Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lineal II
Jose Alejandro Lara Rodrguez
Facultad de Matematicas
Universidad Autonoma
de Yucatan
lrodri08@gmail.com
Edificio A, Planta alta, cubculo 4
16 de abril de 2015
Algebra
Lineal II
16 de abril de 2015
1 / 80
Contenido
Algebra
Lineal II
16 de abril de 2015
2 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
3 / 80
Algebra
Lineal II
16 de abril de 2015
4 / 80
Algebra
Lineal II
16 de abril de 2015
4 / 80
El espectro de T
(T ) = { K : es un valor propio de T }
Algebra
Lineal II
16 de abril de 2015
4 / 80
El espectro de T
(T ) = { K : es un valor propio de T }
Algebra
Lineal II
16 de abril de 2015
4 / 80
El espectro de T
(T ) = { K : es un valor propio de T }
Algebra
Lineal II
16 de abril de 2015
4 / 80
El espectro de T
(T ) = { K : es un valor propio de T }
Algebra
Lineal II
16 de abril de 2015
4 / 80
El espectro de T
(T ) = { K : es un valor propio de T }
Algebra
Lineal II
16 de abril de 2015
4 / 80
El espectro de T
(T ) = { K : es un valor propio de T }
Algebra
Lineal II
16 de abril de 2015
4 / 80
Ejemplos
Ejemplo
Algebra
Lineal II
16 de abril de 2015
5 / 80
Ejemplos
Ejemplo
1
Algebra
Lineal II
16 de abril de 2015
5 / 80
Ejemplos
Ejemplo
1
Entonces T
2
1
=
Algebra
Lineal II
16 de abril de 2015
5 / 80
Ejemplos
Ejemplo
1
2
1
Entonces T
Un valor propio es =
Algebra
Lineal II
16 de abril de 2015
5 / 80
Ejemplos
Ejemplo
1
2
1
Entonces T
Un valor propio es =
Un vector propio es v =
Algebra
Lineal II
16 de abril de 2015
5 / 80
Ejemplos
Ejemplo
1
2
1
Entonces T
Un valor propio es =
Un vector propio es v =
E4 = ker(T 4 1R2 ) =
Algebra
Lineal II
16 de abril de 2015
5 / 80
Ejemplo
Algebra
Lineal II
16 de abril de 2015
6 / 80
Ejemplo
Algebra
Lineal II
16 de abril de 2015
6 / 80
Ejemplo
Entonces T (3 + 5t 2 ) =
Un vector propio es v =
Algebra
Lineal II
16 de abril de 2015
6 / 80
Ejemplo
Entonces T (3 + 5t 2 ) =
Un vector propio es v =
un valor propio es =
Algebra
Lineal II
16 de abril de 2015
6 / 80
Ejemplo
Entonces T (3 + 5t 2 ) =
Un vector propio es v =
un valor propio es =
E2 =
Algebra
Lineal II
16 de abril de 2015
6 / 80
Ejemplo
1
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
1
T (e3x ) =
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
1
T (e3x ) =
1
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
1
T (e3x ) =
1
2
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
1
T (e3x ) =
1
2
3
Cuantos
valores propios distintos tiene T ?
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
1
T (e3x ) =
1
2
3
Cuantos
valores propios distintos tiene T ?
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
1
T (e3x ) =
1
2
3
Cuantos
valores propios distintos tiene T ?
T (sen(x)) =
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
1
T (e3x ) =
1
2
3
Cuantos
valores propios distintos tiene T ?
T (sen(x)) =
1
Cuantos
valores propios distintos tiene T ?
Algebra
Lineal II
16 de abril de 2015
7 / 80
Ejemplo
Ejemplo
Algebra
Lineal II
16 de abril de 2015
8 / 80
Ejemplo
Ejemplo
1
Algebra
Lineal II
16 de abril de 2015
8 / 80
Ejemplo
Ejemplo
1
Calcular el espectro de T .
Algebra
Lineal II
16 de abril de 2015
8 / 80
Ejemplo
Ejemplo
1
Calcular el espectro de T .
Determinar E para cada (T ).
Algebra
Lineal II
16 de abril de 2015
8 / 80
Ejemplo
Ejemplo
1
Calcular el espectro de T .
Determinar E para cada (T ).
Ejercicio
Algebra
Lineal II
16 de abril de 2015
8 / 80
Ejemplo
Ejemplo
1
Calcular el espectro de T .
Determinar E para cada (T ).
Ejercicio
1
Algebra
Lineal II
16 de abril de 2015
8 / 80
Ejemplo
Ejemplo
1
Calcular el espectro de T .
Determinar E para cada (T ).
Ejercicio
1
Algebra
Lineal II
16 de abril de 2015
8 / 80
Ejemplo
Ejemplo
1
Calcular el espectro de T .
Determinar E para cada (T ).
Ejercicio
1
Determine E0 y E1 .
Algebra
Lineal II
16 de abril de 2015
8 / 80
Teorema
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Teorema
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Teorema
1
finita.
V de dimension
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Teorema
1
finita.
V de dimension
T : V V lineal.
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Teorema
1
finita.
V de dimension
T : V V lineal.
Las siguientes afirmaciones son equivalentes
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Teorema
1
finita.
V de dimension
T : V V lineal.
Las siguientes afirmaciones son equivalentes
(T ).
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Teorema
1
finita.
V de dimension
T : V V lineal.
Las siguientes afirmaciones son equivalentes
1
2
(T ).
El operador T 1V no es inyectivo.
Algebra
Lineal II
16 de abril de 2015
9 / 80
Teorema
1
Teorema
1
finita.
V de dimension
T : V V lineal.
Las siguientes afirmaciones son equivalentes
1
2
3
(T ).
El operador T 1V no es inyectivo.
det(T 1V ) = 0.
Algebra
Lineal II
16 de abril de 2015
9 / 80
Definicion
Algebra
Lineal II
16 de abril de 2015
10 / 80
Definicion
1
Sea A K nn .
Algebra
Lineal II
16 de abril de 2015
10 / 80
Definicion
1
Sea A K nn .
TA (x) = Ax,
Algebra
Lineal II
16 de abril de 2015
10 / 80
Definicion
1
Sea A K nn .
TA (x) = Ax,
Algebra
Lineal II
16 de abril de 2015
10 / 80
Definicion
1
Sea A K nn .
TA (x) = Ax,
Algebra
Lineal II
16 de abril de 2015
10 / 80
Definicion
1
Sea A K nn .
TA (x) = Ax,
Algebra
Lineal II
16 de abril de 2015
10 / 80
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes.
Algebra
Lineal II
16 de abril de 2015
11 / 80
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes.
1
(A).
Algebra
Lineal II
16 de abril de 2015
11 / 80
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes.
1
(A).
N(A I) 6= {0}.
Algebra
Lineal II
16 de abril de 2015
11 / 80
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes.
1
(A).
N(A I) 6= {0}.
det(A I) = 0.
Algebra
Lineal II
16 de abril de 2015
11 / 80
El polinomio caracterstico
Teorema
Algebra
Lineal II
16 de abril de 2015
12 / 80
El polinomio caracterstico
Teorema
1
Algebra
Lineal II
16 de abril de 2015
12 / 80
El polinomio caracterstico
Teorema
1
2
Algebra
Lineal II
16 de abril de 2015
12 / 80
El polinomio caracterstico
Teorema
1
2
Algebra
Lineal II
16 de abril de 2015
12 / 80
El polinomio caracterstico
Teorema
1
2
Algebra
Lineal II
16 de abril de 2015
12 / 80
El polinomio caracterstico
Teorema
1
2
Algebra
Lineal II
16 de abril de 2015
12 / 80
El polinomio caracterstico
Teorema
1
2
El termino
constante de p() es det(A).
Algebra
Lineal II
16 de abril de 2015
12 / 80
El polinomio caracterstico
Teorema
1
2
El termino
constante de p() es det(A).
Definicion
El polinomio caracterstico de A es pc () = det(A I).
Algebra
Lineal II
16 de abril de 2015
12 / 80
Ejercicios
Algebra
Lineal II
16 de abril de 2015
13 / 80
Ejercicios
Algebra
Lineal II
16 de abril de 2015
13 / 80
Ejercicios
n
X
i ,
i=1
det(A) =
n
Y
i=1
Algebra
Lineal II
16 de abril de 2015
13 / 80
Multiplicidad algebraica y geometrica
Definicion
Algebra
Lineal II
16 de abril de 2015
14 / 80
Multiplicidad algebraica y geometrica
Definicion
1
Sea (A).
Algebra
Lineal II
16 de abril de 2015
14 / 80
Multiplicidad algebraica y geometrica
Definicion
1
Sea (A).
1
Algebra
Lineal II
16 de abril de 2015
14 / 80
Multiplicidad algebraica y geometrica
Definicion
1
Sea (A).
1
Algebra
Lineal II
16 de abril de 2015
14 / 80
Multiplicidad algebraica y geometrica
Definicion
1
Sea (A).
1
2
3
de E
La multiplicidad geometrica
de es la dimension
Algebra
Lineal II
16 de abril de 2015
14 / 80
Multiplicidad algebraica y geometrica
Definicion
1
Sea (A).
1
2
3
4
de E
La multiplicidad geometrica
de es la dimension
Algebra
Lineal II
16 de abril de 2015
14 / 80
Ejemplos
1
Algebra
Lineal II
16 de abril de 2015
15 / 80
Ejemplos
1
A=
0
1
1
0
R22
Algebra
Lineal II
16 de abril de 2015
15 / 80
Ejemplos
1
0
A=
1
0
A=
1
1
R22
0
1
R22
0
Algebra
Lineal II
16 de abril de 2015
15 / 80
Ejemplos
1
0
A=
1
0
A=
1
0
A=
1
1
R22
0
1
R22
0
1
C22
0
Algebra
Lineal II
16 de abril de 2015
15 / 80
Ejemplos
1
1
R22
0
1
R22
0
1
C22
0
2 0 0
A = 1 4 0 R33
3 6 2
0
A=
1
0
A=
1
0
A=
1
Algebra
Lineal II
16 de abril de 2015
15 / 80
Ejemplos
1
1
R22
0
1
R22
0
1
C22
0
2 0 0
A = 1 4 0 R33
3 6 2
2 0 0
A = 9 4 0 R33
1 0 2
0
A=
1
0
A=
1
0
A=
1
Algebra
Lineal II
16 de abril de 2015
15 / 80
Teorema
Algebra
Lineal II
16 de abril de 2015
16 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
16 / 80
Multiplicidad geometrica
multiplicidad algebraica
Teorema
Algebra
Lineal II
16 de abril de 2015
17 / 80
Multiplicidad geometrica
multiplicidad algebraica
Teorema
1
finita y positiva y T : V V
Sean V un espacio de dimension
operador lineal.
Algebra
Lineal II
16 de abril de 2015
17 / 80
Multiplicidad geometrica
multiplicidad algebraica
Teorema
1
finita y positiva y T : V V
Sean V un espacio de dimension
operador lineal.
Algebra
Lineal II
16 de abril de 2015
17 / 80
Multiplicidad geometrica
multiplicidad algebraica
Teorema
1
finita y positiva y T : V V
Sean V un espacio de dimension
operador lineal.
Entonces
Multiplicidad geometrica
0 Multiplicidad algebraica 0
Algebra
Lineal II
16 de abril de 2015
17 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
18 / 80
Operadores diagonalizables
Definicion
Algebra
Lineal II
16 de abril de 2015
19 / 80
Operadores diagonalizables
Definicion
1
finita V es
Un operador lineal T sobre un espacio de dimension
diagonalizable, si existe una base para V tal que [T ] es
diagonal.
Algebra
Lineal II
16 de abril de 2015
19 / 80
Operadores diagonalizables
Definicion
1
finita V es
Un operador lineal T sobre un espacio de dimension
diagonalizable, si existe una base para V tal que [T ] es
diagonal.
Algebra
Lineal II
16 de abril de 2015
19 / 80
Operadores diagonalizables
Definicion
1
finita V es
Un operador lineal T sobre un espacio de dimension
diagonalizable, si existe una base para V tal que [T ] es
diagonal.
Algebra
Lineal II
16 de abril de 2015
19 / 80
Teorema
Algebra
Lineal II
16 de abril de 2015
20 / 80
Teorema
1
finita.
Sea T un operador lineal sobre un espacio V de dimension
Algebra
Lineal II
16 de abril de 2015
20 / 80
Teorema
1
2
finita.
Sea T un operador lineal sobre un espacio V de dimension
si existe una base
Entonces T es diagonalizable si y solo
= {v1 , . . . , vn } de V formada por vectores propios de T .
Algebra
Lineal II
16 de abril de 2015
20 / 80
Matrices diagonalizables
Definicion
Algebra
Lineal II
16 de abril de 2015
21 / 80
Matrices diagonalizables
Definicion
1
Algebra
Lineal II
16 de abril de 2015
21 / 80
Matrices diagonalizables
Definicion
1
Algebra
Lineal II
16 de abril de 2015
21 / 80
Matrices diagonalizables
Definicion
1
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes:
Algebra
Lineal II
16 de abril de 2015
21 / 80
Matrices diagonalizables
Definicion
1
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes:
1
A es diagonalizable
Algebra
Lineal II
16 de abril de 2015
21 / 80
Matrices diagonalizables
Definicion
1
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes:
1
A es diagonalizable
Algebra
Lineal II
16 de abril de 2015
21 / 80
Matrices diagonalizables
Definicion
1
Corolario
Sea A K nn . Las siguientes afirmaciones son equivalentes:
1
A es diagonalizable
Algebra
Lineal II
16 de abril de 2015
21 / 80
Ejemplo
1
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Solucion:
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Solucion:
p() = det(A I) = 2 5 + 6 = ( 3) ( 2)
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Solucion:
1
2
p() = det(A I) = 2 5 + 6 = ( 3) ( 2)
N(A 2I) = h5e1 3e2 i
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Solucion:
1
2
3
p() = det(A I) = 2 5 + 6 = ( 3) ( 2)
N(A 2I) = h5e1 3e2 i
N(A 3I) = h3e1 2e2 i
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Solucion:
1
2
3
4
p() = det(A I) = 2 5 + 6 = ( 3) ( 2)
N(A 2I) = h5e1 3e2 i
N(A 3I) = h3e1 2e
2i
5
3
Base P = [v1 , v2 ] =
.
3 2
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
1
Solucion:
1
2
3
4
p() = det(A I) = 2 5 + 6 = ( 3) ( 2)
N(A 2I) = h5e1 3e2 i
N(A 3I) = h3e1 2e
2i
5
3
Base P = [v1 , v2 ] =
.
3 2
2 0
A=P
P 1 = PDP 1 .
0 3
Algebra
Lineal II
16 de abril de 2015
22 / 80
Ejemplo
2 0 0
A = 9 4 0
1 0 2
Algebra
Lineal II
16 de abril de 2015
23 / 80
Ejemplo
2 0 0
A = 9 4 0
1 0 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Algebra
Lineal II
16 de abril de 2015
23 / 80
Ejemplo
2 0 0
A = 9 4 0
1 0 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
Algebra
Lineal II
16 de abril de 2015
23 / 80
Ejemplo
2 0 0
A = 9 4 0
1 0 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
p() = ( 2)2 ( 4)
Algebra
Lineal II
16 de abril de 2015
23 / 80
Ejemplo
2 0 0
A = 9 4 0
1 0 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
2
p() = ( 2)2 ( 4)
N(A 2I) = he3 i
Algebra
Lineal II
16 de abril de 2015
23 / 80
Ejemplo
2 0 0
A = 9 4 0
1 0 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
2
3
p() = ( 2)2 ( 4)
N(A 2I) = he3 i
N(A 4I) = he2 i.
Algebra
Lineal II
16 de abril de 2015
23 / 80
Ejemplo
2 0 0
A = 9 4 0
1 0 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
2
3
4
p() = ( 2)2 ( 4)
N(A 2I) = he3 i
N(A 4I) = he2 i.
A no es diagonalizable.
Algebra
Lineal II
16 de abril de 2015
23 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Algebra
Lineal II
16 de abril de 2015
24 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Algebra
Lineal II
16 de abril de 2015
24 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
Algebra
Lineal II
16 de abril de 2015
24 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
p() = ( 2)2 ( 4)
Algebra
Lineal II
16 de abril de 2015
24 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
2
p() = ( 2)2 ( 4)
N(A 2I) = h2e1 + e2 , e3 i
Algebra
Lineal II
16 de abril de 2015
24 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
2
3
p() = ( 2)2 ( 4)
N(A 2I) = h2e1 + e2 , e3 i
N(A 4I) = he2 + 3e3 i.
Algebra
Lineal II
16 de abril de 2015
24 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
2
3
4
p() = ( 2)2 ( 4)
N(A 2I) = h2e1 + e2 , e3 i
N(A 4I) = he2 + 3e3 i.
A es diagonalizable.
Algebra
Lineal II
16 de abril de 2015
24 / 80
Ejemplo
1
2 0 0
A = 1 4 0
3 6 2
Si fuera diagonalizable, determine P tal que A = PDP 1 , con D
diagonal.
Solucion:
1
2
3
4
p() = ( 2)2 ( 4)
N(A 2I) = h2e1 + e2 , e3 i
N(A 4I) = he2 + 3e3 i.
A es diagonalizable.
2
A = PDP 1 , donde P = 1
0
0
0
1
Algebra
Lineal II
2
0
1 yD= 0
3
0
0
2
0
0
0 .
4
16 de abril de 2015
24 / 80
Ejercicio
Algebra
Lineal II
16 de abril de 2015
25 / 80
Ejercicio
4 2
1
1
Algebra
Lineal II
16 de abril de 2015
25 / 80
Ejercicio
4 2
1
1
3 0
0
0 4 2
0 1
1
Algebra
Lineal II
16 de abril de 2015
25 / 80
Ejercicio
4 2
1
1
3 0
0
0 4 2
0 1
1
3
0 0
2
2 0
2 1 2
Algebra
Lineal II
16 de abril de 2015
25 / 80
Ejercicio
4 2
1
1
3 0
0
0 4 2
0 1
1
3
0 0
2
2 0
2 1 2
3 0 0
2 2 0 .
3 0 2
Algebra
Lineal II
16 de abril de 2015
25 / 80
Teorema
Algebra
Lineal II
16 de abril de 2015
26 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
26 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
26 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
26 / 80
Teorema
1
Corolario
Si A K nn tiene n valores propios distintos, entonces A es
diagonalizable.
Algebra
Lineal II
16 de abril de 2015
26 / 80
Teorema
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Entonces:
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Entonces:
1
X
Ei
Ej = {0} para 1 i r .
j6=i
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Entonces:
1
X
Ei
Ej = {0} para 1 i r .
j6=i
= 1 2 . . . r es base para W = E1 + + Er .
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Entonces:
1
X
Ei
Ej = {0} para 1 i r .
j6=i
2
3
= 1 2 . . . r es base para W = E1 + + Er .
W = E1 Er ,
Algebra
Lineal II
16 de abril de 2015
27 / 80
Teorema
1
Entonces:
1
X
Ei
Ej = {0} para 1 i r .
j6=i
2
3
4
= 1 2 . . . r es base para W = E1 + + Er .
W = E1 Er ,
dim W = dim E1 + + dim Er .
Algebra
Lineal II
16 de abril de 2015
27 / 80
de operadores diagonalizables
Caracterizacion
Teorema
Algebra
Lineal II
16 de abril de 2015
28 / 80
de operadores diagonalizables
Caracterizacion
Teorema
1
Algebra
Lineal II
16 de abril de 2015
28 / 80
de operadores diagonalizables
Caracterizacion
Teorema
1
Algebra
Lineal II
16 de abril de 2015
28 / 80
de operadores diagonalizables
Caracterizacion
Teorema
1
Algebra
Lineal II
16 de abril de 2015
28 / 80
de operadores diagonalizables
Caracterizacion
Teorema
1
T es diagonalizable.
Algebra
Lineal II
16 de abril de 2015
28 / 80
de operadores diagonalizables
Caracterizacion
Teorema
1
1
2
T es diagonalizable.
El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
Algebra
Lineal II
16 de abril de 2015
28 / 80
de operadores diagonalizables
Caracterizacion
Teorema
1
1
2
T es diagonalizable.
El polinomio caracterstico de T es:
p() = (1 )dim E1 (r )dim Er
Algebra
Lineal II
16 de abril de 2015
28 / 80
Teorema
Algebra
Lineal II
16 de abril de 2015
29 / 80
Teorema
1
Algebra
Lineal II
16 de abril de 2015
29 / 80
Teorema
1
2
Algebra
Lineal II
16 de abril de 2015
29 / 80
Teorema
1
2
espectral de A).
A = 1 G1 + + r Gr (Descomposicion
Algebra
Lineal II
16 de abril de 2015
29 / 80
Teorema
1
2
espectral de A).
A = 1 G1 + + r Gr (Descomposicion
G1 + + Gr = I.
Algebra
Lineal II
16 de abril de 2015
29 / 80
Teorema
1
2
espectral de A).
A = 1 G1 + + r Gr (Descomposicion
G1 + + Gr = I.
Gi Gj = 0 si i 6= j.
Algebra
Lineal II
16 de abril de 2015
29 / 80
Teorema
1
2
espectral de A).
A = 1 G1 + + r Gr (Descomposicion
G1 + + Gr = I.
Gi Gj = 0 si i 6= j.
Gi2 = Gi .
Algebra
Lineal II
16 de abril de 2015
29 / 80
Teorema
1
2
espectral de A).
A = 1 G1 + + r Gr (Descomposicion
G1 + + Gr = I.
Gi Gj = 0 si i 6= j.
Gi2 = Gi .
R(Gi ) = N(A i I) y N(Gi ) = R(A i I).
Algebra
Lineal II
16 de abril de 2015
29 / 80
Ejemplo
2 0 0
Determine A = 9 4 0 es diagonalizable.
1 0 2
Algebra
Lineal II
16 de abril de 2015
30 / 80
Ejemplo
2 0 0
Determine A = 9 4 0 es diagonalizable.
1 0 2
(A) = {2, 4}.
Algebra
Lineal II
16 de abril de 2015
30 / 80
Ejemplo
2
3
2 0 0
Determine A = 9 4 0 es diagonalizable.
1 0 2
(A) = {2, 4}.
Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2 ,
G12
= G1 ,
I = G1 + G2 ,
G22
= G2 ,
Algebra
Lineal II
G1 G2 = 0,
G2 G1 = 0.
16 de abril de 2015
30 / 80
Ejemplo
2
3
2 0 0
Determine A = 9 4 0 es diagonalizable.
1 0 2
(A) = {2, 4}.
Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2 ,
G12
I = G1 + G2 ,
G22
= G1 ,
= G2 ,
0 0 0
G2 = 21 (A 2I) = 21 9 2 0
1 0 0
G1 G2 = 0,
G2 G1 = 0.
Algebra
Lineal II
16 de abril de 2015
30 / 80
Ejemplo
2
3
2 0 0
Determine A = 9 4 0 es diagonalizable.
1 0 2
(A) = {2, 4}.
Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2 ,
G12
I = G1 + G2 ,
G22
= G1 ,
= G2 ,
G1 G2 = 0,
0 0 0
1
1
G2 = 2 (A 2I) = 2 9 2 0
1 0 0
2 0
0
0 .
G1 = 21 (A 4I) = 12 9 0
1 0 2
G2 G1 = 0.
Algebra
Lineal II
16 de abril de 2015
30 / 80
Ejemplo
2
3
2 0 0
Determine A = 9 4 0 es diagonalizable.
1 0 2
(A) = {2, 4}.
Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2 ,
G12
I = G1 + G2 ,
G22
= G1 ,
= G2 ,
G1 G2 = 0,
0 0 0
1
1
G2 = 2 (A 2I) = 2 9 2 0
1 0 0
2 0
0
0 .
G1 = 21 (A 4I) = 12 9 0
1 0 2
Gi2 6= Gi para i = 1, 2 y G1 G2 6= 0.
G2 G1 = 0.
Algebra
Lineal II
16 de abril de 2015
30 / 80
Ejemplo
2
3
2 0 0
Determine A = 9 4 0 es diagonalizable.
1 0 2
(A) = {2, 4}.
Si A fuera diagonalizable, existiran matrices G1 y G2 tales que:
A = 2G1 + 4G2 ,
G12
I = G1 + G2 ,
G22
= G1 ,
= G2 ,
G1 G2 = 0,
0 0 0
1
1
G2 = 2 (A 2I) = 2 9 2 0
1 0 0
2 0
0
0 .
G1 = 21 (A 4I) = 12 9 0
1 0 2
Gi2 6= Gi para i = 1, 2 y G1 G2 6= 0.
A no es diagonalizable.
G2 G1 = 0.
6
7
Algebra
Lineal II
16 de abril de 2015
30 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
31 / 80
de operadores lineales
Triangulacion
Definicion
Algebra
Lineal II
16 de abril de 2015
32 / 80
de operadores lineales
Triangulacion
Definicion
1
V de finita
T un operador lineal sobre un espacio dimension
sobre un campo K .
Algebra
Lineal II
16 de abril de 2015
32 / 80
de operadores lineales
Triangulacion
Definicion
1
V de finita
T un operador lineal sobre un espacio dimension
sobre un campo K .
Algebra
Lineal II
16 de abril de 2015
32 / 80
de operadores lineales
Triangulacion
Definicion
1
V de finita
T un operador lineal sobre un espacio dimension
sobre un campo K .
Algebra
Lineal II
16 de abril de 2015
32 / 80
de operadores lineales
Triangulacion
Definicion
1
V de finita
T un operador lineal sobre un espacio dimension
sobre un campo K .
Teorema
si existe una matriz
Una matriz A K nn es triangulable si y solo
invertible P tal que P 1 AP es una matriz triangular.
Algebra
Lineal II
16 de abril de 2015
32 / 80
Semejanza ortogonal/unitaria
Definicion
Algebra
Lineal II
16 de abril de 2015
33 / 80
Semejanza ortogonal/unitaria
Definicion
1
Algebra
Lineal II
16 de abril de 2015
33 / 80
Semejanza ortogonal/unitaria
Definicion
1
Algebra
Lineal II
16 de abril de 2015
33 / 80
ortogonal / unitaria
T. de Schur: Triangulacion
Teorema
Algebra
Lineal II
16 de abril de 2015
34 / 80
ortogonal / unitaria
T. de Schur: Triangulacion
Teorema
1
Algebra
Lineal II
16 de abril de 2015
34 / 80
ortogonal / unitaria
T. de Schur: Triangulacion
Teorema
1
Algebra
Lineal II
16 de abril de 2015
34 / 80
ortogonal / unitaria
T. de Schur: Triangulacion
Teorema
1
Corolario
Algebra
Lineal II
16 de abril de 2015
34 / 80
ortogonal / unitaria
T. de Schur: Triangulacion
Teorema
1
Corolario
1
Algebra
Lineal II
16 de abril de 2015
34 / 80
ortogonal / unitaria
T. de Schur: Triangulacion
Teorema
1
Corolario
1
Algebra
Lineal II
16 de abril de 2015
34 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
35 / 80
unitaria y ortogonal
Diagonalizacion
Definicion
Algebra
Lineal II
16 de abril de 2015
36 / 80
unitaria y ortogonal
Diagonalizacion
Definicion
1
Algebra
Lineal II
16 de abril de 2015
36 / 80
unitaria y ortogonal
Diagonalizacion
Definicion
1
Algebra
Lineal II
16 de abril de 2015
36 / 80
unitaria y ortogonal
Diagonalizacion
Definicion
1
Algebra
Lineal II
16 de abril de 2015
36 / 80
Ejemplo
Algebra
Lineal II
16 de abril de 2015
37 / 80
Ejemplo
1
Matrices diagonales
Algebra
Lineal II
16 de abril de 2015
37 / 80
Ejemplo
1
2
Matrices diagonales
Algebra
Lineal II
16 de abril de 2015
37 / 80
Ejemplo
1
2
3
Matrices diagonales
Algebra
Lineal II
16 de abril de 2015
37 / 80
Ejemplo
1
2
Matrices diagonales
Algebra
Lineal II
16 de abril de 2015
37 / 80
Ejemplo
1
2
Matrices diagonales
Matrices hermitianas
Algebra
Lineal II
16 de abril de 2015
37 / 80
Ejemplo
1
2
Matrices diagonales
Matrices hermitianas
Matrices anti-hermitianas
Algebra
Lineal II
16 de abril de 2015
37 / 80
Ejemplo
1
2
Matrices diagonales
Matrices hermitianas
Matrices anti-hermitianas
Matrices unitarias
Algebra
Lineal II
16 de abril de 2015
37 / 80
unitaria
Diagonalizacion
Lema
si T es diagonal.
Una matriz triangular T Cnn es normal si y solo
Algebra
Lineal II
16 de abril de 2015
38 / 80
unitaria
Diagonalizacion
Lema
si T es diagonal.
Una matriz triangular T Cnn es normal si y solo
Teorema
si A es normal.
A Cnn es unitariamente diagonalizable si y solo
Algebra
Lineal II
16 de abril de 2015
38 / 80
unitaria
Diagonalizacion
Lema
si T es diagonal.
Una matriz triangular T Cnn es normal si y solo
Teorema
si A es normal.
A Cnn es unitariamente diagonalizable si y solo
Observacion
en valores propios de una matriz normal
DVP: descomposicion
A = UDU
U unitaria, D diagonal.
Algebra
Lineal II
16 de abril de 2015
38 / 80
unitaria
Diagonalizacion
Teorema
A Cnn normal. Entonces, los vectores propios de A asociados a
valores propios distintos son ortogonales.
Algebra
Lineal II
16 de abril de 2015
39 / 80
unitaria
Diagonalizacion
Teorema
A Cnn normal. Entonces, los vectores propios de A asociados a
valores propios distintos son ortogonales.
Teorema
Algebra
Lineal II
16 de abril de 2015
39 / 80
unitaria
Diagonalizacion
Teorema
A Cnn normal. Entonces, los vectores propios de A asociados a
valores propios distintos son ortogonales.
Teorema
1
Algebra
Lineal II
16 de abril de 2015
39 / 80
unitaria
Diagonalizacion
Teorema
A Cnn normal. Entonces, los vectores propios de A asociados a
valores propios distintos son ortogonales.
Teorema
1
2
Si A Rnn es simetrica,
entonces (A) R
Algebra
Lineal II
16 de abril de 2015
39 / 80
DVP de matrices reales simetricas
Corolario
A Rnn simetrica.
Entonces:
Algebra
Lineal II
16 de abril de 2015
40 / 80
DVP de matrices reales simetricas
Corolario
A Rnn simetrica.
Entonces:
1
=
6 (A) R
Algebra
Lineal II
16 de abril de 2015
40 / 80
DVP de matrices reales simetricas
Corolario
A Rnn simetrica.
Entonces:
1
=
6 (A) R
Algebra
Lineal II
16 de abril de 2015
40 / 80
DVP de matrices reales simetricas
Corolario
A Rnn simetrica.
Entonces:
1
=
6 (A) R
Algebra
Lineal II
16 de abril de 2015
40 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
41 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
en valores singulares
Descomposicion
A Rmn , rango(A) = r . Entonces
D 0
1
A=U
V T = UV T , U, V Rnn ortogonales
0 0
2
Algebra
Lineal II
16 de abril de 2015
42 / 80
Calculo
de una DVS
Ejercicio
en valores singulares de la matriz
Calcule
on
una descomposici
2 4 1
A=
.
4 2 1
Algebra
Lineal II
16 de abril de 2015
43 / 80
Calculo
de una DVS
Ejercicio
en valores singulares de la matriz
Calcule
on
una descomposici
2 4 1
A=
.
4 2 1
1
Factorizar AT A = VBV T .
Algebra
Lineal II
16 de abril de 2015
43 / 80
Calculo
de una DVS
Ejercicio
en valores singulares de la matriz
Calcule
on
una descomposici
2 4 1
A=
.
4 2 1
1
2
Factorizar AT A = VBV T .
p
Calcular j = j para j = 1, . . . , r .
Algebra
Lineal II
16 de abril de 2015
43 / 80
Calculo
de una DVS
Ejercicio
en valores singulares de la matriz
Calcule
on
una descomposici
2 4 1
A=
.
4 2 1
1
2
Factorizar AT A = VBV T .
p
Calcular j = j para j = 1, . . . , r .
1
Calcular uj = Avj , j = 1, . . . , r
j
Algebra
Lineal II
16 de abril de 2015
43 / 80
Calculo
de una DVS
Ejercicio
en valores singulares de la matriz
Calcule
on
una descomposici
2 4 1
A=
.
4 2 1
1
2
Factorizar AT A = VBV T .
p
Calcular j = j para j = 1, . . . , r .
1
Calcular uj = Avj , j = 1, . . . , r
j
Calcular, si es necesario, una base para N(AT ).
Algebra
Lineal II
16 de abril de 2015
43 / 80
Calculo
de una DVS
A = UV T , donde
1
1
22
2211
10
105
U=
1
1
22 22 11 10 10 5
22
0 0
=
0 2 5 0
1
3
1
11 11 10 10
110 110
3
1
3
V = 11
11 10
10 110
110
1
1
11 11
0
110
11
Algebra
Lineal II
16 de abril de 2015
44 / 80
Aplicaciones de la DVS
Teorema
Algebra
Lineal II
16 de abril de 2015
45 / 80
Aplicaciones de la DVS
Teorema
1
A = UV T una DVS de A Rm
Algebra
Lineal II
16 de abril de 2015
45 / 80
Aplicaciones de la DVS
Teorema
1
A = UV T una DVS de A Rm
Algebra
Lineal II
16 de abril de 2015
45 / 80
Aplicaciones de la DVS
Teorema
1
2
3
A = UV T una DVS de A Rm
b Rm y xmn = A b, donde A = V U T Rnm .
Entonces
Algebra
Lineal II
16 de abril de 2015
45 / 80
Aplicaciones de la DVS
Teorema
1
2
3
A = UV T una DVS de A Rm
b Rm y xmn = A b, donde A = V U T Rnm .
Entonces
1
de norma
Si Ax = b es consistente, entonces xmn es la solucion
euclidiana mnima.
Algebra
Lineal II
16 de abril de 2015
45 / 80
Aplicaciones de la DVS
Teorema
1
2
3
A = UV T una DVS de A Rm
b Rm y xmn = A b, donde A = V U T Rnm .
Entonces
1
de norma
Si Ax = b es consistente, entonces xmn es la solucion
euclidiana mnima.
de
Si el Ax = b es inconsistente, entonces xmn es la solucion
norma euclidiana mnima al problema de MC.
Algebra
Lineal II
16 de abril de 2015
45 / 80
Aplicaciones de la DVS
Ejemplo
Algebra
Lineal II
16 de abril de 2015
46 / 80
Aplicaciones de la DVS
Ejemplo
1
2 4 1
4 2 1
y
Algebra
Lineal II
16 de abril de 2015
46 / 80
Aplicaciones de la DVS
Ejemplo
1
2 4 1
4 2 1
y
1
22
Algebra
Lineal II
16 de abril de 2015
46 / 80
Aplicaciones de la DVS
Ejemplo
1
y
2 4 1
4 2 1
xmn = A b =
51
55
67
55
3
11
1
22
Algebra
Lineal II
16 de abril de 2015
46 / 80
Aplicaciones de la DVS
Ejemplo
1
y
2 4 1
4 2 1
xmn = A b =
51
55
67
55
3
11
1
22
Algebra
Lineal II
16 de abril de 2015
46 / 80
de datos
Compresion
Algebra
Lineal II
16 de abril de 2015
47 / 80
de datos
Compresion
Algebra
Lineal II
16 de abril de 2015
47 / 80
de datos
Compresion
Algebra
Lineal II
16 de abril de 2015
47 / 80
de datos
Compresion
Algebra
Lineal II
Imagen de 20 16
pixeles
16 de abril de 2015
47 / 80
de datos
Compresion
Imagen de 20 16
pixeles
1 = pixel blanco
Algebra
Lineal II
16 de abril de 2015
47 / 80
de datos
Compresion
Imagen de 20 16
pixeles
1 = pixel blanco
0 = pixel negro
Algebra
Lineal II
16 de abril de 2015
47 / 80
de datos
Compresion
Imagen de 20 16
pixeles
1 = pixel blanco
0 = pixel negro
La imagen se representa
por una matriz de A de
20 16 = 320 entradas.
Algebra
Lineal II
16 de abril de 2015
47 / 80
de datos
Compresion
Algebra
Lineal II
16 de abril de 2015
48 / 80
de datos
Compresion
1111111111111111
1111111111111111
1100000000000011
1100000000000011
1100000000000011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100000000000011
1100000000000011
1100000000000011
1111111111111111
1111111111111111
Algebra
Lineal II
16 de abril de 2015
48 / 80
de datos
Compresion
1111111111111111
1111111111111111
1100000000000011
1100000000000011
1100000000000011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100000000000011
1100000000000011
1100000000000011
1111111111111111
1111111111111111
Algebra
Lineal II
16 de abril de 2015
48 / 80
de datos
Compresion
1111111111111111
1111111111111111
1100000000000011
1100000000000011
1100000000000011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100000000000011
1100000000000011
1100000000000011
1111111111111111
1111111111111111
Algebra
Lineal II
Una DVS de A
A = 1 u1 v1T +2 u2 v2T +3 u3 v3T .
16 de abril de 2015
48 / 80
de datos
Compresion
1111111111111111
1111111111111111
1100000000000011
1100000000000011
1100000000000011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100000000000011
1100000000000011
1100000000000011
1111111111111111
1111111111111111
Una DVS de A
A = 1 u1 v1T +2 u2 v2T +3 u3 v3T .
Algebra
Lineal II
ui R20
16 de abril de 2015
48 / 80
de datos
Compresion
1111111111111111
1111111111111111
1100000000000011
1100000000000011
1100000000000011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100000000000011
1100000000000011
1100000000000011
1111111111111111
1111111111111111
Una DVS de A
A = 1 u1 v1T +2 u2 v2T +3 u3 v3T .
ui R20
vj R16 .
Algebra
Lineal II
16 de abril de 2015
48 / 80
de datos
Compresion
1111111111111111
1111111111111111
1100000000000011
1100000000000011
1100000000000011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100011111100011
1100000000000011
1100000000000011
1100000000000011
1111111111111111
1111111111111111
Una DVS de A
A = 1 u1 v1T +2 u2 v2T +3 u3 v3T .
ui R20
vj R16 .
Algebra
Lineal II
Se necesitan
3 + 3 (20 + 16) = 111
numeros
para
representar la figura, en
vez de los 320 iniciales.
16 de abril de 2015
48 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
49 / 80
Secciones conicas
1
Secciones conicas:
ax12 + bx1 x2 + cx22 + dx1 + ex2 + f = 0
Algebra
Lineal II
16 de abril de 2015
50 / 80
Secciones conicas
1
Secciones conicas:
ax12 + bx1 x2 + cx22 + dx1 + ex2 + f = 0
La forma cuadratica
asociada es
f (x1 , x2 ) =
ax12
+ bx1 x2 +
cx22
= (x1 , x2 )
Algebra
Lineal II
a
b
2
b
2
x1
= x T Ax.
x2
c
16 de abril de 2015
50 / 80
Secciones conicas
1
Secciones conicas:
ax12 + bx1 x2 + cx22 + dx1 + ex2 + f = 0
La forma cuadratica
asociada es
f (x1 , x2 ) =
ax12
+ bx1 x2 +
cx22
= (x1 , x2 )
a
b
2
b
2
x1
= x T Ax.
x2
c
Algebra
Lineal II
16 de abril de 2015
50 / 80
Secciones conicas
1
Secciones conicas:
ax12 + bx1 x2 + cx22 + dx1 + ex2 + f = 0
La forma cuadratica
asociada es
f (x1 , x2 ) =
ax12
+ bx1 x2 +
cx22
= (x1 , x2 )
a
b
2
b
2
x1
= x T Ax.
x2
c
Cambio de variable y = P T x.
Algebra
Lineal II
16 de abril de 2015
50 / 80
Secciones conicas
1
Secciones conicas:
ax12 + bx1 x2 + cx22 + dx1 + ex2 + f = 0
La forma cuadratica
asociada es
f (x1 , x2 ) =
3
4
5
ax12
+ bx1 x2 +
cx22
= (x1 , x2 )
a
b
2
b
2
x1
= x T Ax.
x2
c
Algebra
Lineal II
16 de abril de 2015
50 / 80
Determinar el tipo de conica
Algebra
Lineal II
16 de abril de 2015
51 / 80
Determinar el tipo de conica
Algebra
Lineal II
16 de abril de 2015
51 / 80
Determinar el tipo de conica
Algebra
Lineal II
16 de abril de 2015
51 / 80
1
e1 7 e10 = Pe1 =
5
e2 7 e20 = Pe2 =
1
5
4
3
3
4
x2
,
25y12 + 50y2 = 0
y1
e10
e20
x1
y2
Algebra
Lineal II
16 de abril de 2015
52 / 80
Superficies cuadraticas
de
Una superficie cuadratica
es la grafica
de una ecuacion
general es
segundo grado cuya ecuacion
a11 x12 + a12 x1 x2 + a22 x22 + a13 x1 x3 + a23 x2 x3 + a33 x32 +
ax1 + bx2 + cx3 + d = 0,
Algebra
Lineal II
16 de abril de 2015
53 / 80
Superficies cuadraticas
de
Una superficie cuadratica
es la grafica
de una ecuacion
general es
segundo grado cuya ecuacion
a11 x12 + a12 x1 x2 + a22 x22 + a13 x1 x3 + a23 x2 x3 + a33 x32 +
ax1 + bx2 + cx3 + d = 0,
y rotacion
la ecuacion
puede llevarse a alguna de
Por traslacion
o bien
Algebra
Lineal II
Ax12 + Bx22 + Iz = 0.
16 de abril de 2015
53 / 80
Superficies cuadraticas
Elipsoide:
Algebra
Lineal II
16 de abril de 2015
54 / 80
Superficies cuadraticas
Algebra
Lineal II
16 de abril de 2015
54 / 80
Superficies cuadraticas
=1
a2
b2
c2
Elipsoide:
Algebra
Lineal II
16 de abril de 2015
54 / 80
Superficies cuadraticas
=1
a2
b2
c2
x12 x22
x3
Paraboloide elptico:
+ 2 =
2
c
a
b
Elipsoide:
Algebra
Lineal II
16 de abril de 2015
54 / 80
Superficies cuadraticas
=1
a2
b2
c2
x12 x22
x3
Paraboloide elptico:
+ 2 =
2
c
a
b
x12 x22
x3
2 =
Paraboloide hiperbolico:
2
c
a
b
Elipsoide:
Algebra
Lineal II
16 de abril de 2015
54 / 80
Superficies cuadraticas
=1
a2
b2
c2
x12 x22
x3
Paraboloide elptico:
+ 2 =
2
c
a
b
x12 x22
x3
2 =
Paraboloide hiperbolico:
2
c
a
b
2
2
2
x
x1
x
Cono:
+ 22 = 32
a2
b
c
Elipsoide:
Algebra
Lineal II
16 de abril de 2015
54 / 80
Superficies cuadraticas
cuadratica
La ecuacion
a11 x12 + a12 x1 x2 + a22 x22 + a13 x1 x3 + a23 x2 x3 + a33 x32 +
ax1 + bx2 + cx3 + d = 0,
Algebra
Lineal II
16 de abril de 2015
55 / 80
Superficies cuadraticas
cuadratica
La ecuacion
a11 x12 + a12 x1 x2 + a22 x22 + a13 x1 x3 + a23 x2 x3 + a33 x32 +
ax1 + bx2 + cx3 + d = 0,
se reescribe
x T Ax + k T x + f = 0.
Algebra
Lineal II
16 de abril de 2015
55 / 80
Superficies cuadraticas
cuadratica
La ecuacion
a11 x12 + a12 x1 x2 + a22 x22 + a13 x1 x3 + a23 x2 x3 + a33 x32 +
ax1 + bx2 + cx3 + d = 0,
se reescribe
x T Ax + k T x + f = 0.
Algebra
Lineal II
16 de abril de 2015
55 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
56 / 80
Polinomios anuladores
Algebra
Lineal II
16 de abril de 2015
57 / 80
Polinomios anuladores
Algebra
Lineal II
16 de abril de 2015
57 / 80
Polinomios anuladores
Algebra
Lineal II
16 de abril de 2015
57 / 80
El polinomio mnimo
Teorema
Algebra
Lineal II
16 de abril de 2015
58 / 80
El polinomio mnimo
Teorema
1
Algebra
Lineal II
16 de abril de 2015
58 / 80
El polinomio mnimo
Teorema
1
Algebra
Lineal II
16 de abril de 2015
58 / 80
El polinomio mnimo
Teorema
1
Algebra
Lineal II
16 de abril de 2015
58 / 80
Teorema
El polinomio mnimo y el polinomio caracterstico de una matriz A
tienen exactamente las mismas races, salvo multiplicidades.
Algebra
Lineal II
16 de abril de 2015
59 / 80
Teorema
El polinomio mnimo y el polinomio caracterstico de una matriz A
tienen exactamente las mismas races, salvo multiplicidades.
Corolario
Sea m(t) el polinomio mnimo de A. Entonces,
t | m(t)
Algebra
Lineal II
(A)
16 de abril de 2015
59 / 80
Teorema de Hamilton-Cayley
Teorema (Hamilton-Cayley)
p(A) = 0, donde p(t) es el polinomio caracterstico de A Cnn .
Algebra
Lineal II
16 de abril de 2015
60 / 80
Teorema de Hamilton-Cayley
Teorema (Hamilton-Cayley)
p(A) = 0, donde p(t) es el polinomio caracterstico de A Cnn .
Corolario
El polinomio mnimo de A Cnn divide aL polinomio caracterstico de
A.
Algebra
Lineal II
16 de abril de 2015
60 / 80
Calculo
del polinomio mnimo
2 0 0
A = 0 2 0 .
1 0 4
Algebra
Lineal II
16 de abril de 2015
61 / 80
Calculo
del polinomio mnimo
2 0 0
A = 0 2 0 .
1 0 4
Algebra
Lineal II
16 de abril de 2015
61 / 80
Calculo
del polinomio mnimo
2 0 0
A = 0 2 0 .
1 0 4
Algebra
Lineal II
16 de abril de 2015
61 / 80
Calculo
del polinomio mnimo
2 0 0
A = 0 2 0 .
1 0 4
0 0 0
2
0 0
0 0 0
0 0 0 0 2 0 = 0 0 0
1 0 2
1
0 0
0 0 0
Algebra
Lineal II
16 de abril de 2015
61 / 80
Calculo
del polinomio mnimo
2 0 0
A = 0 2 0 .
1 0 4
0 0 0
2
0 0
0 0 0
0 0 0 0 2 0 = 0 0 0
1 0 2
1
0 0
0 0 0
Algebra
Lineal II
16 de abril de 2015
61 / 80
primaria
Descomposicion
Primaria)
Teorema (Descomposicion
Algebra
Lineal II
16 de abril de 2015
62 / 80
primaria
Descomposicion
Primaria)
Teorema (Descomposicion
1
finita n
V un K -e.v. de dimension
Algebra
Lineal II
16 de abril de 2015
62 / 80
primaria
Descomposicion
Primaria)
Teorema (Descomposicion
1
finita n
V un K -e.v. de dimension
T L(V ) con (T ) = {1 , . . . , k }
Algebra
Lineal II
16 de abril de 2015
62 / 80
primaria
Descomposicion
Primaria)
Teorema (Descomposicion
1
finita n
V un K -e.v. de dimension
T L(V ) con (T ) = {1 , . . . , k }
Algebra
Lineal II
16 de abril de 2015
62 / 80
primaria
Descomposicion
Primaria)
Teorema (Descomposicion
1
finita n
V un K -e.v. de dimension
T L(V ) con (T ) = {1 , . . . , k }
Entonces
V = ker(T 1 1V )n1 ker(T 2 1V )n2 ker(T k 1V )nk
y cada espacio Vi = ker(T i 1V )ni es T -invariante, es decir,
T (Vi ) Vi .
Algebra
Lineal II
16 de abril de 2015
62 / 80
El polinomio mnimo y diagonalizacion
Corolario
si su polinomio
Una matriz A Cnn es diagonalizable si y solo
mnimo es un producto de factores lineales distintos.
Algebra
Lineal II
16 de abril de 2015
63 / 80
Contenido
Teora Espectral
Valores y vectores propios
Diagonalizacion
de operadores lineales
Triangulacion
unitaria
Diagonalizacion
en valores singulares
Descomposicion
Secciones conicas
y superficies cuadraticas
El polinomio mnimo de una matriz
La forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
64 / 80
La forma de Jordan
5 0 0
0
0
0
0 3 1
0
0
0
0
3
0
0
0
0
P 1 AP = J =
0 0 0 1
1
0
0 0 0
0 1
1
0
0 1
0 0 0
Algebra
Lineal II
16 de abril de 2015
65 / 80
La forma de Jordan
5 0 0
0
0
0
0 3 1
0
0
0
0
3
0
0
0
0
P 1 AP = J =
0 0 0 1
1
0
0 0 0
0 1
1
0
0 1
0 0 0
Algebra
Lineal II
16 de abril de 2015
65 / 80
la forma de Jordan
5 1 0 0
0
0
0
0 5 0 0
0
0
0
0 0 5 1
0
0
0
0
0
0
P 1 AP = J = 0 0 0 5
0 0 0 0 1
1
0
0 0 0 0
0 1
1
0 0 0 0
0
0 1
Algebra
Lineal II
16 de abril de 2015
66 / 80
la forma de Jordan
5 1 0 0
0
0
0
0 5 0 0
0
0
0
0 0 5 1
0
0
0
0
0
0
P 1 AP = J = 0 0 0 5
0 0 0 0 1
1
0
0 0 0 0
0 1
1
0 0 0 0
0
0 1
Algebra
Lineal II
16 de abril de 2015
66 / 80
La forma de Jordan
.. ..
.
.
Jk () =
.
.
. 1
Algebra
Lineal II
16 de abril de 2015
67 / 80
La forma de Jordan
.. ..
.
.
Jk () =
.
.
. 1
Algebra
Lineal II
16 de abril de 2015
67 / 80
La forma de Jordan
Algebra
Lineal II
16 de abril de 2015
68 / 80
La forma de Jordan
(T 1V )j1 vj = v1 6= 0.
Algebra
Lineal II
16 de abril de 2015
68 / 80
Algebra
Lineal II
j = 0, 1, . . .
16 de abril de 2015
69 / 80
j = 0, 1, . . .
Algebra
Lineal II
16 de abril de 2015
69 / 80
j = 0, 1, . . .
Algebra
Lineal II
16 de abril de 2015
69 / 80
j = 0, 1, . . .
Algebra
Lineal II
16 de abril de 2015
69 / 80
j = 0, 1, . . .
Algebra
Lineal II
16 de abril de 2015
69 / 80
j = 0, 1, . . .
Algebra
Lineal II
16 de abril de 2015
69 / 80
Algebra
Lineal II
16 de abril de 2015
70 / 80
Teorema
Toda cadena de Jordan esta formada por vectores linealmente
independientes.
Algebra
Lineal II
16 de abril de 2015
71 / 80
Existencia de una forma canonica
de Jordan
Teorema
Algebra
Lineal II
16 de abril de 2015
72 / 80
Existencia de una forma canonica
de Jordan
Teorema
1
Algebra
Lineal II
16 de abril de 2015
72 / 80
Existencia de una forma canonica
de Jordan
Teorema
1
Algebra
Lineal II
16 de abril de 2015
72 / 80
Existencia de una forma canonica
de Jordan
Teorema
1
Entonces V tiene una base de Jordan para V , i.e., una base que
disjunta de cadenas de Jordan para T .
es una union
Algebra
Lineal II
16 de abril de 2015
72 / 80
La forma canonica
de Jordan
Corolario
Si A K nn es tal que su polinomio caracterstico es
p() = (1)n ( 1 )m1 ( k )mk , entonces existe P invertible tal
que
J(1 )
0
0
k
0
M
J(2 )
0
P 1 AP = J =
J(i ) = .
.
.. ,
..
..
..
.
.
i=1
J(k )
Algebra
Lineal II
16 de abril de 2015
73 / 80
La forma canonica
de Jordan
Corolario (Continuacion)
es decir,
Jk1 (i )
0
ti
0
M
J
(i )
k
2
J(i ) =
Jki (i ) = ..
..
.
.
i=1
0
0
Algebra
Lineal II
..
.
0
0
..
.
Jkt (i )
i
16 de abril de 2015
74 / 80
La forma canonica
de Jordan
Teorema
Algebra
Lineal II
16 de abril de 2015
75 / 80
La forma canonica
de Jordan
Teorema
1
finita
V un K -espacio vectorial de dimension
Algebra
Lineal II
16 de abril de 2015
75 / 80
La forma canonica
de Jordan
Teorema
1
finita
V un K -espacio vectorial de dimension
T : V V operador lineal
Algebra
Lineal II
16 de abril de 2015
75 / 80
La forma canonica
de Jordan
Teorema
1
finita
V un K -espacio vectorial de dimension
T : V V operador lineal
Algebra
Lineal II
16 de abril de 2015
75 / 80
La forma canonica
de Jordan
Teorema
1
finita
V un K -espacio vectorial de dimension
T : V V operador lineal
Entonces, el numero
de vectores propios generalizados de T en
Algebra
Lineal II
16 de abril de 2015
75 / 80
La forma canonica
de Jordan
Teorema
1
finita
V un K -espacio vectorial de dimension
T : V V operador lineal
Entonces, el numero
de vectores propios generalizados de T en
Entonces, el numero
de cadenas de Jordan de longitud s
Algebra
Lineal II
16 de abril de 2015
75 / 80
Forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
76 / 80
Forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
76 / 80
Forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
76 / 80
Forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
76 / 80
Forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
76 / 80
Forma canonica
de Jordan
Algebra
Lineal II
16 de abril de 2015
76 / 80
Ejemplo
A R1515
Algebra
Lineal II
16 de abril de 2015
77 / 80
Ejemplo
A R1515
Algebra
Lineal II
16 de abril de 2015
77 / 80
Ejemplo
A R1515
Se tiene:
dim E1 (2) = 4,
dim E2 (2) = 7,
dim E3 (2) = 9,
dim E4 (2) = 9
dim E1 (3) = 2
dim E2 (3) = 4,
dim E4 (3) = 6
dim E5 (3) = 6.
Algebra
Lineal II
dim E3 (3) = 5
16 de abril de 2015
77 / 80
Ejemplo
A R1515
Se tiene:
dim E1 (2) = 4,
dim E2 (2) = 7,
dim E3 (2) = 9,
dim E4 (2) = 9
dim E1 (3) = 2
dim E2 (3) = 4,
dim E4 (3) = 6
dim E5 (3) = 6.
dim E3 (3) = 5
Algebra
Lineal II
16 de abril de 2015
77 / 80
Ejemplo
Algebra
Lineal II
16 de abril de 2015
78 / 80
Ejemplo
J=
8
0
0
0
0
0
0
0
0
1
8
0
0
0
0
0
0
0
0
1
8
0
0
0
0
0
0
0
0
0
8
0
0
0
0
0
0
0
0 0 0
0
0
0 0 0
0
0
0 0 0
1
0
0 0 0
8
0
0 0 0
0 2
1 0 0
0
0 2 0 0
0
0
0 2 0
0
0
0 0 2
Algebra
Lineal II
16 de abril de 2015
79 / 80
Ejemplo
Algebra
Lineal II
16 de abril de 2015
80 / 80
Ejemplo
Algebra
Lineal II
16 de abril de 2015
80 / 80
Ejemplo
1
2
Algebra
Lineal II
16 de abril de 2015
80 / 80
Ejemplo
1
2
3
Algebra
Lineal II
16 de abril de 2015
80 / 80
Ejemplo
1
2
3
4
Algebra
Lineal II
16 de abril de 2015
80 / 80