Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
U.N.Sa. - Facultad de Ciencias Exactas Asignatura: Algebra Lineal y Geometría Analítica Carreras: LAS, PM, LF, LER, TEU, TUES, TUP Año: 2 do Cuatrimestre 2019 Docente: Ing. Augusto A. Estrada V. TUTORIAL Nº8 Transformaciones Lineales. Autovalores y Autovectores. Cambio de base. Isometrías. Diagonalización Introducción: En el presente trabajo práctico vamos a trabajar con situaciones problemáticas que nos permitan abordar los conceptos de transformación lineal, autovalores y autovectores, cambio de base y diagonalización. La definición de muchos de estos conceptos nos van a llevar a conceptos ya definidos y tratados en los anteriores Trabajos Prácticos, por lo que se hace necesario recordarlos y tenerlos presente. En consecuencia muchos de los problemas a resolver recaerán en la resolución de problemas ya resueltos anteriormente. Ejercicio 1: ¿Qué? debemos hacer. Determinar si una cierta función dada es o no una transformación lineal. ¿Cómo? lo hacemos. Solo bastará recordar la definición de una transformación lineal y mostrar si la función dada cumple con tal definición, en ese caso podremos decir que si es una transformación lineal, caso contrario no lo será. Además para aquellas transformaciones de 2 o 3, debemos interpretar geométricamente. Esto es debemos describir el efecto geométrico que produce la transformación en los vectores a los que se aplican. Veamos algunos ejemplos a modo de ilustración. Ejemplo 1 Decide, justificando tu respuesta, si las siguientes transformaciones son o no transformaciones lineales. Interpreta geométricamente en el caso de 2 o 3. i T : 2 2 / T x y 0 y ii T : 2 2 / T x y x 1 y iii T : nn / TX detX iv T : 3 3 /T x y z x y 0 Veamos si cada una de las transformaciones dadas, cumplen o no la definición de transformación lineal, es decir, verifican ambas condiciones de esta definición. Recordemos esa definición: Dada la función T : donde , son espacios vectoriales sobre un mismo cuerpo. Decimos que T es una transformación lineal si y solo si: 1 X,Y , TX Y TX TY (Linealidad) 2 X, ,TX TX (Homogeneidad) i T : 2 2 / T x y 0 y Veamos si se cumplen las dos condiciones de la definición para la T dada: 1 X,Y , TX Y TX TY Sean X x1 y1 2;Y x2 y2 2 Hipótesis TX Y T x1 y1 x2 y2 Sustitución TX Y T x1 x2 y1 y2 Definición. de suma usual en 2 TX Y 0 y1 y2 Definición. de T TX Y 0 y1 0 y2 Definición de Suma usual en 2 TX Y T x1 y1 T x2 y2 Definición de T TX Y TX TY Hipótesis Se cumple la linealidad 2 X, ,TX TX Sean X x1 y1 2 Hipótesis TX T x1 y1 Sustitución TX T x1 y1 Definición. de producto por un escalar usual en 2 TX 0 y1 Definición. de T TX 0 y1 Definición de producto por un escalar usual en 2 TX T x1 y1 Definición de T TX Y TX Hipótesis Se cumple la homogeneidad. Como se cumplen ambas condiciones de la definición, podemos afirmar que la función dada es una transformación lineal. ii T : 2 2 / T x y x 1 y Observemos cómo es el vector transformado de cualquier vector de 2. Vemos que su primera componente es una expresión lineal pero no homogénea. ¿Te dice algo eso?. Recordemos además algunas propiedades que resultan consecuencia de la definición de transformación lineal. Así por ejemplo que, como consecuencia de la homogeneidad -condición 2- toda transformación lineal transforma el vector nulo del dominio en el nulo del codominio. Es decir para el caso de la T dada debe ser T 2 2 . Esto no ocurre en la transformación dada ya que: T 2 T 0 0 0 1 0 1 0 0 0 . Entonces T no es una transformación lineal. iii T : Rnn R / TX detX La función T dada es aquella que a una matriz cuadrada con componentes reales le asigna como imagen un número real (su determinante). Es decir es la función determinante. Si recordamos lo estudiado en el tema determinantes, podemos ver que ninguna de las dos condiciones de la definición de transformación lineal se cumple, ya que el determinante no es distributivo respecto a la suma, por lo que la primera condición no se verifica. Tampoco se verifica la 2da condición, ya que el determinante de la matriz resultado del producto de un escalar por una matriz no es igual al producto del escalar por el determinante de la matriz. Mostremos esto último con un contraejemplo. Sea A 3 1 1 1 y 2 A 2 3 1 1 1 6 2 2 2 TA detA 3 1 1 1 2 2TA 2 2 4 T2A det2A 6 2 2 2 8 4 8 T2A 2TA. Es decir no se cumple la homogeneidad, en consecuencia podemos afirmar que T no es una transformación lineal. iv T : 3 3 /T x y z x y 0 Queda como ejercicio propuesto para que practiques. En este caso si analizas las componentes del vector transformado podrás observar que sus componentes son todas expresiones lineales y homogéneas, esto es un indicio de que es una transformación lineal. Demuéstralo. Veamos para las transformaciones que resultaron ser transformaciones lineales la interpretación geométrica de las mismas. Como pudimos ver más arriba, las transformaciones lineales fueron las de los incisos i y iv a saber: i T : 2 2/ T x y 0 y iv T : 3 3 /T x y z x y 0 Si graficamos el vector genérico del dominio y su transformado respectivamente, para cada una de estas transformaciones, podremos visualizar la acción geométrica de la transformación. Ello se puede observar en el siguiente gráfico. La fig. 1 corresponde a la transformación del inciso i. Observando la gráfica del vector genérico X del dominio y de su transformado TX, podemos ver que la transformación es la proyección ortogonal sobre el eje y (o proyección ortogonal del vector X sobre el versor I director del eje x que hemos estudiado y trabajado en el TP 6. La fig. 2 corresponde a la transformación dada en iv. Observando la gráfica del vector genérico X del dominio y su transformado TX, vemos que es la proyección ortogonal del vector X sobre el plano xy Ejercicio 2 ¿Qué? debemos hacer. Demostrar un par de propiedades relacionadas con las transformaciones lineales. ¿Cómo? lo hacemos. De la misma manera que cada vez que hemos tenido que realizar alguna demostración en los anteriores T.P. Solo habrá que considerar y recordar los conceptos involucrados en la proposición a demostrar y mediante razonamiento lógico deductivo realizar la demostración. Esto es algo súper conocido ¿verdad?. Así en el inciso a debemos demostrar que la transformación nula es una transformación lineal, algo similar a lo que ya hicimos en el ejercicio 1 salvo que aquí ya no tenemos que decidir si es o no una transformación lineal, sino demostrar que lo es. Es decir demostrar que se verifican para la transformación nula, ambas condiciones de la definición de transformación lineal. En el caso del inciso b hay que demostrar que el núcleo de la transformación lineal es un subespacio del dominio de la misma. Esto ya lo hicimos muchas veces en el TP3, por lo que es algo que es conocido y que ya sabes hacer ¿verdad?. Ejercicios 3, 5 y 6 El ¿Qué? debemos hacer en estos ejercicios está relacionado con los conceptos de matriz asociada a una transformación lineal respecto a un par de bases una del dominio y otra del codominio, núcleo e imagen de una transformación lineal. ¿Cómo? lo hacemos. Solo debemos recordar la definición de estos conceptos y/o propiedades derivadas de ellos y aplicarlos en la resolución de cada uno de los ejercicios según sea lo pedido. Veamos algunos ejemplos ilustrativos. Ejemplo 1: Dada la transformación lineal: T : 3 2 /T x y z x y 2z 2x 3y i Determina la matriz de T respecto a las bases canónicas de 3 y 2 respectivamente ii Determina el núcleo y la imagen de T y una base y la dimensión de los mismos. iii Determina la matriz de T respecto a las bases B1 1,0,1, 0,1,1, 2,1,0 de 3 y B2 2,1, 1,3de 2 i ¿Qué? debemos hacer. Determinar la matriz de T respecto a las bases canónicas de 3 y 2 respectivamente. Esto es, expresar a T en forma matricial TX AX .´ ¿Cómo? lo hacemos. Para ello debemos recordar que: dada una transformación lineal T : n m y E1 I1, I2, , In base canónica de n y E2 I1 , I2 , , Im base canónica de m entonces la transformación T se puede escribir en forma matricial como TX AX siendo Amxn la matriz asociada a T respecto a las bases canónicas E1 y E2 de n y m respectivamente. En este caso recordar que A tiene como columnas los transformados de la base E1 expresado en coordenadas de la base E2 .Es decir: A TI1E2 /TI2E2 /. . . . /TInE2 Ahora bien el vector genérico TX es un vector que ya está expresado en coordenadas de la base canónica de m por lo que todos los TIi también lo están, en consecuencia la matriz A tendrá como columnas directamente estos vectores transformados. Más aún se podrá hallar expresando en forma matricial el sistema. Veamos en el caso del ejemplo para graficar la situación: La base canónica de 3 es E1 I1, I2, I3 1,0,0, 0,1,0, 0,0,1. Si aplicamos la transformación a cada uno de los vectores de esta base tenemos: T 1 0 0 1 2 ; T 0 1 0 1 3 y T 0 0 1 2 0 Por lo que la matriz A respecto a las bases canónicas será: A TI1E2 /TI2E2 /TI3E2 1 1 2 2 3 0 Observemos que este resultado se puede obtener directamente escribiendo el sistema: T x y z x y 2z 2x 3y en forma matricial T x y z x y 2z 2x 3y 1 1 2 2 3 0 x y z Entonces: TX AX siendo A 1 1 2 2 3 0 Podemos observar que la matriz A tiene como columnas a los transformados de la base canónica del dominio como afirmamos más arriba. La matriz A será la matriz de la transformación respecto a las bases canónicas de 3 y 2 respectivamente. ii ¿Qué? debemos hacer. Determinar el núcleo y la imagen de una transformación lineal dada. ¿Cómo? lo hacemos. Habrá que responder las preguntas ¿Qué es núcleo de una transformación lineal? ¿Qué es imagen de una transformación lineal?. ¿Cómo los determinamos?. Solo habrá que recordar la definición de tales conceptos. Recordemos que dada una transformación lineal T : se define: 1. Nucleo de T y se lo denota por NUT al conjunto de los vectores de que tienen como imagen por T al vector nulo de . Es decir: NUT X /TX como TX AX NUT X /AX Como podemos ver NUT ESA (espacio solución de la matriz A. Nada nuevo ¿verdad?. Así que encontrar el Núcleo de una transformación lineal T tal que TX AX , una base para el mismo y su dimensión, no es más que hacer lo mismo para el espacio solución de la matriz de la transformación respecto a las bases canónicas del dominio y codominio de T. Este tipo de problema ya lo hemos trabajado ampliamente en los TP 3 y TP4. Queda como ejercicio de repaso de estos conceptos. 2. Imagen de T y se la denota por ImT al conjunto de vectores de que son correspondientes por T de algún vector de . Es decir: ImT Y /X ,TX Y como TX AX Entonces: ImT Y /X , AX Y Si recordamos que las columnas de A son los transformados de la base canónica de tendremos que el sistema AX Y nos dice que el vector transformado es combinación lineal de las columnas de A. Es decir ImT EcA. Nuevamente volvemos a un concepto ya estudiado en anteriores trabajos prácticos así que nada nuevo ¿verdad?. Por lo tanto encontrar la Imagen de una transformación lineal T tal que TX AX, una base para ella y su dimensión, no es más que hacer lo mismo para el espacio columna de la matriz de la transformación respecto a las bases canónicas del dominio y codominio de T. Queda como ejercicio de repaso. iii Determina la matriz de T respecto a las bases 1 1,0,1, 0,1,1, 2,1,0 de 3 y 2 2,1, 1,3 de 2 El concepto es el mismo que en el inciso i. Dada la transformación lineal T : n m y un par de bases 1 V1,V2, ,Vn base de n y 2 W1,W2, ,Wm base de m entonces sí llamamos Bmn a la matriz de T respecto a las bases 1 V1,V2, ,Vn de n y 2 W1,W2, ,Wm de m será: B TV1B2 /TV2B2 /. . . . /TVnB2. La única diferencia con lo realizado en el inciso i es que ahora, como las bases no son las canónicas, tendremos que determinar las coordenadas de los transformados de la base del dominio, respecto a la base del codominio. Es decir debemos expresar a cada TV i como combinación lineal de los Wi En el ejemplo que estamos resolviendo es: T : 3 2 /T x y z x y 2z 2x 3y 1 V1,V2,V3 1,0,1, 0,1,1, 2,1,0 de 3 y 2 W1,W2 2,1, 1,3 de 2 TV1 1W1 2W2 T 1 0 1 1 2 1 2 1 3 1 2 1 2 1 3 1 2 21 2 1 1 32 2 2 1 1 1 3 2 2 1 1 0 7 5 21 2 1 72 5 De 72 5 2 57 . Sustituyendo en 21 2 1 tenemos: 21 57 1 21 1 5 7 1 27 Entonces: TV1B2 1 2 27 5 7 De forma similar TV2 1W1 2W2 T 0 1 1 1 2 1 2 1 3 1 2 1 2 1 3 3 3 21 2 3 1 32 3 2 1 3 1 3 3 2 1 3 0 7 9 21 2 3 72 9 De 72 9 2 97 Sustituyendo en 21 2 3 tenemos: 21 97 3 21 3 97 1 11 7 Entonces: TV2B2 1 2 11 7 97 Y finalmente TV3 1W1 2W2 T 2 1 0 1 2 1 2 1 3 1 2 1 2 1 3 3 1 21 2 3 1 32 1 2 1 3 1 3 1 2 1 3 0 7 5 21 2 3 72 5 De 72 5 2 57 Sustituyendo en 21 2 3 tenemos: 21 57 3 21 3 57 1 16 7 Entonces: TV3B2 1 2 16 7 57 En consecuencia la matriz de T respecto a las bases 1 y 2 es: B TV1B2 /TV2B2 /TV3B2 1 1 1 2 2 2 27 11 7 16 7 5 7 9 7 5 7 . Ejercicio 4 El ¿Qué? debemos hacer en este ejercicio está relacionado con el concepto de transformación lineal y sobre todo con la aplicación del teorema fundamental de las transformaciones lineales. Recordemos que, este teorema asegura la existencia y unicidad de una transformación lineal bajo ciertas condiciones que son la hipótesis del teorema. Recordemos el teorema. Dados dos espacios vectoriales , sobre un mismo cuerpo ,V1,V2, ,Vk una base de y W1,W2, ,Wk , entonces existe una única transformación lineal T : . tal que: TV i W1 ,i 1,2, ,k En otras palabras. el teorema fundamental dice que si T : y se conocen los transformados de una base de , entonces T existe, es única y es una transformación lineal. Es decir, este teorema será útil para resolver algún problema donde se deba encontrar o decidir si existe una transformación lineal que cumple con ciertas condiciones dadas en el problema a resolver. Solo debemos recordar que el teorema será aplicable cuando podamos asegurar que se conocen los transformados de una base de un espacio vectorial. Veamos algunos ejemplos ilustrativos: Ejemplo 1: Determina, si existe una transformación lineal T : 2 3 tal que: T 1 1 1 1 1 y T 2 1 0 1 1 Lo primero que tenemos que ver si el conjunto de vectores 1,1, 2,1 cuyos transformados se conocen, constituye una base de 2. Efectivamente eso ocurre porque es un conjunto de dos vectores L. I. ya que no son múltiplos entre sí. En efecto, esto es así, porque sus componentes no son proporcionales ya que: 12 1 1 . En consecuencia, conocemos los transformados de una base de 2, por lo que la hipótesis del teorema fundamental es verdadera y por lo tanto podemos concluir que existe T : 2 2 que cumple con los datos, es única y es una transformación lineal. Veamos ahora cómo la determinamos. Es decir como determinamos su ley de formación. Para ello solo debemos encontrar la imagen de un vector genérico de 2 Dominio de T aprovechando los datos del problema. La base de 2 cuyos transformados conocemos, no es la canónica, por lo tanto debemos primero expresar el vectorgenérico de 2en coordenadas respecto a esa base dada. Es decir debemos encontrar escalares , tales que: x y 1 1 2 1 2 x y resolviendo por Gauss 1 2 x 1 1 y 1 2 x 0 3 y x 2 x 3 y x De 3 y x y x 3 . Sustituyendo en 2 x Entonces: x 2 y x 3 3x 2y 2x 3 x 2y 3 Ahora bien lo único que resta es aplicarle la transformación al vector genérico de 2 y aprovechar los datos: x y 1 1 2 1 T x y T 1 1 2 1 Aplicación de T a ambos miembros T x y T 1 1 T 2 1 Linealidad de T T x y T 1 1 T 2 1 Homogeneidad de T T x y x 2y 3 1 1 1 y x 3 0 1 1 Hipótesis y sustitución de los , T x y x2y 3 2xy 3 y Es la transformación buscada.. En efecto verificamos que: T 1 1 121 3 211 3 1 1 1 1 y T 2 1 221 3 221 3 1 0 1 1 Ejemplo 2: La misma consigna que la del ejemplo 1 pero ahora además de los datos dados para el ejemplo 1 le agregamos una condición más por ejemplo que T 3 0 1 2 0 En este caso conocemos los transformados de un conjunto de tres vectores de 2 que ya sabemos es linealmente dependiente por tener más vectores que la dimensión de 2. Para poder aplicar el teorema fundamental necesitamos conocer los transformados de una base del dominio 2, necesitamos ver si en el conjunto de tres vectores 1,1, 2,1, 3,0 hay una base de 2. Para ello podemos aplicar el teorema que dice que las filas no nulas de una matriz escalonada y sus correspondientes en la matriz original son linealmente independientes. Formamos una matriz cuyas filas sean los vectores dados y la escalonamos. 1 1 2 1 3 0 1 1 0 3 0 3 1 1 0 3 0 0 Es decir 1,1, 2,1 es linealmente independiente, por lo que constituye una base de 2(sabes decirme por qué), de la que se conocen sus transformados, asi que podemos aplicar el teorema fundamental. Ya lo hicimos en el ejemplo 1 Para encontrar la ley de T que como vimos es: T x y x2y 3 2xy 3 y Pero para hallarla, solo hemos utilizado dos de los datos dados en este problema, asi que esta solo es una posible solución del problema. Para que sea una solución del mismo, es decir para que realmente exista una única T lineal que cumpla con todas las condiciones del problema, la T encontrada deberá cumplir la tercera condición. En este caso que: T 3 0 1 2 0 Veamos si es así o no, para ello solo basta reemplazar las componentes del vector 3 0 en la ley de T y ver si nos da como resultado el transformado que se nos proporciona en los datos del problema. Veamos: T 3 0 320 3 230 3 0 1 2 0 Se verifica esta tercera condición, en consecuencia podemos concluir que existe una única transformación lineal T dada por la ley antes hallada tal que cumple con las tres condiciones del problema dado. Ejemplo 3 Idem al del ejemplo 1, pero agregandole que T 3 0 2 2 1 Se procede de la misma forma que en el ejemplo. 2. Al verificar la tercera condición encontramos que: T 3 0 320 3 230 3 0 1 2 0 2 2 1 En consecuencia, podemos afirmar que no existe una transformación lineal que cumpla con las condiciones del problema dado ya que solo cumple con dos de las tres condiciones dadas. Ejercicios 7, 8,10 y 11 El ¿qué? debemos hacer de estos ejercicios está relacionado con los conceptos de autovalores (valores propios), autovectores (vectores propios), autoespacios (espacios propios) y diagonalización de una matriz A Rnn. Para resolverlo no solo debemos recordar la definición de éstos conceptos, sino también comprenderlos a fin de utilizarlos para justificar el desarrollo de algún problema que los incluya. Recordemos estos conceptos y tratemos de comprenderlos claramente. Autovectores y autovalores de una matriz A nn Decimos que el escalar es un autovalor de A si y solo sí, existe un vector U n, U tal que: AU U. Al vector V se lo denomina autovector de A asociado al autovalor La anterior ecuación, es una ecuación matricial en la que tanto como U son incógnitas. Escribamos a esta ecuación de forma de que las incógnitas estén en un sólo miembro. De AU U AU U AU IU A IU Es decir la anterior ecuación (que surge de la definición): A IU 1 Interpretemos la misma a los efectos de comprender mejor lo que nos dice: Al ser A nn, entonces A I nn y U n Por lo estudiado en temas anteriores, sabemos que la 1 es equivalente a un sistema de n ecuaciones lineales con n incógnitas homogéneo cuya matriz de coeficientes es A I nn y las coordenadas del vector U sus incógnitas. Al ser un sistema homogéneo siempre es consistente y puede tener única solución (la nula) o tener infinitas soluciones. Como por la definición es U , entonces el sistema tiene infinitas soluciones y por lo tanto la dimensión del espacio solución será mayor que cero. Como la cantidad de incógnitas es n, en el sistema escalonado equivalente habrá m ecuaciones tal que m n y en consecuencia el RangoA I n ya que RangoA I es el número de filas no nulas de la matriz que resulta de escalonar (A I y a su vez es la cantidad de ecuaciones del sistema escalonado equivalente. Es decir las filas de (A I constituyen un conjunto linealmente dependiente, que se traduce en que una de ellas debe ser combinación lineal del resto, y ello asegura que se anule el determinante de la matriz de coeficientes. Es decir: detA I 0 2 Al ser A I nn si calculamos detA I por ejemplo por desarrollo de Laplace obtendremos un polinomio de grado n en la variable . A ese polinomio se lo denomina Polinomio característico de A y se lo denota por p. Es decir: p detA I Sabemos que si encontramos p 0 estamos encontrando las raíces de ese polinomio. En consecuencia los autovalores de A (los i i 1,2, . . . ,n son las raíces del polinomio característico, de allí que a detA I 0 se denomina ecuación característica de A. Resolviendo la 2 obtenemos los autovalores i i 1,2, . . . ,n. Reemplazando cada uno de los i en 1 obtenemos el sistema:A iIU cuya solución nos dará los autovectores Ui asociados al autovalor i El conjunto de todos los Ui asociados a cada autovalor i será: i Ui n, Ui /AUi iUi Este conjunto no será un subespacio vectorial porque no contiene al vector nulo. Se puede justificar que si le adicionamos el vector nulo, el conjunto resultante es un espacio vectorial. A ese espacio vectorial así obtenido lo denominamos autoespacio o espacio propio correspondiente al autovalor i. Si lo denotamos por E iserá: i i Ui n /AUi Ui Como todo espacio vectorial tiene una base y si recordamos que una base es un conjunto generador del espacio podremos expresar: i LU1,U2, ,Uk siendo k la máxima cantidad de vectores linealmente independientes de i Veamos algunos ejemplos para mostrar la aplicación de los conceptos que acabamos de recordar: Ejemplo1: Dadas: A 3 1 0 1 B 3 2 0 2 3 0 0 0 5 1. Encuentra el polinomio característico y la ecuación característica de las mismas 2. Calcula los autovalores, autovectores y autoespacios de las mismas 1. 1. Como recordamos más arriba, el polinomio característico de A es p detA I A I 3 1 0 1 1 0 0 1 3 1 0 1 Entonces p detA I det 3 1 0 1 3 1 El polinomio característico de A será: p 3 1 o bien desarrollando el producto p 2 4 3 que como vemos es de grado n 2 La ecuación característica de A es: p 0 3 1 0 Cálculo de los autovalores: De acuerdo a lo recordado más arriba, los autovalores son las raíces del polinomio característico por lo que si resolvemos la ecuación característica obtenemos los mismos así que resolvemos: 3 1 0 3 0 1 0 1 3 2 1 que son los autovalores de A Cálculo de los autovectores asociados: Según lo recordado más arriba, los autovectores asociados a un autovalor i constituyen el conjunto solución del sistema homogéneo A iIU así que si resolvemos éste sistema para cada uno de los autovalores, determinamos sus autovectores asociados. Para 1 3 reemplazamos en el sistema A 1IU 3 1 1 0 1 1 x y 0 0 3 3 1 0 1 3 x y 0 0 0 1 0 2 x y 0 0 Tenemos el sistema y 0 2y 0 y 0 Como vemos el sistema tiene infinitas soluciones con una variable libre (ojo si no obtienes infinitas soluciones es porque has cometido un error. O bien has calculado mal el autovalor o bien hay un error en el escalonamiento. Nunca puedes llegar a única solución, lo que daría un autovector nulo como el único vector que satisface la definición, que es contrario a la definición ya que en ella se pide que no lo sea). Encontrando la solución general del sistema tenemos que: x,y x, 0 x1,0 Entonces el vector U1 1,0 es un autovector asociado al autovalor 1 3. También observando la solución general vemos que cualquier múltiplo de U1 con x 0 será también un autovector asociado al autovalor 1 3 pero será dependiente de U1. El autoespacio asociado al autovalor 1 3 será 1 LU1 es decir: 1 L1,0 o bien 1 x,y 2/y 0 Se procede de la misma manera par 2 1. Queda como ejercicio, verifiquen que los resultados obtenidos son: Un autovector asociado a 2 1 es U2 1,2 El autoespacio asociado al autovalor 2 1 es: 2 L1,2 o bien 2 x,y 2/y 2x 1.2. El procedimiento es similar salvo que ahora tenemos una matriz de 3 3 que hace un poco más extenso los cálculos a realizar: Vamos a obviar algunos pasos para no hacer demasiado largo el desarrollo, puedes completar los pasos faltantes como forma de practicar y comprender lo que se realiza El polinomio característico de B es p detB I detB I 3 2 0 2 3 0 0 0 5 Des.Laplace F3 5 3 2 2 3 F1F2 5 1 1 2 3 Homog F1 5 1 1 1 2 3 5 1 5 Entonces p 5 21 La ecuación característica de B es detB I 0 Es decir 5 21 0 Cálculo de los autovalores de B Resolvemos 5 21 0 1 2 5 3 1 Cálculo de los autovectores de B asociados a cada uno de los autovalores Para 1 2 5 resolvemos B 1IU es decir 3 5 2 0 2 3 5 0 0 0 5 5 x y z 0 0 0 2 2 0 2 2 0 0 0 0 x y z 0 0 0 Resolvemos por Gauss 2 2 0 0 2 2 0 0 0 0 0 0 2 2 0 0 0 0 0 0 0 0 0 0 El sistema escalonado es: 2x 2y 0 x y 0 y x Este sistema tiene infinitas soluciones con dos variables libres. Encontramos su solución general tenemos: x,y, z x,x, z x1,1,0 z0,0,1 Entonces los vectores U1 1,1,0 y U2 0,0,1 son dos autovectores linealmente independientes asociados al autovalor doble 1 2 5 El autoespacio asociado a 1 2 5 será : 1 E2 LU1,U2 L1,1,0, 0,0,1 O bien 1 E2 x,y, z 3/y x Para 3 1 procedemos de forma similar. Lo dejo para que lo hagas y verifiques que los resultados obtenidos son: Un autovector asociado a 3 1 es U2 1,1,0 El autoespacio asociado al autovalor 3 1 es: 3 LU3 L1,1,0 O bien: 3 x,y, z 3/x y z 0 Ejemplo 2: Decide, justificando tu respuesta, sí las matrices A,B dadas en el ejemplo 1 son o no diagonalizables. En caso de que tu respuesta sea afirmativa, encuentra la matriz P que las diagonaliza y encuentra la matriz diagonal equivalente. Recordemos que por definición una matriz A es diagonalizable si y solo si existe una matriz P inversible tal que A es semejante a una matriz diagonal D. Es decir P1AP D Si recordamos un poco los conceptos teóricos seguro recordaremos los siguientes teoremas. Teorema 7.15. A nn es diagonalizable si y solo sí tiene n autovectores linealmente independientes Teorema 7.15 Si A nn es diagonalizable, entonces la matriz P que la diagonaliza tiene como columnas los autovectores de A Teorema 7.10: Autovectores asociados a autovalores distintos de una matriz A nn constituyen un conjunto linealmente independiente. Como consecuencia de este último teorema podemos decir que: Corolario 1: A nn es diagonalizable si y solo sí todos sus autovalores son distintos Teorema: Una matriz A nn es diagonalizable si y solo sí la suma de las dimensiones de sus autoespacios es n Como consecuencia de este último teorema podemos decir que: Corolario 2: Si una matriz tiene algún autovalor de multiplicidad k, A será diagonalizable si y solo sí el autoespacio asociado a ese autovalor tiene dimensión igual a k. Veamos cómo aplicamos la definición y alguno de estos teoremas para decidir si las matrices dadas son o no diagonalizables. En el caso de la matriz A encontramos que sus autovalores son 1 3 y 2 1 que son distintos y para los que encontramos respectivamente los autovetores U1 1,0 y U2 1,2. En consecuencia podemos decir por el Corolario 1, que A es diagonalizable y que la matriz P que la diagonaliza es: P U1/U2 1 1 0 2 Para encontrar la matriz D semejante a A calculamos P1AP D detP 2 ; AdjP 2 1 0 1 y P1 1 detA AdjP 12 2 1 0 1 1 12 0 12 D P1AP 1 12 0 12 3 1 0 1 1 1 0 2 3 32 0 12 1 1 0 2 3 0 0 1 D 3 0 0 1 1 0 0 2 Como podemos observar los elementos de la diagonal son los autovalores de A en el orden en el que aparecen en la matriz P sus autovectores asociados. En el caso de la matriz B hallamos que 1 2 5 y 3 1. Como podemos ver sus autovectores no son todos distintos y que el autovalor 5 tiene multiplicidad k 2 (es raíz doble). Por el corolario 2 para que B sea diagonalizable la dimensión del autoespacio asociado al autovalor 5 debería ser igual a 2. El autoespacio asociado a este autovalor hallado en el ejemplo 1 es: 1 2 x,y, z 3/y x que como sabemos tiene dimensión 2 (número de variables libres de la solución general de su ecuación). En consecuencia podemos decir que B es diagonalizable y por el teorema 1 la matriz que la diagonaliza es P U1/U2/U3 1 0 1 1 0 1 0 1 0 Siendo U1 y U2 los autovectores asociados a 1 2 5 y U3 el autovector asociado a 3 1 ya determinados en el ejemplo 1 Queda como ejercicio verificar que: que D P1AP. 5 0 0 0 5 0 0 0 1 Ejercicio 9 , 12 y 13 En estos ejercicios ¿qué? debemos hacer. Demostrar algunos teoremas o propiedades. ¿Cómo? lo hacemos. Bastará con recordar los conceptos de la lógica simbólica, en particular los métodos de demostración de la verdad de una implicación. Asimismo habrá que recordar los conceptos involucrados en el teorema a demostrar. Una vez elegido el método a emplear en la demostración, utilizar el razonamiento deductivo para realizar la demostración. Aquí aparece fuertemente la necesidad de justificar cada paso del proceso, es decir el ¿por qué? de lo que hacemos y ello nos lleva a recordar cada uno de los conceptos involucrados en el teorema, como otros conceptos previos tanto de la asignatura como los adquiridos en asignaturas previas o en el nivel secundario. Este tipo de ejercicios, son de mucha utilidad, ya que no solo desarrollan el razonamiento deductivo, sino que sirven como de autoevaluación acerca de los conceptos teóricos que se está aprendiendo como de aquellos que se supone ya aprendimos previamente. Ya hemos trabajado este tipo de ejercicios en todos los TP anteriores y sus respectivos tutoriales, lo único nuevo serán los conceptos involucrados en las demostraciones a realizar, por lo tanto valen para ellos, todas las recomendaciones ya hechas al respecto en los tutoriales previos. ¡Vamos! no hay que temerle a las demostraciones. En el ejercicio 9, hay que demostrar algunas propiedades relacionadas con el conceptode autovalores y autovectores, por lo que solo debemos recordar dichos conceptos y aquellos conceptos de temas anteriores involucrados en la proposición a demostrar y por supuesto recordar las recomendaciones generales que hemos hecho a lo largo de los anteriores tutoriales acerca de cómo encarar una demostración. En cambio en el ejercicio 13, debemos demostrar una propiedad de las transformaciones lineales isométricas o isometrías Veamos algunos ejemplos ilustrativos. Ejemplo 1 Demostrar que si A 22 es simétrica entonces sus autovalores son reales Como en la proposición a demostrar aparece un concepto ya estudiado en temas anteriores, lo primero que debemos responder es ¿Cuando se dice que una matriz es simétrica? Su respuesta nos permitirá tener más información en la hipótesis. Recordando la definición de matriz simétrica, podemos decir que A 22 es simétrica si y solo si A AT. Debemos recordar también la definición de autovalor de una matriz y las consecuencias derivadas de esa definición (que hemos analizado al comentar el ejercicio 10) Demostración. Sea A matriz simétrica de 22 A a11 a12 a12 a22 Los autovalores de A son la solución de la ecuación característica de A que es: detA I 0 detA I 0 a11 a12 a12 a22 a11 a22 a122 0 a11a22 a11 a22 2 a122 0 2 a11 a22 a122 0 Si aplicamos la fórmula cuadrática tenemos: 1,2 a11 a22 a11 a222 4a122 2 1,2 a11 a22 a11 a222 4a12 2 2 Como a11 a222 4a12 2 0 1,2 Es decir, si A 22 es simétrica entonces sus los autovalores son números reales. Esta propiedad se puede generalizar a cualquier matriz simétrica de nn. Ejemplo 2: Demostrar que dos matrices semejantes tienen los mismos autovalores ¿Qué? debemos hacer. Probar que dos matrices semejantes tienen los mismos autovalores. ¿Cómo? lo hacemos. Teniendo en cuenta los conceptos involucrados en la proposición a demostrar, debemos responder las preguntas ¿A qué se denomina autovalor de una matriz? ¿Cómo se determina los autovalores de una matriz?, ¿Cuando se dice que dos matrices son semejantes? ¿Qué significa que dos matrices tengan los mismos autovalores?. Asimismo como los autovalores son las raíces de los polinomios característicos, debemos preguntarnos ¿qué significa que dos polinomios tengan las mismas raíces? Dando respuesta a éstas preguntas te quedará claro cómo encarar la demostración. ¡Vamos hay que hacerlo! Ejemplo3 Decide, justificando tu respuesta si la transformación: T : 2 2 / Tx,y x,y es o no una isometría. El ¿qué? debemos hacer en este ejercicio está relacionado con el concepto de isométría. Para responder el ¿cómo? lo vamos a hacer, será necesario recordar este concepto y algunas de sus propiedades. Recordémoslo: Una isometría no es más que una transformación de un espacio en sí mismo que preserva la norma o medida. En particular vamos a estudiar las transformaciones lineales en n isométricas. En este caso la norma de un vector está asociada a la longitud del vector, con lo que las transformaciones isométricas son aquellas que preservan la longitud de los vectores. Veamos su definición en general: Sea T : Diremos que T es una isometría si y solo si X TX X Tenemos que ver si la T dada, cumple o no la definición: Para el cálculo de las normas consideramos el producto escalar usual en 2. X X,X x,y, x,y x2 y2 TX TX,TX x,y, x,y x2 y2 x2 y2 X Entonces se cumple que X TXX 2 En consecuencia T es una isometría Ejemplo 4 Consigna similar a la del ejemplo 3 pero para T : 3 3 definida como: Tx,y, z 0,y, z X X,X x,y, z, x,y, z x2 y2 z2 TX TX,TX 0,y, z, 0,y, z 02 y2 z2 y2 z2 Vemos que x2 y2 z2 y2 z2 solo si x 0 Entonces no se cumple que X TX X 3 En consecuencia T no es una isometría. Veamos de justificarlo dando un contraejemplo para hacer más visible lo anterior: Sea U 1,1,1 U 12 12 12 3 TU 0,1,1 TU 12 12 2 3 En consecuencia no se cumple queX 3, X TX y por ,lo tanto T no es una isometría Ejercicio 14 El ¿Qué? debemos hacer, involucra los conceptos de coordenadas de un vector respecto a una base y el cambio de coordenadas o cambio de base. Esto ya lo hemos estudiado en anteriores trabajos prácticos cuando vimos coordenadas de un vector. Aquí solo resta formalizar el concepto de cambio de base. Sería conveniente repasar el tutorial 4 y los ejemplos dados allí. Ejemplo 1: Dada la ecuación en 2 : 2x2 2xy 2y2 3 0 y la base 1 2 , 1 2 , 1 2 , 1 2 de 2 Expresar dicha ecuación en coordenadas de la base Podemos expresar matricialmente esta ecuación quedando: x,y 2 1 1 2 x y 3 0 1 Si llamamos X x y XT x,y y A 2 1 1 2 la 1 queda expresada como: XTAX 3 0 2 Llamando X s t a las cordenadas respecto a la base de un vector genérico de 2. La ecuación de cambio de base será: X PX XT X TPT 3 Reemplazando las ecuaciones 3 en la 2 tenemos: X TPTAPX 3 0 4 La 4 será la ecuación expresada en coordenadas de la base . Podemos hacer notar que es una base ortonormal de 2 por lo que la matriz P es ortogonal y ello implica que sus columnas son vectores ortogonales unitarios por lo que P1 PT y en consecuencia PTAP D (matriz diagonal) Esto ocurre porque A es simétrica y en consecuencia tiene autovalores reales y autovectores ortogonales, de allí que es diagonalizable ortogonalmente. Por lo tanto normalizando sus autovectores la matriz que la diagonaliza es ortogonal. y PTAP D siendo D la matriz diagonal que tiene como elementos de su diagonal los autovalores de A asociados a los autovectores con los que construimos P En consecuencia la 4 queda: X TDX 3 0 Que realizando los cálculos nos dará: s2 3t2 3 0 En esta ecuación podemos apreciar que ha desaparecido el término cuadrático cruzado (término rectangular). Volveremos sobre esto en el siguiente trabajo práctico cuando trabajemos con las cónicas y las cuádricas. Ejercicio 15 ¿Qué? debemos hacer. Decidir la verdad o falsedad de una proposición dada. ¿Cómo? lo hacemos. Bastará con recordar los conceptos de lógica en general y en particular el concepto de valor de verdad de una proposición, como también los conceptos que se encuentran involucrados en la proposición cuyo valor de verdad debemos decidir. Ya hemos trabajado mucho acerca de este tema en todos los anteriores tutoriales, así que me imagino que el asunto de utilizar la lógica ya lo tenemos bien incorporado ¿verdad?. Por lo tanto, solo necesitaremos recordar los conceptos involucrados en la proposición que estemos analizando. Por último te recuerdo que debes resolver el CUESTIONARIO 8 que se presenta como otra de las actividades no presenciales del Tema 7 que tiene como objetivo que te sirva para autoevaluar tu aprendizaje de los temas que se desarrollaron en el trabajo práctico. Asimismo te sugiero que aunque en el cuestionario no te lo exige trata de justificar las respuestas dadas para todas las preguntas, pero sobre todo no te olvides de subir el archivo con las justificaciones de tus respuestas dadas para las preguntas cuya justificación se pide. Ing. Augusto A. Estrada V.
Compartir