Adquiriendo señal…
Adquiriendo señal…
Lección 11 de 12· Matemáticas
0 de 12 lecciones · 0 %
La lección 10 terminó con dos patologías: autovalores complejos y matrices defectuosas. Añadiendo una sola hipótesis —— desaparecen las dos, y a cambio se obtiene el resultado más limpio del álgebra lineal.
No es una restricción exótica: las matrices simétricas están por todas partes. La matriz de covarianza de un conjunto de datos lo es; la hessiana de una función suave lo es; lo es siempre; el tensor de tensiones de Elasticidad lo es; la matriz de rigidez de una estructura lo es. Cuando aparece simetría, casi siempre viene de un principio físico o estadístico, y trae consigo estas garantías.
Si es real y simétrica, entonces (1) todos sus autovalores son reales, (2) los autovectores de autovalores distintos son ortogonales, y (3) existe una base ortonormal completa de autovectores. En consecuencia con .
Las dos primeras partes se demuestran en pocas líneas, y merece la pena verlas.
Autovalores reales. Sea con posiblemente complejo. Multiplicando por el conjugado traspuesto: . El lado izquierdo es igual a su propio conjugado porque es real y simétrica, luego es real; y también lo es. Por tanto es real.
Autovectores ortogonales. Sean y con . Entonces , usando la simetría en el paso central. Como , necesariamente .
Una forma cuadrática es una función que asigna a cada vector un número mediante
En dos variables, . Siempre se puede suponer simétrica: la parte antisimétrica no contribuye nada a , así que cada forma cuadrática tiene una única matriz simétrica asociada.
Sustituyendo con la del teorema espectral, los términos cruzados desaparecen:
Eso es exactamente girar el dibujo hasta alinearlo con los ejes de las elipses. Y una vez alineado, la geometría se lee en los signos:
| Signos de los autovalores | Clasificación | Curvas de nivel | Punto crítico en el origen |
|---|---|---|---|
| todos | definida positiva | elipses | mínimo estricto |
| todos | definida negativa | elipses | máximo estricto |
| signos mezclados | indefinida | hipérbolas | punto de silla |
| algún , resto | semidefinida positiva | pares de rectas | valle plano |
Que una matriz simétrica sea definida positiva se puede comprobar de tres maneras, y las tres coinciden siempre:
La tercera es la más barata —cuesta lo mismo que una eliminación— y es la que usan las bibliotecas: si Cholesky termina sin encontrar una raíz de número negativo, la matriz es definida positiva; si falla, no lo es. Es un test y una factorización a la vez.
Sea , es decir .
Es definida positiva: las curvas de nivel son elipses y el origen es un mínimo estricto. Si ahora subimos hasta , el determinante pasa a : un autovalor cruza el cero, las elipses se abren en hipérbolas y el mínimo se convierte en un punto de silla. Ese es el experimento del laboratorio.
Sobre vectores unitarios, la forma cuadrática está acotada exactamente por los autovalores extremos:
y los extremos se alcanzan justo en los autovectores correspondientes. Es fácil de ver: escribiendo en la base ortonormal de autovectores, el cociente es una media ponderada de los autovalores con pesos que suman 1. Una media nunca sale del rango de los valores promediados.
Este resultado convierte el problema de autovalores en un problema de optimización, y es la base de los métodos variacionales: el estado fundamental en mecánica cuántica, la frecuencia propia más baja de una estructura en Elasticidad, y la primera componente principal de la lección 12 son todos el mismo cálculo: maximizar o minimizar un cociente de Rayleigh.
La matriz hessiana de una función en un punto crítico es . ¿Qué tipo de punto es?
El teorema espectral se enuncia aquí para matrices reales y simétricas. Su versión general vale para matrices normales () sobre los complejos, e incluye a las hermíticas de la mecánica cuántica y a las ortogonales. Para matrices que no son ni simétricas ni normales no hay base ortonormal de autovectores, y la herramienta correcta pasa a ser la SVD — que es, precisamente, la lección 12. En el laboratorio el deslizador del término cruzado mueve a la vez las dos entradas fuera de la diagonal, porque cualquier otra cosa sacaría a la matriz del ámbito del teorema.
La lección 12 quita la última hipótesis. Si la matriz no es simétrica, ni siquiera cuadrada, ¿queda algo del teorema espectral? Queda todo: se llama descomposición en valores singulares.
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Álgebra Lineal: la geometría detrás de las matrices».