Documente Academic
Documente Profesional
Documente Cultură
Solución:
i) 𝑓[(𝑥1 , 𝑥2 , 𝑥3 ) + (𝑦1 , 𝑦2 , 𝑦3 )] = 𝑓(𝑥1 +𝑦1 , 𝑥2+𝑦2 , 𝑥3+𝑦3 ) = (𝑥1 − 𝑦1 − 𝑥3 −𝑦3 , 𝑥2 − 𝑦2 −
𝑥3 − 𝑦3 )
𝑓(𝑥1 , 𝑥2 , 𝑥3 ) + 𝑓(𝑦1 , 𝑦2 , 𝑦3 ) = (𝑥1 − 𝑥3 , 𝑥2 − 𝑥3 ) + (𝑦1 −𝑦3 , 𝑦2 −𝑦3 )
= (𝑥1 + 𝑦1 − 𝑥3 −𝑦3 , 𝑥2 + 𝑦2 − 𝑥3 − 𝑦3 ) … … . 𝑠𝑖 𝑐𝑢𝑚𝑝𝑙𝑒
ii) 𝑓(𝛼(𝑥1 , 𝑥2 , 𝑥3 ) = 𝑓(𝛼𝑥1 , 𝛼𝑥2 , 𝛼𝑥3 ) = (𝛼𝑥1 − 𝛼𝑥3 , 𝛼𝑥2 − 𝛼𝑥3 ) =
𝛼(𝑥1 − 𝑥3 , 𝑥2 − 𝑥3 ) = 𝛼𝑓(𝑥1 , 𝑥2 , 𝑥3 ) … … … . . 𝑠𝑖 𝑐𝑢𝑚𝑝𝑙𝑒
Ejemplo 2:
Supongamos que 𝑓: 𝑅 2 → 𝑅 3 es una transformación lineal que verifica 𝑓(1, 0) =
(1, 2, 3) 𝑦𝑓(0, 1) = (0, −1, 2), halle la imagen de 𝑓(2, −3).
Solución:
𝑓(2, −3) = 𝑓((2, 0) + (0, −3)) = 𝑓(2, 0) + 𝑓(0, −3) = 𝑓(2(1, 0)) + 𝑓(−3(0, 1)) =
2𝑓(1, 0) + (−3)𝑓(0,1) = 2(1, 2, 3) + (−3)(0, −1, 2) = (2, 7, 0)
Ejemplo3:
Determine una transformación lineal o aplicación lineal generado por 𝐹 ∶ 𝑅 3 → 𝑅 4 ,
si las imágenes están dadas por (1,2,0, −4) 𝑦 (2,0, −1, −3)
Solución
Sea 𝐹(𝑥, 𝑦, 𝑧) = 𝐹(𝑥𝑒1 + 𝑦𝑒2 + 𝑧𝑒3 ) = 𝑥𝐹(𝑒1 ) + 𝑦𝐹(𝑒2 ) + 𝑧𝐹(𝑒3 ) = 𝑥(1,2,0, −4) +
𝑦(2,0, −1, −3) + 𝑧(0,0,0,0) = (𝑥 + 2𝑦, 2𝑥, −𝑦, −4𝑥 − 3𝑦)
Luego 𝐹(𝑥, 𝑦, 𝑧) = (𝑥 + 2𝑦 , 2𝑥, −𝑦 , −4𝑥 − 3𝑦)
V W
𝑁(𝑓) 0𝑤
𝑥 𝜖 𝑁(𝑓) ⟺ 𝑓(𝑥) = 0𝑤
Ejemplo:
Sean los espacios vectoriales (ℝ3 , +, ℝ, . ) 𝑦 (ℝ2 , +, ℝ, . ) La función 𝑓: ℝ3 ⟶
ℝ2 definida por 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (𝑥1 − 𝑥3 , 𝑥2 − 𝑥3 ) es una transformación lineal.
Determine el núcleo de 𝑓.
Solución:
𝑁(𝑓) = {(𝑥1 , 𝑥2 , 𝑥3 ) 𝜖 ℝ3 / 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = (0, 0)}
Ejemplo
Ι(𝑓) = {𝑓(𝑥) / 𝑥 𝜖 𝑉}
PROPIEDAD
Ejemplo:
𝑎+𝑏 0
Sea 𝑓: ℝ2 ⟶ ℝ2𝑥2 definida por 𝑓(𝑎, 𝑏) = ( )
0 𝑎+𝑏
Indique si es una T.L., halle su núcleo e imagen
Solución:
𝑎+𝑏+𝑐+𝑑 0
𝑓[(𝑎, 𝑏) + (𝑐, 𝑑)] = 𝑓[(𝑎 + 𝑐, 𝑏 + 𝑑)] = ( )
0 𝑎+𝑏+𝑐+𝑑
𝑎+𝑏 0 𝑐+𝑑 0
( )+( ) = 𝑓(𝑎, 𝑏) + 𝑓(𝑐, 𝑑)
0 𝑎+𝑏 0 𝑐+𝑑
También:
∝ 𝑎+∝ 𝑏 0 𝑎+𝑏 0
𝑓(∝ (𝑎, 𝑏)) = 𝑓(∝ 𝑎, ∝ 𝑏) = ( ) =∝ ( ) =∝ 𝑓(𝑎, 𝑏)
0 ∝ 𝑎+∝ 𝑏 0 𝑎+𝑏
Es una Transformación lineal
Hallando su núcleo:
𝑥 + 𝑥2 0
(𝑥1 , 𝑥2 ) ∈ 𝑁(𝑓) ⟺ 𝑓(𝑥1 , 𝑥2 ) = (0 0) ⟺ ( 1 ) ⟺ 𝑥1 + 𝑥2 = 0 ⟺ 𝑥1
0 0 0 𝑥1 + 𝑥2
= −𝑥2
La imagen:
𝑎 𝑏
𝐴=( ) 𝜖 𝐼(𝑓) ⟺ ∃ (𝑥1 , 𝑥2 ) 𝜖 ℝ2 / 𝑓(𝑥1 , 𝑥2 ) 𝜖 𝐴 ⟺
𝑐 𝑑
𝑥 + 𝑥2 0 𝑎 𝑏
( 1 )=( ) ⟺ 𝑥1 + 𝑥2 = 𝑎 = 𝑑 ∧ 𝑏 = 𝑐 = 0
0 𝑥1 + 𝑥2 𝑐 𝑑
𝑎 0
𝐼(𝑓) 𝑒𝑠𝑡á 𝑑𝑎𝑑𝑜 𝑝𝑜𝑟 𝐴 = ( )
0 𝑎
1 0
La matriz ( ) es un sistema de generadores de la 𝐼(𝑓), constituye una base de
0 1
dimensión 1.
TEOREMA:
Observación
𝒏𝒖𝒍𝒊𝒅𝒂𝒅(𝒇) = 𝐝𝐢𝐦(𝒌𝒆𝒓(𝒇) )
Ejemplos
Solución
1 0 1 0 1 0
Luego (1 1) → (1 1) → (0 1) , la imagen de 𝑓 es generada por
1 1 0 0 0 0
{(1,0), (0,1)}
2. Ejemplo
Solución
PROBLEMAS
4 1 4 5
1 −3 −5 0
5 5
( 1) ( 3 3) =( 5 )=I
−1 − 3 −5 −5 0 5
3 −1 0 4
[T]B2=( ) [T]B1=( ) por lo tanto
1 −7 −3 5
4 1 4
3 −1 1 −3 0 4 −5
5
( ) =( 1) ( ) ( 3 3)
1 −7 −1 − 3 −3 5 − −
5 5
4
3 −1 1
− 3 −4 −4
( ) = (3/5)( 1) ( )
1 −7 −1 − 3 −6 −1
3 −1 3 −1
( ) =( )
1 −7 1 −7
λ1 0 ⋯ λ1 0 ⋯ λ1 0 ⋯
0 λ2 ⋯ 0 λ2 ⋯ 0 λ2 ⋯
B= 0 ⋱ 0 ⋮ B2= 0 ⋱ 0 ⋮ 0 ⋱ 0 ⋮
⋮ ⋯ 0 ⋱ 0 ⋮ ⋯ 0 ⋱ 0 ⋮ ⋯ 0 ⋱ 0
( 0 ⋯ 0 λn) ( 0 ⋯ 0 λn) ( 0 ⋯ 0 λn)
(λ1)2 0 ⋯
0 (λ2)2 ⋯
B2= 0 ⋱ 0 ⋮
⋮ ⋯ 0 ⋱ 0
( 0 ⋯ 0 ( λn)2)
(λ1)𝑛+1 0 ⋯
0 (λ2)𝑛+1 ⋯
→ por inducción Bn+1= 0 ⋱ 0 ⋮
⋮ ⋯ 0 ⋱ 0
( 0 ⋯ 0 ( λn)𝑛+1 )
(λ1)𝑛 0 ⋯ λ1 0 ⋯
0 (λ2)𝑛 ⋯ 0 λ2 ⋯
Bn B1= 0 ⋱ 0 ⋮ 0 ⋱ 0 ⋮ =
⋮ ⋯ 0 ⋱ 0 ⋮ ⋯ 0 ⋱ 0
( 0 ⋯ 0 ( λn)𝑛 ) ( 0 ⋯ 0 λn)
(λ1)𝑛+1 0 ⋯
0 (λ2)𝑛+1 ⋯
Bn B1= 0 ⋱ 0 ⋮
⋮ ⋯ 0 ⋱ 0
( 0 ⋯ 0 ( λn)𝑛+1 )
(λ1)𝑘 0 ⋯
0 (λ2)𝑘 ⋯
Bk = 0 ⋱ 0 ⋮
⋮ ⋯ 0 ⋱ 0
( 0 ⋯ 0 ( λn)𝑘 )
por lo tanto queda demostrado por inducción que Bk es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K
1 1 1 1 1
0 1 1 1 1
3. Es posible diagonalizar la matriz A= 0 0 1 1 1
0 0 0 0 1
(0 0 0 0 1)
Solución:
1 1 1 1 1 1 0 0 0 0
0 1 1 1 1 0 1 0 0 0
P(x)=/ 0 0 1 1 1 -λ 0 0 1 0 0 /
0 0 0 0 1 0 0 0 1 0
(0 0 0 0 1) (0 0 0 0 1)
1−λ 1 1 1 1
0 1−λ 1 1 1
P(x)=/ 0 0 1−λ 1 1 / P(x)=(1--λ)4 (-λ) = 0
0 0 0 −λ 1
( 0 0 0 0 1 − λ)
𝑝 𝑝
𝑞 𝑞
Sea V(1)=< (𝑝, 𝑞, 𝑟, 𝑠, 𝑡)𝜖𝑅 3 𝐴 𝑟 = 𝑟 >
𝑠 𝑠
(𝑡 ) (𝑡 )
1 1 1 1 1 𝑝 𝑝
0 1 1 1 1 𝑞 𝑞
0 0 1 1 1 𝑟 = 𝑟
0 0 0 0 1 𝑠 𝑠
(0 0 0 0 1) ( ) ( 𝑡 )
𝑡
p+q+r+s+t=0
q+r+s+t=0
r+s+t=0
t=s
t=0
resolviendo nos sale que
q=0, r=0, s=0, t=0 como no aparece p entonces es un definido con un parámetro
α
por lo tanto quedaría:
a)
F(-1,1,3)=(6,-4,16) → (-1)F(1,0,0) +(1)F(0,1,0) + (3)F(0,0,1) =(6,-4,16) ……….(1)
F(-2,1,1)=(-2,-5,1) → (-2)F(1,0,0) +(1)F(0,1,0) + (1)F(0,0,1) =(-2,-5,1) ……….(2)
F(3,2,-1)=(1,14,-12) →(3)F(1,0,0) +(2)F(0,1,0) + (-1)F(0,0,1) =(1,14,12) ………..(3)
Resolviendo (1),(2) y (3)
2 −1 3
A=(3 2 −1)
1 4 7
b)
2 −1 3 𝑥 0
A=(3 2 −1) (𝑦) = (0)
1 4 7 𝑧 0
2 −1 3 𝑥 0 1 0 0 𝑥 0
(3 2 −1) (𝑦) = (0) →(0 1 0) (𝑦 ) = ( 0)
1 4 7 𝑧 0 0 0 1 𝑧 0
Por lo tanto el núcleo o Kerf será =[(1,0,0), (0,1,0), (0,0,1))]
Ejemplo 1:
𝐷(1) = 0 = 0 + 0𝑡 + 0𝑡 2 + 0𝑡 3
𝐷(𝑡) = 1 = 1 + 0𝑡 + 0𝑡 2 + 0𝑡 3
𝐷(𝑡 2 ) = 2𝑡 = 0 + 2𝑡 + 0𝑡 2 + 0𝑡 3
𝐷(𝑡 3 ) = 3𝑡 2 = 0 + 0𝑡 + 3𝑡 2 + 0𝑡 3
0 1 0 0
[𝐷]𝑒 = (0 0 2 0
)
0 0 0 3
0 0 0 0
Ejemplo 2:
Solución
Tenemos:
[𝑇]𝑓 = (3 −2)
1 2
TEOREMA
Ejemplo 3:
[𝑉]𝑓 = (7)
2
17
[𝑇(𝑉) ] = ( )
𝑓 11
[𝑇]𝑓 [𝑉]𝑓 = (3 −2 7 17
) ( ) = ( ) = [𝑇(𝑉) ]
1 2 2 11 𝑓
TEOREMA
TEOREMA
Ejemplo
𝑇(𝑒1 ) = 𝑎1 𝑒1 + 𝑎2 𝑒2 𝑆(𝑒1) = 𝑐1 𝑒1 + 𝑐2 𝑒2
𝑇(𝑒2) = 𝑏1 𝑒1 + 𝑏2 𝑒2 𝑆(𝑒2 ) = 𝑑1 𝑒1 + 𝑑2 𝑒2
𝑎1 𝑏1 𝑐 𝑑1
[𝑇]𝑒 = ( ) [𝑆]𝑒 = ( 1 )
𝑎2 𝑏2 𝑐2 𝑑2
𝑎 + 𝑐1 𝑏1 + 𝑑1 𝑎 𝑏1 𝑐 𝑑1
[𝑇 + 𝑆]𝑒 = ( 1 )=( 1 )+( 1 )
𝑎2 + 𝑐2 𝑏2 + 𝑑2 𝑎2 𝑏2 𝑐2 𝑑2
= [𝑇]𝑒 + [𝑆]𝑒
También para 𝑘 𝜖 𝐾
𝑘𝑎 𝑘𝑏1 𝑎 𝑏1
[𝑘𝑇]𝑒 = ( 1 ) = 𝑘( 1 ) = 𝑘[𝑇]𝑒
𝑘𝑎2 𝑘𝑏2 𝑎2 𝑏2
CAMBIO DE BASE
Ejemplo
Sean las bases {𝑒1 = (1, 0), 𝑒2 = (0, 1)} y {𝑓1 = (1 , 1), 𝑓2 = (−1 , 0)} luego
𝑓1 = (1 , 1) = (1 , 0) + (0 , 1) = 𝑒1 + 𝑒2
1 −1
𝑃=( )
1 0
𝑒1 = (1, 0) = 0(1 , 1) + (−1)(−1 , 0) = 0𝑓1 − 𝑓2
0 1
𝑃−1 = 𝑄 = ( )
−1 1
1 −1 0 1 1 0
𝑃𝑄 = ( )( )=( )=𝐼
1 0 −1 1 0 1
TEOREMA
𝑃[𝑉]𝑓 = [𝑉]𝑒
Es decir:
[𝑉]𝑓 = 𝑃−1 [𝑉]𝑒
TEOREMA
Sea P la matriz de transición de una base {𝑒𝑖 } a una base {𝑓𝑖 } en un espacio V
entonces ∀ operador lineal T sobre V se cumple que:
SIMILARIDAD
Supongamos que A y B son matrices cuadradas para los cuales existe una matriz
invertible P tal que: 𝐵 = 𝑃−1 𝐴𝑃 , entonces se dice que B es similar a 𝐴 o que se
obtiene de A por una transformación de similaridad. La similaridad de matrices es
una relación de equivalencia.
TEOREMA
Ejemplo
Sea T el operador lineal sobre ℝ2 definido por 𝑻(𝟑 ,𝟏) = (𝟐 , −𝟒) y 𝑻(𝟏 ,𝟏) = (𝟎 , 𝟐) ,
por el teorema el operador lineal existe y es único, hallar 𝑻(𝒂 ,𝒃) en particular 𝑻(𝟕 ,𝟒) .
Solución
Sea un vector(𝑎 , 𝑏) tal que se forma la combinación lineal: (𝑎 , 𝑏) = 𝑥(3 , 1) +
𝑦(1 , 1)
𝑎−𝑏
𝑎 = 3𝑥 + 𝑦 𝑥=
2
−𝑎 + 3𝑏
𝑏 =𝑥+𝑦 𝑦=
2
Expresando 𝑇(𝑎,𝑏) como una combinación lineal de 𝑇(3,1) 𝑦 𝑇(1,1) , tenemos
𝑎−𝑏 −𝑎 + 3𝑏
𝑇(𝑎 ,𝑏) = 𝑇 𝑎−𝑏 −𝑎+3𝑏 = 𝑇(3 ,1) + 𝑇(1 ,1)
(
2
(3 ,1)+
2
(1 ,1)) 2 2
𝑎−𝑏 −𝑎 + 3𝑏
𝑇(𝑎 ,𝑏) = (2 , −4) + (0 , 2) = (𝑎 − 𝑏 , −3𝑎 + 5𝑏)
2 2
Para el caso particular de 𝑇(7,4) se tiene
𝑇(7 ,4) = (3 , −11)
Todo vector que satisface esta relación se llama “vector propio” de T perteneciente
al valor propio 𝜆.
Demostración
TEOREMA
TEOREMA
POLINOMIO CARACTERISTICO
Ejemplo
1 4
Sea la matriz 𝐴 = ( )
2 3
i) Hallar los valores propios de A y los correspondientes vectores propios
2i) Hallar una matriz inversible 𝑃 tal que 𝑃−1 𝐴𝑃 sea diagonal
Solución:
1 3 0
𝐴 = (−2 2 1 )
4 0 −2
𝑡 − 1 −3 0
Δ(𝑡) = (𝑡Ι − 𝐴) = | 2 𝑡−2 −1 | = 𝑡 3 − 𝑡 2 + 2𝑡 + 4
−4 0 𝑡+2
Es un polinomio característico, polinomio Mónico de tercer grado.
Ejemplo
3 1 −1
Dada la matriz 𝐴 = (2 2 −1) determine el polinomio característico y los
2 2 0
valores propios de 𝐴
Solución
3 1 −1 1 0 0 3−𝜆 1 −1
𝑃(𝜆) = 𝑑𝑒𝑡 |(2 2 −1) − 𝜆 (0 1 0)| = | 2 2 − 𝜆 −1| = (2 − 𝜆)(2 −
2 2 0 0 0 1 2 2 −𝜆
𝜆)(1 − 𝜆) = 0 Entonces los valores propios son 𝜆 = 2 , 𝜆 = 2 , 𝜆 = 1
TEOREMA
OBSERVACION
1. Los vectores propios de las transformaciones lineales son vectores que no
se ven afectados por la transformación.
2. El valor propio de un vector propio es el factor de escala por el que ha sido
multiplicado.
3. Un espacio propio es un espacio formado por todos los vectores propios del
mismo valor propio, además del vector nulo que no es un vector propio.
4. La multiplicidad geométrica de un valor propio es la dimensión del espacio
propio asociado.
1 2
Ejemplo: Hallar los vectores propios de la matriz 𝐴 = ( )
3 2
SOLUCION:
𝐴𝑋 = 𝜆𝑋
(𝐴 − 𝜆Ι)𝑋 = 0
1−𝜆 2
( )𝑋 = 0
3 2−𝜆
Hallando los valores propios:
1−𝜆 2
| |=0
3 2−𝜆
𝜆2 − 3𝜆 − 4 = 0
𝜆1 = −1 , 𝜆2 = 4
2 2 𝑥1
Para 𝜆1 = −1 | || | = 0
3 3 𝑥2
2𝑥1 + 2𝑥2 = 0
3𝑥1 + 3𝑥2 = 0
⟹ 𝑥1 + 𝑥2 = 0 ⟺ 𝑥1 = −𝑥2
𝑥1 1 1
Vector propio: (−𝑥 ) = 𝑥 ( ) ⟶ 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 ( )
2 −1 −1
Para 𝜆2 = 4
−3 2 𝑥1
| || | = 0
3 −2 𝑥2
−3𝑥1 + 2𝑥2 = 0
3𝑥1 − 2𝑥2 = 0
3𝑥1 = 2𝑥2
𝑥1 2 2
(𝑥 ) = 𝑡 ( ) ⟶ 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 ( )
2 3 3
TEOREMA DE CAYLEY-HAMILTON
1 2
Ejemplo: 𝐴=( )
3 2
𝑃(𝜆) = 𝜆2 − 3𝜆 − 4
1 2 2 1 2 1 0 7 6 3 2 4 0 0 0
𝑃(𝐴) = ( ) − 3( ) − 4( )=( )−( )−( )=( )
3 2 3 2 0 1 9 10 9 6 0 4 0 0
TEOREMA
Si A es una matriz cuadrada de orden n y 𝜆 es un valor propio de 𝐴 ⟹ 𝜆 es una
raíz del polinomio característico.
MULTIPLICIDAD ALGEBRAICA
DIAGONALIZACION
𝑘1
𝑘2
𝑇=
⋱
( 𝑘𝑛 )
𝑇(𝑣1 ) = 𝑘1 𝑣1
𝑇(𝑣2 ) = 𝑘2 𝑣2
𝑇(𝑣𝑛 ) = 𝑘𝑛 𝑣𝑛
OBSERVACION
¿Qué es diagonalizar?
Para estudiar una matriz, suele ser conveniente expresarla de la forma más
sencilla posible. Para estudiar una matriz suele ser conveniente expresarla lo más
sencilla posible , diagonalizar una matriz 𝐴 es precisamente escribirla de manera
simple encontrando una matriz invertible 𝑃 y una diagonal 𝐷 ( si es posible) tal
que 𝐴 = 𝑃𝐷𝑃−1 , la matriz 𝑃 se denomina matriz de paso .
MATRIZ DIAGONALIZABLE
Donde X es una matriz columna de orden 𝑛𝑥1 , A es una matriz cuadrada de orden
𝑛𝑥𝑛
OBSERVACION
Ejemplo:𝑃(𝑋) = 2𝑥 2 + 6𝑥𝑦 + 𝑦 2
𝑥 𝑥
𝑃(𝑋) = (𝑥 𝑦)1𝑥2 (2 3) ( ) = (2𝑥 + 3𝑦 3𝑥 + 𝑦)1𝑥2 (𝑦) = 2𝑥 2 + 6𝑥𝑦 + 𝑦 2
3 1 𝑦 2𝑥1 2𝑥1
9
1 1 − 𝑥
2
𝑃(𝑋) = (𝑥 𝑦 𝑧) 1 1 2 (𝑦 )
9 𝑧
− 2 1
( 2 )
Ejemplo:𝑃(𝑋) = 3𝑥 2 − 𝑦 2 + 𝑡 2 + 𝑤 2 − 5𝑧 2 + 𝑥𝑡 + 𝑤𝑧 + 𝑥𝑦
1 1
3 0 0
2 2
1
−1 0 0 0 𝑥
2 𝑦
1
𝑃(𝑋) = (𝑥 𝑦 𝑡 𝑤 𝑧) 0 1 0 0 𝑡
2 𝑤
1
0 0 0 1 (𝑧)
2
1
(0 0 0
2
−5)
𝑎11 0 … 0
0 𝑎22 … 0
𝐴=( )
⋮ ⋱
0 0 … 𝑎𝑛𝑛
𝑞(𝑌) = (𝐵𝑌)𝑡 𝐴(𝐵𝑌) = 𝑌 𝑡 𝐵 𝑡 𝐴𝐵𝑌 = 𝑌 𝑡 𝐷 𝑌, 𝑑𝑜𝑛𝑑𝑒 𝐷 𝑒𝑠 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑡𝑎𝑙 𝑞𝑢𝑒
1 2 1 −2
→𝐴=( ) , considere 𝐵 = ( )
2 5 0 1
Solución:
𝑥
𝑞(𝑋) = (𝑥 𝑦 ) (1 2 ) ( )
2 5 𝑦
1 2
𝐴=( )
2 5
𝑆𝑒𝑎 𝑋 = 𝐵𝑌
𝑥 1 −2 𝑦1
(𝑦) = ( ) (𝑦 )
0 1 2
𝑦2 ) ( 1 0) (1 2 1 −2 𝑦1
𝑞(𝑦) = (𝐵𝑌)𝑡 𝐴(𝐵𝑌) = (𝑦1 )( ) (𝑦 )
−2 1 2 5 0 1 2
𝑦2 ) (1 2 1 −2 𝑦1
= (𝑦1 )( ) (𝑦 )
0 1 0 1 2
𝑦1 𝑦
𝑞(𝑦) = (𝑦1 𝑦2 )1𝑥2 (1 0
) (𝑦 ) = (𝑦1 𝑦2 )1𝑥2 ( 1 ) 2 2
0 1 2𝑥2 2 𝑦2 2𝑥1 = 𝑦1 + 𝑦2
OBS:
1 2
𝐴=( )
2 5
1−𝜆 2
det(𝐴 − 𝜆Ι) = det ( ) = 0 ⟺ 𝜆2 − 6𝜆 + 1 = 0
2 5−𝜆
NOTA.- En el ejemplo la forma cuadrática diagonalizable es: 𝑞(𝑦) = 𝑦1 2 + 𝑦2 2
Dada una forma cuadrática 𝑃(𝑋) = 𝑋 𝑡 𝐴𝑋, es posible hallar una matriz P ortogonal
(𝑃−1 = 𝑃𝑡 ) que diagonalice ortogonalmente a la matriz A, para ello se debe tener
en cuenta que:
Solución:
3 1 0 0
1 3 0 0
𝐴=( )
0 0 9 −2
0 0 −2 6
3−𝜆 1 0 0
|𝐴 − 𝜆Ι| = | 1 3 − 𝜆 0 0
|=0
0 0 9−𝜆 −2
0 0 −2 6 − 𝜆
3−𝜆 0 0 1 0 0
= (3 − 𝜆) | 0 9−𝜆 −2 | − |0 9 − 𝜆 −2 |
0 −2 6 − 𝜆 0 −2 6 − 𝜆
= (3 − 𝜆)(3 − 𝜆)(𝜆 − 5)(𝜆 − 10) − (𝜆 − 5)(𝜆 − 10) = 0
𝜆1 = 2 , 𝜆2 = 4 , 𝜆3 = 5 , 𝜆4 = 10
Para 𝜆1 = 2 ∶
1 1 0 0 1 1 0 0
1 1 0 0 0 0 1 0
| |⟶| |
0 0 7 −2 0 0 0 1
0 0 −2 4 0 0 0 0
𝑥1 + 𝑥2 = 0
𝑥3 = 0 (𝑥1 𝑥2 𝑥3 𝑥4 ) = 𝑡(1 −1 0 0)
𝑥4 = 0
Para 𝜆2 = 4 ∶
−1 1 0 0 1 −1 0 0
1 −1 0 0 0 0 0 0
| |⟶| |
0 0 5 −2 0 0 1 0
0 0 −2 2 0 0 0 1
(𝑥1 𝑥2 𝑥3 𝑥4 ) = 𝑠(1 1 0 0)
Para 𝜆3 = 5 ∶ (0 0 1 2)
Para 𝜆4 = 10 ∶ (0 0 −2 1)
𝑢1 1 1
𝑣1 = = (1, −1, 0, 0) = ( , − , 0, 0)
‖𝑢1 ‖ √2 √2
1 1 1 1
𝑣2′ = 𝑢2 − ⟨𝑢1 , 𝑣1 ⟩𝑣1 = (1, 1, 0, 0) − ⟨(1, 1, 0, 0) , ( , − , 0, 0)⟩ ( , − , 0, 0)
√2 √2 √2 √2
= (1, 1, 0, 0)
′
𝑣2 1 1
𝑣2 = ′
=( , , 0, 0)
‖𝑣2 ‖ √2 √2
𝑣4 ′ −2 1
𝑣4 = = (0, 0, , )
‖𝑣4 ′ ‖ √5 √5
1 1
0 0
√2 √2
−1 1
0 0
𝑃 = √2 √2
1 −2
0 0
√5 √5
2 1
0 0
[ √5 √5 ]
Luego:
1 −1 1 1
0 0 0 0
√2 √2 √2 √2
1 1 3 1 0 0 −1 1
0 0 0 0
√2 √2 1 3 0 0
𝑡
𝐷 = 𝑃 𝐴𝑃 = ( ) √2 √2
1 2 0 0 9 −2 1 −2
0 0 0 0
√5 √5 0 0 −2 6 √5 √5
−2 1 2 1
0 0 0 0
( √5 √5) ( √5 √5 )
2 0 0 0
0 4 0 0
=( )
0 0 5 0
0 0 0 10
2 0 0 0 𝑦1
𝑦2
𝑃(𝑋) = 𝑋 𝑡 𝐴𝑋 ⟺ 𝑃(𝑌) = 𝑌 𝑡 𝐷𝑌 = (𝑦1 𝑦2 𝑦3 𝑦4 ) (0 4 0 0
)( )
0 0 5 0 𝑦3
0 0 0 10 𝑦4
= 2𝑦12 + 4𝑦22 + 5𝑦32 + 10𝑦42
Forma diagonalizada