Cuestionario de práctica del teorema espectral con una lección interactiva paso a paso
Usa el cuestionario más abajo en la página para practicar el teorema espectral: reconocer matrices simétricas reales y hermitianas complejas, demostrar que los valores propios son reales, usar la ortogonalidad de los espacios propios, construir \(A=QDQ^T\) o \(A=UDU^*\), leer \(\operatorname{tr}A\), \(\det A\), rango y potencias a partir de los valores propios, expandir \(A=\sum_i\lambda_i q_iq_i^T\), clasificar formas cuadráticas por los signos de los valores propios y detectar matrices de proyección con valores propios \(0\) y \(1\). Abre la lección para ver ejemplos resueltos enfocados y comprobaciones rápidas.
Responde la serie de preguntas y revisa tus errores al final.
Cómo funciona esta práctica del teorema espectral
1. Haz la serie de práctica: responde preguntas sobre matrices simétricas, matrices hermitianas, diagonalización ortogonal, descomposiciones espectrales, traza, determinante, rango, potencias, cocientes de Rayleigh y definitud.
2. Abre la lección: repasa el teorema, pruebas de reconocimiento, ejemplos resueltos y comprobaciones breves.
3. Vuelve a intentarlo: regresa al cuestionario y decide primero si el problema pregunta por simetría, vectores propios, forma diagonal, datos espectrales o una forma cuadrática.
Lo que aprenderás en la lección del teorema espectral
Matrices autoadjuntas
Caso real: \(A^T=A\) es la señal para el teorema espectral real
Caso complejo: \(A^*=A\) es hermitiana y tiene valores propios reales
Los espacios propios de valores propios distintos son ortogonales
Diagonalización ortogonal
Las matrices simétricas reales admiten \(A=QDQ^T\) con \(Q^TQ=I\)
Las columnas de \(Q\) son una base ortonormal de vectores propios
Los valores propios repetidos aún permiten bases ortonormales dentro de sus espacios propios
Descomposición espectral
Escribe \(A=\sum_i\lambda_i q_iq_i^T\) usando proyecciones ortogonales de rango uno
Las potencias y funciones actúan sobre los valores propios: \(f(A)=Qf(D)Q^T\)
La traza, el determinante, el rango y la invertibilidad se leen a partir de los valores propios
Formas cuadráticas y proyecciones
Usa \(x^TAx=\sum_i\lambda_i y_i^2\) después de un cambio de coordenadas ortonormal
Definida positiva significa que todos los valores propios son positivos
Las proyecciones simétricas solo tienen valores propios \(0\) y \(1\)
El teorema espectral convierte la simetría en geometría
Propósito: Construir un flujo de trabajo fiable para problemas del teorema espectral: reconocer matrices autoadjuntas, usar valores propios reales y espacios propios ortogonales, formar \(A=QDQ^T\) o \(A=UDU^*\), interpretar \(A=\sum_i\lambda_i q_iq_i^T\) y clasificar formas cuadráticas a partir de los signos de los valores propios.
Criterios de éxito
Reconocer matrices simétricas reales por \(A^T=A\) y matrices hermitianas por \(A^*=A\).
Indicar que las matrices autoadjuntas tienen valores propios reales.
Usar la ortogonalidad de los espacios propios de valores propios distintos.
Construir una base ortonormal de vectores propios, incluso dentro de espacios propios repetidos.
Leer \(Q^{-1}=Q^T\) en \(A=QDQ^T\) y \(U^{-1}=U^*\) en \(A=UDU^*\).
Usar la descomposición espectral \(A=\sum_i\lambda_i q_iq_i^T\).
Calcular traza, determinante, rango, potencias e invertibilidad a partir de los valores propios.
Clasificar la definitud de \(x^TAx\) a partir de los signos de los valores propios.
Vocabulario clave
Autoadjunta: igual a su adjunta; \(A^T=A\) sobre \(\mathbb{R}\), \(A^*=A\) sobre \(\mathbb{C}\).
Matriz ortogonal: \(Q^TQ=I\), así que \(Q^{-1}=Q^T\).
Matriz unitaria: \(U^*U=I\), así que \(U^{-1}=U^*\).
Base ortonormal de vectores propios: una base de vectores propios unitarios que son ortogonales dos a dos.
Proyección espectral: \(q_iq_i^T\), la proyección de rango uno sobre la recta propia generada por \(q_i\).
Cociente de Rayleigh: \(\dfrac{x^TAx}{x^Tx}\), acotado por el valor propio menor y el mayor para \(A\) simétrica.
Comprobación rápida previa
Comprobación previa: ¿A qué matrices se aplica de forma más directa el teorema espectral real?
Pista: El teorema necesita que la matriz coincida con su transpuesta en el caso real.
Las matrices simétricas y hermitianas tienen datos espectrales reales
Objetivo de aprendizaje: Saber cuándo está disponible el teorema espectral y qué garantiza antes de calcular nada.
Idea clave
En un espacio con producto interno real, la condición clave es \(A^T=A\). En un espacio con producto interno complejo, la condición correspondiente es \(A^*=A\), donde \(A^*\) es la transpuesta conjugada. Estas condiciones autoadjuntas fuerzan que los valores propios sean reales y hacen que el operador se comporte como un estiramiento en direcciones perpendiculares.
Lista de reconocimiento
Primero comprueba que la matriz sea cuadrada.
Caso real: compara las entradas a ambos lados de la diagonal, de modo que \(a_{ij}=a_{ji}\).
Caso complejo: compara \(a_{ij}\) con \(\overline{a_{ji}}\).
Si la condición se cumple, busca una base ortonormal de vectores propios en lugar de una matriz general de cambio de base.
Ejemplo resuelto
Ejemplo: Sea \(A=\operatorname{diag}(2,5)\). ¿Por qué el teorema espectral es inmediato?
La matriz es simétrica real porque es igual a su transpuesta. Los vectores de la base estándar \(e_1,e_2\) ya son vectores propios ortonormales, con valores propios \(2\) y \(5\). Por tanto, \(A=QDQ^T\) con \(Q=I\) y \(D=\operatorname{diag}(2,5)\).
Inténtalo
Inténtalo: ¿Qué matriz es simétrica?
Pista: Una matriz simétrica real tiene entradas coincidentes por encima y por debajo de la diagonal.
Valores propios distintos dan espacios propios perpendiculares
Objetivo de aprendizaje: Usar la idea de prueba de que la simetría permite mover \(A\) a través de un producto interno.
Idea clave
Si \(Au=\lambda u\) y \(Av=\mu v\), entonces la simetría da \(\langle Au,v\rangle=\langle u,Av\rangle\). Por tanto, \(\lambda\langle u,v\rangle=\mu\langle u,v\rangle\). Cuando \(\lambda≠\mu\), esto fuerza \(\langle u,v\rangle=0\).
Valores propios repetidos
Los espacios propios distintos son automáticamente ortogonales.
Dentro de un mismo espacio propio de valor propio repetido, los vectores no son automáticamente ortogonales.
Usa Gram-Schmidt dentro de un espacio propio repetido para elegir una base ortonormal.
Combinar estas bases en todos los espacios propios da la base ortonormal de vectores propios prometida por el teorema.
Ejemplo resuelto
Ejemplo: La matriz \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\) tiene vectores propios \((1,1)\) y \((1,-1)\). ¿Qué ocurre después de normalizarlos?
Los valores propios son \(1\) y \(-1\). Los vectores propios tienen producto punto \(1-1=0\), así que son ortogonales. Tras escalar por \(1/\sqrt2\), se convierten en columnas ortonormales de una matriz \(Q\).
Inténtalo
Inténtalo: Para una matriz simétrica real, ¿cómo son los vectores propios asociados con valores propios distintos?
Pista: Usa \(\langle Au,v\rangle=\langle u,Av\rangle\) y resta los dos múltiplos escalares.
Coloca los vectores propios en \(Q\) y los valores propios en \(D\)
Objetivo de aprendizaje: Traducir una base ortonormal de vectores propios a la forma diagonal usada en los cálculos.
Idea clave
Para una matriz simétrica real, elige vectores propios ortonormales \(q_1,\dots,q_n\). Sea \(Q\) la matriz que tiene estos vectores como columnas y sea \(D=\operatorname{diag}(\lambda_1,\dots,\lambda_n)\). Entonces \(AQ=QD\), así que \(A=QDQ^T\). En el caso hermitiano complejo, la forma es \(A=UDU^*\).
Notas de fórmula
Las entradas diagonales de \(D\) son valores propios, repetidos con multiplicidad.
Las columnas de \(Q\) son los vectores propios unitarios correspondientes.
Ortogonal significa \(Q^TQ=I\), así que \(Q^{-1}=Q^T\).
El orden de los vectores propios puede cambiar el orden de las entradas diagonales, pero no el operador.
Usa \(q_1=(1,1)/\sqrt2\) con valor propio \(1\) y \(q_2=(1,-1)/\sqrt2\) con valor propio \(-1\). Entonces \(Q=[q_1\ q_2]\) es ortogonal y \(D=\operatorname{diag}(1,-1)\), así que \(A=QDQ^T\).
Inténtalo
Inténtalo: Si \(Q\) es ortogonal, ¿cuál es \(Q^{-1}\)?
Pista: Las columnas ortogonales satisfacen \(Q^TQ=I\).
Una matriz simétrica es una suma ponderada de proyecciones ortogonales
Objetivo de aprendizaje: Leer acciones, potencias, rango, traza y determinante directamente a partir de los valores propios.
Idea clave
A partir de \(A=QDQ^T\), con columnas \(q_i\), expande el producto para obtener \[A=\sum_i \lambda_i q_iq_i^T.\] Cada \(q_iq_i^T\) proyecta sobre una recta propia unitaria, y \(\lambda_i\) indica con qué fuerza \(A\) estira esa dirección.
Datos espectrales
\(\operatorname{tr}A=\sum_i\lambda_i\).
\(\det A=\prod_i\lambda_i\).
\(\operatorname{rank}A\) es el número de valores propios no nulos.
\(A^k=QD^kQ^T\), así que los valores propios de \(A^k\) son \(\lambda_i^k\).
Si todos los \(\lambda_i≠0\), entonces \(A^{-1}=QD^{-1}Q^T\).
Ejemplo resuelto
Ejemplo: Una matriz simétrica real tiene valores propios \(0,0,5\). ¿Cuál es su rango, su determinante y su estado de invertibilidad?
Solo un valor propio es no nulo, así que el rango es \(1\). El determinante es el producto \(0\cdot0\cdot5=0\), por lo que la matriz es singular y no invertible.
Inténtalo
Inténtalo: Si \(A\) es simétrica con valores propios \(2\) y \(3\), ¿cuáles son los valores propios de \(A^2\)?
Pista: Las potencias actúan sobre los valores propios elevándolos a la misma potencia.
Los signos de los valores propios clasifican \(x^TAx\)
Objetivo de aprendizaje: Convertir una forma cuadrática en una suma diagonal rotando a una base ortonormal de vectores propios.
Idea clave
Si \(A=QDQ^T\) y \(y=Q^Tx\), entonces \[x^TAx=y^TDy=\sum_i\lambda_i y_i^2.\] Como \(Q\) conserva longitudes, los signos de los valores propios determinan si la forma cuadrática es positiva, negativa, semidefinida o indefinida.
Pruebas de definitud
Todos los valores propios positivos: definida positiva.
Todos los valores propios no negativos y al menos uno cero: semidefinida positiva pero no definida.
Todos los valores propios negativos: definida negativa.
Todos los valores propios no positivos y al menos uno cero: semidefinida negativa pero no definida.
Al menos un valor propio positivo y al menos uno negativo: indefinida.
Ejemplo resuelto
Ejemplo: Una matriz simétrica real tiene valores propios \(0,4\). ¿Cómo debe clasificarse su forma cuadrática?
Ambos valores propios son no negativos, y un valor propio es cero. Por tanto, \(x^TAx\ge0\) para todo \(x\), pero no es positiva para todo \(x\) no nulo. La forma es semidefinida positiva, no definida positiva.
Inténtalo
Inténtalo: Una matriz simétrica real tiene valores propios \(-1\) y \(3\). ¿Cómo se clasifica su forma cuadrática?
Pista: Un valor propio da una dirección negativa y el otro da una dirección positiva.
Las proyecciones y los cocientes de Rayleigh son ejemplos espectrales
Objetivo de aprendizaje: Conectar el teorema con operadores comunes que aparecen en problemas de álgebra lineal.
Idea clave
Una proyección simétrica \(P\) satisface \(P^2=P\) y \(P^T=P\). Si \(Pv=\lambda v\), entonces \(P^2v=Pv\) da \(\lambda^2=\lambda\), así que \(\lambda\) es \(0\) o \(1\). El teorema espectral dice que el espacio se divide ortogonalmente en la imagen y el núcleo de la proyección.
Vista de operador
Las proyecciones simétricas tienen forma diagonal con solo \(0\) y \(1\) en la diagonal.
La traza de una proyección simétrica es igual a su rango.
El cociente de Rayleigh de \(A\) simétrica está entre el menor y el mayor valor propio.
La norma de operador de \(A\) simétrica es \(\max_i|\lambda_i|\).
Ejemplo resuelto
Ejemplo: ¿Cuál es la imagen espectral de la proyección sobre una recta en \(\mathbb{R}^2\), y por qué un vector propio unitario \(q\) con \(Aq=4q\) satisface \(q^TAq=4\)?
La dirección de la recta es una recta propia con valor propio \(1\), porque los vectores de la recta no cambian. La dirección perpendicular es una recta propia con valor propio \(0\), porque se envía a cero. En una base ortonormal adaptada a la recta, la matriz de proyección es \(\operatorname{diag}(1,0)\). Para la comprobación de Rayleigh, \(q^TAq=q^T(4q)=4q^Tq=4\) porque \(\|q\|=1\).
Inténtalo
Inténtalo: ¿Con qué posibles entradas diagonales es diagonalizable ortogonalmente una matriz de proyección simétrica?
Pista: Aplica \(P^2=P\) a un vector propio.
La mayoría de los errores ignoran las hipótesis o la base
Objetivo de aprendizaje: Terminar con una lista compacta de errores comunes del teorema espectral.
Errores comunes
Diagonalizable no basta: el teorema necesita estructura autoadjunta para una base ortonormal de vectores propios.
Simétrica frente a antisimétrica: \(A^T=A\), no \(A^T=-A\).
Valores propios repetidos: puede que necesites ortonormalizar dentro de un mismo espacio propio.
Correspondencia de orden: cada entrada diagonal de \(D\) debe coincidir con la columna correspondiente de \(Q\).
Definitud: los ceros dan semidefinitud, no definitud.
Matrices de proyección: \(P^2=P\) da una proyección; \(P^T=P\) da una proyección ortogonal en el espacio euclídeo.
Ejemplo resuelto
Ejemplo: Si \(A=5I\) en \(\mathbb{R}^3\), ¿cuántos vectores propios hay disponibles?
Todo vector no nulo es un vector propio con valor propio \(5\). El espacio propio repetido es todo \(\mathbb{R}^3\), así que elige cualquier base ortonormal. Esto recuerda que los valores propios repetidos no impiden aplicar el teorema espectral.
Inténtalo
Inténtalo: ¿Qué tipo de valores propios tiene una matriz hermitiana?
Pista: Las matrices hermitianas son el análogo complejo autoadjunto de las matrices simétricas reales.
Repaso final
Simétrica real significa \(A^T=A\); hermitiana significa \(A^*=A\).
Las matrices autoadjuntas tienen valores propios reales.
Los espacios propios distintos son ortogonales.
Los espacios propios repetidos pueden recibir bases ortonormales.
Las matrices simétricas reales satisfacen \(A=QDQ^T\) con \(Q\) ortogonal.
La descomposición espectral es \(A=\sum_i\lambda_i q_iq_i^T\).
La traza, el determinante, el rango, las potencias y la invertibilidad se leen a partir de los valores propios.
Para un vector propio unitario \(q\), el cociente de Rayleigh da \(q^TAq=\lambda\).
La definitud de una forma cuadrática está controlada por los signos de los valores propios.
Las proyecciones simétricas tienen valores propios \(0\) y \(1\).
Siguiente paso: Cierra esta lección y vuelve a intentar el cuestionario. En cada problema, comprueba primero el tipo de matriz y luego decide si la respuesta trata sobre realidad de valores propios, ortogonalidad, forma diagonal, descomposición espectral, traza, determinante, rango, un cociente de Rayleigh o signos de una forma cuadrática.
Serie de práctica
Preguntas de práctica de Spectral Theorem con puntuación instantánea
Responde las 10 preguntas de abajo y recibe tu puntuación final con una revisión de errores para saber exactamente qué mejorar.
0/10respondidas
Pregunta 1Sin responder
¿A qué matrices se aplica más directamente el teorema espectral real?
Respuesta correcta: A. Matrices reales simétricas
Explicación: Las matrices reales simétricas tienen una base ortonormal de vectores propios.
Pregunta 2Sin responder
¿Qué se puede decir de los valores propios de una matriz real simétrica?
Respuesta correcta: D. Son reales
Explicación: Las matrices reales simétricas tienen valores propios reales.
Pregunta 3Sin responder
Los vectores propios de una matriz simétrica asociados a valores propios distintos son:
Respuesta correcta: B. Ortogonales
Explicación: La simetría fuerza que los espacios propios de valores propios distintos sean ortogonales.
Pregunta 4Sin responder
Una matriz real simétrica es diagonalizable mediante:
Respuesta correcta: A. Una matriz ortogonal
Explicación: El teorema espectral da una diagonalización ortogonal.
Pregunta 5Sin responder
Si \(A=QDQ^T\) con \(Q\) ortogonal, ¿cuánto vale \(Q^{-1}\)?
Respuesta correcta: B. \(Q^T\)
Explicación: Para una matriz ortogonal, la inversa es la transpuesta.
Pregunta 6Sin responder
Si una matriz simétrica tiene valores propios \(1\) y \(3\), ¿cuáles son las entradas diagonales de su forma diagonal espectral?
Respuesta correcta: B. \(1\) y \(3\)
Explicación: La forma diagonal enumera los valores propios.
Pregunta 7Sin responder
¿Qué matriz es simétrica?
Respuesta correcta: D. \(\begin{pmatrix}1&2\\2&3\end{pmatrix}\)
Explicación: Una matriz simétrica es igual a su transpuesta.
Pregunta 8Sin responder
Si una matriz simétrica tiene un valor propio repetido, el teorema espectral todavía da:
Respuesta correcta: C. Una base propia ortonormal
Explicación: Incluso los espacios propios repetidos pueden recibir una base ortonormal.
Pregunta 9Sin responder
¿Cuál es el significado geométrico de la diagonalización ortogonal?
Respuesta correcta: D. Existe una base propia ortonormal
Explicación: Significa que la transformación es diagonal en una base ortonormal.
Pregunta 10Sin responder
Para una matriz real simétrica, ¿está garantizada la diagonalizabilidad?
Respuesta correcta: B. Sí
Explicación: Sí. Esta es una de las conclusiones principales del teorema espectral.
