Tema 6.-Autovalores y Autovectores.: Ingenier Ia Civil. Matem Aticas I. 2012-2013

Ingeniera Civil.
Matematicas I. 2012-2013.
Departamento de Matematica Aplicada II.
Escuela Superior de Ingenieros. Universidad de Sevilla.
Tema 6.- Autovalores y autovectores.

6.1.- Autovalores y autovectores.
Definicion y propiedades.
La ecuacion caracterstica.
6.2.- Diagonalizacion.
Matrices diagonalizables.
Matrices no diagonalizables.
6.3.- Matrices simetricas reales.
Diagonalizacion. El teorema espectral.
6.4.- Aplicaciones del calculo de autovalores y autovectores.
Ecuaciones en diferencias.
Conicas y cuadricas giradas.
6.5.- Ejercicios.
Enunciados.
Soluciones.
A lo largo de todo el tema trataremos esencialmente con matrices cuadradas reales (aun-
que muchos de los resultados que veamos tambien seran validos para el caso de matrices cua-
dradas complejas). De todos modos, aun trabajando con matrices reales, sera imprescindible
hacer referencia a los numeros (y a los vectores) complejos. La razon es que necesitaremos
considerar las races de un polinomio con coeficientes reales (si la matriz es real) y estas
pueden ser complejas con parte imaginaria no nula.
Una matriz A cuadrada m m define una transformacion lineal sobre Km ,
x Km y = Ax Km .
Aunque la matriz sea real, cuando algunas de las races del llamado polinomio caracterstico
de A (que sera un polinomio real) sean numeros complejos, con parte imaginaria no nula,
sera conveniente referirnos a la transformacion definida por A sobre el espacio complejo Cm .
En estos casos, tendremos que considerar para vectores complejos todos los aspectos lineales
que hemos considerado en el tema 4: combinaciones lineales, dependencia/independencia
lineal, subespacios vectoriales de Cm , dimension, espacios nulo y columna, etc.
La transformacion de vectores que efectua la matriz A puede ser mas o menos sencilla
de describir dependiendo del vector (o de la direccion) sobre la que se efectue. El problema
fundamental que se aborda es el de la determinacion de las llamadas direcciones principales:
direcciones sobre las que la matriz A actua como la multiplicacion por un numero. Calculemos
para algunos ejemplos geometricos en el plano y en el espacio, los vectores sobre los cuales
la transformacion asociada a una matriz actua simplemente multiplicando por un numero.
149
150 Tema 6.- Autovalores y autovectores.
Ejemplos.
(1) Consideremos la transformacion lineal en el plano consistente en la simetra respecto de

una recta r que pase por el origen de coordenadas. Aplicando esta transformacion sobre
un vector de dicha recta se obtiene el mismo vector y aplicandola sobre un vector de
la recta s perpendicular a r que pasa por el origen de coordenadas se obtiene el vector
opuesto. Los vectores (no nulos) de las rectas r y s se denominan vectores propios o
autovectores de la transformacion dada. Las rectas a veces se denominan direcciones
principales de la transformacion y los coeficientes 1 = 1 y 2 = 1, asociados a dichas
direcciones, se suelen denominar valores propios o autovalores.
(2) Consideramos un plano que pase por el origen en el espacio R3 y la transformacion

lineal T : R3 R3 que asocia a cada vector v R3 el vector T (v) R3 que se obtiene
al proyectar v (ortogonalmente) sobre el plano considerado. Si {v1 , v2 } son dos vectores
que generan el plano y v3 es un vector (no nulo) perpendicular al plano tenemos que
T (v1 ) = v1 , T (v2 ) = v2 , T (v3 ) = 0
con lo cual v1 , v2 y v3 son autovectores y los coeficientes respectivos 1, 1 y 0 son auto-

valores. Puesto que los vectores v1 , v2 y v3 forman una base de R3 , cualquier vec-
tor v R3 puede expresarse como combinacion de ellos y teniendo dicha expresion
v = v1 + v2 + v3 es inmediato obtener T (v) como combinacion lineal de los vectores
v1 , v2 y v3 ,
T (v) = T (v1 ) + T (v2 ) + T (v3 ) = v1 + v2 .
Por ejemplo, para el plano 2x 3y + z = 0 podemos tomar los vectores

3 1 2
v1 = 2 , v2 = 0 y v3 = 3
0 2 1
(la transformacion lineal no depende de como elijamos los vectores v1 , v2 y v3 ). Notemos

que a partir de lo anterior es facil obtener la matriz A de T respecto a la base canonica
(puesto que tenemos los vectores v1 , v2 y v3 y sus transformados expresados respecto
a la base canonica). La matriz A verifica

A v1 v2 v3 = Av1 Av2 Av3
y puesto que la matriz

P = v1 v2 v3
tiene inversa (por ser sus columnas linealmente independientes), podemos despejar la
Matematicas I. Ingeniera Civil

6.1.- Autovalores y autovectores. 151
matriz A,
1
A = Av1 Av2 Av3 v1 v2 v3 =

3 1 0 6 5 3 20 12 4
1 1
= 2 0 0 28 2 3 13 = 28
12 10 6 .
0 2 0 4 6 2 4 6 26
(3) Si A es una matriz diagonal con elementos diagonales d1 , d2, . . . , dm , es claro que para
los vectores canonicos e1 , e2 , . . . , em se verifica Aek = dk ek .
(4) Si tomamos dos vectores {v1 , v2 } linealmente independientes del plano, cualquier trans-
formacion lineal T : R2 R2 queda determinada si conocemos como actua sobre
estos vectores. Si A es la matriz asociada a T respecto a la base canonica, podemos
determinar dicha matriz a partir de Av1 y Av2 (si conocemos las coordenadas de los
vectores v1 , v2 , Av1 y Av2 respecto a la base canonica). Si tomamos por ejemplo los
vectores

1 2
v1 = , v2 = , T (v1 ) = Av1 = 3v1 , T (v2 ) = Av2 = 2v2
2 1
(con lo cual tenemos una situacion en la que conocemos las direcciones sobre las cuales
la transformacion actua multiplicando por un numero), es facil determinar la matriz A
teniendo en cuenta que, puesto que v1 y v2 son linealmente independientes, la matriz
cuyas columnas son v1 y v2 tiene inversa y

3 0
A v1 v2 = 3v1 2v2 = A v1 v2 = v1 v2 =
0 2
1

3 0
= A = v1 v2 v1 v2
0 2
Notemos que de esta ultima expresion es facil obtener las matrices An , n = 1, 2, . . .

1
n

(3) 0
An = v1 v2 v1 v2
0 2n
y, por tanto, los vectores que se obtienen al aplicar sucesivamente la matriz A sobre
un vector dado
u, Au, A (Au) = A2 u, . . . , An u, . . .
Matematicas I. 2012-2013
6.1.- Autovalores y autovectores.

6.1.1.- Definicion y propiedades.
Definicion. Sea A una matriz cuadrada de orden m. Diremos que un escalar C es un
autovalor de A si existe un vector v Cm , v 6= 0 tal que Av = v, en cuyo caso se dice
que v es un autovector de A asociado al autovalor .
Obviamente, si tenemos un autovector v de A asociado a un autovalor , cualquier multi-

plo no nulo de v tambien es un autovector de A asociado al mismo autovalor . Por otra
parte, si tenemos dos autovectores v1 y v2 asociados a un mismo autovalor , cualquier com-
binacion lineal no nula de dichos autovectores tambien es un autovector de A asociado al
mismo autovalor .
Observaciones.
(a) Al hacer transformaciones fila (o columna) sobre una matriz A, los autovalores y los
autovectores de la matriz que se obtiene NO guardan relacion (en general) con los auto-
valores y autovectores de la matriz original. En general, tampoco es cierto que los auto-
valores de una matriz suma/resta/producto de otras dos sean suma/resta/producto de
los autovalores de cada uno de los sumandos. Ejercicio. Busca ejemplos de todo lo
anterior.
(b) El concepto de autovalor y autovector no es exclusivo de los espacios de coordenadas,
ni de los espacios vectoriales de dimension finita. Por ejemplo, siendo V el espacio
vectorial de las funciones y : R R indefinidamente derivables y siendo T : V V
la aplicacion lineal y T (y) = y , se tiene que = 0 es un autovalor de T y todo
polinomio de primer grado es un autovector asociado. Por otra parte = 1 tambien es
autovalor y la funcion y(x) = ex es un autovector asociado.
6.1.2.- La ecuacion caracterstica.

Proposicion. Dada una matriz cuadrada A y un numero 0 C, son equivalentes:
(1) 0 es un autovalor de A.
(2) El sistema homogeneo (A 0 I) x = 0 es un sistema compatible indeterminado.
(3) dim [Nul (A 0 I)] 1. (3) El rango [A 0 I] no es maximo.
(4) La matriz (A 0 I) no tiene inversa.
(5) det [A 0 I] = 0.
Por tanto, los autovalores de A son las soluciones de la ecuacion p() = det [A I] = 0.
Esta ecuacion se denomina ecuacion caracterstica de la matriz A y p() = det [A I]
se denomina polinomio caracterstico.
Siendo A = [aij ] una matriz m m,

a11 a 12 . . . a1m

a21 a22 . . . a2m
p() = det [A I] = .. .. .. = (1)m m + cm1 m1 + + c0

..
. . . .

am1 am2 . . . amm

6.1.- Autovalores y autovectores. 153
es un polinomio de grado m y, por tanto, tiene m races (contando cada una segun su
multiplicidad) que pueden ser reales o complejas no-reales (aun en el caso en que la matriz
A sea real).
El subespacio vectorial Nul [A 0 I] se denomina espacio propio asociado al autovalor
0 (notemos que en general estara compuesto por vectores complejos, los autovectores de A
asociados a 0 y el vector nulo),
Nul [A 0 I] = {0} {autovectores asociados a 0 } .
De manera habitual cuando hablemos de autovectores asociados a un autovalor nos referire-

mos a una base del espacio propio asociado, es decir autovectores linealmente independientes
de forma que cualquier autovector asociado al autovalor en cuestion sea combinacion lineal
de ellos.
Ejemplo. Ademas de los ejemplos considerados anteriormente, veamosel siguiente ejemplo

1 2
en el que la matriz A viene dada. Consideremos la matriz A = .
2 1
Autovalores: Para cualquier escalar tenemos que

1 2
A I = = det (A I) = (1 )2 4 = 2 2 3 = ( 3)( + 1).
2 1
Por tanto det (A I) = 0 = 3 o = 1.

Autovectores
asociados a 1 = 3 : son los vectores no-nulos que estan en el espacio nulo de A 3I,

2 2 0 1 1 0 1 1
(A 3I)x = 0 x = x2 v1 = ,
2 2 0 0 0 0 1 1
asociados a 2 = 1 : son los vectores no-nulos que estan en el espacio nulo de A + I,

2 2 0 1 1 0 1 1
(A + I)x = 0 x = x2 v2 = .
2 2 0 0 0 0 1 1
Las propiedades referidas a autovalores las podemos agrupar dependiendo de si pueden

obtenerse directamente de la definicion (con lo cual estaran involucrados los autovectores) o
si se obtienen a partir del polinomio caracterstico (algunas de ellas pueden obtenerse de las
dos formas).
Proposicion. Sea un autovalor de A y v un autovector asociado, entonces:
(1) es un autovalor de A y v es un autovector asociado.
(2) ( ) es un autovalor de A I y v es un autovector asociado.
(3) k es un autovalor de Ak y v es un autovector asociado.
(4) Si q() es un polinomio, entonces q() es un autovalor de q(A) y v es un autovector

asociado. (Ejemplo: 33 +52 7+2 es un autovalor de la matriz 3A3 +5A2 7A+2I).
(5) Si A tiene inversa, entonces 6= 0, 1 es un autovalor de A1 y v es un autovector

asociado.
(6) Sea A una matriz real, = a + bi C, (a, b R) un autovalor de A y v = u + iw Cm

un autovector de A asociado a . Entonces = a bi C tambien es autovalor de A
y v = u iw Cm es un autovector de A asociado a .
Proposicion. Sea A una matriz m m. Se verifica:
(a) A tiene a lo sumo m autovalores distintos.
(b) A y AT tienen los mismos autovalores (aunque los autovectores asociados pueden ser
distintos).
Proposicion. Sea A una matriz m m y sea
p() = det [A I] = (1)m m + cm1 m1 + + c1 + c0 =
= (1)m ( 1 ) ( m )
su polinomio caracterstico (es decir 1 , , m son los autovalores de A, iguales o distintos).

Se verifica:
(a) El determinante de A es igual al producto de sus autovalores (apareciendo cada uno, en

dicho producto, tantas veces como indique su multiplicidad como raz del polinomio
caracterstico)
1 m = det (A) = p(0) = c0 .
(b) La traza de A (la suma de los elementos diagonales de A) es igual a la suma de sus
autovalores (apareciendo cada uno, en dicha suma, tantas veces como indique su multi-
plicidad como raz del polinomio caracterstico)
1 + 2 + + m = (1)m1 cm1 = traza(A) := a11 + a22 + + amm .
Uno de los resultados mas importantes referidos a autovalores y autovectores es el

siguiente.
Teorema. A autovalores distintos corresponden autovectores linealmente independientes.

Es decir, si 1 , . . . , p son autovalores de A distintos dos a dos y v1 , . . . , vp son autovectores
de A asociados respectivamente a 1 , . . . , p , entonces
{v1 , . . . , vp } es linealmente independiente.

6.2.- Diagonalizacion. 155
6.2.- Diagonalizacion.
Consideremos una transformacion lineal T : Km Km y la matriz A asociada (cuadra-
da, mm) respecto de la base canonica C de Km . Es decir, siendo x las coordenadas cannicas
de un vector v y siendo y las coordenadas canonicas del transformado T (v), tenemos que
y = Ax. Consideremos otra base B y denotemos por x e y a las coordenadas de v y T (v),
respectivamente, respecto de dicha base B. Si P es la matriz del cambio de base C B
tenemos que x = P x e y = P y . Por tanto, la transformacion lineal T se puede expresar, en
coordenadas respecto a B mediante
y = Ax P y = AP x y = P 1 AP x .
Es decir, de la misma forma que A representa a T respecto a la base canonica, la matriz

B = P 1 AP tambien representa a T , pero respecto a la base B. Cuando dos matrices A y
B (cuadradas del mismo orden) estan relacionadas mediante la igualdad B = P 1 AP para
alguna matriz P no-singular, se dice que A y B son semejantes. En este caso se trata de
matrices que representan a la misma transformaion lineal respecto de bases distintas.
En este apartado vamos a considerar el problema de intentar determinar una matriz P
para la cual B = P 1 AP sea una matriz lo mas sencilla posible (que permita describir la
transformacion T asociada de la forma mas simple). La forma mas simple que se puede
plantear es el de una matriz diagonal. Para algunas matrices A sera posible obtener una
matriz diagonal y para otras no.
6.2.1.- Matrices diagonalizables.

Definicion. Se dice que una matriz A m m es diagonalizable si existe alguna matriz P
no singular tal que P 1 AP es una matriz diagonal D. En este caso, se dice que P es una
matriz de paso que diagonaliza A y que la expresion A = P DP 1 es una diagonalizacion de
A.
Notemos que si
d1 0 0 . . . 0
0 d2 0 . . . 0

P 1 AP = D = 0 0 d3 . . . 0

.. .. .. . . .
. . . . ..
0 0 0 . . . dm
entonces de la igualdad matricial AP = P D,

d1 0 . . . 0
0 d2 . . . 0
A v1 v2 . . . vm = v1 v2 . . . vm .. .. . . .

. ..

. .
0 0 . . . dm
se obtiene que cada columna, Avk , de la matriz AP es igual a la correspondiente columna

de P D. Es decir, cada columna de P es un autovector de A asociado al correspondiente
elemento diagonal de D, que sera un autovalor de A.
Por otra parte, el que la matriz P sea no-singular ( tiene inversa det (A) 6= 0) es
equivalente a que sus m columnas sean linealmente independientes.
Cuando sea posible, para construir una diagonalizacion de A bastara con obtener m
autovectores linealmente independientes. La matriz P de orden m que tenga a dichos auto-
vectores linealmente independientes como columnas (en un cierto orden) sera no-singular y
verificara AP = P D siendo D la matriz diagonal cuyos elementos diagonales son los auto-
valores (en el mismo orden en el que hayamos puesto los autovectores en la matriz P ). Por
tanto tenemos una diagonalizacion de A.
Notemos que si en una diagonalizacion A = P DP 1,
cambiamos el orden en las columnas de P y de forma simultanea cambiamos el orden

en los elementos diagonales de D, de manera que se correspondan columnas de P -
elementos diagonales de D, se obtiene otra diagonalizacion de A;
sustituimos cada columna de P por un multiplo no-nulo de dicha columna, se obtiene

otra matriz de paso distinta que tambien diagonaliza a A (la matriz D no cambia).
Proposicion. Sea A una matriz m m. Se verifica:
(1) A es diagonalizable si y solo si tiene m autovectores linealmente independientes.
(2) Si A es diagonalizable tambien lo es cualquier potencia Ak , k = 1, 2,
(3) Si A es diagonalizable tambien lo es cualquier matriz de la forma A I.
(4) Si A es diagonalizable tambien lo es cualquier polinomio en A
q(A) = ck Ak + + c1 A + c0 I.
(5) Si A tiene inversa, A es diagonalizable si y solo si lo es su inversa A1 .
(6) A es diagonalizable si y solo si lo es AT .
Si tenemos una diagonalizacion de A, P 1 AP = D A = P DP 1 se obtienen las siguientes

diagonalizaciones de Ak , A I, AT y A1 (si existe)
Ak = P D k P 1 , A I = P (D I)P 1 , AT = (P T )1 D(P T ), A1 = P D 1 P 1 .
Recordemos que a autovalores distintos corresponden autovectores linealmente indepen-

dientes. Por tanto,
Teorema. Si todos los autovalores de A son simples (A tiene m autovalores distintos),
entonces A es diagonalizable.
Para que una matriz sea diagonalizable no es imprescindible que todos sus autovalores
sean simples. Por ejemplo = 1 es un autovalor doble de la matriz

2 1 0
A= 1 2 0
0 0 1

y A es diagonalizable (compruebalo!). Aunque hay matrices que no son diagonalizables, como

por ejemplo
2 1
B= .
0 2
Para analizar de forma mas detallada cuando una matriz es diagonalizable consideramos
los siguientes conceptos.
Definicion. Sea A una matriz m m y sea 0 un autovalor de A. Se llama:
(a) Multiplicidad algebraica de 0 , y se denota por ma (0 ), a la multiplicidad de 0

como raz del polinomio caracterstico p() = det (A I) de A. Es decir, p() puede
factorizarse como
p() = ( 0 )ma (0 ) q(),
siendo q() un polinomio (de grado m ma (0 )) que no se anula para 0 , q(0 ) 6= 0.
(b) Multiplicidad geometrica de 0 , y se denota por mg (0 ), a la dimension del espacio

nulo de A 0 I,
dim [Nul (A 0 I)] = m rango [(A 0 I)] .
Es decir, la multiplicidad geometrica es el numero (maximo) de autovectores lineal-

mente independientes asociados al autovalor.
Lo unico que se puede afirmar en general sobre la relacion entre las multiplicidades
algebraica y geometrica de un autovalor de una matriz viene dado por el siguiente resultado.
Lema. Sea 0 un autovalor de una matriz A, entonces 1 mg (0 ) ma (0 ).
Teorema. A es diagonalizable si y solo si para cada autovalor se verifica que
ma () = mg ().
En ese caso, si 1 , . . . , p son (todos) los autovalores distintos de A y tenemos una base Bk de
cada uno de los subespacios Nul [A k I] (es decir, tenemos tantos autovectores linealmente
independientes asociados a k como indica su multiplicidad algebraica), entonces
B = B1 Bp
es una base de Rm o de Cm .
Por tanto:
Para determinar si una matriz es diagonalizable habra que determinar si cada autovalor
multiple tiene asociados tantos autovectores linealmente independientes como indique
su multiplicidad algebraica.
Para construir una diagonalizacion, cuando sea posible, habra que obtener tantos auto-
vectores linealmente independientes, asociados a cada autovalor, como indique su multi-
plicidad algebraica;
Observacion.- Para una matriz diagonalizable A, el tener una diagonalizacion
P 1AP = D (diagonal),
permite obtener potencias enteras de dicha matriz,
Ak = P D k P 1
y calcular la correspondiente potencia para una matriz diagonal se reduce a obtener el valor
de dicha potencia en cada uno de los elementos de la diagonal principal.
6.2.2.- Matrices no diagonalizables.

Una matriz cuadrada A es diagonalizable si, y solo si, hay una base (de Rn o Cn ) formada
por autovectores de A. Cuando A no es diagonalizable hay situaciones en las que es necesario
encontrar tambien una base cuyos elementos verifiquen ciertas propiedades similares a las
de los autovectores de A. Estos seran los denominados autovectores generalizados de A.
Definicion. Sea A una matriz m m y sea un autovalor de A. Se dice que un vector

v 6= 0 es un autovector generalizado de A asociado a si se verifica que (A I)k v = 0
para algun entero positivo k.
Es decir, los autovectores generalizados de A asociados a son (excluyendo al vector
nulo), los vectores de los espacios nulos de las matrices (A I)k , k = 1, 2, 3, ...
Observaciones.
1) Es facil comprobar que
Nul (A I) Nul (A I)2 Nul (A I)k Nul (A I)k+1 . . .

2) Puesto que la dimension del espacio es finita, los subespacios anteriores no pueden crecer
de manera indefinida, sino que para un cierto valor r se verificara
Nul [A I] ( Nul (A I)2 ( ( Nul [(A I)r ] = Nul (A I)r+1 = .

3) Si v Nul (A I)k entonces Av Nul (A I)k . Es decir, si v es un autovector
generalizado, Av tambien lo es (o es el vector nulo).
El siguiente resultado indica que para calcular los autovectores generalizados hay que
llegar, a lo sumo, hasta la potencia ma (). Nos indica ademas que, si bien en general no es
cierto que para un autovector generalizado v asociado a se tenga que Av es v, se tiene en
cambio que Av es tambien autovector generalizado asociado a .
Teorema. Sea A matriz m m y sea autovalor de A de multiplicidad algebraica ma ().

Existe un valor 1 r ma () tal que
dim (Nul [A I]) < < dim (Nul [(A I)r ]) = dim Nul (A I)ma () = ma (),

y Nul (A I)k = Nul (A I)ma () para k r.
Observaciones.

1) La proposicion anterior no contradice lo visto hasta ahora para autovectores: si A es dia-

gonalizable y es autovalor de multiplicidad algebraica ma () = l (su multiplicidad
geometrica sera por tanto mg () = l) el valor r de la proposicion anterior es r = 1.
2) Observe que segun el teorema anterior
los autovectores generalizados siempre son los
ma ()
elementos de Nul (A I) , aunque dependiendo de cada caso, dicho espacio
nulo puede coindicir con el espacio nulo de una potencia inferior de A I.
Ejemplo. Consideremos la matriz

1 0 2 2
4 4 1 2
A=
4
.
8 4 9
4 5 1 5
Vamos a calcular una base de R4 formada por autovectores y autovectores generalizados de

A. Su polinomio caracterstico es pA (x) = (x 1)3 (x + 1), luego sus autovalores son 1 = 1
con multiplicidad algebraica ma (1 ) = 1 y 2 = 1 con multiplicidad algebraica ma (2 ) = 3.
Como 1 = 1 es autovalor simple, sus multiplicidades algebraica y geometrica coinciden.
Un autovector asociado a 1 = 1 es, por ejemplo, v1 = (1, 1, 3, 3)T y los demas autovectores
asociados al mismo autovalor son multiplos de v1 . Para el autovalor triple 2 = 1, las matrices
A 2 I y la escalonada superior obtenida de ella por eliminacion gaussiana son

2 0 2 2 2 0 2 2
4 3 1 2 Elim. Gauss. 0 3 3 6
A 2 I =
4 8
.
3 9 0 0 1 3
4 5 1 6 0 0 0 0
Puesto que A 2 I tiene rango 3, solo hay un autovector independiente asociado al auto-
valor 2 = 1 y por tanto, A no es diagonalizable. Los autovectores asociados son los multiplos
(no nulos) de v2 = (2, 1, 3, 1)T .
Calculemos una base de autovectores generalizados asociados al autovalor 2 = 1. Para
ello, debemos calcular las potencias A2 I hasta que una de ellas tenga rango mma (2 ) =
4 3 = 1 con lo cual el espacio nulo de dicha potencia de A 2 I tendra dimension 3. La
matrices (A 2 I)2 y la escalonada superior obtenida por eliminacion gaussiana son

4 6 0 2 4 6 0 2
8 9 0 Elim. Gauss.
2 7 0 3 0 3
(A 2 I) = ,
0 3 0 3 0 0 0 0
8 7 0 9 0 0 0 0
cuyo rango es 2 (todava distinto de 1 = 4 ma (2 )). Por tanto la dimension del espacio
nulo de (A 2 I)2 es 2 y podemos obtener en dicho espacio nulo un autovector genera-
lizado v3 linealmente independiente con v2 , por ejemplo v3 = (0, 0, 1, 0)T . Notemos que
Nul ((A 2 I)2 ) = Gen {v2 , v3 }. La matriz (A 2 I)3 es

8 8 0 8
8 8 0 8
(A 2 I)3 = 24 24 0 24 ,

24 24 0 24
cuyo rango es 1 = 4 ma (2 ). Por tanto, el espacio nulo de (A 2 I)3 tiene dimension

3. En este espacio nulo podemos obtener un autovector generalizado v4 que sea linealmente
independiente con {v2 , v3 }, por ejemplo v4 = (1, 1, 0, 0)T . Notemos que
Nul ((A I)3 ) = Gen {v2 , v3 , v4 }
y que los vectores de este espacio son, ademas del vector nulo, todos los autovectores y auto-
vectores generalizados asociados al autovalor 1 = 1. As, hemos obtenido tres autovectores
(generalizados) asociados al autovalor triple 1 = 1 de una determinada forma, ampliando de
una base de Nul (A I) a una de Nul ((A I)2) y de esta a una de Nul ((A I)3). Podramos
haber obtenido una base de Nul ((A I)3 ) sin necesidad de pasar por bases de los espacios
intermedios. Por ejemplo, los vectores
w2 = (1, 1, 0, 0)T , w3 = (0, 1, 0, 1)T , w4 = (0, 0, 1, 0)T
forman una base de Nul ((A I)3 ).

Por tanto, tenemos como bases de R4
{v1 , v2 , v3 , v4 } y {v1 , w2 , w3 , w4 }.
Para observar la diferencia entre ellas (y entender por que, en general, es mas conveniente
encontrar una base por el procedimiento seguido para construir {v1 , v2 , v3 , v4 }) se propone
como ejercicio determinar la matriz P 1 AP tomando respectivamente como matriz P la
matriz cuyas columnas son las coordenadas de los vectores de cada una de las bases anteriores.
As, si formamos P1 = [v1 , v2 , v3 , v4 ] y P2 = [v1 , w2 , w3 , w4 ] obtenemos

1 0 0 0 1 0 0 0
0 1 1 1 0 1 2 2
P11 AP1 =
0
, P21 AP2 = .
0 1 1 0 1 0 1
0 0 0 1 0 4 1 4
Observamos que con P1 , en el bloque correspondiente al autovalor 1, este aparece en la

diagonal y ademas es un bloque triangular superior, es decir, en la matriz obtenida (que no
puede ser diagonal pues A no es diagonalizable), los autovalores aparecen en la diagonal y
el bloque del autovalor 1 al menos tiene ceros por debajo de la diagonal.
Sin embargo, con P2 ni el autovalor 1 aparece en la diagonal ni su bloque correspondiente
es triangular.
Si una matriz es diagonalizable al juntar autovectores independientes de autovalores
diferentes se obtiene una base de Rm (o de Cm ). De la misma forma cuando se unen bases
de los espacios de autovectores generalizados se obtiene una base de Rm (o de Cm ). Siendo
mas preciso, tenemos el siguiente resultado.
Proposicion. Sea A una matriz cuadrada de orden m, con polinomio caracterstico
pA () = ( 1 )m1 . . . ( p )mp ,
con 1 , . . . , p distintos entre s. Si Bj es base de Nul (A j I)mj , para j = 1, . . . , p, la union

de dichas bases B = {B1 , . . . , Bp } es base de Rm (o de Cm ).

6.3.- Matrices simetricas reales. 161
Observacion-Ejercicio. Segun vimos en el estudio de las propiedades del calculo de auto-

valores y autovectores, todo autovector de una matriz A es autovector de cualquiera de sus
potencias A2 , A3 , . . . El recproco no es cierto, en general. Por ejemplo, tomando la matriz

0 1
A=
0 0
se verifica que A2 es la matriz nula y, por tanto, cualquier vector no-nulo de R2 es autovector
de A2 asociado a su unico autovalor = 0. Sin embargo, hay vectores de R2 que no son
autovectores de A, por ejemplo v = [ 1, 1 ].
Determina los autovectores de cada una de las potencias de

0 0 1 0
0 0 0 1
A= 0 0 0 0 .

0 0 0 0
6.3.- Matrices simetricas reales.
Las matrices simetricas reales constituyen uno de los tipos mas importantes de matrices
para las cuales puede garantizarse la diagonalizabilidad. Ademas, dicha diagonalizacion se
puede obtener matrices de paso ortogonales.
6.3.1.- Diagonalizacion. El teorema espectral

Teorema. Sea A una matriz real simetrica. Entonces:
(a) Todos los autovalores de A son reales.
(b) Si v1 y v2 son autovectores (reales) de A asociados a autovalores distintos 1 y 2 ,

entonces v1 y v2 son ortogonales.
Teorema (espectral para matrices simetricas) Sea A una matriz cuadrada real n n.
Son equivalentes:
(a) A es simetrica.
(b) A es diagonalizable mediante una matriz de paso ortogonal, es decir, existe una matriz
ortogonal Q tal que Q1 AQ QT AQ = D es diagonal.
En ese caso, las columnas de la matriz {q1 , . . . , qn } de Q son un conjunto de autovectores
de A que forman una Base Ortonormal de Rn y, ademas, tenemos que

1 0 . . . 0 q1T

0 2 . . . 0
T q2T
A = QDQ = q1 . . . qn .. .. . . ..

. . . . ...
0 0 . . . n qnT
= 1 q1 q1T + 2 q2 q2T + + n qn qnT .
Cada matriz qk qkT es la matriz de la proyeccion ortogonal sobre el subespacio generado por
el correspondiente vector {qk } (es una matriz de rango 1). As, obtenemos la expresion
A = 1 q1 q1T + 2 q2 q2T + + n qn qnT ,
que se llama descomposicion espectral de A. Esta expresion nos da la matriz simetrica

real A como una combinacion lineal de matrices de proyeccion de rango 1.
A la hora de obtener una diagonalizacion ortogonal de una matriz simetrica real A pueden
aparecer dos situaciones distintas:
Todos los autovalores de A son simples. En este caso, los autovectores correspondientes
tienen que ser ortogonales dos a dos y formaran una base ortogonal de Rn . Norma-
lizando dichos autovectores (dividiendo cada uno por su norma) seguiremos teniendo
autovectores ortogonales que ademas seran unitarios. Una matriz Q que tenga a dichos
autovectores ortonormales como columnas sera una matriz de paso que diagonaliza A
ortogonalmente.
La matriz A tiene algun autovalor multiple. En este caso, cuando calculemos los auto-
vectores asociados a uno de los autovalores multiples, obtendremos una base del
espacio propio asociado Nul (A I). En general esta base puede no ser una base orto-
gonal de dicho subespacio. Ortogonalizando primero y normalizando a continuacion,
tendremos una base ortonormal de autovectores asociados a dicho autovalor multiple.
Haciendo esto con cada uno de los autovalores multiples y normalizando los autovec-
tores asociados a autovalores simples tendremos una base ortonormal de Rn formada
por autovectores de A. Basta considerar una matriz Q cuyas columnas sean los vectores
de dicha base para obtener una diagonalizacion ortogonal de A.
6.4.- Aplicaciones del calculo de autovalores y autovectores.

Vamos a considerar la relacion del calculo de autovalores y autovectores con los llamados
problemas de evolucion. Dichos problemas vendran expresados por una ecuacion en
diferencias en el caso discreto y por una ecuacion diferencial en el caso continuo.
En forma generica se tratara de obtener una funcion vectorial de variable discreta (en cuyo
caso tendremos una sucesion de vectores) o de variable continua (en cuyo caso tendremos
una funcion vectorial de variable real) determinadas por una condicion sobre su evolucion.
Como es natural solo consideraremos problemas lineales. De esta forma los correspondientes
conjuntos de soluciones tendran una estructura similar a la del conjunto de soluciones de un
sistema de ecuaciones lineales. Es decir, tendran una estructura de subespacio vectorial (o
de variedad lineal) y podran manipularse de forma analoga a la manipulacion de vectores de
coordenadas.
6.4.1.- Sistemas de ecuaciones en diferencias.

Aqu trataremos de obtener las sucesiones de vectores en Rm (o Cm )
u0 , u1 , u2 , u3 , . . . , un , . . .
en la que la relacion entre dos terminos consecutivos es lineal, constante y homogenea.

6.4.- Aplicaciones del calculo de autovalores y autovectores. 163
De forma mas precisa, la relacion entre dos vectores consecutivos sera de la forma
un+1 = Aun
siendo A una matriz cuadrada m m constante (independiente de n).
Definicion. Sea A una matriz cuadrada de orden m y sea u1 , u2 , . . . , un , . . . una sucesion

de vectores en Rm definidos de manera recurrente por
un = Aun1, n = 1, 2, . . .
a partir de un vector inicial u0 Rm . Una relacion de recurrencia de esta forma se llama

sistema de ecuaciones en diferencias lineal homogeneo de primer orden (con coeficientes
constantes). No nos ocuparemos aqu ni del caso no homogeneo, ni del caso de coeficientes
no constantes y muchisimos menos de casos no lineales.
A partir de la relacion un = Aun1 se tiene que un = An u0 y tenemos la expresion

del termino general un en funcion del vector original u0 . El problema es determinar las
potencias An de A. Tendremos esencialmente dos situaciones. Por un lado, el caso en que A
sea diagonalizable sera facil de tratar y por otro, el caso en el que A no sea diagonalizable que
necesitara de mas elaboracion puesto que tendremos que recurrir al calculo de autovectores
generalizados. Uno de los aspectos que permite estudiar la expresion del termino general un
(a partir de u0 ) es el comportamiento asintotico, es decir el comportamiento a largo plazo de
la sucesion un , que sucede con los vectores un cuando n se hace grande?
Proposicion. Sea A una matriz cuadrada de orden m y u0 Rm . Entonces
(a) Si A es diagonalizable, A = P DP 1 (P matriz de paso de orden m cuyas columnas

son autovectores de A linealmente independientes, D matriz diagonal cuyos elementos
diagonales son los autovalores correspondientes de A), se verifica que
An = P D n P 1 y un = An u0 = P D n P 1 u0 , n = 1, 2, . . .
(b) Si u0 es combinacion lineal de autovectores de A (independientemente de que A sea

diagonalizable o no),
u0 = c1 v1 + + ck vk y Avj = j vj , j = 1, . . . , k,
entonces
An u0 = c1 n1 v1 + ck nk vk .
Observaciones. Que sucede si A no es diagonalizable y u0 no es combinacion lineal de

autovectores? Sea A una matriz m m no diagonalizable.
(a) Si v es un autovector generalizado de A asociado a un autovalor , para un cierto valor

k se verifica que
(A I)v 6= 0, . . . , (A I)k1 v 6= 0, (A I)k v = 0.
Utilizando esto podemos determinar la solucion (sucesion de vectores) del sistema de

ecuaciones en diferencias un = Aun1 que tiene como valor inicial u0 = v. Para ello,
basta considerar la formula del binomio de Newton:

n n 0 n n1 1 n n2 2 n 1 n1 n
n
(a+b) = a b+ a b+ a b + ab + a0 bn
0 1 2 n1 n

p p(p 1) (p q + 1) p!
:= = , (0! := 1)
q q! q!(p q)!
que es aplicable a la potencia de una suma de matrices si estas conmutan. Es decir, si
A y B son dos matrices cuadradas que conmutan (AB = BA), se verifica la igualdad

n 0 n 1 n 2 n
(A + B) =n n
A B + A n1
B + n2
A B + + A0 B n
0 1 2 n
siendo A0 = B 0 = I. Puesto que las matrices A I y I conmutan, podemos aplicar

la formula del binomio de Newton y para n k obtenemos
An v = [I + (A I)]n v =

n n n
= (I)n + (I)n1 (A I)1 + + (A I)n v
0 1 n
puesto que (A I)k v = (A I)k+1 v = (A I)k+2 v = = 0

n(n 1) n2
= n v + nn1 (A I)v + (A I)2 v + +
2

nk+1 n
+ + (A I)k1 v
k1
y aparecen (a lo sumo) k sumandos en el sumatorio, independientemente de lo grande
que sea n. En los ejemplos que veremos k sera pequeno y apareceran pocos terminos
en el sumatorio.
(b) Si obtenemos una base {v1 , . . . , vm } (de Rm o Cm ) formada por autovectores generali-
zados de A, entonces puede encontrarse la solucion general del sistema de ecuaciones
en diferencias un = Aun1 para cualquier u0 Rn . Para ello, expresamos u0 como
combinacion lineal de los autovectores generalizados {v1 , . . . , vm },
u0 = 1 v1 + + m vm
con lo que
un = An u0 = 1 An v1 + + m An vm
y, por tanto, bastara determinar (An vj ) para cada autovector generalizado vj .
(c) Calculo de An . A partir de una base formada por autovectores generalizados {v1 , . . . , vm }
podemos calcular An sin mas que obtener los vectores {An v1 , . . . , An vm } y despejar An
de la igualdad matricial

An v1 v2 . . . vm = An v1 An v2 . . . An vm .

(d) Comportamiento asintotico de An u0 . Con este termino se designa al estudio del

comportamiento de la sucesion de vectores u0, u1 , u2 , . . . a largo plazo. Es decir se
trata de estudiar que sucede cuando n . Los vectores un
convergen a un cierto vector?

oscilan entre ciertos vectores?
tienden a ? Es decir, lmn ||un || = ?
Si tenemos un vector u0 expresado como combinacion lineal de autovectores y autovectores

generalizados
u0 = c1 v1 + + cm vm ,
la sucesion generada viene dada mediante
un = An u0 = c1 An v1 + + cm An vm
con lo cual podemos reducir el estudio al comportamiento de las sucesiones An v siendo v

un autovector o un autovector generalizado de A. En la situacion mas simple, que v sea un
autovector asociado a un cierto autovalor tenemos que
An v = n v
y, por tanto,
Si || < 1, tenemos que (n ) 0 y (An v) = (n v) 0.
Si || > 1, tenemos que (n ) y (||An v||) = (||n ||v||) +.
Si || = 1 hay que distinguir dos casos (al menos):
Si = 1, la sucesion de vectores An v = v es constante.

Si || = 1, 6= 1, puesto que |n | = 1 para todo n = 1, 2, . . . , los coeficientes
, 2 , 3 , . . . recorren la circunferencia unidad (no completa, infinitas veces) y los
vectores An v = n v presentan un comportamiento oscilante.
Veamos a continuacion dos ejemplos de como obtener An v.

Ejemplo 1. Calcular un = An u0 siendo

1 1 0 2
A = 0 1 0 y u0 = 1 .
0 0 2 1
Por ser A triangular es inmediato que los autovalores son 1 = 1 (doble) y 2 = 2 (sim-
ple). Como es facil comprobar, mg (1 = 1) = 1 < ma (1 = 1) = 2 y la matriz A no es
diagonalizable. No existe una base de autovectores (1 y 2 aportan uno cada uno) y nece-
sitamos recurrir a un autovector generalizado de 1 para obtener una base de R3 formada
por autovectores y autovectores generalizados.
Autovectores asociados a 1 = 1,

1

(A I)x = 0 = Nul (A I) = Gen v1 = 0 .
0

Autovectores generalizados asociados a 1 = 1,

0
2
2
(A I) x = 0 = Nul (A I) = Gen v1 , v2 = 1 .

0

Autovectores asociados a 2 = 2,

0

(A 2I)x = 0 = Nul (A 2I) = Gen v3 = 0 .
1

Es decir, trabajaremos con la base de R3 formada por {v1 , v2 , v3 } (que en este caso sencillo
coincide con la canonica). As,
un = An u0 = An (2v1 + v2 v3 ) = 2An v1 + An v2 An v3 .
Por ser v1 y v3 autovectores:
An v1 = n1 v1 = 1n v1 = v1 y An v3 = n2 v3 = 2n v3 .
Mientras que por ser v2 autovector generalizado de 1 = 1, que verifica (AI)2 v2 = 0 (k = 2

en la formula dada anteriormente):
An v2 = [1 I + (A 1 I)]n v2
n(n1) n2
= n1 v2 + n1n1 (A 1 I)v2 + 2
1 (A 1 I)2 v2 +
= 1n v2 + n1n1 v1 + 0 + ... = v2 + nv1 ya que (A I)v2 = v1 .
Finalmente

2+n
un = An u0 = 2v1 + (v2 + nv1 ) 2n v3 = (n + 2)v1 + v2 2n v3 = 1 .
2n
Ejemplo 2. Calcular un = An u0 siendo

3/2 1/2 1/2 0
A= 0 2 1 y u0 = 2 .
1/2 1/2 5/2 1

Autovalores. Calculamos sus autovalores mediante la ecuacion caracterstica,
|A I| = 0 3 62 + 12 8 = 0 ( 2)3 = 0,
de donde obtenemos que 1 = 2 es un autovalor triple (ma (1 ) = 3). (Recuerdese

que la traza de la matriz debe coincidir con la suma de los autovalores; en este caso
ambas valen 6, puesto que tr(A) = 3/2 + 2 + 5/2 = 2 + 2 + 2 = 6). Si calculamos su
multiplicidad geometrica
mg (1 = 2) = 3 rango(A 2I) = 3 2 = 1
vemos que solo tiene un autovector asociado linealmente independiente, con lo que
necesitaremos encontrar dos autovectores generalizados (linealmente independientes)
para formar una base de R3 con autovectores y autovectores generalizados.
Autovectores:
1 1 1

2 2 2
x1 1
x1 x2 + x3 = 0
(A2I)x = 0 0 1 x2 = 0
x = x2 1 .

1 x3 = 0
2
21 1
2
x3 0
Tomamos como autovector, por ejemplo, v1 = (1, 1, 0)T .
Autovectores generalizados:
(A 2I)2 x = 0
1 1 1

2
2 2
x1 1 0
1 1 1 x2 = 0 x1 x2 + x3 = 0 x = x1 1 + x3 1 .
2 2 2
0 0 0 x3 0 1
Tomamos como primer autovector generalizado (que debe ser linealmente inde-
pendiente con v1 ), por ejemplo, v2 = (0, 1, 1)T .
Finalmente, (A 2I)3 x = 0

0 0 0 x1 x1
0 0 0 x2 = 0 x = x2 R3 arbitrario.
0 0 0 x3 x3
Podemos tomar como segundo autovector generalizado cualquier vector de R3 que

sea linealmente independiente con {v1 , v2 }, por ejemplo, v3 = (1, 0, 0)T .
Una vez que tenemos la base B = {v1 , v2 , v3 } formada por autovectores y autovectores
generalizados, calculamos las coordenadas de u0 en dicha base,

0 1 0 1 1
u0 = PB [u0 ]B 2 = 1 1 0 [u0 ]B = 1 ,
1 0 1 0 1
es decir, u0 = v1 + v2 v3 .
Por tanto,
un = An u0 = An (v1 + v2 v3 ) = An v1 + An v2 An v3 .
Puesto que v1 es autovector de A asociado a 1 = 2, An v1 = n1 v1 = 2n v1 . Por otra parte,
An v2 = [1 I + (A 1 I)]n v2 = n1 v2 + n1n1 (A 1 I)v2 + n(n1) n2

2
1 (A 1 I)2 v2 +

0 1
= 2n v2 + n2n1 v1 + 0 + ... = 2n 1 + n2n1 1
1 0
(por ser v2 autovector generalizado asociado a 1 = 2, que verifica (A 2I)2 v2 = 0 (k = 2

en la formula anterior) y ya que (A 2I)v2 = v1 ),
An v3 = [1 I + (A 1 I)]n v3 = n1 v3 + n1n1 (A 1 I)v3 + n(n1) n2

2
1 (A 1 I)2 v3 +

1 1/2 1/2
n(n1) n2
= 2n 0 + n2n1 0 + 2
2 1/2
0 1/2 0
(por ser v3 autovector generalizado de 1 = 2, que verifica (A 2I)3 v3 = 0 (k = 3 en la

formula anterior) y ya que

1/2 1/2
(A 2I)v3 = 0 y (A 2I)2 v3 = 1/2 .
1/2 0
Notese que si hubieramos elegido una base formada por tres autovectores generalizados,
{w1 , w2 , w3 },
a partir de (A 2I)3 v = 0, tendramos
un = An u0 = An (1 w1 + 2 w2 + 3 w3 ) = 1 An w1 + 2 An w2 + 3 An w3 .
Para obtener cada uno los tres terminos An wi necesitaramos recurrir a una expresion analoga
a la obtenida para An v3 . De ah que, en general, sea recomendable construir la base de
Rn formada por autovectores y autovectores generalizados de forma progresiva: resolviendo
primero (A I)v = 0, despues (A I)2 v = 0, despues (A I)3 v = 0, etc.
No obstante, puesto que en el caso anterior todo vector es un autovector generalizado
(puesto que solo hay 1 autovalor), calcular An u0 conlleva los mismos calculos que obtener
An v3 .
6.4.2.- Conicas y cuadricas giradas.

En el Tema 1 se estudiaron las (secciones) conicas y las cuadricas desde el punto de vista
metrico as como los elementos representativos de cada una de ellas. Por otra parte, vimos
la determinacion de la posicion, del tipo de conica/cuadrica y como obtener los elementos
caractersticos cuando esta viene dada por una ecuacion en la que no aparecen productos
cruzados. Ahora estudiaremos:

(a1) Que toda ecuacion polinomica de segundo grado en dos variables
a11 x2 + 2a12 xy + a22 y 2 + 2a1 x + 2a2 y + a0 = 0
(alguno de los coeficientes a11 , a12 , a22 es distinto de cero) representa una conica.
(a2) Que toda ecuacion polinomica de segundo grado en tres variables
a11 x2 + a22 y 2 + a33 z 2 + 2a12 xy + 2a13 xz + 2a23 yz + 2a1 x + 2a2 y + 2a3 z + a0 = 0,
(alguno de los coeficientes a11 , a22 , a33 , a12 , a13 , a23 es distinto de cero) representa una
cuadrica. Entre estas consideramos los casos degenerados.
(b) Como determinar el tipo de conica/cuadrica y sus elementos representativos cuando en
la ecuacion aparecen terminos en productos cruzados. La presencia de estos terminos
indica que la conica/cuadrica esta girada respecto a los ejes coordenados. La determi-
nacion del correspondiente angulo de giro se hara a partir del calculo de autovalores
y autovectores de la matriz asociada a la parte cuadratica de la ecuacion de la coni-
ca/cuadrica. Es decir, se tratara de obtener la posicion, los elementos caractersticos y
la representacion grafica en el sistema de ejes dado.
Reduccion de una conica girada.
Definicion. Una conica es el lugar geometrico de los puntos (x, y) R2 del plano que
satisfacen una ecuacion general de segundo grado:
f (x, y) = a11 x2 + 2a12 xy + a22 y 2 + 2a1 x + 2a2 y + a0 = 0, (1)
donde alguno de los coeficientes a11 , a12 o a22 es distinto de cero.

La ecuacion anterior, llamada ecuacion de la conica, se puede escribir en notacion vectorial
de la forma:

x x a11 a12
f (x, y) = [x y] A + 2 [a1 a2 ] + a0 = 0 siendo A = .
y y a12 a22
Notese que tambien puede escribirse,

a11 a12 a1 x
f (x, y) = [x y 1] a12 a22 a2 y = 0.
a1 a2 a0 1
El proceso general para llevar una conica a su ecuacion reducida (sabiendo cuales son los
cambios de variables involucrados) puede separarse en dos etapas (si el coeficiente a12 6= 0,
si el coeficiente a12 = 0 bastara con la segunda etapa):
(a) Determinacion de las direcciones de los ejes de la conica. Esto consiste en diagonalizar
ortogonalmente la matriz (simetrica A) asociada a la parte cuadratica de la ecuacion

a11 a12
A= .
a12 a22
Sean 1 y 2 los autovalores de A y v1 y v2 autovectores ortogonales correspondientes
(si 1 6= 2 dichos autovectores seran ortogonales necesariamente, y si 1 = 2 nece-
sariamente A es una matriz diagonal, y no necesitamos hacer nada de esto). Conviene
tomar los autovectores v1 y v2 de manera que el angulo de v1 a v2 sea de 900 en sentido

positivo (contrario a las agujas del reloj). Sin mas que dividir los vectores v1 y v2 por
su norma, obtenemos una base ortonormal {u1 , u2} de R2 formada por autovectores de
A y, por tanto,

1 T T 1 0
P = u1 u2 P = P , P AP = D = .
0 2
Al sustituir en la ecuacion (en (x, y)) de la conica el cambio de variables tenemos

x x T x x
=P = [x y ] P AP + 2 [a1 a2 ] P + a0 = 0.
y y y y
Es decir, la ecuacion de la conica en las coordenadas (x , y ) es
1 x2 + 2 y 2 + 2b1 x + 2b2 y + a0 = 0,
ecuacion en la que no aparece el producto cruzado x y . Notemos que

x x x x T x uT1 x
=P = u1 u2 = =P = .
y y
y
y
y uT2 y
Por tanto, los nuevos ejes son

x

X ecuacion y = 0 uT2 = 0,
y

x
Y ecuacion x = 0 uT1 = 0.
y
Es decir, los ejes x e y son las rectas que pasan por el origen de coordenadas y
tienen como vectores direccion respectivos los autovectores u1 y u2 de A. De hecho el
sistema de ejes OX Y se obtiene del sistema OXY girando (con centro el origen de
coordenadas) el angulo que determina u1 con el semieje OX + .
(b) Una vez que tenemos la ecuacion
1 x2 + 2 y 2 + 2b1 x + 2b2 y + a0 = 0,
en la que no aparece el producto cruzado x y , bastara completar los cuadrados que

aparezcan (mediante cambios del tipo x = x e y = y ) para obtener una
ecuacion de uno de los siguientes tipos:
Caso elptico. 1 2 > 0 (es decir 1 y 2 son no-nulos y del mismo signo),
a2 x2 + b2 y 2 = c
en cuyo caso tenemos una elipse (c > 0), un punto (c = 0) o nada (c < 0).

Caso hiperbolico. 1 2 < 0 (es decir 1 y 2 son no-nulos y de distinto signo),
a2 x2 b2 y 2 = c
en cuyo caso tenemos una hiperbola (c 6= 0) o un par de rectas que se cortan

(c = 0).
Caso parabolico. 1 2 = 0 (es decir uno de los autovalores es nulo, y el otro no).
Suponiendo que 1 6= 0, 2 = 0 puede obtenerse
a2 x2 + by = 0 o a2 x2 + c = 0
Tendremos una parabola (b 6= 0), o bien un par de rectas paralelas (c < 0) o

coincidentes (c = 0) o nada (c > 0).
Para obtener los elementos caractersticos de la conica y su representacion grafica basta

obtenerlos en las coordenadas (x , y ) y deshacer los cambios de variables que se hayan hecho

x = x x = x +
(Traslacion)
y =y y = y +

x x x T x
(Giro) =P =P .
y y y y
Ejemplos.
(1) Vamos a obtener la ecuacion canonica (reducida) y la representacion grafica de la conica
3x2 + 3y 2 2xy + 2x 4y + 1 = 0.
mediante los cambios de coordenadas adecuados.
Escribimos en forma matricial la parte cuadratica de la ecuacion de la conica:

3 1 x
[x y] + 2x 4y + 1 = 0.
1 3 y
Puesto que la ecuacion de la conica tiene termino en xy necesitamos hacer un giro para
colocar los ejes en las direcciones de los autovectores de la matriz A (la que recoge los
terminos cuadraticos).
Calculamos los autovalores de A,

3 1 2
1 3 = 6 + 8 = 0 1 = 4, 2 = 2.

Los autovectores correspondientes son:

1 1 x 0 x 1
1 = 4 : = x + y = 0 = ,
1 1 y 0 y 1

1 1 x 0 x 1
2 = 2 : = x y = 0 = .
1 1 y 0 y 1
Construimos la matriz de paso ortogonal P (que diagonaliza A) mediante una base
ortonormal de autovectores:
( )
2 1 2 1
, .
2 1 2 1
El primer autovector da la direccion y sentido positivo del nuevo eje X (que co-
rresponde a girar un angulo = 45o el eje X, pues del autovector sacamos que
tg = y/x = 1/1 = 1) y el segundo autovector (que hemos elegido en el sentido
adecuado para que el eje Y se obtenga girando el X un angulo de 90o en sentido
positivo) marca la direccion y sentido del nuevo eje Y . El cambio:
" 2 2 #
x x
x = P x = 2 2
y 2 2 y
2 2
eliminara el termino mixto x y dejando la parte cuadratica como 1 x2 + 2 y 2 , modi-

ficara los coeficientes de los terminos lineales, x e
y , y no
alterara el termino indepen-
diente. Concretamente obtenemos: 4x + 2y + 3 2x 2y + 1 = 0.
2 2
Completando cuadrados hacemos una traslacion:

! !
3 2 2
4 x2 + x + 2 y 2 y + 1 = 0,
4 2
!2 !2
3 2 9 2 1
4 x + + 2 y + 1 = 0,
8 8 4 4
2! 2 !
3 2 2 3 3
4 x + +2 y = 4x2 + 2y 2 = ,
8 4 8 8
donde hemos realizado la traslacion

3 2 2
x = x + , y = y .
8 4
Operando, llegamos a la ecuacion canonica
x2 y 2 x2 y 2
3 + 3 = 1 q 2 + 2 = 1.
32 16 1 3 3
4 2 4
Es decir, al haber tomado 1 = 4 y 2 =q2, el semieje mayor de la elipse esta sobre el

eje Y y el menor sobre el X , ya que 41 32 < 43 .
El centro C de laelipse es el origen en las coordenadas (x , y ). Es decir, (x , y ) =
(0, 0) (x = 3 8 2 , y = 42 ). En coordenadas (x, y) obtenemos
! !
2 3 2 2 1 2 3 2 2 5 1 5
x= + = , y= + = C = , .
2 8 4 8 2 8 4 8 8 8

Para hacer el dibujo esquematico con una cierta precision, puede sernos util el encontrar
los puntos de corte (si los hay) de la elipse con los ejes coordenados (OX y OY ). Al
hacer x = 0 en la ecuacion de la conica se obtiene 3y 2 4y + 1 = 0 que se verifica
para y = 1, 1/3. Mientras que si hacemos y = 0, la ecuacion 3x2 + 2x + 1 = 0 no tiene
solucion (real). Por tanto, la elipse corta al eje OY en los puntos (0, 1) y (0, 1/3) y no
corta al eje OX.
Con toda la informacion que hemos obtenido a lo
largo del problema, comenzamos dibujando los ejes Y Y
X e Y sabiendo que pasan por (x = 0, y = 0) y
tienen la direccion y sentido del autovector corres- 1
pondiente a 1 y 2 , respectivamente. Es decir, en Y

C
este caso, con la eleccion que hicimos de autova-
lores y autovectores, los ejes X e Y se obtienen 1/3
rotando un angulo de 45o a los ejes X e Y . A

continuacion, dibujamos los ejes X e Y , parale- X X
X

los respectivamente a los ejes X e Y , que resultan
de trasladar el origen al punto C = 81 , 58 .

Notese que si hubieramos elegido los autovalores en

el otro orden posible, es decir, 1 = 2 y 2 = 4 y
tomamos como autovectores respectivos (1, 1)T y Y
(1, 1)T (el primero indica la direccion y sentido Y
Y X
del eje X y el segundo el del Y ), llegaramos, tras 1
realizar el giro (en este caso de 45o ) mediante el X
cambio de coordenadas dado por la nueva matriz C
P y la traslacion adecuada, a la ecuacion canonica:

1/3
x2 y 2 X
+
2 q 2 = 1,
3 1 3
4 4 2
que nos llevara a la figura adjunta.

x2 2xy + y 2 2x + 1 = 0
terminos cuadraticos).

1 1 x 1 1
x y 2x + 1 = 0, A=
1 1 y 1 1
Calculamos pues sus autovalores y despues sus autovectores. En primer lugar:

1 1 2
1 1 = 2 = 0 1 = 0, 2 = 2.

Podemos pues calcular los autovectores:

1 1 x 0 x 1
1 = 0 : = x y = 0 = ,
1 1 y 0 y 1

1 1 x 0 x 1
2 = 2 : = x + y = 0 = .
1 1 y 0 y 1
Construimos la matriz P mediante la siguiente base ortonormal de autovectores:
( )
2 1 2 1
, ,
2 1 2 1
donde el primer autovector da la direccion y sentido del nuevo eje X (que corresponde
a girar un angulo = 45o el eje X, pues del autovector sacamos que tg = y/x = 1) y
el segundo autovector (que hemos elegido en el sentido adecuado para que el eje Y se
obtenga girando el eje X 90o en sentido positivo o antihorario) marca la direccion y
sentido del nuevo eje Y . El cambio:
" 2 #
2

x x
x = P x = 22 22
y y
2 2
eliminara el termino mixto x y dejando la parte cuadratica como 1 x2 + 2 y 2 , modi-

ficara los coeficientes de los terminos lineales, x e y , y no alterara el termino indepen-
diente. Concretamente obtenemos:

2y 2 2x + 2y + 1 = 0.
Completando cuadrados en y y haciendo una traslacion tenemos

! !2
2 2 2 1
2 y + y 2x + 1 = 0, 2 y + 2x + 1 = 0,
2 4 4
2 !
2 3
2 y + 2x + = 0,
4 4
!2 !
2 3 2
2 y + 2 x = 0, 2y 2 2x = 0,
4 8

3 2
2
x =x , y =y + .
8 4
Por tanto, la ecuacion canonica a la que hemos llegado, tras la rotacion y la traslacion
llevadas a cabo, es
x = 2y 2 .
El vertice V de la

parabola es el origen en las coordenadas (x , y ). Es decir, (x , y ) =
! !
2 3 2 2 5 2 3 2 2 1 5 1
x= + = , y= = , V = , .
2 8 4 8 2 8 4 8 8 8

los puntos de corte (si los hay) de la parabola con los ejes coordenados (OX y OY ).
Al hacer x = 0 en la ecuacion de la conica se obtiene y 2 + 1 = 0 que no tiene solucion
(real). Mientras que si hacemos y = 0 obtenemos x2 2x + 1 = 0 que tiene como
solucion (doble) x = 1. Por tanto, la parabola no corta al eje OY y toca sin cortar
(pues es tangente, como se deduce de la raz doble) al eje OX en el punto (1, 0).
Con toda la informacion que hemos obtenido a lo largo del problema, comenzamos di-
bujando los ejes X e Y sabiendo que pasan por el origen de las coordenadas X-Y y que
tienen la direccion y sentido del autovector correspondiente a 1 y 2 , respectivamente.
Es decir, en este caso, con la eleccion que hicimos X
de autovalores y autovectores, los ejes X e Y se Y
obtienen rotando un angulo de 45o a los ejes X e X
Y . A continuacion, dibujamos los ejes X e Y , Y
paralelos respectivamente a los ejes X e Y , que
resultan de trasladar el origen al vertice de la
Y
parabola V = 81 , 58 . Finalmente, dibujamos V

la parabola, que es muy facil de representar en
1 X
las coordenadas (x , y ). Teniendo en cuenta las
intersecciones con los ejes X e Y obtenemos pues
la figura adjunta.
Notese que si elegimos los autovalores en el mismo orden, 1 = 0 y 2 = 2, pero
tomamos los autovectores opuestos ((1, 1)Tfija el eje X y (1, 1)T marca el Y ),
llegamos, procediendo analogamente, a x = 2y 2. En este situacion, estaramos en
el caso (a) de la figura siguiente.
Sin embargo, si tomamos 1 = 2 y 2 = 0, y como autovectores correspondientes a
(1, 1)T (que determinael eje X ) y (1, 1)T (que marca el eje Y ), llegamos, procediendo
analogamente, a y = 2x2 . De esta forma, estaramos en el caso (b) de la figura
siguiente.
Finalmente, la cuarta y ultima posibilidad sera tomar 1 = 2 y 2 = 0, pero trabajando
con los autovectores a (1, 1)T (fija el eje X

) y (1, 1)T (marca el Y ). Entonces, se

llega, procediendo analogamente, a y = 2x2 . Estaramos entonces en el caso (c)
de la figura siguiente.
Y Y Y Y
Y
X
V V V

1 X 1 X 1 X
X Y
X Y Y X X Y
(a) (b) (c)

Moraleja: la curva en el plano (X, Y ) es obviamente la misma, aunque al comienzo del
problema tenemos cuatro posibilidades distintas para elegir el eje X (segun que auto-
valor elijamos como primero y que autovector de norma unidad elijamos para dicho
autovalor). Tras esta eleccion los ejes Y (que queremos obtenerlo girando 90o en sentido
antihorario el eje X ), X e Y ya quedan determinados.
2xy 4x + 2y 7 = 0
terminos cuadraticos),

0 1 x 0 1
x y 4x + 2y 7 = 0, A= .
1 0 y 1 0
Calculamos los autovalores,

1
= 2 1 = 0 1 = 1, 2 = 1.

1
Los autovectores correspondientes son:

1 1 x 0 x 1
1 = 1 : = x y = 0 = ,
1 1 y 0 y 1

1 1 x 0 x 1
2 = 1 : = x + y = 0 = .
1 1 y 0 y 1
( )
2 1 2 1
, ,
2 1 2 1
donde el primer autovector da la direccion y sentido del nuevo eje X y el segundo

autovector (que hemos elegido en el sentido adecuado para que el eje Y se obtenga
girando el eje X 90o en sentido positivo o antihorario) marca la direccion y sentido
del nuevo eje Y . El cambio de variables:
" #
2
22

x 2
x
x = P x =
y 2 2 y
2 2
eliminara el termino mixto x y dejando la parte cuadratica como 1 x2 +2 y 2 , podra mo-

dificar los coeficientes de los terminos lineales, x e y , y no alterara el termino inde-
pendiente. Concretamente obtenemos:

x2 y 2 2x + 3 2y 7 = 0.

Completando cuadrados en x e y y haciendo una traslacion:

!2 !2
2 1 3 2 9
x y + 7 = 0,
2 2 2 2
2 ! 2!
2 3 2
x y 3 = 0,
2 2
2 2 x2 y 2
x y = 3 = 1,
( 3)2 ( 3)2

2 3 2
x =x , y =y .
2 2
Deducimos que las asntotas de la hiperbola son las rectas y = x (perpendiculares
entre s al ser la hiperbola equilatera). Podemos deshacer los cambios (giro y traslacion)
para obtener sus ecuaciones en las coordenadas x-y. As,

3 2 2
y = x y =x
2 2
y, teniendo en cuenta que x = P T x (pues x = P x y P es ortogonal), tenemos

2 2
x = (x + y), y = (x + y)
2 2
llegamos a
2 3 2 2 2
(x + y) = (x + y) x = 1.
2 2 2 2
Procediendo analogamente, y = x se convierte en y = 2 (ambas asntotas son pues
paralelas a los ejes Y y X, respectivamente).
El centro C de la hiperbola

es el origen en las coordenadas (x , y ). Es decir, (x , y ) =
2 3 2
(0, 0) (x = 2 , y = 2 ). En coordenadas (x, y) obtenemos
! !
2 2 2 2 2 2
x= 3 = 1, y = +3 = 2 C = (1, 2) .
2 2 2 2 2 2
Para hacer el dibujo con cierta precision puede ser util calcular los puntos de corte (si
los hay) de la hiperbola con los ejes coordenados (OX y OY ). Al hacer x = 0 en la
ecuacion de la conica se obtiene 2y 7 = 0 que tiene como solucion y = 7/2. Ademas,
si hacemos y = 0 obtenemos 4x7 = 0 que tiene como solucion x = 7/4. Por tanto,
la parabola corta al eje OY en el punto (0, 7/2) y al eje OX en el punto (7/4, 0).
Con toda la informacion que hemos obtenido a lo largo del problema, comenzamos
dibujando los ejes X e Y sabiendo que pasan por el origen de las coordenadas X-Y y
tienen la direccion y sentido de los autovectores correspondientes a 1 y 2 , respecti-
vamente.
Es decir, en este caso, con la eleccion que hicimos

de autovalores y autovectores, los ejes X e Y se Y Y
obtienen rotando un angulo de 45o a los ejes X e X
Y
Y . A continuacion, dibujamos los ejes X e Y ,
paralelos respectivamente a los ejes X e Y , que 7/2
resultan de trasladar el origen al centro de la X
hiperbola C = (1, 2). Finalmente, dibujamos C 2
la hiperbola, que es muy facil de representar en
las coordenadas x -y , teniendo en cuenta sus
1
asntotas y sus cortes con los ejes X e Y , para
7/4

X
obtener un dibujo cualitativo lo mas parecido
posible al real.
7x2 + 12xy + 2y 2 + 2x 16y + 12 = 0
terminos cuadraticos),

7 6 x 7 6
x y + 2x 16y + 12 = 0, A=
6 2 y 6 2
Calculamos los autovalores,

7 6 = 2 + 5 50 = 0 1 = 5, 2 = 10.

6 2
Y los autovectores correspondientes,

12 6 x 0 x 1
1 = 5 : = 2x y = 0 = ,
6 3 y 0 y 2

3 6 x 0 x 2
2 = 10 : = x + 2y = 0 = .
6 12 y 0 y 1
( )
5 1 5 2
, .
5 2 5 1
El primer autovector da la direccion y sentido del nuevo eje X (que corresponde a girar
un angulo 63,4o el eje X, pues del autovector sacamos que tg = y/x = 2/1 = 2)
y el segundo autovector (que hemos elegido en el sentido adecuado para que el eje Y
se obtenga girando 90o el eje X en sentido positivo) marca la direccion y sentido del
nuevo eje Y . El cambio
" 5 #
2 5

x x
x = P x = 25 5 5
y 5 y
5 5

eliminara el termino mixto x y dejando la parte cuadratica como 1 x2 +2 y 2 , podra mo-

dificar los coeficientes de los terminos lineales, x e y , y no alterara el termino inde-
pendiente. Concretamente obtenemos:

5x2 10y 2 6 5x 4 5y + 12 = 0.
Completando cuadrados en x e y y haciendo una traslacion:
! !
6 5 2 5
5 x2 x 10 y 2 + y + 12 = 0,
5 5
!2 !2
3 5 5
5 x 9 10 y + + 2 + 12 = 0,
5 5
!2 !2
3 5 5
5 x 10 y + + 5 = 0,
5 5
x2 y 2
5x2 10y 2 + 5 = 0 x2 2y 2 = 1 2 = 1,
12 2
2

3 5
5
x =x , y =y + .
5 5

Deducimos que las asntotas de la hiperbola son las rectas y = 22 x 0,707x .
Podemos deshacer los cambios (giro y traslacion) para obtener sus ecuaciones en las
coordenadas x-y. As,
!
2 5 2 3 5
y = x y + = x
2 5 2 5
y, teniendo en cuenta que x = P T x (pues x = P x y P es ortogonal), tenemos que

5 5
x = (x + 2y), y = (2x + y)
5 5
llegamos a
! !
5 5 2 5 3 5 2 3 2
(2x+y)+ = (x + 2y) 2 + x+( 2+1)y = 1+ .
5 5 2 5 5 2 2

Procediendo analogamente, y = 22 x se convierte en
!
2 3 2
2 x + ( 2 + 1)y = 1 .
2 2
El centro C de la

hiperbola es el origen en las coordenadas (x , y ). Es decir, (x , y ) =
! !
5 3 5 2 5 5 6 5 5
x= + = 1, y = = 1 C = (1, 1) .
5 5 5 5 5 5
los puntos de corte (si los hay) de la hiperbola con los ejes coordenados (OX y OY ).
2
Al hacer x = 0 en la ecuacion de la conica se obtiene y 8y + 6 = 0 que tiene como
soluciones y = 4 10, es decir, y 7,16 e y 0,84. Mientrasque si hacemos y = 0
se obtiene 7x2 2x 12 = 0 que tiene como soluciones y = 17 85 , es decir, x 1,46
y x 1,17. Por tanto, la hiperbola corta al eje OY en los puntos (0, 7,16) y (0, 0,84)
y al eje OX en los puntos (1,46, 0) y (1,17, 0).
Con toda la informacion que hemos obtenido a lo largo del problema, comenzamos
dibujando los ejes X e Y sabiendo que pasan por el origen de las coordenadas x-y y
tienen la direccion y sentido del autovector correspondiente a 1 y 2 , respectivamente.
Es decir, en este caso, con la eleccion que hicimos de autovalores y autovectores, los
ejes X e Y se obtienen rotando un angulo de 63,4o (aproximadamente) a los ejes
X e Y . A continuacion, dibujamos los ejes X e Y , paralelos respectivamente a los
ejes X e Y , que resultan de trasladar el origen al centro de la hiperbola C = (1, 1).
Finalmente, dibujamos la hiperbola, que es facil de representar en las coordenadas x -
y , teniendo en cuenta sus asntotas y sus cortes con los ejes X e Y , para obtener un
dibujo cualitativo lo mas parecido posible al real.
Y X X
Y
1 C
1 X
Reduccion de una cuadrica girada.

Definicion. Una cuadrica es el lugar geometrico de los puntos (x, y, z) que satisfacen una
ecuacion general de segundo grado de la forma
f (x, y, z) = a11 x2 + a22 y 2 + a33 z 2 + 2a12 xy + 2a13 xz + 2a23 yz + 2a1 x + 2a2 y + 2a3 z + a0 = 0,
llamada ecuacion de la cuadrica (alguno de los coeficientes aij tiene que ser distinto de cero).
Esta ecuacion se puede escribir matricialmente en la forma

a11 a12 a13 x x
f (x, y, z) = x y z a12 a22 a23 y + 2 a1 a2 a3 y + a0 = 0,
a13 a23 a33 z z
y vectorialmente como f (x) = xt Ax+2at x+a0 = 0.
Al igual que en el caso de las conicas, el proceso para llevar una cuadrica a su forma
reducida puede separarse en dos etapas (si el coeficiente de alguno de los productos cruzados
es no-nulo): una primera consistente en determinar las direcciones de los ejes de la cuadrica
y una segunda consistente en determinar una traslacion.

El termino principal de la ecuacion de la cuadrica se puede escribir como

t
a11 a12 a13 x
x Ax = x y z a12 a22 a23 y .
a13 a23 a33 z
Puesto que la matriz A es real y simetrica puede diagonalizarse mediante una matriz de
paso ortogonal P cuyas columnas {u1 , u2 , u3 } seran, por tanto, autovectores de A y base
ortonormal de R3 . Conviene tomar {u1 , u2 , u3 } de forma que u1 u2 = u3 . Al hacer el
cambio de variables
x x
y = P y ,
z z
la ecuacion de la cuadrica queda de la forma

1 0 0 x x
x y z 0 2 0 y + 2 b1 b2 b3 y + b0 = 0,
0 0 3 z z
siendo 1 , 2 y 3 los autovalores de A (iguales o distintos). A partir de aqu, basta completar
los cuadrados cuyo coeficiente sea distinto de cero y tendremos los siguientes casos:
(1) A tiene todos sus autovalores distintos de cero y del mismo signo:
Elipsoide.
Un punto.
Nada.
(2) A tiene todos sus autovalores distintos de cero pero no del mismo signo:
Hiperboloide de una hoja.
Cono.
Hiperboloide de dos hojas.
(3) A tiene dos autovalores distintos de cero del mismo signo y el tercer autovalor es cero:
Paraboloide elptico.
Cilindro elptico.
Una recta.
Nada.
(4) A tiene dos autovalores distintos de cero de distinto signo y el tercer autovalor es cero:
Paraboloide hiperbolico.
Cilindro hiperbolico.
Un par de planos que se cortan.
(5) A tiene dos autovalores iguales a cero:

Cilindro parabolico.
Un par de planos paralelos, confundidos (un solo plano) o nada.
6.5.- Ejercicios.
6.5.1.- Enuinciados.
Ejercicio 1. Dada la matriz
3 0 a
A = 3 1 b .
2 0 c
(a) Calcula A de forma que (2, 0, 1)T sea un autovector cuyo autovalor correspondiente es
= 1.
(b) Halla los demas autovalores y autovectores.
Ejercicio 2. Determina los valores del parametro para los que es diagonalizable cada una
de las siguientes matrices,

1 0 0 0 2 0 0 1
A = 1 0 , B = 1 3 0 , C = 2 3 .
1 1 2 +2 1 0 0 1
Ejercicio 3. Dada la matriz

1 0 1
A = a 2 2 , R.
3 0 1
(a) Calcula los valores de a para los que A es diagonalizable.
(b) Para dichos valores de a, calcula los autovalores y los autovectores de A1 .
(c) Para dichos valores de a, calcula An , n = 1, 2, .
Ejercicio 4. Estudia la diagonalizabilidad de las siguientes matrices en funcion de los pa-

rametros que aparecen.

1 0 0 0
a+3 b 1 5 0 0 a 1 0 0
A= 0 a 0 , B = 0 1 b , C = b
.
2 d 1 0
a 1 c a+1 3 0 a
c e f 1
Ejercicio 5. Calcula bases de R3 formadas por autovectores y autovectores generalizados

de las siguientes matrices:

4 1 1 0 1 0
A = 1 3 1 , B = 0 0 1 .
0 1 1 2 5 4

6.5.- Ejercicios. 183
Ejercicio 6. Determina la matriz de la transformacion lineal T : x R2 T (x) = Ax

R2 respecto de la base B = {v1 , v2 } siendo

1 1 1 5
A= , v1 = , v2 = .
1 3 1 4
Ejercicio 7. Sea f : R4 R4 la aplicacion lineal dada por f (x) = Ax, donde

a 1 1 1
0 b 0 3
A= 1
.
2 c 1
0 1 0 d
(a) Halla A sabiendo que f (S1 ) = S2 , donde

x1 x2 = 0
S1 y S2 = Gen {(1, 2, 1, 1)T , (0, 3, 1, 2)T }.
x3 + x4 = 0
(b) Prueba que A no es diagonalizable.
(c) Halla una base de R4 formada por autovectores y autovectores generalizados.
Ejercicio 8. Diagonaliza las siguientes matrices mediante matrices de paso ortogonales

1 2 0 5 2 2 1 1 0 1 1 1
A1 = 2 2 2 , A2 = 2 2 4 , A3 = 1 2 1 , A4 = 1 1 1 .
0 2 3 2 4 2 0 1 1 1 1 1
Ejercicio 9. (1) Toda matriz simetrica real de orden m m
Tiene m autovalores distintos.

Diagonaliza en una base ortonormal de Rm .
Ninguna de las anteriores.
(2) Sea A una matriz cuadrada de orden impar y antisimetrica (AT = A). Demuestra que
det(A) = 0.

un = Aun1
Ejercicio 10. Calcula la solucion del problema de valor inicial siendo
u0

3 0 1 0
A = 10 1 5 y u0 = 0 .
1 0 1 1
Ejercicio 11. Reduce, clasifica y representa las siguientes conicas:
(a) 13x2 + 10y 2 + 4xy 26x 22y + 23 = 0.
(a) 13x2 + 10y 2 + 4xy 26x 22y + 2 = 0.
(b) 4x2 + y 2 4xy 2y + 1 = 0.
(b) 4x2 + y 2 4xy + 4x 2y + 1 = 0.
(c) 5x2 + 2y 2 4xy + 12x 4y = 0.
(c) 5x2 + 2y 2 4xy + 12x 4y + 9 = 0.
(d) x2 + 4y 2 4xy + 6x 12y + 9 = 0.
(e) 2xy 5 = 0.
Ejercicio 12. Determina la ecuacion de la conica que pasa por los puntos
(0, 0), (0, 2), (2, 1), (5, 0), (3, 1)
y representa dicha conica.
Ejercicio 13. Reducir, clasificar y representar las siguientes cuadricas:
(a) 3x2 + 2xy 10y 2 = 0.
(b) x2 + y 2 z 2 2z 1 = 0.
(c) 2x + 2y 2z 2xy + 4xz + 4yz 3z 2 = 0.
(d) 5x2 + 6y 2 + 7z 2 4xy + 4yz 10x + 8y + 14z 6 = 0.

6.5.2.- Soluciones.
Ejercicio 1. (a) a = 8, b = 6, c = 5.
(b) = 1 es el unico autovalor (triple).

Autovectores: (A + I)x = 0.

0 2
Nul (A + I) = Gen v1 = 1 , v2 = 0 .
0 1

Ejercicio 2. A: A es diagonalizable = 0.
B: B es diagonalizable = 23 .
C: C es diagonalizable = 0.
Ejercicio 3. (a) A es diagonalizable a = 6.
(b) Solo tenemos que considerar el caso a = 6. Los autovalores de A1 son los inversos de
los autovalores de A. Por tanto, para a = 6, los autovalores de A1 son
1 1 1 1
1 = = (doble), 2 = = (simple)
1 2 2 2
y los autovectores asociados son los autovectores de A asociados al correspondiente .
Autovectores de A1 asociados a 1 los de A asociados a 1 = 2:

0 1
(A + 2I) x = 0 x Gen v1 = 1 v2 = 0 .
0 3

Autovectores de A1 asociados a 2 los de A asociados a 2 = 2:

1
(A 2I) x = 0 x Gen v3 = 2

1

(c) Si n es par An = 2n I. Si n es impar An = 2n1 A.
Ejercicio 4.
A: Si a 6= 2, 0, 2 = A es diagonalizable.
Para a = 2, 2
Si b = c = A es diagonalizable.
Si b 6= c = A no es diagonalizable.

Para a = 0, para todo b y c = A no es diagonalizable.
B: Si a 6= 1, 5 = B es diagonalizable.
Para a = 1
Si b = 0 = B es diagonalizable.
Si b 6= 0 = B no es diagonalizable.

Para a = 5, = B no es diagonalizable.
C: C es diagonalizable a = f = 0.
Ejercicio 5. (a) Bases de R3 formadas por autovectores y autovectores generalizados de A

son, por ejemplo,
{v1 , v2 , w3 } , {v1 , v2 , w4} , {v1 , w3 , w4 } ,
siendo
0 1 2 3
v1 = 1 , v2 = 2 , w3 = 1 , w4 = 0 .
1 1 0 1
(b) Bases de R3 formadas por autovectores y autovectores generalizados de B son, por

ejemplo,
{v1 , v2 , w3 } , {v1 , v2 , w4} , {v1 , w3 , w4 } ,
siendo
1 1 2 1
v1 = 2 , v2 = 1 , w3 = 1 , w4 = 0 .
4 1 0 1
Ejercicio 6. La matriz de T respecto a la base B = {v1 , v2 } es

2 1
B= .
0 2
Notemos que lo anterior significa que
T (x1 v1 + x2 v2 ) = (2x1 x2 )v1 + (2x2 )v2
y en particular,
T (v1 ) = 2v1 y T (v2 ) = v1 + 2v2
como es facil comprobar en coordenadas canonicas

1 1 1 2 1 1 5 9
T (v1 ) = = , T (v2 ) = = .
1 3 1 2 1 3 4 7
Ejercicio 7. (a)
0 1 1 1
0 2 0 3
A=
1
.
2 0 1
0 1 0 2

(c) Una base de R4 formada por autovectores y autovectores generalizados de A es

1 3 1 1
0 2 0 6
1 , w1 = 0 , v2 = 1 , w2 = 0 .
v1 =

0 2 0 2

Ejercicio 8.
A1 :
2 2 1 es una matriz ortogonal
1
Q= 2 1 2
3
1 2 2 QT Q = QQT = I

1
que diagonaliza A1 : Q1 A1 Q = D QT A1 Q = D = 2 .
5
A2 :
31 2
5
2

3 5 es una matriz ortogonal
2 1 4
Q=

3 5 3 5
2
3
0 5

3 5
QT Q = QQT = I

3
que diagonaliza A2 : Q1 A2 Q = D QT A2 Q = D = 6 .
6
A3 :
1 1
1
3 2 6 es una matriz ortogonal
Q= 1 0 2

3 6
1
3
1
2
1
6
QT Q = QQT = I

0
que diagonaliza A3 : Q1 A3 Q = D QT A3 Q = D 1 .
3
A4 :
12 16 1
3 es una matriz ortogonal
Q = 12 16 1

3
0 1
6
1
3
QT Q = QQT = I

0
que diagonaliza A4 : Q1 A4 Q = D QT A4 Q = D 0 .
3
Ejercicio 9. (1) X Diagonaliza en una base ortonormal de Rm .
(2) Si A es una matriz antisimetrica (AT = A) de orden impar n, tenemos que
det (A) = det (AT ) = det (A) = (1)n det (A) = det (A) = det (A) = 0.

n
Ejercicio 10. Tenemos que un = 2n1 5n .
2n
Ejercicio 11. (a) 13x2 + 10y 2 + 4xy 26x 22y + 23 = 0. Se trata de una elipse imaginaria
(no hay ningun punto (x, y) con coordenadas reales que verifique la ecuacion).
(a) 13x2 + 10y 2 + 4xy 26x 22y + 2 = 0. Es la ecuacion de una elipse (real)
(b) 4x2 + y 2 4xy 2y + 1 = 0. Se trata de una parabola.
2 2
4 x +y 4 x y2 y+1 = 0
6
13 4

2 y =2 x
y
25 25
1
(0, 1)
0
4 13

1
V = ,
25 25
2
2 1 0 1 2 3 4 5 6 7
x
(b) 4x2 + y 2 4xy + 4x 2y + 1 = 0. Nada. Reduciendo la ecuacion (mediante cambios de

variables apropiados) puede llegarse a una ecuacion de la forma
5x2 = < 0.
(c) 5x2 + 2y 2 4xy + 12x 4y = 0. Se trata de una elipse (real).
(c) 5x2 + 2y 2 4xy + 12x 4y + 9 = 0. Nada (elpise imaginaria).
(d) x2 + 4y 2 4xy + 6x 12y + 9 = 0. Se trata de una recta doble, (x 2y + 3)2 = 0.
(e) 2xy5 = 0. Se trata de una hiperbola equilatera con los ejes coordenados como asntotas.

Ejercicio 12. Tenemos infinitas soluciones que dan lugar a ecuaciones equivalentes a
x2 + 2y 2 5x 4y = 0.
2 2
x +2 y 5 x4 y = 0
4
Y x= 5
2
Por tanto, se trata de la ecuacion 3
de una elipse con ejes paralelos a
los coordenados y cuyos elementos 2
caractersticos pueden obtenerse sin C= 5

,1

y=1
2
mas que escribir la ecuacion anterior y
1
en la forma
0
x 52
2
(y 1)2 O X
33 + 33 = 1. 1
4 8
2 1 0 1 2 3 4 5 6 7
x
Ejercicio 13. (a) Se trata, obviamente, de un cilindro hiperbolico. Puesto que en la ecua-
cion no interviene la variable z, al cortar la cuadrica con cada plano z = cte siempre se
obtiene la misma proyeccion en el plano OXY , la hiperbola de ecuacion 3x2 + 2xy
10y 2 = 0.
(b) Cono de ecuacion x2 + y 2 (z + 1)2 = 0 con vertice V = (0, 0, 1) y eje el eje OZ

{x = 0, y = 0}.
(c) Se trata de un hiperboloide de dos hojas. La ecuacion reducida es
13 x2 y 2 z 2
5x2 y 2 z 2 = 13 13 13 = 1.
15 75 15 15

(d) Se trata de un elipsoide de centro C(1, 0, 1) y semiejes a = 6, b = 3yc= 2.

Tema 6.-Autovalores y Autovectores.: Ingenier Ia Civil. Matem Aticas I. 2012-2013

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 6.-Autovalores y Autovectores.: Ingenier Ia Civil. Matem Aticas I. 2012-2013

Cargado por

Copyright:

Formatos disponibles

Ingeniera Civil.

Tema 6.- Autovalores y autovectores.

(1) Consideremos la transformacion lineal en el plano consistente en la simetra respecto de

(2) Consideramos un plano que pase por el origen en el espacio R3 y la transformacion

T (v1 ) = v1 , T (v2 ) = v2 , T (v3 ) = 0

con lo cual v1 , v2 y v3 son autovectores y los coeficientes respectivos 1, 1 y 0 son auto-

Por ejemplo, para el plano 2x 3y + z = 0 podemos tomar los vectores

(la transformacion lineal no depende de como elijamos los vectores v1 , v2 y v3 ). Notemos

A v1 v2 v3 = Av1 Av2 Av3

y puesto que la matriz

Matematicas I. Ingeniera Civil

A = Av1 Av2 Av3 v1 v2 v3 =

Notemos que de esta ultima expresion es facil obtener las matrices An , n = 1, 2, . . .

6.1.- Autovalores y autovectores.

Obviamente, si tenemos un autovector v de A asociado a un autovalor , cualquier multi-

6.1.2.- La ecuacion caracterstica.

Matematicas I. Ingeniera Civil

Nul [A 0 I] = {0} {autovectores asociados a 0 } .

De manera habitual cuando hablemos de autovectores asociados a un autovalor nos referire-

Ejemplo. Ademas de los ejemplos considerados anteriormente, veamosel siguiente ejemplo

Por tanto det (A I) = 0 = 3 o = 1.

asociados a 2 = 1 : son los vectores no-nulos que estan en el espacio nulo de A + I,

Las propiedades referidas a autovalores las podemos agrupar dependiendo de si pueden

Proposicion. Sea un autovalor de A y v un autovector asociado, entonces:

(1) es un autovalor de A y v es un autovector asociado.

(2) ( ) es un autovalor de A I y v es un autovector asociado.

(3) k es un autovalor de Ak y v es un autovector asociado.

(4) Si q() es un polinomio, entonces q() es un autovalor de q(A) y v es un autovector

(5) Si A tiene inversa, entonces 6= 0, 1 es un autovalor de A1 y v es un autovector

(6) Sea A una matriz real, = a + bi C, (a, b R) un autovalor de A y v = u + iw Cm

Proposicion. Sea A una matriz m m. Se verifica:

(a) A tiene a lo sumo m autovalores distintos.

Proposicion. Sea A una matriz m m y sea

p() = det [A I] = (1)m m + cm1 m1 + + c1 + c0 =

su polinomio caracterstico (es decir 1 , , m son los autovalores de A, iguales o distintos).

(a) El determinante de A es igual al producto de sus autovalores (apareciendo cada uno, en

1 + 2 + + m = (1)m1 cm1 = traza(A) := a11 + a22 + + amm .

Uno de los resultados mas importantes referidos a autovalores y autovectores es el

Teorema. A autovalores distintos corresponden autovectores linealmente independientes.

{v1 , . . . , vp } es linealmente independiente.

Matematicas I. Ingeniera Civil

Es decir, de la misma forma que A representa a T respecto a la base canonica, la matriz

6.2.1.- Matrices diagonalizables.

se obtiene que cada columna, Avk , de la matriz AP es igual a la correspondiente columna

Notemos que si en una diagonalizacion A = P DP 1,

cambiamos el orden en las columnas de P y de forma simultanea cambiamos el orden

sustituimos cada columna de P por un multiplo no-nulo de dicha columna, se obtiene

Proposicion. Sea A una matriz m m. Se verifica:

(1) A es diagonalizable si y solo si tiene m autovectores linealmente independientes.

(2) Si A es diagonalizable tambien lo es cualquier potencia Ak , k = 1, 2,

(3) Si A es diagonalizable tambien lo es cualquier matriz de la forma A I.

(4) Si A es diagonalizable tambien lo es cualquier polinomio en A

(5) Si A tiene inversa, A es diagonalizable si y solo si lo es su inversa A1 .

(6) A es diagonalizable si y solo si lo es AT .

Si tenemos una diagonalizacion de A, P 1 AP = D A = P DP 1 se obtienen las siguientes

Recordemos que a autovalores distintos corresponden autovectores linealmente indepen-

Matematicas I. Ingeniera Civil

y A es diagonalizable (compruebalo!). Aunque hay matrices que no son diagonalizables, como

Definicion. Sea A una matriz m m y sea 0 un autovalor de A. Se llama:

(a) Multiplicidad algebraica de 0 , y se denota por ma (0 ), a la multiplicidad de 0

(b) Multiplicidad geometrica de 0 , y se denota por mg (0 ), a la dimension del espacio

dim [Nul (A 0 I)] = m rango [(A 0 I)] .

Es decir, la multiplicidad geometrica es el numero (maximo) de autovectores lineal-

Ejemplo. Ademas de los ejemplos considerados anteriormente, veamosel siguiente ejemplo