Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Caṕıtulo 14. Producto escalar Como era de esperar, pues de acuerdo con el teorema espectral, vectores propios asociados a valores propios distintos son ortogonales. Por supuesto si están asociados a un mismo valor propio no tienen por qué ser ortogonales. Tomemos por ejemplo 〈(−1, 1, 0), (−1, 0, 1)〉 = 1 6= 0. (iv) Bastará elegir en cada subespacio propio de dimensión mayor que 1 una base ortogonal (luego se normalizará). Para ello basta elegir una base cualquiera y aplicar el método de Schmidt. Ahora bien, en nuestro caso, una base de ker(A − I) ortogonal encontrada por simple observación es {(1,−1, 0), (1, 1,−2)}. Dividiendo entre las normas obtenemos la base pedi- da: B = { 1√ 3 (1, 1, 1), 1√ 2 (1,−1, 0), 1√ 6 (1, 1,−2) } . (v) La matriz P de cambio es: P = 1√ 3 1√ 2 1√ 6 1√ 3 −1√ 2 1√ 6 1√ 3 0 −2√ 6 . Operando obtenemos P tP = . . . = I (o equivalentemente P t = P−1) como era de esperar, ya que la matriz de cambio de una base ortonormal a otra ortonormal es siempre ortogonal. (vi) Dado que P−1AP = P tAP = D = diag(4, 1, 1), la base B no solo dia- gonaliza el endomorfismo dado por la matriz simétrica A, también la forma cuadrática dada por A. Es decir, una reducida diagonal de q es D y en con- secuencia q es definida positiva. 5. Sea A = [aij ] la matriz simétrica que representa a T respecto de una base ortonormal. El polinomio caracteŕıstico de A tiene n valores propios complejos, contando multiplicidades. Sea λ un valor propio de A (a priori complejo). Existe un vector columna X = [xi] ∈ Cn no nulo tal que AX = λX. Multiplicando por X̄t : X̄tAX = λX̄tX. Veamos que X̄tX y X̄tAX = son reales. Por una parte, X̄tX = n∑ i=1 xixi = n∑ i=1 |xi|2 ∈ R, y no nulo.
Compartir