Вы находитесь на странице: 1из 35

Algebra Lineal

Unidad 5 y 6

Sistemas Computacionales

P R E S E N T A:
Morales Archundia Francisco Javier
NO. CONTROL:
14280536

SEP

SNEST

DGEST

Unidad 5.
5.1 Introduccin a las Transformaciones Lineales.

INSTITUTO TECNOLGICO DE TOLUCA


x

1. Consideremos la funcin
T

Verifiquemos que
T

vectores de

R3 , entonces:

[( ) ( )] ( )
( x 1 + x 2 )2 ( y 1 + y 2 )
2 ( z 1 + z 2 )( x 1 + x 2)

x 12 y 1 x 22 y 2
+
2 z 1 x
2 z2 x2
1

()()

x1
x2
T y 1 +T y 2 =
z1
z2

( x 12 y 1) + ( x2 2 y 2 )
1 x 1
2 z

+
2
z
( ( 2x 2 ) )

satisface la propiedad aditiva. Sean

x1
x2
x 1+ x 2
T y 1 + y 2 =T x 1+ x 2
z1
z2
z 1+ z 2

tal que

()(

x 2 y
y =
2 x x
z

es una transformacin lineal.

Veamos que

T : R3 R2 ,

( x 1 + x 2 )2 ( x 1+ x2 ) ;
2 ( z 1+ z2 ) ( x 1+ x2 )

De donde,

[( ) ( )] ( ) ( )

x1
x2
x1
x2
T y 1 + y 2 =T y 1 +T y 2 .
z1
z2
z1
z2

x 2 , y 2 , z 2 T
x1 , y1 , z1 T y

Para verificar que

escalar y el vector

satisface la propiedad homognea, tomemos al


x , y , z T
. Entonces,

[ ( )] ( )

x
x
y =T y
z
z

( x ) 2 ( y )
2 ( z ) ( x )

[ ( )]

x
x2 y
y =
2 z x
z

2. Determine si la transformacin dada de

en

es lineal.

T : R2 R

()

T x =xy
y
Comprobamos la primera propiedad:
Sea el vector

u=( u1 , u2 )

T ( u+ v )=Tu+Tv

v =( v 1 , v 2 )

u+ v=( u1+ v 1 ,u 2+ v 2 )
T ( u+ v )=Tu+Tv
T

u1 +v 1
u
v
=T 1 +T 1
u2 +v 2
u2
v2

( ) () ()

( u1 + v1 ) ( u2 + v 2 )=u1 u2 +v 1 v 2
Como
u2 v 1 +u1 v 2+ u1 u2 + v 1 v 2 u1 u 2+ v 1 v 2
La transformacin no es lineal.

3. Verifique si la trasformacin
T ( X ) =MX + XM donde
transformacin lineal.
a) Sean A , B M ( n , R )

T : M (n , R ) M (n , R)

es una matriz fija en

entonces:

T ( A+ B )=M ( A + B ) + ( A+ B ) M

tal que
M ( n , R ) , es una

( MA+ MB ) + ( AM + BM )
T ( A ) +T ( B ) .
A M (n , R ), k R

b) Sea

entonces:

T ( kA )=M ( kA ) + ( kA ) M
kMA +kAM
k (MA + AM )

kT ( A).
Por a) y b),

es una trasformacin lineal.

4. Determine si la transformacin dada en

y en

T : P 2 P1
2

T ( a0 +a1 x+ a2 x ) =a1 +a 2 x

T ( u+ v )=Tu+Tv

Comprobamos la primera propiedad:


Sean los polinomios

p ( x )=a0 +a1 x+ a2 x y q ( x ) =b0 +b 1 x +b2 x

p ( x )+ q ( x )=a 0+ b0 + ( a 1+ b1 ) x + ( a2+ b2 ) x 2
T ( p ( x )+ q ( x )) =T p ( x )+T q ( x )
T ( a0 +b0 + ( a1 +b1 ) x+ ( a2 +b 2) x 2 ) = a1 +a 2 x +b1 +b 2 x

a1 +b 1+ ( a2 +b2 ) x=a 1+ a2 x +b1 +b 2 x


a1 +b1 + ( a 2+ b2 ) x=a1 +b 1 ( a 2+ b2 ) x
Comprobamos la segunda propiedad:
T ( a ( a 0+ a1 x +a 2 x 2 ) )=aT ( a0 + a1 x +a2 x 2)
T ( a a0 +a a 1 x+ a a2 x2 ) =a ( a1+ a2 x )
a a1 +a a2 x=a ( a1 +a2 x )
a ( a 1+ a2 x ) =a ( a1 +a 2 x )
La transformacin es lineal.

T ( av )=aTv

es lineal.

T : R R

5. Verifique si la trasformacin
T ( x , y ) =( x+ y , y , x y ) ,

tal que

es una transformacin lineal.


2

v 1= ( x , y ) , v 2=( p ,q ) R ,

a) Sean

entonces:

T ( v 1+ v 2 )=T ( x + p , y +q )
( ( x+ p )+ ( y+ q ) , y+ q , ( x+ p )( y +q ) )
( ( x+ y )+ ( p+ q ) , y+ q , ( x y ) + ( p+q ) )
( x+ y , y , x y )+ ( p+ q , q , pq )
T ( x , y ) +T ( p , q )
T ( v 1) +T (v 2)
v = ( x , y ) R2 , k R ,

b) Sean

entonces:

T ( kv ) =T ( kx , ky )
( kx +ky , ky , kxky )
k ( x+ y , y , x y )
kT ( x , y )
k ( Tv )
As,

es una transformacin lineal.

5.2 Ncleo e imagen de una transformacin lineal.


1. Determine el ncleo de la transformacin lineal de R3 EN R3 DEFINIDA
COMO:

[] [
X
Y
Z

2 X + 3 Z
23 X 15 Y 18 Z
5 X 3Y 3 Z

SOLUCION
Un vector v=(a,b,c) pertenece al ncleo T SI T(v)=0 , es decir si
2 a+3 c
23
a15 b18 c
T=((a,b,c)=
5 a3 b3 c

Por tanto, para pertenecer al ncleo debe cumplirse

2 a+3 c=0
23 a15 b18 c =0
5 a3 b3 c=0
REDUCIENDO TENEMOS;
a 3 /2 c= 0
b+ 7 /2 c =0

[]
a
b
c

[ ] []
3
z
2
7
y
2
y

3
2
7
2
1

=c

Observe que aqu el ncleo T en ese caso en un espacio generado:

Ker(T) =Gen

{( )}
3
2
7
2
1

Adems, la dimensin de Ker(T) es 1, lo cual coincide con el nmero de


columnas sin pivote en la reducida de A (La matriz que define a la
transformacin T). Geomtricamente en R3 este generado corresponde
a la lnea que pasa por el origen y con vector de direccin (3/2, 7/2,
1)0 que es: x 3/2 = y 7/2 = z 1
2 .Determine el ncleo a la trasformacin de R3 EN R2 definida como:
X
x+ y+ z
T Y
= 2 x +2 y+ 2 z
Z

[]

SOLUCION
Un vector v= (a,b,c) pertenece al nucleo de T si T(v)=0. Es decir:
a
a+ b+c
1 1 1
b = 0 ( en R2)
T(V)=
2 a+ 2b+ 2 c = 2 2 2 *
c

()

Por lo tanto para pertenecer al ncleo debe cumplirse


a+b+c =0
2 a+2 b+2 c=0
Reducindolo tenemos
a+b +c=0

Es decir:

[] ( ) [ ] [ ]
a
b
c

bc
b
c

=b

1
1
0

+c

1
1
0

Es decir, que el ncleo en T en este caso es un espacio generado:

Ker (T) =

{( )( )}
1 1
1 0
0 1

Adems, la dimensin de Ker(T) es 2, lo cual corresponde al nmero de


columnas sin pivote de la reducida de la matriz que define a T.
Geomtricamente, en R3 este generado corresponde a un plano que
pasa por el origen y con vector normal n = u1 u2 = (1, 1, 1)0 que es:
1x+1y+1z=x+y+z=0

3
3.Determine el nucleo T: R

R3

SOLUCION
Sabemos que Ker(T) es el conjunto de todos los vectores v =< x, y, z >
3
3
de R tal que T(v) = 0 (en R )

T(V)=

[ ] [ ] ( ) ()
X Z
Y +Z
XY

1 01
011
11 0

X
Y
Z

0
0
0

RESOLVIENDO EL SISTEMA, LA SOLUCION ES UNICA, Y ES 0 . Por tanto:


Ker( T)= { 0 }
4.Encuentre la imagen y el ncleo del operador diferencial D P3
P2
Definido por D(p(x))= p(x)
SOLUCION:
En razn de que D(a +bx +cx2+dx3)=b+2cx+3dx3, tenemos que
Ncleo (D) = { a+ bx+ c 2+dx 3: D ( a+ bx+ cx 2+ dx 3 )=0 }
=

{ a+bx +cx 2+dx 3: b+cx +3 dx=0 }

Sin embargo b+2cx+3dx=0 si y solo si b= 2c= 3d =0, lo que implica


que b =c=d=0 por tanto
Ncleo (D) = { a+bx +cx 2+dx 3=0 }
= { a ; a en R }

5.Sea a una matriz de m x n sea T=Tx la correspondiente trasformacin


matricial de R A R DEFINIDA POR T(v) =Av. Entonces la imagen de T
es el espacio columna A
Es ncleo de T es
''
NUCLEO (T)= v en R : T ( v )=0

{ v en R' ' : Av=0 }


=nul(A)
5.3. Matriz de una transformacin lineal

1. T que va de en definida por T(x)=

no es transformacin lineal.

Para =3
X=1 se tiene que
t(3-1) = T(3)=

33

3T=3
=3
3
T(x)= (x )
3
xT()= x
3

x
x3

2.Si V un espacio vectorial y T que va de V en V definida por T(v)=0 para todo VV, donde
0 es el vector 0 de V
Solucin:
T( V 1 + V 2 =0
T( V 1 + V 2 = T( V 1 +T( V 2
T( V =0
t(V)=. 0=0
t( V 1 + T ( V 2 )=0+0=0
3.Sea V=

y T que va de

una transformacin lneas


V 1=( x1 , y 1)
V 2=(x2 , y 2)
T( V 1 =

en

definida por T( x , y = ( x , y es

T( x 1 , y 2 =
( x 1 - y 2 =
T( V 1 = [ ( x1 , y 2) ]=

( x1 , - y2 )

T( V 1 + V 2 = T( x 1+ x 2 , y 1+ y 2
( x 1+ x 2 -( y 1+ y 2
x1 + x 2 , y 1 y 2
Por otro lado
T( V 1 +T( V 2 = ( x 1 , y 1 )+( x 2 , y 2
=( x 1+ x 2 , y 1 y 2
4. Demostrar que la funcion T : P2 (R) P2 (R) definida mediante
la siguiente regla de correspondencia es una transformacion lineal:
2
00
(T f )(x) = (x 3x + 5)f (x) + (x
0
1)f (x) + 4f (x).
Calcular la matriz TE asociada a T respecto a la base canonica
E = (e0 , e1 , e2 ), donde
e0 (x) = 1,
e1 (x) = x,
2
e2 (x) = x .
Para comprobacion calcular T g aplicando la regla de
correspondencia de T , escribir el vector (T g)E y calcular el
producto TE gE .
g(x) = 3
2
4x + 5x .
Solucion. I. Demostremos que T es lineal. Si f, g
P2 (R), entonces

(f + g) = f + g ,
(f + g) = f + g ,
(f
+ g)(x) = f (x) + g(x),
y por lo
tanto
2

(T (f + g))(x) = (x 3x + 5)(f + g) (x) + (x 1)(f

+ g) (x) + 4(f + g)(x)


2

= (x 3x + 5)(f (x) + g (x)) + (x 1)(f (x) +

g (x)) + 4(f (x) + g(x))


2

= (x 3x + 5)f (x) + (x 1)f (x) + 4f (x)

+ (x 3x + 5)g (x) + (x

1)g (x) + 4g(x)


= (T f )(x) + (T g)(x).
Si f P2 (R) y R,
entonces

(f ) = f ,
(f ) = f ,
(f )(x) = f (x),
y por lo
tanto
2

(T (f ))(x) = (x 3x + 5)(f ) (x) + (x 1)

(f ) (x) + 4(f )(x)


2

= (x 3x + 5)(f (x)) + (x 1)(f (x)) +


4(f (x))
2

= (x 3x + 5)f (x) + (x 1)f (x) + 4f (x)


.
Acabamos de demostrar que T es aditiva
y homogenea
5. Matriz asociada a una transformacin lineal que acta en un
espacio de matrices- Demostrara que la funcin T: M 2( ) M 2()
definida mediante la siguiente regla de correspondencia en una
transformacin lineal

TX=XA, donde A=

3 5
4 7

Halla la matriz asociada a T respecto a la base F= ( F 1 , F2 , F 3 , F 4 )


M 2( ) , donde

|
|
|
|

|
|
|
|

F1= E1,1= 1 0
0 0
F1= E1,2= 0 1
0 0
F1= E2,1= 0 0
1 0
F1= E2,2= 0 0
0 1

de

5.4 Aplicacin de las transformaciones lineales


1.- Sea T= P3 (R) -> P2 (R) dada por T(p(x)) = p2 (x), B={ 1,x,x2,x3} y
H= {1,x,x2] bases para P3(R) y P2(R) respectivamente. Encontrar [ T ]BH
Solucin:
T(1)=0
T(x)=1
T(x2)=2x
T(x3)=3x2

[T]

H
B

=>
=>
=>
=>

0
0
0

0=0+0x+0x2
1=1+ox+0x2
2x=0+2x+0x2
3x2=o+0x+3x2

1 0 0
0 2 0
0 0 3

2.- T;R2 -> R3


T(x,y)= (x+3y,0,2x-4y) B={(1,0),(0,1)} y H= {(1,0,0),
(0,1,0), (0,0,1)} encontrar [ T ]BH
Solucin:
T(1,0)=(1,0, 2)
T(0,1)=(3,0,-4)
T(1,0)= a(1,0,0)+b(0,1,0)+c(0,0,1)
(1,0,2)= a(1,0,0)+b(0,1,0)+c(0,0,1) =

1
0
2

=1(1,0,0)+0(0,1,0)+2(0,0,1)
T(0,1) = a(1,0,0)+ b(0,1,0)+c(0,0,1)
(3,0,-4)= a(1,0,0)+b(0,1,0)+c(0,0,1) =
= 3(1,0,0)+0(0,1,0)-4(0,0,1)

Por tanto: [ T ]BH =

1 3
0 0
2 4

3.- T = P2 (R) -> P3(R)


T= (a0,a1x,a2x2) = a1 a1x+ a0x3
B={ 1,x,x2} y H={1,x,x2,x3}
[ T ]BH
T(1+x2)
T(1+0x+x2)= 0- 0x+x3
1-x= 0-0x+x3
X3= 0-0x+x3
0= 0-0x+0x3

3
0
4

T(1)= x3
T(x) = 1-x
T(x2) = 0x
H
B

[T]

0 1 0
0 1 0
0 0 0

4.- T(-1,0) = (-1,-1)


T(-1,0)= (-1+0,-1-0)=(-1,-1)
(-1,-1)= a(1,2) + b(-1,3)
=(a;2a)+(-b,3b)
=(a-b,2a+3b)
-1=a-b

a= -4/5 [ T(-10)]=

-1=2a+3b

4 /5
1/5

b= 1/5

T(2,5)= (2+5,2-5) = (7,-3)


(7,-3)= a(1,2) + b(-1,3)
=(a-b,2a+3b)
7= a-b
a=18/5
-3=2a+3b
b= -17/5
4 /5 18/5
[ T ]HB = 1/5 17/5

5.- T= R2 -> R3 ,
T(x,y)= (x+y, x-y)
B= {(1,2),(-1,3)} y H= {(-1,0),(2,5)}
Solucin:
T(1,2)= (1+2,1-2) = (3,-1)
(3,-1)=a(-1,0)+b(2,5)

[ T(1,2) ]=

17 /5
1/5

(3,-1)= (-a+2b.5b)
3= -a+2b
b= -1/5
-1= 5b
a= -17/5
T(-1,3)= (-1+3,-1-3) = (2,4)
(2,-4)= a(-1,0) +b(2,5)
2=-a+2b
-4=5b
[ T ]BH=

17 /5 18/5
1/5 4 /5

[T(-1,3)]=
b= -4/5
a=-18/5

18 /5
4 /5

6.1 Definicin de valores y vectores caractersticos de una


matriz cuadrada
1 . Diagonalizacin de una matriz de 2x2
4 2
Sea A=
Se encuentran dos vectores caractersticos
3 3

[ ]

[ ]
][ ][ ] [

haciendo
1

AC =

2
3

v 1=

linealmente independientes
4 2
3 3

C=

Se

1
1

v2

Despus,

encontr

que

][ ]

1 1 1 4 2 2 1 1 5 0
1 0
=
=
5 3 2 3 3 3 1 5 0 30
0 6

Que la matriz cuyas componentes en la diagonal son los vectores


caractersticos
2. Definicin alternativa de semejanza
A y B son semejantes si y solo si existe una matriz invertible c tal que
CB=AC
2 1
4 2
2 1
Sean A= 0 1 , B= 5 3 y C= 1 1

] [

] [

CB=

Entonces

][

][

2 1 = 3 1
AC = 2 1
0 1 1 1
1 1

][

][

2 1 4 2
3 1
=
y
1 1 5 3
1 1

As CB=AC como det c=1 0, es invertible. Esto muestra, por la


ecuacin 2 que A y son semejantes
3.Vectores caracteristicos y vectores
2x2
10 18
2 10 18
Sea A= 6 11 Entonces A 1= 6 11

caracteristicos de una matriz de


2 2
=
1 1

As que

1 =1 es un valor

caracteristico de A con el correspondiente vector caracteristico

v 1= 2
1

De manera silimar,

A 3= 10 18 3=6 =2 3
2 6 11 2 4
2

de modo que

2 =2

es

un valor caracteristico de A con el correspodiente vector caracteristico


v 2= 3
2

A=

4.Dada

2 0
0 1

comprobar

que

x 1=( 1,0 )

es

caracteristico de A correspondiente al valor caracteristico


x 2=(0,1)

vector

1=2

y que

es un valor caracteristico de A correspondiente al valor

caracteristico de
Solucin

un

AX 1=

2 =1

2 0 1
0 1 0

entonces

Por otro lado tenemos


AX 2= 2 0 0 entonces
0 1 1

AX 1= 2=2 1
0 0

AX 2= 0 =1 0
1
1

Ejercicio 5
Para la matriz A indique cuales vectores son vectores propios
A= 1 2
2 1

[ ]

V 1=1 .V 2 =2 .V 3 =1 . V 4= 0
1
3
1
2
Solucin: debemos multiplicar cada vector por la matriz A y ver si el
vector resultante es un mltiplo escalar del vector
v 1 Si es vector propio de A asociado al valor
Av 1= 1 2 1=3 =3 1
2 1 1 3
1

[ ]

propio 3
1 2 2 8 2
Av 2=
= k
2 1 3 7 3

[ ]
[ ]

v 2 No es propio de A

Av 3= 1 2 1= 1 =11
2 1 1 1
1

v3

Si es vector propio de A asociado al

valor propio -1

[ ]

Av 4 = 1 2 0= 4 k 0
2 1 2 2 2

5. Determine

v 4 No es un vector propio de A

6.2 Polinomio y ecuacin caracterstica.


Ejercicio 1
Supongamos que queremos encontrar el polinomio caracterstico de la
matriz
A=

(12 10)

Debemos calcular el determinante de

2t 1
(1t
)

A-tI=

Dicho determinante es
(2-t)(-t)-1(-1)= t2 -2t+1= (t-1)2

Finalmente hemos obtenido el polinomio caracterstico de A.


Ejercicio 2
El polinomio caracterstico de una matriz de 6x6 es

6-4

5-12

4
Solucin:
Factorice el polinomio
6-4

5-12

4=

4( 2-4

-12) =

4 ( 6 (

Los valores propios son 0 (multiplicidad 4),6 (multiplicidad1), y-2


(multiplicidad 1)
Ejercicio 3
Ecuacin caracterstica
Encuentre la ecuacin de
2 61
38 0
A= 0 5 4
001
Solucin:
Forme A- I

Det (A- I

y use

)= det

[ ]
5 2 61
38 0
0 5 4
0 0 1

=(5- ) - (5)(1 )
La ecuacin caracterstica es
=(5-

) (1- =0

+2

Ejercicio 4
Obtener el polinomio caracterstico

CA=det(xI3-A) = det

x223
2 x 0
3 0 x

Factorizamos
= (x-2) x2 -9x-4x= x(x2-2x-13)
Ejercicio 5
a) Donde A3 DONDE A=

b)

donde B=

1 1
3 2

{ }
11 22
4 0 1
611

a) se calcula la matriz A- i

A- i=

1 1
3 2

[ ]
1 0
0 1

1
1
3
2

Se calcula la matriz A- i
Se determina el polinomio caracterstico
A- i = (-1- i)(2- )-3 = -2- 2+ + 2-3= 2- -5
Se evala P (A ) 0 = , sustituyendo la matriz A en el polinomio
caracterstico anterior:
P(A) = A2 A-51=0
DE DONDE A2=A+51
Y POR TANTO A3 =A+5I
FINALMENTE SUSTITUYENDO
A3=6

1 1
3 2

+5

[ ]
1 0
0 1

6.3Determinacin de los valores y vectores caractersticos de


una matriz.
1.Para la matriz A indique cuales vectores son vectores propios.
1 2
A=
2 1

[ ]

V 1= 1 , V 2= 2 , V 3= 1 , V 4= 0
1
3
1
2

()

()

( )

()

Debemos multiplicar cada vector por la matriz A y ver si el vector


resultante es un mltiple escalar del vector del vector.
Solucin
Av 1= 1 2 1 = 3 =3 1
2 1 1
3
1

[ ]( ) ( ) ( )

V 1 Si es vector Propio de A asociado al vector propio 3.

[ ]( ) ( ) ( )

Av 2= 1 2 2 = 8 k 2
2 1 3 7
3
V2

No es vector propio de A.

[ ]( ) ( ) ( )

Av 3= 1 2 1 = 1 =1 1
2 1 1
1
1
V3

S el vector es propio de A asociado al valor propio de -1.

[ ]( ) ( ) ( )

Av 4 = 1 2 0 = 4 k 0
2 1 2
2
2
V4

No es vector propio de A.

2.El vector
2
V= 4
4

[]

Es un vector propio de la matriz.


5 0 3
16
18
A=
1
5
5
2 0 2

[ ]

Determine el valor propio al cual est asociado.


Solucin
Determinamos Av:
5 0 3
16
18 2 = 2 =1 2
A=
1
4
4
4
5
5
4
4
4
2 0 2

[ ][ ] [ ]

[]

Por tanto, v est asociado al valor propio = -1 de la matriz A.

3. Determine los valores propios correspondientes de la matriz.


A 1= 1 2
2 1

[ ]

Solucin
Para A 1 :

([ ] [ ])
])
( [ ] [ ]) ( [
[
]

Pa ( )=det ( A I 2 )=det 1 2 1 0
2 1
0 1

2
Pa ( )=det 1 2 0 =det 1
2 1
0
2
1
Pa ( )=

1
2
2
=(1) 4
2
1
2

Pa ( )=( ) 2 3=( 3 ) ( +1 )
Por lo tanto, los nicos valores propios de
Vector propio para 1=3

A 1 son

1 = 3 y

2 = -1

4. Determine los valores propios correspondientes de la matriz.


A 2=

Para

[ ]
1 1
0 1

A 2 : Solucin

([ ] [ ]) ([
[
]

1
P A 2 ( )=det 1 1 0 =det 1
0 1
0
0
1

])

1 =(1)2
P A 2 ( )= 1
0
1

Por lo tanto, el nico valor propio de

A2

es

1 = 1

5. Determine la dimensin y una base para el espacio propio asociado a


= 3 para la matriz:
7
4
11
8
63
8

( )

1
2
5
A=
4
15
4

Solucin

9
4
5
8
17
8

El espacio propio de un valor es el conjunto de soluciones al sistema


homogneo:
(A I) x = 0
En este caso queda:

1
2
5
[ A(3 ) I [ 0 ] ]=
4
15
4

7
4
11
8
63
8

9
4
5 0
0
8
0
17
8

||

Despus de eliminacin gaussiana obtenemos:


1 0 2/3 0
0 1 1/3 0
0 0
0 0

|]

Como slo hay una variable libre, entonces la dimensin geomtrica del
espacio propio de = 3 es 1. Y una base es:

{( )
2
3
1
3
1

Como se trabaja en R3, el espacio propio es una lnea que pasa por el
origen y que tiene direccin <2/3, 1/3, 1 > por consiguiente tiene
ecuaciones simtricas:
x0 y0 z0
=
=
o
2/3
1/3
1

6.4. Diagonalizacion de matrices, potencias y races de matrices

DIAGONALIZACION ORTOGONAL

i)

ii)

1 0


0 1

In =
es una matriz ortogonal. Sus columnas forman la base cannica de IRn, de la
cual sabemos que es ortonormal.

A=

12 12

1 2 1 2

es otro ejemplo de matriz ortogonal, para ver esto, basta

multiplicar A por su traspuesta y verificar que resulta la identidad 2x2.

1 2
0

1 6
2 6

1 3

1 2

1 6

1 3

1 3

iii)

iv)

es una matriz ortogonal 3x3, pues AtA = I3x3.

A=

A=

1
1 1

1 0 2
1 1 1

no es una matriz ortogonal, pues aunque sus columnas son

ortogonales, no tienen norma uno

6.5. Diagonalizacion de matrices simtricas, diagonalizacion de


matrices ortogonales

1.Diagonalizacion de A=

A |=

3 1 0
1 2 1
0 1 3

3 1
0
1 2 1
0
1 3

= ( 3 ) ( 4 )=0

Autovalores =3,=1,=4

La matriz D=

1/6

( )
)
3 0 0
0 1 0
0 0 4

, la matriz P=

, entonces P=

3 0 3
1 2 1
2 2 2

2. Diagonalizacion de A=

A |=

1 0 3
3 2 3
3 0 1

1
0
3
3
2
3
2
0
1

La matriz D=

1/2

1 1 1
0 2 1
1 1 1

(
)

1 0 1
1 2 1
1 0 1

2 0 0
0 2 0
0 0 4

= 0, entonces ( 2 )( +4 )=0

, la matriz P=

1 0 1
0 1 1
1 0 1

, entonces P=

3. Diagonalizacion de A=

A |=

2 0 1
0 1 1
0 4 2

2
1
0
0
1
1
0
4
2

( A2 I ) x=0 ,

0 1 0
0 3 1
0 4 0

= 0, entonces ( 2 )( 3 )=0

) {

4. Diagonalizacion de A=

A |=

( )
3 1 1
1 3 1
1 1 3

3
1
1
1
3
1
1
1
3

Por lo tanto la Matriz D=

5. Diagonalizacion de A=

y=0
3 y + z=0
4 z=0

= 0, entonces ( 2 )( 5 )=0

( )
2 0 0
0 2 0
0 0 5

, la matriz P=

6 2 1
2 6 1
1 1 5

A |== 0, entonces( 6 ) ( 8 ) ( 3)=0

1/6 1/2 1/3


1/6 1/2 1/3
2/6
0
1/3

Por lo tanto la Matriz D=

( )
6 0 0
0 8 0
0 0 3

, la matriz P=

1/6 1/2 1/3


1/6 1/2 1/3
2/ 6
0
1/3

6.6 Formas cuadrticas


Sea la forma cuadrtica
Ejercicio 1

Podramos intentar expresarla como suma de cuadrados, para ello,


observamos que aparece un trmino 2x1 x2, que no es un cuadrado,
estos nos permitiran reagrupar trminos y considerar que q6 es de la
forma
Obsrvese que es la misma expresin pues
simplificando se obtiene

As pues la forma cuadrtica se puede expresar como suma de


cuadrados
Obsrvese que q6 as expresado es siempre positivo salvo para (0,0,0).
Por tanto q6 es definida positiva.
Ejercicio 2
Sea la forma cuadrtica

Esta se puede expresar como

Comprobar esto es sencillo basta simplificar esta expresin

Obtenindose la expresin anterior


Partiendo de esta suma anterior de cuadrados puede comprobarse que
a consecuencia del signo la cantidad es siempre negativa salvo en el
punto (0,0,0) luego q7 sera definida negativa

Este mtodo no es muy operativo y depende de que la forma cuadrtica


admita una descomposicin sencilla.
Si tuvisemos una forma cuadrtica en su EXPRESIN CANNICA,

Entonces se puede asegurar que:

q es DEFINIDA POSITIVA di >0 i=1,...,n

q es DEFINIDA NEGATIVA di<0 i=1,...,n

q es SEMIDEFINIDA POSITIVA di0 i=1,...,n y existe al menos i 0 tal


que di0=0

q es SEMIDEFINIDA NEGATIVA di0 i=1,...,n y existe al menos


i1 tal que di1=0

q es INDEFINIDA existen i1,i2 tales que di1<0 y di2>0

Ejercicio 3
Consideremos la forma cuadrtica en
T

Q 2 ( x )=x Ax= x 1 x 2

x
4 2
2
2
1 =4 x 4 x 1 x 2 + x 2
2 1
x2

Al parecer los trminos


primera variable:
Q 2 ( x )=( 2x 1x 2 ) 12

R2

x 21 y x1 x 2

podemos completar cuadrados en la

y finalmente, hacemos el cambio

y 1=2 x1x 2 , y 2=x

para obtener
2
Q2 ( x )= y 1
Ntese que tomamos, por simplicidad
y 2= x 1 + x 2 con R , +2 0

y 2=x 2

Y seguimos obteniendo

preferimos hacer el cambio z 1=x 1 , z 2=2 x 1x 2


Q2 ( x )=z

pero que podemos elegir


Q2 ( x )= y 21

Si

obtenemos

2
2

Adems, en este caso, si preferimos completar cuadrados en la segunda


variable (en vez de en la primera) llegamos a la misma expresin.
Obsrvese que siempre que reducimos Q2 a una suma de cuadrados
aparecen un coeficiente positivo y otro nulo. Esta forma cuadrtica es,
por tanto, semidefinida positiva.

Ejercicio 4
Obtenga la expresin matricial de la siguiente forma cuadrtica
q ( x 1 , x 2 )=2 x 218 x 1 x 2 +3 x22
Solucin

]( )

q ( x 1 , x 2 )=x 1 , x 2 2 4 x 1
4 3 x 2
Ejercicio 5

Consideremos la forma cuadrtica en

]( )

Q3 ( x )=x T Ax=[ x1 x 2 ] 1 2 x 1 =x 214 x1 x 2


2 0 x 2
Completamos cuadrados en la primera variable (puesto que aparecen
x 1 y x1 x 2 ), para para finalmente hacer el cambio
trminos en
x
2
( 12 x 2)1 4 x 22= y 214 y 22
y 1=
Q3 ( x )=( x1 2 x 2 124 x 22= y 214 y 22
Puesto que aparecen un coeficiente positivo y uno negativo, esta forma
cuadrtica es indefinida.

6.7. Teorema de Cayley-Hamilton


1.Verificar la validez del teorema de Cayley-Hamilton para la matriz
3 1
Sea A= 2 1

Polinomio caracterstico de A:

X ( ) = 3 1 =24 + 5
2
1

Sustituyendo por A:

] [

] [ ][ ]

( A )= A 24 A +5 I = 7 4 4 3 1 +5 1 0 = 0 0
8 1
2 1
0 1
0 0

3
1 1
2. A donde A= 3 2

Se calcula lamatriz AI :

A I =

] [ ][

1 1
1 0
1
1

=
3 2
0 1
3
2

Se determina el polinomio caracterstico:

A =( 1 ) ( 2 )3=22 + + 23=25

Se evala

P ( A )=0 , sustituyendo la matriz A en el polinomio

caracterstico anterior :
2

P ( A )= A A5 I =0
2

A = A+ 5 I

De donde:

Y por tanto:

Finalmente, sustituyendo los valores, se obtiene

A 3=6 A+ 5 I
A

] [ ]
]

A 3=6 1 1 +5 1 0
3 2
0 1
3

A =

1 6
18 17

11 2
2
0
1
3. B donde B= 4
6 1 1
1

Se calcula la matriz

]
BI

][ ][

11 2
2
0 0 11 2
2
B= 4
0
1 0 0 = 4

1
6 1 1
0 0
6
1 1

Se determina el polinomio caracterstico:

det ( B I ) =11 211 2 3 +8+12=312 28 +1

Se evala

P ( B ) =0 , sustituyendo la matriz B en el polinomio

caracterstico anterior:

P ( B ) =B3 +12 B+8 BI =0

Factorizando

B=( B2 +12 B+8 I )=I

La inversa resulta:

B1=B 2+12 B+8 I

Finalmente, sustituyendo los valores , se obtiene

[
[

][

] [

B1 :

][ ]

11 2
2 11 2
2
11 2
2
8 0 0
B1= 4 0
+12
+
1 4 0
1
4 0
1
0 8 0
6 1 1 6 1 1
6 1 1 0 0 8
1 0 2
1
B = 2 1 3
4 1 8

4.Clculo de la inversa de la matriz

A= 2 1
2 3

usando el Teorema de

Cayley Hamilton:
Polinomio caracterstico:
| AI|= 2 1 = 25 + 4
2
3

Aplicando el teorema:
2
1
A 5. A+ 4. I =( 0 ) A5. I + 4. A =( 0 )

Despejando la inversa:

( )

3
5
1 2 1 5 1 0
1 1
4
A =
A+ I=
+
=
4
4
4 2 3
4 0 1
2
4

) ( )

Comprobamos que es, efectivamente, la inversa:

( )( )(

3
1
2 1 2
A.A =
2 3 2
4

1
4
4
4
=
2
0
4
4

0
4
1 0
=
4
0 1
4

5.Clculo de la inversa de la matriz

1
4
2
4

Polinomio caracterstico:

1 1 1
A= 1 1 0
1
0 1

1
1
1
3
2
Pc ( )= 1 1 0 = + +1
1
0
1

Aplicamos el teorema:
A 3 A2 + A+ I =( 0 ) A 2 A+ I + A1=( 0 )

Despejando la inversa:
1 1 1 2 1 1 1
1 0 0
1
2
A = A AI = 1 1 0 + 1 1 0 0 1 0 =
1
0 1
1
0 1
0 0 1

)(
)( )
)( )(
)

)(

1 0 0
1 1 1
1 0 0
1 1 1
0 2 1 + 1 1 0 0 1 0 = 1 0
1
0 1 0
1
0 1
0 0 1
1 1 2
Comprobacin:
1 1 1 1 1 1
1 0 0
A . A1= 1 1 0 1 0
1 =0 1 0
1
0 1 1 1 2
0 0 1

)(

)( )

6.8. Aplicaciones

1. Consideremos por ejemplo la matriz

.
El polinomio caracterstico se escribe

El teorema de Cayley-Hamilton afirma que

y esta relacin puede verificarse inmediatamente en ese caso.


Adems el teorema de Cayley-Hamilton permite calcular las
potencias de una matriz de modo ms sencillo que por un
clculo directo. Tomemos la relacin anterior

As, por ejemplo, para calcular A4, podemos escribir

y llegamos a
.
Podemos utilizar tambin la relacin polinomial
inicial
para probar la
inversibilidad de A y calcular su inverso. En
efecto, basta con factorizar una potencia
de A donde sea posible y

lo que demuestra que A admite como


inverso

Ejercicio 2

1 1
1
A= 1 1 1
1
1 1

Se calcula la matriz

| AI|=0

)( )|

1 1
1
0 0 1
1
1
A = 1 1 1 0 0 = 1
1
1
1
1 1 0 0
1
1
1

Se determina el polinomio caracterstico:

| AI|= 3+3 24=0

Se evala

P ( A )=0 , sustituyendo la matriz A en el polinomio

caracterstico anterior:
P ( A )= A3 +3 A24 I =0

Factorizando

1
A= ( A 2+ 3 A ) A=I
4

La inversa resulta:

A =

1 2
A +3 A
4

Finalmente, sustituyendo los valores , se obtiene

)(

A1 :

)( )

3 1 1 3 3
3
0 2 2
+
=
1 3 1
3 3 3
2 0 2
1 1 3
3
3 3
2 2 0
1
2

1
2
1
2

( )
0

( )

1 0 2 2
2 0 2 = A1= 1
4
2
2 2 0
1
2

0
1
2

Ejercicio 3

A= 1 2
1 1

. Calcular

A 4 y A1 como combinacin lineal de la matriz A

y de la matriz identidad.
Sea I 2 matriz identidad 2x2. El polinomio caracterstico asociado a la
matriz A es:

2 = 22 +3.
Q A ( ) =det ( A I 2 )= 1
1 1
Calculando este polinomio para la matriz A se obtiene

) (

Q A ( A )=

) ( )( )

A 22 A+3 I 2= 1 4 2 1 2 +3 1 0 = 0 0 .
2 1
1 1
0 1
0 0
De manera que queda verificado para este caso particular el teorema de
2
Cayley-Hamilton es decir Q A ( A )= A 2 A +3 I 2=0. A partir de esta
igualdad se tiene lo siguiente:
2
A =2 A+3 I 2 , de lo que se deduce
4

A = A A =( 2 A3 I 2 ) ( 2 A3 I 2) =4 A 12 A +9 I 2 . Finalmente, utilizando de
nuevo la expresin de

dada a partir del teorema de Cayley-

Hamilton se obtiene
A 4 =4 ( 2 A3 I 2 ) 12 A+ 9 I 2=4 A3 I 2 .

Por definicin de matriz inversa se tiene


A 2=2 A3 I 2

I 2 =A A1 , de manera que

se puede reescribir de la forma

A 2=2 A3 A A1=A ( 2 I 23 A1) .

De esta ultima igualdad se tiene

1
A1= ( 2 I 2 A ) .
3

Ejercicio
1 0
D= 0 2
0 0

4.
0
0 PD ( x )=( x1 ) ( x2 ) ( x3 )
3

[ ]

[ ][

][

0 0 0 1 0 0 2 0 0
PD ( D ) =( DI )( D2 I ) ( D3 I ) = 0 1 0 0 0 0 0 1 0 =0
0 0 2 0 0 1 0
0 0