si 1,....,r s(f) distintos dos a dos y x1,.......,xr son autovectores asociados a los i {xi } i=1, .,r linealmente independientes.
Esto es, a autovalores distintos le corresponden autovectores l.i.

d) Si x es un autovector asociado a px es tambin autovector asociado a , siendo pK. e) Si = 0 es autovalor de f f es no inyectivo. f) s (f) hK, -hs (f-hi)
Si es autovalor de f , entonces -h es autovalor de f-hi siendo i la aplicacin identidad.

NOTA IMPORTANTE

Como fijadas unas bases en el e.v. En, todo endomorfismo queda representado unvocamente por una matriz cuadrada de tamao n, todas las definiciones anteriores se pueden trasladar al conjunto de matrices cuadradas Mn(K). . " es autovalor de A Ax=x (A-I)x=0, x E"......

3.1.1.- CALCULO DE AUTOVALORES Y AUTOVECTORES. Ecuacin caracterstica

Consideraciones previas. Llamaremos f al endomorfismo: VnVn n=dim(V) Como (propiedad b) anterior) Vi Vj ={0} Vi esto es equivalente a que Sean 1,.....,r autovalores (distintos) de f y sean

d1,d2,...,dr las dimensiones de los subespacios propios asociados

Vi i=1,2,....,r.

la suma de todos estos subespacios es directa (se denota por

d
1

n.

Adems tengamos en cuenta por el teorema de las dimensiones que dim(V) = nrg( f-i )

Para el clculo de los autovalores recurrimos a la definicin: Si es un autovalor de f f(x ) = x con x0 (f -i)(x) =0 esto es un SELH (sistema de ecuaciones lineales homogneo) (I). Es decir los autovalores son los valores que hacen que este SELH tenga soluciones en x distintas de la trivial (sistema indeterminado). Por el teorema de Rouch-Frobenius sabemos que esto ocurre si M I = 0
3/16

Ya que las ecuaciones de una aplicacin lineal estn dadas por y=Mx (en columnas) y=xM en filas siendo M la matriz de f, entonces la matriz de (f-i) ser M- I.

A M I = 0 se le llama ecuacin caracterstica de f (o tambin de M). Al polinomio p() = M I se le llama polinomio caracterstico de f (o tambin de M).
Las races del polinomio caracterstico ( las soluciones de la ec. caracterstica) son los autovalores de f.

Podemos volver a recordar que desde un punto de vista matricial: Dada una matriz cuadrada A, llamaremos ecuacin caracterstica a |A-I|=0. Y polinomio caracterstico a P()=|A-I| que nos dan los autovalores de la matriz cuadrada A En resumen, el procedimiento para el clculo de autovalores y autovectores: 1/ Obtener P()=|A-I|. 2/ Obtener las races (autovalores) de P(). 3/ Para cada i obtener los vectores xi solucin de la ecuacin: (A-iI)X=0. Ejemplo 1:
1 1 4 Obtener los autovalores y autovectores de la matriz A= 3 2 1 2 1 1

El polinomio caracterstico es

P()=|A-I|=-3+22+5-6.

Las races de dicho polinomio son 1=1, 2=-2 y 3=3.

x2 + 4x3 = 0 1 1 1 4 x1 0 Para 1 = 1 V1 = {x / (A 1.I)x = 0} 3 2 1 1 x2 = 0 3x1 + x2 x3 = 0 1 1 1 x3 0 2 2x1 + x2 2x3 = 0 x + 4x3 = 0 x + = 4x3 esto es que sistema equivalente a 2 que tiene por solucion : 2 3x1 + x2 x3 = 0 x1 = x3 el subespacio propio asociado a 1 = 1 es V1 =< (1, 4,1) >

Anlogamente para 2=-2 V-2={x/(A+2.I)x=0} V-2=<(-1,1,1)>. Y para 3=3 V3= {x/(A-3.I)x=0} V3=<(1,2,1)>.
1 0 0 1 1 1 La matriz diagonal ser por tanto D = 0 2 0 y la matriz de paso P = 4 1 2 0 0 3 1 1 1 1 de tal forma que se cumple: P AP=D

4/16

Ejemplo 2: Si f: R2 R2 definida f(x,y)=(y,-x) diagonalizarlo en R. y en C?

En efecto por definicin de autovectores, hemos visto en los ejemplos de autovalores que este endomorfismo no tiene autovalores reales pues: y = x Si f(x,y)= (x,y) (x,y) = (y, x) 2 = 1 x = y Si escribimos f en forma matricial tendriamos: f(1,0)=(0,-1) f(0,1)=(1,0) y1, 0 1 x1 = (en columnas) llamamos M a la matriz de f y 2 1 0 x 2 M no tiene auto valores reales, pues p()= 2 + 1, pero si en C , =i y = -i son sus autovalores en el campo de los complejos Para cada autovalor obtenemos su subespacio propio. Para =-i ix1 + x 2 = 0 x = +i 1 x1 V i = {X / (A + iI).X = 0} = {ix1 + x 2 = 0 1 Vi = (1, i) = 0 1 +i x 2 x1 + ix 2 = 0 x 2 = i De la misma forma para = i ix1 + x 2 = 0 x = i 1 x1 Vi = {X / (A iI).X = 0} = {ix1 + x 2 = 0 1 Vi = (1,i) = 0 1 i x 2 x1 + ix 2 = 0 x 2 = i 1 1 i 0 luego la matriz de paso (autovectores por columnas) P= y al diagonal semejante J= i i 0 i i 1 2 1 1 2 se puede comprobar que P AP=J Comprobar que P = 1 i 2 2

NOTA. El polinomio caracterstico p() = ann + an-1n-1+ .........+ a1 + a0 siempre tiene la forma, donde: a0 =M a1 =(-1)(11+......+nn) : : : :
n menores p

ap =(-1)p( de los

diagonales de orden n-p)

an-1 = (-1)n-1.(m11+m22+....+mnn) = (-1)n-1 traza A. an = (-1)n.

5/16

Proposicin:

El polinomio caracterstico no depende de la base elegida.

En efecto: Sea Y = MX ecuacin de f P()=M -I. Si se cambia la base B a otra B tenemos que X=PX e Y=PY PY = MPX Y = (P-1MP)X Por tanto M=P-1MP es la nueva matriz respecto de la base B

Si buscamos el polinomio caracterstico respecto B tenemos: p()= M-I = PMP-I= P-1(M-I) P = P-1M-IP= p() puesto que P-1=1/P

Por tanto p() es nico y slo depende de f. Como ya se ha dicho, todo lo dicho

En el caso de los valores y vectores propios de una matriz

anteriormente para endomorfismos, se traslada a las matrices cuadradas de orden n, dada la biyeccin existente entre los endomorfismos de E y las matrices cuadradas de orden n, fijada una base en E. Dos matrices semejantes tienen el mismo p() y por tanto iguales autovalores y con el mismo orden de multiplicidad. NOTA.- La implicacin contraria no es cierta:
1 0 1 1 2 A= y B= 0 1 tienen la misma ec. caracteristica ( -1) = 0 y sin embargo no son semejantes pues 0 1 a b no existe ninguna matriz P= tal que P1AP=B pues implicara que a=0=c esto es que P no es regular c d

3.2.- ENDOMORFISMOS Y MATRICES DIAGONALIZABLES. Condicin necesaria y suficiente. MATRICES SIMETRICAS Observemos que si tenemos un endomorfismo f: VnVn y pudisemos conseguir una base de V formada por autovectores {v1,v2,.,vn}entonces la matriz de referida a esa base sera diagonal, pues como f(v1)=1.v1, f(v2)=2.v2, ., f(vn)=n.vn, la matriz de f respecto la base de autovectores sera la matriz diagonal
1 0 D= 0 0 0 ... 2 ... 0 0 0 0 ... 0 ... n

Queremos estudiar cuando es posible obtener una base de vectores propios. Damos primero dos definiciones necesarias para ello. Definicin 1. Llamaremos multiplicidad algebraica del autovalor j al grado j de multiplicidad de la raz j en el polinomio caracterstico P() (nmero de veces que aparece la raz en el polinomio) Definicin 2. Llamaremos multiplicidad geomtrica del autovalor j a la dimensin del Ker(f-ji)=dj =dim(Vj)
A continuacin exponemos dos teoremas importantes. Ms adelante se da una prueba del apartada a) y el b) se deduce fcilmente del a) 6/16

Recordemos que por el teorema de las dimensiones tenemos que: dim(Ker(f-ji))+dim(Im(f-ji))=n dim(Ker(f-ji))=n-rg(matriz(f-ji))

Teorema 1. a) i(f) se cumple dii b) Si 1......,r son autovalores con multiplicidades algebraicas 1,.....,r respectivamente, entonces se cumple: r r r d i i n siendo (n=dim(E)).
i=1 i=1

De este teorema se puede deducir fcilmente:

Teorema 2.- Un endomorfismo f es diagonalizable (existe una base de vectores propios) a)

i=1

i = n

b)

i =di i=1,2.....,r.

En particular el endomorfismo es diagonalizable si el polinomio caracterstico P() se descompone totalmente (tiene tantos autovectores como asociados a como dim(V)). En trminos de matrices diremos que es diagonalizable (por semejanza) cuando: P regular/ P-1AP = D
(P es igual a la matriz formada por los vectores propios, matriz del cambio de bases).

Con todo lo anterior tenemos las siguientes CONCLUSIONES: a) el n mximo de autovectores linealmente independientes es d1+d2+....+dr nmero que est acotado por r di n. Y adems V1 ...... Vn. b) Para que exista una base de vectores propios se precisa que (o sea V= Vi ),
i =1 r

d
1

=n

en consecuencia habr una tal base si se cumple:

i) 1+......+r = n (el polinomio se descompone totalmente). ii) i = di (el orden de multiplicidad de cada autovalor = a la dimensin del espacio propio asociado). Casos particulares: 1.- Si K es algebraicamente cerrado la condicin i) se cumple. 2.- Si f tiene di=1 =i
n

autovalores distintos dos a dos entonces se cumple i) y ii) pues dim(Vi) =1,
i

=n

con lo que V = V1........Vn.

******************
Demostracin del Teorema 1a) Si el autovalor 0, tiene multiplicidad y d=dimensin (Vo) entonces se verifica:
En efecto:

1 d .

Si d= dim(Ker(f-oi) =dim (Vo) Supongamos que {v1,v2,....,vd}es base de Vo . Y sea una base de V que contenga la base de Vo , B={v1,v2,....,vd,vd+1,.....,vn } Entonces la matriz de f, respecto de esta base es:

7/16

 0 M= M(f) = a d +1,1 a n1

| f (v1 ) f (v ) | 2 | 0 | f (v d ) | | a d +1, 2 f (v d +1 ) | | a nn f (v n )

el polinomio caracterstico es :

a d +1,d +1 a d +1,n M I = ( d ) a n1 a nn
d

Por tanto la multiplicidad de 0 ser d como mnimo d .

3.2.1

DIAGONALIZACIN DE MATRICES REALES SIMETRICAS

Veamos ahora un caso especialmente importante, el caso de las matrices reales simtricas (muy frecuente en problemas planteados en fsica, por ejemplo). En este caso se prueba que: Todos los autovalores son reales. La matriz siempre es diagonalizable. Los vectores propios pueden tomarse real. Adems en el caso de matrices reales simtricas, la situacin es an ms rica en resultados: La matriz de paso P es ortogonal, se dice que la matriz es ortogonalmente semejante. Recordemos que una matriz A es ortogonal A-1= At ( o tambin A. At=I)

= 0 si i j Y definimos una familia de vectores {vi} es ortonormal vi .v j = = 1 si i = j

(o sea unitarios y ortogonales)

Se verifica el siguiente resultado

Teorema 3.- Si A es una matriz simtrica real entonces: a) Todos sus autovalores son reales. b) Si (autovalores) los autovectores asociados son ortogonales y reales. Consecuentemente la matriz de paso P es ortogonal (P-1 = Pt).
Justifiquemos el resultado a)

Primero notemos que si A Mn () podemos considerarla como un caso particular de las Mn (), en este caso hay n autovalores pues es algebraicamente cerrado. Con A es matriz real p() =A-I es polinomio grado n con coeficientes reales. Adems sabemos que si es autovalor complejo (conjugado)
Veamos un resultado previo

tambin es autovalor.

8/16

Proposicin 1 Si A es una matriz real simtrica y 1 , 2 autovalores reales de A y x1 es vector propio asociado a 1, y x2 asociado a 2 , entonces En efecto: AX1 =1X1 X2t AX1 =1 X2t X1 AX2 =2X2 X1t AX2 =2 X1t X2
Y como consecuencia

(1 -2) X2tX1 = 0.

1 X2t X1 = 2 X2t X1 (1 -2) X2t X1 =0 cqd.

Proposicin 2 Todos los autovalores de una matriz real simtrica son reales En efecto: Sea autovalor de A

q.d. = ( o sea es real)

Sea AX= X A X = X (conjugados) X es vector propio correspondiente a por la

X1 proposicin 1 ( - ) X X =0 Si X X= 0 ( X 1,....., X n) = 0 X n

X
1

X i =0

| X i | = 0 Xi =0
1

i imposible por tanto = c.q.d.

Justifiquemos el resultado b)

A matriz real simtrica y sean dos autovalores distintos de A , V V Esto es los autovectores asociados son ortogonales. En efecto: Si x V A.x = x y V A.y = y

( ) y t x = 0 y t x = 0 y x
0

c.q.d

3.2.2

SEMEJANZA ORTOGONAL.

Recordemos que si A, B Mn () se dicen semejantes si P regular / P-1AP = B. A,B Mn () se dicen ortogonalmente semejantes cuando la matriz de paso P es ortogonal / B =P-1AP con P ortogonal (esto es P-1= Pt) Se dice que A es diagonalizable ortogonalmente cuando P ortogonal / P-1AP = D. Como consecuencia de todo lo anterior podemos enunciar que

Toda matriz real simtrica es

diagonalizable y lo es ortogonalmente, es decir existe una matriz P ortogonal / P-1AP = D. La matriz P esta formada por los autovectores que forman el sistema ortonormal (que se obtiene
reuniendo las bases ortonormales de cada subespacio propio).

9/16

3.3

FORMA CANONICA DE JORDAN. Teorema de Cayley-Hamilton.

En este apartado vamos a estudiar la situacin en la que una matriz no es diagonalizable, esto es cuando no es posible obtener una base de vectores propios. Veremos que es posible encontrar una matriz semejante tambin muy simple (aunque no diagonal). Recodemos que despus de las diagonales las otras matrices sencillas de manejar son las triangulares. Dentro de estas veremos que es posible encontrar unas matrices semejantes con bloques casi diagonales. Previamente a todo ello haremos notar algunas cuestiones interesantes de la diagonalizacin.

Funciones de matrices.

La definicin de una funcin escalar se pude extender a una funcin de valores matriciales. Tienen particular importancia las funciones polinmicas y la funcin exponencial. f(A)=a0 +a1A+a2A2+.+akAk sera una funcin polinmica de la matriz A
NOTA Obsrvese que si un matriz es diagonalizable tenemos que P regular / P-1AP = D.

o lo que es lo mismo A = P.D. P-1 entonces Ak =P.Dk. P-1 y Dk es inmediata de obtener

Se define la funcin exponencial:

eA = I + A +

A2 A3 Ak + + ...... + + ...... 2! 3! k!

si A es diagonalizable

P-1AP = D A = P.D. P-1 entonces eA= P.eD. P-1 y eD es inmediata de obtener. Particularmente interesante es el resultado:

Teorema de Cayley-Hamilton.
Toda matriz cuadrada A es raz de su polinomio caracterstico p()=|A-I| esto es p(A)=0. Ejemplo.-

En el ejemplo de la pregunta 1 tenemos que 10 -18 Si A= 6 -11 p( ) =| A I | = 2 + 2 Se puede comprobar que p( A) = A2 + A 2 = 0

En algunas situaciones el T de Cayley- Hamilton se utiliza para obtener la matriz inversa de un matriz. SI A es una matriz cuadrada con polinomio caracterstico p()=ann + an-1n-1+ .........+ a1 + a0 entonces se cumple por el T p(A)=An + an-1An-1+ .........+ a1A + a0 I=0 Si existe A-1 entonces: por lo que la inversa de la matriz es la I=(-An - an-1An-1-.........-a1A )/ a0 I= A. (-An-1 - an-1An-2-.........-a1 I)/ a0 Advirtase que para que exista A-1 debe cumplirse a0= por qu?...

expresin que acompaa a A y cuyo producto es I o sea, A-1=(-anAn-1 - an-1An-2-.........-a1 )/ a0

10/16

Para explicar la forma cannica de Jordan, empezamos definiendo la matriz

0 0 Nk = 0 0 1 0 0 0 ... 0 0 ... 1 0 0 0 kxk

matriz kxk con unos encima de la diagonal y los dems elementos ceros

Ntese que este tipo de matrices tiene la propiedad de que (Nk)2

0 0 = 0 0

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

la lnea de unos se sube una posicin de

tal forma que (Nk)k = 0 (matriz nula).

A la matriz

1 1 B()=.I+N= 1 ... 1 B( ) B( ) J= ....... B( )

1 1 2 2 r r

se le llama matriz de bloques de Jordan y a la matriz J

definida por

se la llama matriz de Jordan -donde cada B() es una matriz de bloques de Jordan-

Ejemplos de matrices de Jordan.1 0 2 1 0 2 0 0 2 1 0 9 0 0 2 4 1 4 1 4 1 4 EJEMPLO 2 matrices 4x4. 4 1 1 4 7 1 EJEMPLO 3 En el caso de tamao 2 la cuestin se reduce a: 1 2 2 0 0 4 0 0 2 3 0 0 0 9 0 1 4 7 1 7

EJEMPLO 1 matrices 3x3.-

8 0 4 1 4 0 7

Veremos que si A es una matriz nxn. Entonces existe una matriz invertible P tal que: P-1.A.P=J donde J es una matriz de Jordan cuyos elementos diagonales son los autovalores de A, adems J es nica salvo el orden de los bloques.

A la matriz J se le llama forma cannica de Jordan de la matriz A

11/16

Veamos como se obtiene la matriz de Jordan.

Primero en el caso de una matriz 2x2

En tamao 2x2 el nico caso es cuando hay un autovalor doble con multiplicidad geomtrica =1 (esto es solo hay una autovector l.i.en el subespacio propio) Sea v1 el autovector asociado al autovalor doble se prueba que a) Existe un vector v2 / (A-I). v2 = v1 (a v2 se la llama autovector generalizado ) b) {v1,v2} son l.i (base) y si P[v1v2] es matriz con columnas los vectores v1 y v2 se cumple que
1 P 1 AP = J =

Ejemplo. 3 2 2 Sea A = , su ec. caracterstica es (+1) o sea que = 1 es un autovalor doble. 8 5

(A+1.I)X=0 da como nico autovector v1= 2

1 + 2x2 (A+I)v2= v1 de donde se obtiene v2= 4 = (por ejemplo) = x 2

1 1 4 2 0

Para hallar el autovector generalizado v2,

1 4 0

se puede comprobar que si

P=

entonces

P-1.A.P=J =

1 1 0 1

Este mtodo se puede generalizar (no se demuestra en este curso) para obtener la forma de Jordan de cualquier matriz A de tamao nxn. Adems, el nmero de unos encima de la diagonal en la forma de Jordn se puede calcular de la forma siguiente: Sea i i=1,2,..,k son los autovalores de A, y ri su multiplicidad algebraica y si su multiplicidad geomtrica entonces, el nmero de unos por encima de la diagonal (de los autovalores)= =(r1-s1)+ (r2-s2)+ ..+ (rk-sk)= = ri si = n si
i=1 i =1 i =1 k k k

Por tanto si se tienen la ec. caracterstica se puede determinar las formas posibles de Jordn Ejemplo.Si una matriz 4x4 tiene por polinomio caracterstico p()=(-2)3.(+3) las posibles formas de

Jordan de esa matriz

2 2 sern: 2 3

2 1 2 2 3

2 1 2 1 2 3

o cualquiera que se obtenga

de un reordenamiento de los bloque de Jordan. La primera corresponde (para =2) a multiplicidad geomtrica 3. La segunda corresponde a multiplicidad geomtrica 2. Y la tercera corresponde a multiplicidad geomtrica 1, siempre en el caso de autovalor triple =2.

12/16

Clculo prctico de las matrices de JORDAN y de paso. Caso general.

B( ) J=
1 1

Se trata de obtener la matriz J/ J=P-1 AP donde J tiene la forma

1 1 B()= 1 ... 1

B(2) 2 .......

B( )
r r

y cada

matriz

apareciendo matriz tantas veces como indique su multiplicidad

algebraica r . Si la multiplicidad geomtrica s (dimensin del espacio propio asociado, que denotamos como N1)=ker(A-I)) es igual a r, es que tenemos una base de vectores propios entonces B() es diagonal y entonces ya tenemos la matriz caja J. Por lo que solo tenemos que preocuparnos de caso (como hemos visto en 2x2) en que la multiplicidad geomtrica es menor que la algebraica (por ejemplo un autovalor triple, cuyo espacio propio es de
dimensin 1, es decir que solo genera un autovector y necesitamos tres para tener una base de autovectores asociados al autovalor triple).

FORMA CANONICA DE JORDAN. Teorema fundamental.

Toda matriz cuadrada A de tamao nxn, sobre un cuerpo algebraicamente cerrado, es semejante a una matriz J diagonal por cajas J=P-1AP a P se le denomina matriz de paso.
Clculo de J y P:

En J aparece el autovalor (repetido tantas veces como indique su multiplicidad algebraica). Si A es diagonalizable, existe una base de vectores propios, en este caso J es diagonal. Si A no es diagonalizable, entonces J tienen una diagonal secundaria con tantos 1 como vectores se necesitan para una base (completando los autovectores que se tenga).

Clculo de las cajas de Jordn:

Para cada autovalor de multiplicidad algebraica r, obtenemos el conjunto de autovectores asociados (subespacio propio) V={X/ (A-I)X=0}=(lo llamaremos)=N1
sabemos que la dimensin de N1 es n-rg(A-I).

* Si dim(N1)=r significa que tenemos una base de vectores propios, esto es que la correspondiente caja J es diagonal
J = ... rxr

* Si dim(N1)=s<r (en este caso no tenemos una base de vectores propios, nos faltan r-s vectores) Esto quiere decir que nos van a aparecer s cajas asociadas a . Para ello se construyen los subespacios N1={X/ (A-I).X=0}, N2={X/ (A-I)2.X=0}, .. Nk={X/ (A-I)k.X=0}, esta cadena de subespacios tal como estan definidos cumple: N1N2Nk y en algn momento la cadena se estabilizar, esto es, Nk= Nk+1, y esto ocurrir cuando dim(Nk) = r
(la multiplicidad del autovalor )

13/16

Ahora tomamos vectores l.i. de cada conjunto Nk que no este en el anterior N(k-1) Para cada vector u as elegido se tiene una caja que se construye obteniendo los vectores u1=(A-I).u, u2=(A-I).u1, . uk-1=(A-I).uk-2, etc se puede observar que la matriz asociada a estos vectores es
1 1 ... 1 kxk

Estas cajas asociadas a cada , se completan con vectores l.i. de N1 que sean necesarios hasta completar s vectores l.i. asociados a .

EJEMPLO 1. 10 4 13 Sea la matriz A = 7 4 13 obtener las formas cannicas de A y 9 4 13 sus matrices de paso.

Se obtiene el polinomio caracterstico p()=|A-I|=-(1-)2(+1) es decir esta matriz tiene dos autovalores el 1 (doble) y el -1 (simple). Obtenemos los subespacios propios para cada autovalor. Para el autovalor simple =-1 sera N1,-1=ker (A+I)={X/ (A+I)X=0}. Como rang(A+I)=2 entonces dim (N1,-1)=3-2=1. Las ecs. implcitas de N1,-1 son 11x+4y+13z=0 y 5x+4y+7z=0 con lo que pasando a paramtricas tenemos que un N1,-1=<(1,-1/2,1)> De la misma forma para =1 tenemos que rang(A-I)=2 con lo que el subespacio propio tiene de dimensin: dim(N11)=3-2=1 y multiplicidad 2. De entrada sabemos que no es diagonalizable. Vamos a obtener la forma cannica de Jordan, la caja relativa a este autovalor.
x x = Calculamos N11=(A-I). (A I) y = 0 y = N11 = (1,1, 1) z = z

Tenemos que el autovalor 1 solo genera un autovector y como su multiplicidad es dos, hay que buscar otro vector que forme base con el. Como hemos dicho en la teora se estudian los subespacios N11N21Nk1 Esto es obtener las matrices:
16 8 24 (A I) = 8 4 12 rg(A I)2 = 1 dim(N21 ) = 3 1 = 2 = multiplicidad de = 1 16 8 24
2

Segn la notacin de la teora tenemos la cadena N11N21=N31 Obtenemos las ecs. de N21
x x = t (A I) y = 0 2x + y + 3z = 0 y = 2t 3s N21 = (1, 2, 0),(0, 3,1)) z = s z
2

Entonces es posible encontrar un vector uN21-N11, por ejemplo u1=(-1,2,0) (A-I).u1=u2 u2=(1,1,-1) como se ha dicho en la teora este u2 as construido pertenece a N11, pues (A-I).u2=(A-I)2.u1=0 entonces ya tenemos la caja relativa al autovalor =1 es Nos queda por encontrar un u3 del subespacio propio N11 / A.u3=-1.u3
14/16

1 1 1

Sea por ejemplo el vector u3=(-1,-1/2,1) Estos tres vectores as construidos son l.i. y forma una base del e.v. y cumplen: A.u1= A.u1-u1+u1=(A-I).u1+u1=u2+u1 A.u2= u2 A.u3= -u3 Por tanto la matriz relativa a esta base es: Se puede comprobar que J=P-1AP. ********************* Para determinar la forma de Jordan (los bloques), salvo el orden de sus bloques, se puede utilizar la rutina siguiente (llamada en algunos manuales METODO DE CAROS): 1.- Se determinan los autovalores : 1, 2, 3, .., y sus respectivas multiplicidades m1,m2, m3,.. 2.- Para cada autovalor de multiplicidad m se calculan los rangos de la matrices (A-I)q, segn se indica: rg((A-I)0) = rgI = n rg((A-I)1)) = r1 x1 = n-r1 si x1 < m se sigue.. rg((A-I)2)) = r2 x2 = r1r2 si x1+ x2 < m se sigue. rg((A-I)3)) = r3 x3 = r2r3 si x1+ x2+x3 < m se sigue. rg((A-I)p)=rp xp = rp-1rp si x1+ x2++xp = m FIN (esto es x1+ x2++xp = multiplicidad de ) 3.- Entonces al valor propio de le corresponden: x1-x2 bloques de JORDAN de tamao 1. x2-x3 bloques de JORDAN de tamao 2. x3-x4 bloques de JORDAN de tamao 3. .. xp-1-xp bloques de JORDAN de tamao p-1. xp bloques de JORDAN de tamao p.
PARA EL CALCULO DE P SE PROCEDE COMO SE HA DESCRITO ANTES Y REALIZADO EN EL EJEMPLO.

1 1 J= 1 y la matriz de paso 1

1 1 1 P = 2 1 1 2 0 1 1

******************** EJEMPLO 2.-

Obtener la forma de Jordan de A = 0 1 0

1 0 1

1 0 0

Se puede observar que p()= (1-)3 esto es =1 es un autovalor triple. Obtenemos los rangos

15/16

r(A-I)0=r(I)=3
0 0 0 r1 = r(A I) = r 0 0 0 = 1; x1 = 3 1 = 2 (2<3) se sigue 1 0 0 0 0 0 2 r2 = r(A I) = r 0 0 0 = 0; x2 = 1 0 = 1 (2+1=3) entonces al autovalor =1 le corresponden: 0 0 0 x1 x2 = 2 1 bloques de Jordan de orden 1 x2 = 1 bloques de Jordan de orden 2 1 0 0 J= 0 1 1 0 0 1

O sea que la forma de Jordan buscada es

Cul sera la matriz de paso?.

EJEMPLO 3.-

Obtener la forma de Jordan de

6 9 5 4 7 13 8 7 A= 8 17 11 8 1 2 1 3

El polinomio caracterstico p()= (-1)(-2)3 esto es =2 es un autovalor triple y . =1 simple Obtenemos los rangos de r(A-2I)p, p=0,1,2,3,..
r ( A 2I) = r ( I) = 4
0

4 7 = 2; x1 = 4 2 = 2 (2<3) se sigue 8 1 3 6 3 3 6 12 6 6 r2 = r(A 2I)2 = r = 1; x2 = 2 1 = 1 (2+1=3) entonces al autovalor =2 7 14 7 7 1 2 1 1 le corresponden: x1 x2 = 2 1 bloques de Jordan de orden 1 x2 = 1 bloques de Jordan de orden 2 2 0 0 El bloque relativo al autovalor 2 es: J2 = 0 2 1 0 0 2 PARA EL AUTOVALOR =1 (simple) LE CORRESPONDE UN BLOQUE (1) 2 0 J= 0 0 0 2 0 0 0 1 2 0 0 0 0 1

4 9 7 15 r1 = r(A 2I) = r 8 17 1 2

5 8 9 1

O sea que la forma de Jordan buscada es

Cul sera la matriz de paso?.

16/16