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.