Escolar Documentos
Profissional Documentos
Cultura Documentos
Como sabemos un sistema de tal tipo es siempre compatible , pero en este caso vamos
a solicitar que sea compatible indeterminado , caso contrario la solución sería x, y = 0, 0 ,
que como planteamos anteriormente es una solución obvia que no deseamos.
Luego , para que dicho sistema sea incompatible es necesario que las ecuaciones no
sean independientes , o lo que es lo mismo pedir que la matriz de los coeficientes tenga
determinante igual a cero.
8
3
−λ − 13
Luego = 0 (2) , lo que equivale a λ 2 − 5λ + 6 = 0 (3)
− 23 7
3
−λ
Por lo tanto partimos de la condiciòn (1) que establece condiciones sobre los vectores
x, y para arribar a la condición (2) que fija condiciones sobre los posibles valores del
parámetro λ a través de un polinomio en λ.(3).
Debemos hallar las posibles soluciones de esta ecuación de segundo grado: las
mismas son λ = 3 y λ = 2
Sabemos entonces que para que se cumpla (1) los únicos valores posibles de λ son 2 y
3.Debemos hallar ahora los vectores relacionados con estos valores
1
8
3
−3 − 13 x − 13 − 13 x − 13 x − 1
y 0
= = 3
= , lo
− 2
3
7
3
−3 y − 2
3
− 2
3
y − x− 2
3
2
3
y 0
que da por resultado dos ecuaciones lineales en primer grado en x e y que dependen una
de otra (lo que era esperable de acuerdo a lo solicitado).
Las solución es y = −x , por lo tanto los vectores que cumplen la condición (1) para
λ = 3 , son de la forma x, −x o sea que el conjunto de vectores está generado por el
1, −1.
Si λ = 2 reemplazando en (1) , resulta
8
3
−2 − 13 x 2
− 13 x 2
x− 1
y 0
= 3
= 3 3
= , lo que
− 2
3
7
3
−2 y − 23 1
3
y 1
3
y− 2
3
x 0
da por resultado dos ecuaciones lineales en primer grado en x e y que dependen una de
otra (lo que era esperable de acuerdo a lo solicitado).
Las solución es y = 2x , por lo tanto los vectores que cumplen la condición (1) para
λ = 2 , son de la forma x, 2x o sea que el conjunto de vectores está generado por el 1, 2.
y 5
3 y=2x
-5 -4 -3 -2 -1 1 2 3 4 5
-1 x
-2 y=-x
-3
-4
-5
Los vectores que cumplen con la condición (1) se llaman autovectores (o vectores
propios o eigenvectores) de la transformación lineal T , y los valores del parámetro λ ,
que hemos hallado se denominan autovalores (o valores propios o eigenvalores) de la
transformaciòn lineal T. El polinomio (3) se denomina polinomio característico de la
transformación lineal T.
2
Podemos demostrar que (en el caso de existir) los autovectores correspondientes a un
autovalor de una transformaciòn lineal T conforman un subespacio vectorial del espacio
vectorial V
Proposición
Los autovectores correspondientes a un autovalor de una transformación lineal T
forman un subespacio vectorial de V
Hipótesis: Sea T:V → V , una transformación lineal , sea λ 1 un autovalor y sea S =
v ∈ V/T v = λ 1 v
Tesis : S es un subespacio vectorial de V
Demostración :
Como sabemos , para demostrar que un conjunto es un subespacio debemos
demostrar que:
1) S ≠ , o bien que 0 ∈ S
Pero T(0 )=0 por condicion de T.L. , luego se cumple que T(0 )=λ0 para cualquier λ , en
particular para λ 1 , por lo que 0 ∈ S
3
Tx, y = 235 x − 1
5
y, 95 x + 17
5
y
1 2 4 1 − 15 2
5
23
− 15
= 5
, eigenvalues: 4
3 1 0 4 3
5
− 15 9
5
17
5
23
5
− 15 x 23
x − 15 y
= 5
9
5
17
5
y 9
5
x + 175 y
real)
Para hallar los autovectores debemos plantear
23
5
−4 − 15 x 3
− 15 x 3
x− 1
y 0
= 5
= 5 5
=
9
5
17
5
−4 y 9
5
− 3
5
y 9
5
x− 3
5
y 0
De donde surge que el subespacio de autovectores está generado por el vector 1, 3
Si lo representamos
y 5
3 y=3x
-5 -4 -3 -2 -1 1 2 3 4 5
-1 x
-2
-3
-4
-5
4
Si en cambio trabajamos con la transformación
Tx, y = 2x + y, −2x + 4y
5
transformaciones lineales.
Sea T: V → V con dim(V)=n. Sean λ 1 , λ 2 , . . . . , λ n n autovalores diferentes. Luego
existen v 1 , v 2 , . . . . . , v n autovectores que , por lo demostrado anteriormente son L.I. y por
′
lo tanto forman una base B del espacio vectorial V.
Luego
Tv 1 = λ 1 v 1 = λ 1 v 1 + 0. v 2 + 0. v 3 +. . . . . . . +0. v n
Tv 2 = λ 2 v 2 = 0. v 1 + λ 2 v 2 + 0. v 3 +. . . . . . . +0. v n
Tv 3 = λ 3 v 3 = 0. v 1 + 0. v 2 + λ 3 v 3 +. . . . . . . +0. v n
....................................................................
....................................................................
Tv n = λ n v n = 0. v 1 + 0. v 2 + 0. v 3 +. . . . . . . +λ n v n
Podemos escribir la M B ′ B ′ (T) ya que tenemos la forma en que los transformados de los
vectores de la base de partida se escriben como combinación lineal de la base de llegada
(que en este caso es la misma)
λ1 0 0 ... ... 0
0 λ2 0 ... ... 0
0 0 λ3 0 ... 0
M B ′ B ′ (T)=
... ... ... ... ... ...
... ... ... ... ... ...
0 0 0 0 0 λn
O sea que en la base de autovectores la matriz que representa la transformación lineal
es diagonal.
DIAGONALIZACION DE MATRICES
Con lo demostrado en el apartado anterior es posible diagonalizar en R a una
transformación lineal si la misma tiene n autovalores reales diferentes.
′
Dada la matriz en una base B podemos encontrar M B ′ B ′ (T) = C BB ′ . M BB (T).C B ′ B donde B
es la base de autovectores de T.
Ejemplo
0 1 −1
Sea T:R → R y sea la M EE (T)=
3 3
− 1
3
8
3
1
3 (la matriz de la transformación
− 7
3
5
3
4
3
6
Para λ 1 = 3
0−3 1 −1 x −3 1 −1 x 0
− 1
3
8
3
−3 1
3 y = − 1
3
− 13 1
3 y = 0 =
− 7
3
5
3
4
3
−3 z − 7
3
5
3
− 53 z 0
−3x + y − z 0
− x−1
3
1
3
y+ 1
3
z = 0 .
− x+7
3
5
3
y− 5
3
z 0
Si buscamos la solución haciendo operaciones elementales de fila en la matriz de
coeficientes , encontramos que:
−3 1 −1 1 0 0
− 1
3
− 13 1
3 , se transforma en 0 1 −1 con lo que se cumple x = 0 ,
− 7
3
5
3
− 53 0 0 0
y − z = 0 o sea z = y . Por lo tanto los autovectores correspondientes al autovalor λ 1 = 3
están generados por 0, 1, 1.
Para λ 2 = 2
0−2 1 −1 x −2 1 −1 x
− 1
3
8
3
−2 1
3 y = − 1
3
2
3
1
3 y =
− 7
3
5
3
4
3
−2 z − 7
3
5
3
− 23 z
−2x + y − z 0
− 13 x + 2
3
y+ 1
3
z = 0
− x+7
3
5
3
y− 2
3
z 0
Si buscamos la solución haciendo operaciones elementales de fila en la matriz de
coeficientes , encontramos que:
−2 1 −1 1 0 1
− 1
3
2
3
1
3 ,se transforma en 0 1 1 con lo que se cumple x = y = −z. Por
− 7
3
5
3
− 23 0 0 0
lo tanto los autovectores correspondientes al autovalor λ 2 = 2 están generados por
1, 1, −1.
Para λ 3 = −1
0 − −1 1 −1 x 1 1 −1 x
− 1
3
8
3
− −1 1
3 y = − 1
3
11
3
1
3 y =
− 7
3
5
3
4
3
− −1 z − 7
3
5
3
7
3
z
7
x+y−z 0
− 13 x + 11
3
y+ 1
3
z = 0
− 73 x + 5
3
y+ 7
3
z 0
Si buscamos la solución haciendo operaciones elementales de fila en la matriz de
coeficientes , encontramos que:
1 1 −1 1 0 −1
− 1
3
11
3
1
3
, se transforma en 0 1 0 con lo que se cumple x = z e y = 0.
− 7
3
5
3
7
3
0 0 0
Por lo tanto los autovectores correspondientes al autovalor λ 3 = −1 están generados por
1, 0, 1.
′
Por lo tanto la base de autovectores es B = 0, 1, 1; 1, 1, −1; 1, 0, 1. Por lo tanto la
matriz de cambio de base es
0 1 1 − 13 2
3
1
3
CB′E = 1 1 0 , y su inversa C EB ′ = 1
3
1
3
− 13
1 −1 1 2
3
− 13 1
3
− 13 2
3
1
3 0 1 −1 0 1 1
Luego la M B ′ B ′ (T)= 1
3
1
3
− 13 − 1
3
8
3
1
3 1 1 0 =
2
3
− 13 1
3
− 7
3
5
3
4
3
1 −1 1
3 0 0
0 2 0
0 0 −1
AUTOVALORES REPETIDOS
Ahora podemos preguntarnos ¿que pasa si los autovalores no son todos diferentes? , o
sea ¿que pasa si el polinomio característico tiene alguna raíz múltiple (doble , triple , etc)?
Supongamos que una de las raíces (λ 1 ) es raíz múltiple (de orden k) del polinomio
característico.
Cuando planteamos la ecuación de autovectores Tv 1 = λ 1 v 1 o lo que es lo mismo
Tv 1 − λ 1 v 1 = 0 , obtenemos como solución las ecuaciones de un subespacio de V. Ahora
si el subespacio que se genera con ese autovalor tiene dimensión k , será posible elegir k
autovectores linealmente independientes en dicho subespacio , por lo que se puede
generar una base con esos k vectores mas los otros autovectores generados por los
restantes autovalores. Luego en ese caso la matriz de la transformación se podrá
diagonalizar en dicha base. O sea si la dimensión del subespacio generado por cada
autovalor coincide con la multiplicidad de dicho autovalor como raíz , será posible
diagonalizar la matriz representativa de la transformación lineal.
8
Ejemplos
a) Sea T:R 3 →R 3 , representada por
8
3
− 13 1
3
M EE (T)= 5
3
− 13 − 23
1
3
− 53 2
3
−1 −2 4
M EE (T)= 4 5 −4
0 0 3
Su polinomio característico es:
−1 − λ −2 4
4 5−λ −4 = 0 = −λ 3 + 7λ 2 − 15λ + 9 = 0
0 0 3−λ
9
Y las soluciones son λ 1 = λ 2 = 3, λ 3 = 1
Luego , buscando el subespacio que corrresponde al autovalor de multiplicidad 2:
−1 − 3 −2 4 x −4 −2 4 x
4 5−3 −4 y = 4 2 −4 y =
0 0 3−3 z 0 0 0 z
−4x − 2y + 4z 0
4x + 2y − 4z = 0
0 0
Lo que da por resultado y = −2x + 2z; por lo que el subespacio tiene dimensión 2 y está
generado por los vectores 1, −2, 0; 0, 2, 1. Por consiguiente al tener igual dimensión
que la multiplicidad de la raíz , se cumple que la matriz podrá ser diagonalizada tomando
como base de diagonalización a estos dos autovectores mas el que surja del otro
autovalor.
MATRICES SEMEJANTES
Se llaman matrices semejantes a las que se obtienen al realizar un cambio de
coordenadas como el siguiente:
A BB = C B ′ B A B ′ B ′ C BB ′
donde A BB y A B ′ B ′ son semejantes.
Cumplen una propiedad importante:
|A BB | = C B ′ B A B ′ B ′ C BB ′ = C B ′ B A B ′ B ′ C BB ′ = A B ′ B ′ , ya que C B ′ B y C BB ′ son
inversas entre sí , por lo tanto el valor del determinante de una es el inverso multiplicativo
de la otra . Ademàs el determinante de las mismas no puede anularse (¿porque?)
Luego al transformar a la matriz que representa a una transformación lineal en otra
matriz que es diagonal , lo que estamos haciendo es trabajar con matrices semejantes.
10
Una pregunta interesante es la siguiente :si calculamos el polinomio característico de
una transformación lineal a partir de la matriz que representa a la misma en una base B , el
polinomio calculado a partir de la matriz que representa a la transformación lineal en otra
′
base B , ¿será el mismo que el anterior o cambiará?
Si la matriz que representa a la T.L en la base B es A BB y la que la representa en la
′
base B es A B ′ B ′ , entonces
A B ′ B ′ = C BB ′ A BB C B ′ B
Para hallar el polinomio característico debemos calcular:
A B ′ B ′ − λI = 0, o sea el determinante de la matriz a la cual se le resta el parámetro λ
en cada elemento diagonal igualado a cero.
A B ′ B ′ − λI =. C BB ′ A BB C B ′ B − λI , pero sabiendo que C BB ′ C B ′ B = I , podemos
reemplazar la identidad y resulta:
A B ′ B ′ − λI =. C BB ′ A BB C B ′ B − λI = C BB ′ A BB C B ′ B − λIC BB ′ C B ′ B = C BB ′ A BB C B ′ B − C BB ′ λIC
C BB ′ A BB − λIC B ′ B = C BB ′ |A BB − λI| C B ′ B = |A BB − λI| = 0 , que es el polinomio
característico calculado en la base B. Por lo tanto no interesa en que base esté expresada
la matriz , el polinomio característico que se obtiene es siempre el mismo , de tal forma que
los autovalores (las raíces del polinomio) son las mismas.
UNA APLICACIÓN DE LA DIAGONALIZACIÓN DE MATRICES
Supongamos que A ∈ R nxn es una matriz que puede ser diagonalizada. Sea B la matriz
′ ′ ′
diagonal semejante a A , o sea que existen C y C (con C =C −1 ), tal que B=C.A.C , o lo
′
que es lo mismo A=C B.C
a 11 a 12 a 13 . . . a 1n λ1 0 0 ... 0
a 21 a 22 a 23 . . . a 2n 0 λ2 0 ... 0
Luego A = a 31 a 32 a 33 . . . a 3n yB= 0 0 λ3 . . . 0
... ... ... ... ... ... ... ... ... ...
a n1 a n2 a n3 . . . a 11 0 0 0 . . . λn
Supongamos que deseamos hallar A k ( o sea la potencia k-èsima de A)
′ ′ ′ ′
A k =(C B.C)(C B.C)(C B.C)...(C B.C) k veces.
Reagrupando resulta
′ ′ ′ ′ ′ ′ ′
A k =C B.(CC )B.(CC )B.(C...C )B.C=C B.(I)B.(I)B.(C...C )B.C=C B k .C , sabiendo que
λ k1 0 0 ... 0
0 λ k2 0 ... 0
Bk= 0 0 λ k3 . . . 0
... ... ... ... ...
0 0 0 . . . λ kn
11