Preguntas de entrenamiento, cuestionario y lección paso a paso sobre Diagonalization - mejora tus habilidades matemáticas con preguntas enfocadas y explicaciones claras.
Cuestionario de práctica de diagonalización con una lección interactiva paso a paso
Usa el cuestionario de la parte superior de la página para practicar diagonalización: reconocer cuándo una matriz tiene una base de vectores propios, leer y construir \(A=PDP^{-1}\), emparejar vectores propios en \(P\) con valores propios en \(D\), usar valores propios distintos como prueba suficiente rápida, comprobar valores propios repetidos mediante multiplicidad geométrica, detectar trampas de bloques de Jordan, calcular potencias como \(A^n=PD^nP^{-1}\), y usar valores propios para traza, determinante, rango, invertibilidad, proyecciones, casos nilpotentes y comprobaciones con polinomios mínimos. Si quieres repasar, abre la lección para ver ejemplos y comprobaciones que se pueden seguir mentalmente.
Cómo funciona esta práctica de diagonalización
1. Haz el cuestionario: responde al principio de la página preguntas sobre bases de vectores propios, semejanza, potencias, valores propios repetidos e invariantes matriciales.
2. Abre la lección: repasa qué significa \(A=PDP^{-1}\), cómo comprobar si hay suficientes vectores propios y cómo usar la forma diagonal.
3. Vuelve a intentarlo: regresa al cuestionario y pregúntate si la matriz tiene una base completa de vectores propios.
Lo que aprenderás en la lección de diagonalización
Significado de \(A=PDP^{-1}\)
Diagonalizable: existe una base formada por vectores propios
\(P\): las columnas son vectores propios en el orden elegido
\(D\): las entradas diagonales son los valores propios correspondientes
Pruebas de diagonalizabilidad
En dimensión \(n\), la diagonalización necesita \(n\) vectores propios linealmente independientes
Los valores propios repetidos requieren dimensiones de espacios propios, no solo el polinomio característico
Construir y usar la forma
Construye \(P\) a partir de una base de vectores propios y coloca en \(D\) los valores propios correspondientes
Usa \(A^n=PD^nP^{-1}\) porque las potencias diagonales se calculan entrada por entrada
La traza, el determinante, el rango y la invertibilidad se vuelven comprobaciones diagonales rápidas
Estructura y trampas
Un bloque de Jordan no trivial tiene muy pocos vectores propios y no es diagonalizable
Una matriz diagonalizable con un solo valor propio \(\lambda\) es \(\lambda I\)
El campo importa: algunas matrices reales se diagonalizan solo al permitir vectores propios complejos
Volver al cuestionario
Cuando estés listo, regresa al cuestionario de la parte superior de la página y sigue practicando diagonalización.
Cargando...
Álgebra lineal avanzada
Lección de diagonalización
1 / 8
Resumen de la lección
Propósito: Aprender a decidir si una matriz es diagonalizable, construir la forma \(A=PDP^{-1}\) cuando sea posible y usar la forma diagonal para potencias, invariantes y conclusiones estructurales. La pregunta central siempre es: ¿los espacios propios proporcionan una base de todo el espacio?
Criterios de éxito
Decir que diagonalizable significa tener una base de vectores propios.
Explicar los papeles de \(P\), \(D\) y \(P^{-1}\) en \(A=PDP^{-1}\).
Usar valores propios distintos como prueba suficiente rápida.
Para valores propios repetidos, comparar multiplicidad algebraica y geométrica.
Construir \(P\) y \(D\) en el mismo orden.
Calcular potencias mediante \(A^n=PD^nP^{-1}\).
Usar entradas diagonales para leer traza, determinante, rango, invertibilidad y relaciones polinómicas simples.
Reconocer trampas comunes con bloques de Jordan, elección de campo y raíces repetidas.
Vocabulario clave
Diagonalizable: semejante a una matriz diagonal, equivalentemente diagonal en alguna base de vectores propios.
Base de vectores propios: una base formada completamente por vectores propios de \(A\).
Semejanza: \(A=PDP^{-1}\), lo que significa que \(A\) y \(D\) representan la misma aplicación lineal en bases distintas.
Multiplicidad algebraica: multiplicidad de un valor propio como raíz del polinomio característico.
Multiplicidad geométrica: dimensión del espacio propio \(E_\lambda\).
Prueba del polinomio mínimo: diagonalizable exactamente cuando el polinomio mínimo se descompone sin raíces repetidas.
Comprobación rápida previa
Comprobación previa 1: Una matriz \(A\) es diagonalizable cuando tiene:
Pista: La diagonalización consiste en cambiar a una base donde la matriz actúa escalando cada vector de la base.
Comprobación previa 2: Si \(A=PDP^{-1}\), ¿qué son las entradas diagonales de \(D\)?
Pista: Cada columna de \(P\) se escala por su entrada diagonal correspondiente.
Una base de vectores propios hace diagonal la matriz
Objetivo de aprendizaje: Conectar la fórmula \(A=PDP^{-1}\) con una base de vectores propios y entender por qué importa el orden de las columnas.
Idea clave
Supón que \(v_1,\dots,v_n\) es una base y que \(Av_i=\lambda_i v_i\). Pon estos vectores en las columnas de \(P\), y coloca los valores propios correspondientes en la diagonal de \(D\): \[P=\begin{pmatrix}|& &|\\ v_1&\cdots&v_n\\ |& &|\end{pmatrix},\qquad D=\operatorname{diag}(\lambda_1,\dots,\lambda_n).\] Entonces \(AP=PD\), así que \(A=PDP^{-1}\). La fórmula no es magia: dice que, en la base de vectores propios, \(A\) solo escala coordenadas.
Lista de reconocimiento
Encuentra valores propios y espacios propios.
Elige suficientes vectores propios independientes para formar una base.
Coloca los vectores propios como columnas de \(P\).
Coloca los valores propios correspondientes en el mismo orden en \(D\).
Comprueba \(AP=PD\) antes de calcular \(P^{-1}\).
Ejemplo resuelto
Ejemplo: Diagonaliza la matriz de intercambio \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\).
Los vectores \((1,1)\) y \((1,-1)\) son vectores propios: \(A(1,1)=(1,1)\) y \(A(1,-1)=(-1,1)=-(1,-1)\). Por tanto \(P=\begin{pmatrix}1&1\\1&-1\end{pmatrix}\) y \(D=\operatorname{diag}(1,-1)\), con las columnas emparejadas con las entradas diagonales. Como los dos vectores propios son independientes, \(A=PDP^{-1}\).
Inténtalo
Inténtalo 1: En \(A=PDP^{-1}\), ¿qué contienen las columnas de \(P\)?
Pista: Multiplicar \(A\) por una columna de \(P\) debería escalar esa misma columna.
Inténtalo 2: Si la primera columna de \(P\) tiene valor propio \(2\) y la segunda tiene valor propio \(5\), ¿cuál es \(D\)?
Pista: Mantén las entradas diagonales en el mismo orden que los vectores propios en \(P\).
Diagonalizable significa suficientes vectores propios independientes
Objetivo de aprendizaje: Decidir diagonalizabilidad contando vectores propios independientes, no solo encontrando valores propios.
Idea clave
Para una matriz \(n\times n\), la diagonalización requiere \(n\) vectores propios linealmente independientes. Los valores propios distintos ayudan porque los vectores propios correspondientes a valores propios distintos son automáticamente linealmente independientes. Por lo tanto, \(n\) valores propios distintos en dimensión \(n\) garantizan diagonalizabilidad. Los valores propios repetidos no son automáticamente malos, pero requieren comprobar dimensiones de espacios propios.
Lista de reconocimiento
Si la matriz tiene \(n\) valores propios distintos sobre el campo que estás usando, es diagonalizable.
Si los valores propios se repiten, calcula cada espacio propio \(E_\lambda=\ker(A-\lambda I)\).
Suma las dimensiones de los espacios propios.
La matriz es diagonalizable exactamente cuando esa suma es \(n\).
Ejemplo resuelto
Ejemplo: Una matriz \(3\times3\) tiene valores propios \(1\), \(2\) y \(5\). ¿Qué se concluye?
Los tres valores propios son distintos, así que hay tres vectores propios independientes. En dimensión \(3\), eso es una base completa de vectores propios. La matriz es diagonalizable.
Inténtalo
Inténtalo 1: Si una matriz \(3\times3\) tiene tres valores propios distintos, ¿qué se concluye?
Pista: Los vectores propios de valores propios distintos son linealmente independientes.
Inténtalo 2: ¿Cuántos vectores propios debe tener en una base una matriz diagonalizable \(4\times4\)?
Pista: Una base de vectores propios de un espacio de dimensión 4 tiene cuatro vectores de base.
La multiplicidad no basta
Objetivo de aprendizaje: Separar multiplicidad algebraica de multiplicidad geométrica y reconocer la obstrucción de los bloques de Jordan.
Idea clave
Un valor propio repetido aún puede ser diagonalizable, pero solo si su espacio propio es suficientemente grande. Para cada valor propio \(\lambda\), \[\dim E_\lambda\le \text{multiplicidad algebraica de }\lambda.\] La diagonalización necesita igualdad para cada valor propio, así que las multiplicidades geométricas suman \(n\). Un bloque de Jordan no trivial falla porque solo tiene una dirección de vector propio para un valor propio repetido.
Trampas comunes
Una raíz repetida del polinomio característico no significa automáticamente que no sea diagonalizable.
Una matriz triangular no es automáticamente diagonalizable.
Una matriz con un solo valor propio puede ser diagonalizable solo si ya es una matriz escalar en todo el espacio.
Un bloque de Jordan no trivial tiene muy pocos vectores propios.
El único valor propio es \(1\). Resuelve \((J-I)v=0\): \(\begin{pmatrix}0&1\\0&0\end{pmatrix}\begin{pmatrix}x\\y\end{pmatrix}=0\), así que \(y=0\). El espacio propio es \(\operatorname{span}\{(1,0)\}\), de dimensión uno. Una matriz \(2\times2\) necesita dos vectores propios independientes, así que \(J\) no es diagonalizable.
Pista: Calcula el espacio propio para el valor propio repetido \(1\).
Inténtalo 2: Una matriz diagonalizable con todos los valores propios iguales a \(5\) es:
Pista: En una base de vectores propios, la matriz diagonal sería \(5I\), y \(P(5I)P^{-1}=5I\).
Empareja cada vector propio con su valor propio
Objetivo de aprendizaje: Construir una diagonalización con cuidado y evitar desajustar el orden de \(P\) y \(D\).
Idea clave
Después de encontrar una base de vectores propios, la diagonalización es sobre todo organización. Si las columnas de \(P\) son \(v_1,\dots,v_n\), entonces las entradas diagonales de \(D\) deben ser \(\lambda_1,\dots,\lambda_n\), donde \(Av_i=\lambda_i v_i\). Cambiar el orden de las columnas está permitido, pero \(D\) debe cambiar en el mismo orden.
Lista de reconocimiento
Elige vectores propios independientes hasta tener una base.
Escríbelos como columnas de \(P\).
Escribe los valores propios correspondientes en la diagonal de \(D\).
Comprueba \(AP=PD\), que a menudo es más rápido que multiplicar \(PDP^{-1}\).
Calcula \(P^{-1}\) solo cuando un cálculo posterior realmente lo necesite.
Ejemplo resuelto
Ejemplo: Para \(A=\begin{pmatrix}2&1\\0&3\end{pmatrix}\), construye \(P\) y \(D\).
Para \(\lambda=2\), \(A(1,0)=2(1,0)\), así que toma \(v_1=(1,0)\). Para \(\lambda=3\), resuelve \((A-3I)v=0\), lo que da \(y=x\), así que toma \(v_2=(1,1)\). Entonces \[P=\begin{pmatrix}1&1\\0&1\end{pmatrix},\qquad D=\operatorname{diag}(2,3).\] Las columnas son independientes, y \(AP=PD\), así que \(A=PDP^{-1}\).
Inténtalo
Inténtalo 1: Si la primera columna de \(P\) es un vector propio con valor propio \(4\) y la segunda columna tiene valor propio \(-1\), ¿cuál es \(D\)?
Pista: La primera entrada diagonal corresponde a la primera columna, y la segunda entrada diagonal corresponde a la segunda columna.
Inténtalo 2: Si \(A=PDP^{-1}\), \(P\) debe ser:
Pista: La fórmula contiene \(P^{-1}\).
La diagonalización convierte potencias en potencias entrada por entrada
Objetivo de aprendizaje: Usar diagonalización para calcular potencias y leer rápidamente efectos de valores propios.
Idea clave
Si \(A=PDP^{-1}\), entonces la multiplicación repetida cancela los factores centrales: \[A^n=(PDP^{-1})^n=PD^nP^{-1}.\] Para \(D=\operatorname{diag}(\lambda_1,\dots,\lambda_n)\), \[D^n=\operatorname{diag}(\lambda_1^n,\dots,\lambda_n^n).\] La misma idea funciona para muchos polinomios en \(A\): aplica el polinomio a cada entrada diagonal.
Ejemplo resuelto
Ejemplo: Si \(D=\operatorname{diag}(2,-1)\), calcula \(D^3\).
Las potencias de una matriz diagonal se toman entrada por entrada: \[D^3=\operatorname{diag}(2^3,(-1)^3)=\operatorname{diag}(8,-1).\] Por lo tanto, si \(A=PDP^{-1}\), entonces \(A^3=P\operatorname{diag}(8,-1)P^{-1}\).
Inténtalo
Inténtalo 1: Si \(A=PDP^{-1}\), ¿cuál es \(A^3\)?
Pista: Los factores centrales \(P^{-1}P\) se cancelan.
Inténtalo 2: Si \(A\) es diagonalizable con valores propios \(2\) y \(3\), ¿cuáles son los valores propios de \(A^2\)?
Pista: Elevar \(A\) al cuadrado eleva al cuadrado las entradas diagonales en una forma diagonal.
Resumen
\(A^n=PD^nP^{-1}\), no \(P^nD^nP^{-n}\).
Las potencias diagonales se calculan entrada por entrada.
Si ningún valor propio es \(0\), entonces \(A^{-1}=PD^{-1}P^{-1}\).
Por ejemplo, \(\operatorname{diag}(1,2)^{-1}=\operatorname{diag}(1,1/2)\).
Usa las entradas diagonales para leer estructura
Objetivo de aprendizaje: Traducir ecuaciones que involucran una matriz diagonalizable en ecuaciones para sus valores propios.
Idea clave
Cuando \(A=PDP^{-1}\), muchos hechos estructurales se reducen a las entradas diagonales. \(A\) es invertible exactamente cuando todo valor propio es no nulo. La traza es la suma de los valores propios, el determinante es su producto y el rango es el número de entradas diagonales no nulas en \(D\). Si \(A\) satisface una ecuación polinómica como \(A^2=A\), entonces cada valor propio satisface la misma ecuación escalar \(\lambda^2=\lambda\).
Ejemplo resuelto
Ejemplo: Lee dos datos desde las entradas diagonales: si \(A\) es diagonalizable y \(A^2=A\), ¿cuáles son los valores propios posibles? Si otra matriz diagonalizable tiene valores propios \(2,3,4\), ¿cuáles son su traza y su determinante?
En una forma diagonal, \(D^2=D\). Así que cada entrada diagonal \(\lambda\) satisface \(\lambda^2=\lambda\), o \(\lambda(\lambda-1)=0\). Los únicos valores propios posibles son \(0\) y \(1\). Para los valores propios \(2,3,4\), la traza es \(2+3+4=9\) y el determinante es \(2\cdot3\cdot4=24\).
Inténtalo
Inténtalo 1: Si \(A\) es diagonalizable y \(A^2=0\), entonces \(A\) es:
Pista: Todo valor propio \(\lambda\) satisface \(\lambda^2=0\), así que \(D\) debe ser la matriz diagonal cero.
Inténtalo 2: Si \(D=\operatorname{diag}(0,1,2)\), ¿cuál es el rango de \(D\)?
Pista: Cuenta las entradas diagonales no nulas.
La descomposición y las raíces repetidas importan
Objetivo de aprendizaje: Entender la dependencia del campo, las pruebas con polinomio mínimo y terminar con una lista final fiable.
Idea clave
La diagonalización depende del campo. Sobre \(\mathbb{R}\), una matriz con valores propios no reales no puede tener una base real de vectores propios. Sobre \(\mathbb{C}\), esos valores propios pueden estar disponibles. Una prueba compacta de alto nivel es: una matriz es diagonalizable sobre un campo exactamente cuando su polinomio mínimo se descompone sobre ese campo y no tiene raíces repetidas.
Trampas comunes
Las matrices semejantes comparten traza, determinante, polinomio característico y valores propios, pero no las mismas entradas.
Diagonalizable no significa diagonal en la base original.
Tener valores propios no basta; los espacios propios deben proporcionar una base.
Valores propios distintos son suficientes, no necesarios.
El polinomio mínimo debe descomponerse en factores lineales distintos sobre el campo elegido.
Ejemplo resuelto
Ejemplo: Compara la rotación \(R=\begin{pmatrix}0&-1\\1&0\end{pmatrix}\) sobre \(\mathbb{R}\) y sobre \(\mathbb{C}\).
La ecuación característica es \(\lambda^2+1=0\). Sobre \(\mathbb{R}\), no tiene raíces, así que no hay base real de vectores propios ni diagonalización real. Sobre \(\mathbb{C}\), los valores propios son \(i\) y \(-i\), distintos, así que la matriz es diagonalizable sobre \(\mathbb{C}\).
Inténtalo
Inténtalo 1: Si una matriz es diagonalizable, su polinomio mínimo tiene:
Pista: La diagonalización descarta comportamiento de bloques de Jordan repetidos.
Inténtalo 2: ¿Es diagonalizable un bloque de Jordan no trivial \(2\times2\)?
Pista: Solo tiene una dirección de vector propio para un valor propio repetido.
Repaso final
Diagonalizable significa que existe una base de vectores propios.
\(A=PDP^{-1}\), con columnas de \(P\) iguales a vectores propios y entradas diagonales de \(D\) iguales a los valores propios correspondientes.
\(n\) valores propios distintos en dimensión \(n\) garantizan diagonalizabilidad.
Los valores propios repetidos requieren comprobar dimensiones de espacios propios.
Los bloques de Jordan no triviales no son diagonalizables.
Las potencias satisfacen \(A^n=PD^nP^{-1}\).
La traza, el determinante, el rango, la invertibilidad y las ecuaciones polinómicas se pueden leer desde la forma diagonal.
El campo y el polinomio mínimo importan.
Siguiente paso: Cierra esta lección y vuelve a intentar el cuestionario. Para cada pregunta, decide primero si pide una prueba de base de vectores propios, una construcción de \(P\) y \(D\), una trampa de valor propio repetido o una consecuencia de entradas diagonales.
Racha 5+
Racha 10+
Racha 15+
Racha 20+
Racha 25+