UNIVERSIDAD FERMIN TORO

ASIGNACION UNIDAD IV
ALGEBRA LINEAL SAIA C
LCDA. MARIA VICTORIA PAREDES
BR. PEDRO BOMBACE
C.I 16653069


VALOR 10 PUNTOS
1. Dada la matriz: (VALOR 3 PUNTOS)
A |



|
Obtenga sus valores y vectores propios. Es diagonalizable?
Solucin:

1) Primero que todo para poder saber si es diagonizable debemos hallar el polinomio
caracterstico de A.
P(x) = (A I) = |



| = - (+2) (1-

X
P(x) = - (x+2) (x-1

VALOR PROPI O -2 MULTP 1 {(0,0,0)}
1MULTP 2 {(1,1,0); (0,0,0)}
V (-2) = { (X,Y,Z) /(



)(

) (

) }

V (-2) = { (X,Y,Z) /(

) (

) }
V (-2) = { (X,Y,Z) /



} = { (X,Y,Z) /



}
V (1) = { (X,Y,Z) /(



)(

) (

) } = { (X,Y,Z) /



}
V (1) = { (X,Y,Z) /

ENTONCES DECIMOS QUE A ES DIAGONIZABLE CUANDO SE CUMPLEN
LAS SIGUINETES CONDICIONES:
1) CUANDO EL POLINOMIO CARACTERISTICO SE PUEDA
EXPRESAR COMO PRODUCTO DE POLINOMIO GRADO 1.
2) SI LAS MULTIPLICIDADES COINCIDAN CON EL NUMERO DE
VALORES PROPIOS.














2. Dada la siguiente matriz (VALOR 4 PUNTOS)

A |



|

a) Analice cundo no es diagonalizable. En tal caso, determine la forma cannica de
Jordan e indique los sistemas que habra que resolver para obtener los vectores que
forman la matriz de paso.
b) Cundo se dice que dos matrices A y B son semejantes? Qu significa que una matriz
sea diagonalizable?

SOLUCI ON:
UNA CONDICION NECESARIA AUNQUE NO SUFICIENTE PARA QUE A SEA
DIAGONOZABLE ES QUE SE ESCRIBA SU POLINOMIO CARACTERISTICO:
P(x) = (A I) = |



| = - (1-) (2-) (

A DEMAS LAS DIMENSIONES Y LOS SUB ESPACIOS DEBEN DE TENER EL
MISMO NUMERO DE SOLUCIONES, (MULTIPLICIDAD)
VALORES PROPIOS {




V (1) = { (X,Y,Z) /(



)(

) (

) }
{ (X,Y,Z) /



}



{ (X,Y,Z) /



}
A.

= I NO CUMPLE LA SEGUNDA CONDICION.

3. Dada la matriz (VALOR 3 PUNTOS)

A |



|

Obtenga sus valores y vectores propios. Es diagonalizable?
SOLUCI ON:
PRIMERO QUE TODO HALLAMOS EL POLINOMIO CARACTERISTICO
P(x) = (A I) = |



| = (4-

P( (4- (4- (4- => =4
SE CUMPLE LA PRIMERA CONDICION QUE DICE QUE EL POLINOMIO
CARACTERISTICO SE PUEDE ESCRIBIR COMO FACTORES DE POLINOMIOS
LINEALES.
EL VALOR PROIO ES =4; MULTIPLICIDAD 3{(0,0,0)
V (4) = { (X,Y,Z) /(



)(

) (

) }


{ (X,Y,Z) /



} = { (X,Y,Z) /

}
EXISTE UNA SOLA SOLUCION TRIVIAL POR LO TANTO NO SE CUMPLE LA
SEGUNDA CONDICION DE QUE LAS MULTICIPLIDADES DE LOS VALORES
PROPIOS COINCIDAN CON LAS DIMENSIONES , LA MULTICIPLIDAD ES 3 Y LA
DIMENSION ES 1





PARA COMPLEMENTAR UN POCO EL TEMA PODEMOS ANEXAR LO
SIGUIENTE:

Autovalores y autovectores
Sea una A una matriz n x n.
i) Un escalar o se dice autovalor de T si existe un vector columna no nulo u
nx1
tal
que Au = ou.
ii) Dado un autovalor o de una matriz A
nxn
. Un vector columna u
nx1
, nulo o no, se
dice autovector de A asociado al autovalor o de A, si Au = ou.
Notas:
i) Sinnimos de autovalor son las palabras valor propio y eigenvalor y sinnimos
de autovector son vector propio y eigenvector.
ii) En la definicin de autovalor se debe notar que se necesita que exista un
autovector no nulo asociado, pero luego que se establece que un escalar o es
un autovalor, se admite al vector nulo como autovector asociado a tal autovalor.
La razn de esto es la siguiente: si en la definicin de autovalor se prescinde de
requerir que el vector u sea no nulo, entonces todo escalar sera autovalor de
A, cuestin que se quiere evitar, pues de ser as, para todo escalar o la
condicin Au = ou, es satisfecha al menos por el vector nulo: T(0
U
) = 0
U
= o0
U
.
Ejemplos:
i) Para la matriz nula O
nxn
el nico autovalor es o = 0, pues para todo vector
columna no nulo u
nx1
, vale Ou = 0
nx1
= 0u y todo vector u en U es un
autovector de la matriz O asociado al autovalor 0.
ii) Para la matriz I
nxn
el nico autovalor es o = 1, pues para todo vector columna
no nulo u
nx1
vale Iu = u = 1u y todo vector u en U es un autovector de I
asociado al valor propio 1.

iii) Sea A =
|
|
|
.
|

\
|

2 2 4
2 4 6
8 2 2
.


De
|
|
|
.
|

\
|

2 2 4
2 4 6
8 2 2
|
|
|
.
|

\
|
1
4
1
=
|
|
|
.
|

\
|
2
8
2
= 2
|
|
|
.
|

\
|
1
4
1
, se sigue que 2 es autovalor de A y

|
|
|
.
|

\
|
1
4
1
autovector de A asociado al autovalor 2.

|
|
|
.
|

\
|

2 2 4
2 4 6
8 2 2
|
|
|
.
|

\
|

1
1
1
=
|
|
|
.
|

\
|
4
4
4
= (-4)
|
|
|
.
|

\
|

1
1
1
-4 es autovalor de A y
|
|
|
.
|

\
|

1
1
1


autovector de A asociado al autovalor -4.

|
|
|
.
|

\
|

2 2 4
2 4 6
8 2 2
|
|
|
.
|

\
|
1
2
1
=
|
|
|
.
|

\
|
6
12
6
= 6
|
|
|
.
|

\
|
1
2
1
6 es autovalor de A y
|
|
|
.
|

\
|
1
2
1


autovector de A asociado al autovalor 6.

Dejemos de lado por un momento los ejemplos para explicar cmo determinar los
autovalores de una matriz A
nxn
. Segn la definicin un escalar o es un autovalor de A, si
existe un vector columna no nulo u
nx1
tal que Au = ou, esto equivale a Au = oIu y lo
ltimo a (A - oI)u = 0
nx1
, es decir; o es un autovalor de A, si y slo si el sistema
homogneo (A - oI)X = 0 tiene soluciones diferentes a la trivial, lo cual, segn el teorema
creciente, equivale a | A - oI | = 0, as que los autovalores de A son las races del
polinomio en x que se denota con p
A
(x) = | A - xI | y que se denomina polinomio
caracterstico de la matriz A.


Ejemplos:
i) Para la matriz nula O
nxn
el polinomio caracterstico es

p
O
(x) = | 0 xI | =
x 0 0
0 x 0

=
x 0
0 x

= (-x)
n
= (-1)
n
x
n
=

impar es n si , x
par es n si , x
n
n
y en ambos casos la nica raz de este polinomio es

o = 0, es decir, el nico valor propio de la matriz nula es o = 0.

ii) El polinomio caracterstico de la matriz identidad I
nxn
=
|
|
|
.
|

\
|
1 0
0 1

es

p
I
(x) = | I xI | =
x 1 0
0 x 1

= (1 - x)
n
, cuya nica raz, y por lo tanto; el

nico valor propio de I, es o = 1.

iii) El polinomio caracterstico de la matriz A
3x3
=
|
|
|
.
|

\
|

2 2 4
2 4 6
8 2 2
es

p
A
(x) =
x 2 2 4
2 x 4 6
8 2 x 2



=

(2 - x)
x 2 2
2 x 4


- (-2)
x 2 4
2 6


+ 8
2 4
x 4 6
=

(2 - x)[(4 - x)(-2 - x) + 4] + 2[6(-2-x) + 8] + 8[12 4(4 - x)] =
(2 - x)(x
2
2x 4) + 2(-4 6x) + 8(4x - 4) =
(2x
2
4x 8 x
3
+ 2x
2
+ 4x) + (-8 12x) + (32x - 32) =
(-x
3
+ 4x
2
- 8) + (-40 + 20x) = -x
3
+ 4x
2
+ 20x 48, evaluando este polinomio
en x = 2 se tiene p
A
(2) = -2
3
+ 42
2
+ 202 48 = 0, de donde o = 2 es una raz de
p
A
(x) y, por lo tanto, un valor propio de A. Se sigue entonces que el monomio (x - 2)
divide al polinomio caracterstico de A, tambin p
A
(-4) = 0 y p
A
(6) = 0. En
conclusin p
A
(x) = -(x - 2)(x + 4)(x - 6), de donde las races de p
A
(x), y por lo tanto
los valores propios de A, son o
1
= 2, o
2
= -2 y o
3
= 4.
iv) El polinomio caracterstico de la matriz A =
|
|
|
.
|

\
|
6 4 8
4 0 4
8 4 6
es

p
A
(x) =
x 6 4 8
4 x 4
8 4 x 6

=

(6 - x)
x 6 4
4 x

- 4
x 6 8
4 4

+ 8
4 8
x 4
=

(6 - x) [(-x)(6 - x) - 16] 4[4(6 - x) - 32] + 8[16 + 8x] =
(6 - x)(x
2
6x - 16) 4(-4x - 8) + (64x + 128) = -(x
3
12x
2
48x + 192) =
-(x + 2)
2
(x - 16).
Valores propios de A: o
1
= -2 y o
2
= 16




TRANSFORMACION LINEAL :Una funcin T: V W (de un espacio vectorial V en un
espacio vectorial W) se dice una transformacin lineal si, para todo a, b V,
k K (K es el cuerpo de escalares) se tiene:


T(a + b)=T(a)+T(b)

T (k a) = k T (a)
que se puede resumir en T (o a + | b) = o T (a) + | T (b), llamada propiedad de
linealidad.
Si T: V W es una transformacin lineal, el espacio V se llama dominio de T y el
espacio W se llama codominio de T.

EJEMPLO A partir de la definicin, analicemos si es lineal la siguiente transformacin:

T: R
2
R
3
/ x R
2
: T ((x
1
, x
2
)) = (x
1
+ x
2
, x
1
- x
2
, x
2
)

Se deben verificar las dos condiciones de la definicin:

a) x, y R
2
:T(x + y)=T(x)+T(y)?

x =(x
1
,x
2
)
y =(y
1
,y
2
)
x + y =(x
1
+y
1
,x
2
+y
2
)

T (x + y) = T (x
1
+ y
1
, x
2
+ y
2
) = (x
1
+ y
1
+ x
2
+ y
2
, x
1
+ y
1
- x
2
- y
2
, x
2
+ y
2
) =
= (x
1
+ x
2
, x
1
- x
2
, x
2
) + (y
1
+ y
2
, y
1
- y
2
, y
2
) = T (x) + T (y)

b) x R
2
, k R:T(k x)=kT(x)?

T (k x) = T (k (x
1
, x
2
)) = T (k x
1
, k x
2
) = (k x
1
+ k x
2
, k x
1
- k x
2
, k x
2
) =
=k(x
1
+x
2
,x
1
-x
2
,x
2
)=
=kT(x)

Se verifican las dos condiciones de la definicin, entonces la transformacin es lineal.