Juan Camilo Vélez

Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago
Desarrollo Taller 3 Álgebra Lineal
1. Prueba las siguientes propiedades de los valores propios.
Si λ un valor propio de A entonces:
a) λ n es un valor propio de An .
Cuando existe un vector V ∈ Rn , V ≠ 0 tal que An V = λn V
3 1 A2= 9 1
n=2 A=[ ]
0 2 [ ]
0 4
λ=2 λ 2=4

Demostrar que existe V= [ xy ] ≠ [ 00] tal que

[ 90 14][ xy ]=4 [ xy ]
[ 90 14][ xy ]−4 [ xy ]=[ 00]
([ 90 14]−4 [ 10 01])[ xy ]=[ 00]
[ 50 10]−[ xy ]=[ 00]
−y −1
→ x= 5 x + y =0 con x= y=1
5 5
−1

[ ]
El vector V= 5 es un vector propio por lo tanto λ n es un valor propio de An .
1

b) λ es un valor propio de AT .
3 1 AT = 3 0 λ=2
[ ] [ ]
A=
0 2 1 2
3 0 x x
[ ][ ] [ ]
1 2 y
=2
y
3 0 −2 1 0 x = 0
( [ ] [ ]) [ ] [ ]
1 2 0 1 y 0
0 0 x =0
[ ][ ] [ ]
−2 0 y 0
→ x=0 y=0
0
El vector V=[]
0
por lo tanto λ no es un valor propio de AT .

c) si A es invertible entonces λ ≠ 0 y 1/λ es un valor propio de A−1

Para que A sea invertible su determinante es diferente de 0
Juan Camilo Vélez
Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago
3 1 det A= 3 0 =6 λ=2
A= [ ]
0 2 [ ]
1 2
1 1

[ ]
A = 3 6
−1

0
1
2

1 1

[ ][ ] [ ]
3
0
6
1
2
x =1 x
y 2 y

1 1

([ ] )
3
0
6 −1 1 0
[ ] [ xy ]=[ 00 ]
1 2 0 1
2
−1 1

[ ][ ] [ ]
6
0
6
0
x =0
y
→ x= y
0

Por ejemplo, el vector V= [ 33] es un vector propio por lo tanto 1/λ es un valor
propio de A−1.

d) cλ es un valor propio de cA.

3 1 3 0
A= [ ]
0 2
det A=
1 2[ ]
=6 λ=2

1 1

[ ]
A−1= 3 6
0
1
2

1 1

[ ][ ] [ ]
3
0
6
1
2
x =1 x
y 2 y

1 1

([ ] )
3
0
6 −1 1 0
[ ] [ xy ]=[ 00 ]
1 2 0 1
2
−1 1

[ 6
0
6
0
[] xy ]=[ 00]
Juan Camilo Vélez
Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago
→ x= y
Por ejemplo, el vector V= [ 44 ] es un vector propio por lo tanto c λ es un valor
propio de cA.

2. Sea A una matriz con valores propios λ 1 = 1; λ 2 = 4; λ 3 = 0, y vectores

propios asociados V 1 = (1 ; 1; 1)T ; V 2 = (1 ; 1; 0)T ; V 3 = (1 ; 0 ; 0)T

a b c 1 1
(
A1 : d e
g h )( ) ( )
f 1 =1 1
i 1 1
Entonces
a+ b+c=1
d +e + f =1
g+h+i=1
a b c 1 1
(
A2 : d e
g h )( ) ( )
f 1 =4 1
i 0 0
Entonces
a+ b+c=4
d +e + f =4
g+h+i=0
a b c 1 1
(
A3 : d e
g h )( ) ( )
f 0
i 0
=0 0
0
Entonces
a=0
d=0
g=0

⇒ 0+ b=4 b=4
0+ e=4 e=4
0+ h=0 h=0
a+ b+c=1
0+ 4+ c=1
c=−3 0 4 −3
d +e + f =1
0+ 4+ f =1
f =−3
[
→ A= 0 4 −3
0 0 1 ]
a+ b+c=1
0+ 4+ c=1
c=−3
g+h+i=1
0+ 0+i=1
i=1
Juan Camilo Vélez
Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago

a) Muestre que A es no invertible.

0 4 −3

[ ]
La matriz A= 0 4 −3 es invertible si su determinante es ≠ 0, si es 0
0 0 1
entonces es no invertible.

0 4 −3

[
det A= 0 4 −3 =¿
0 0 1 ]
0 × det 4 −3 −4 × det 0 −3 −3 ×det 0 4
0 1[ ] 0 1 [ 0 0 ] [ ]
¿( 0× 4)−( 4 × 0)−(3 × 0)=0

b) Halle A2
2
0 4 −3 0 4 −3 0 4 −3 0 16 −15
2
A=0
0 [ ][ ][ ][
4 −3 = 0 4 −3 × 0 4 −3 = 0 16 −15
0 1 0 0 1 0 0 1 0 0 1 ]
c) Halle una matriz B tal que B2= A
B× B= A
0 4 −3
B× B= 0 4 −3
0 0 1 [ ]
0 −2 1 0 2 −1 0 2 −3 0 −2 3
[ ] [ ] [
B= 0 −2 1 , B= 0 2 −1 , B= 0 2 −3 , B= 0 −2 3
0 0 −1 0 0 1 0 0 −1 0 0 1 ] [ ]
Código en MATLAB
clc
clear
syms a b c d e f g h i
A=[a b c; d e f; g h i]
B=[0 4 -3; 0 4 -3; 0 0 1]
C=A^2;
eqn1=C(1,1)==B(1,1);
eqn2=C(1,2)==B(1,2);
eqn3=C(1,3)==B(1,3);
eqn4=C(2,1)==B(2,1);
eqn5=C(2,2)==B(2,2);
eqn6=C(2,3)==B(2,3);
eqn7=C(3,1)==B(3,1);
eqn8=C(3,2)==B(3,2);
eqn9=C(3,3)==B(3,3);
Juan Camilo Vélez
Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago
eqns=[eqn1,eqn2,eqn3,eqn4,eqn5,eqn6,eqn7,eqn8,eqn9];
var=[a b c d e f g h i];
S=solve(eqns,var);
RespA1=[S.a(1,1) S.b(1,1) S.c(1,1); S.d(1,1) S.e(1,1) S.f(1,1); S.g(1,1)
S.h(1,1) S.i(1,1)]
RespA2=[S.a(2,1) S.b(2,1) S.c(2,1); S.d(2,1) S.e(2,1) S.f(2,1); S.g(2,1)
S.h(2,1) S.i(2,1)]
RespA3=[S.a(3,1) S.b(3,1) S.c(3,1); S.d(3,1) S.e(3,1) S.f(3,1); S.g(3,1)
S.h(3,1) S.i(3,1)]
RespA4=[S.a(4,1) S.b(4,1) S.c(4,1); S.d(4,1) S.e(4,1) S.f(4,1); S.g(4,1)
S.h(4,1) S.i(4,1)]

3. Halle la forma matricial de la aplicación lineal que envía a un vector

V ∈ R3 en el vector de coordenadas[V ]B respecto a la base B = {(1; 1;
1); (1; -1; 0); (1; 0; -1)}.
[V ]B
V = (V 1, V 2, V 3 )
B={(1,1,1); (1 ,−1,0); (1,0 ,−1)}
( V 1 , V 2 , V 3 ) =α ( 1,1,1 ) + β ( 1 ,−1,0 )+ γ ( 1,0 ,−1 )
( α ,α , α ) + ( β ,−β , 0 ) + ( γ , 0 ,−γ )
( α + β+ γ , α −β , α−γ )
α + β + γ=V 1 α β γ V1

{ [
α −β=V 2 α − β 0 = V 2
α −γ =V 3 α 0 −γ V3
][ ]
1 1 1 a

[
[ x ] u=v 1 −1
1 0 ] []
0
−1
u= b
c
1 1 1

u=A−1
a

[]
b ⟹
c
3
1
3
1
3
[ ][ ] 3
−2
3
1
3
3
1
3
−2
3
a
b =0
c

1 1 1
C 11=(a ¿ ¿ 11 × b11 )+(a ¿ ¿12 × b21)+(a ¿ ¿ 13 ×b31 )= × 0+ ×0+ × 0=0 ¿ ¿¿
3 3 3
→ Todos los valores de C darán 0.
4. Sea T una aplicación lineal tal que T (2;0; 0) = (4; 0;0); T (1;1; 0) = (1;
2;3); T (0;1; 1) = (0; 0;0), hallar T (1; 2; 3).
a b c
M Transformación= d e f

T(2;0;0) = (4;0;0)
[ ]
g h i
Juan Camilo Vélez
Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago
a b c 2 4

2a=4
[ ][ ] [ ]
d e f 0=0
g h i 0 0
a=2
2d=0 d=0
2h=0 h=0
T(1;1;0) = (1;2;3)
2 b c 1 1

2+b=1
[ ][ ] [ ]
0 e f 1=2
0 h i 0 3
b=-1
e=2
i=3
T(0;1;1) = (0;0;0)
2 −1 c 2 4

[
0 2 f 0=0
0 3 i 0
-1+c=0 c=1
0 ][ ] [ ]
2+f=0 f=-2
3+j=0 j=-3
Matriz transformación
2 −1 1

[0 2 −2
0 3 −3 ]
Ahora encontramos T(1;2; 3)
2 −1 1 1 3

[0 2 −2 2 = −2
0 3 −3 3 −3 ][ ] [ ]
⇒ T (1 ; 2; 3)=(3 ;−2 ;−3)
5.
b) Determine el vector resultante de rotar el vector v = (1; 1) un ángulo de
30° en sentido positivo y luego reflejar el vector resultante de esta
rotación sobre la recta y=2x
T = x = cos θ −sen θ x
()( )( )
y sen θ cos θ y
cos 30° −sen 30° 1
Rθ
+¿=(sen 30 ° cos 30 ° 1
¿)( )
√3 −1

Rθ
( )( )
+¿= 2
1
2
2
√3
2
1 ¿
1

1 √3 −1 1 1 √ 3 −1

Rθ
+¿= ( =)( ) (
2 1 √3 1 2 1 + √ 3
¿ )

6. Sea A
Juan Camilo Vélez
Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago
2 1 1

[ ]
A= 1 2 1
1 1 2

Escriba A en la forma A=PD PT donde D es una matriz diagonal y P una

matriz ortogonal, y use esta descomposición para hallar A100

A=PD PT
Calculamos los valores propios det ( A−λ)=0
2− λ 1 1

[
A= 1
1
2−λ
1 ] 1
2−λ
( 2− λ ) ( ( 2−λ )( 2− λ ) )= (2−λ ) ( 4−2 λ−2 λ+ λ 2 )
¿ ( 2−λ ) ( 4−2 λ−2 λ+ λ2 )
3 2
¿−λ +6 λ −9 λ+ 4=0
¿−( λ−1)×(λ 2−5 λ+ 4)=0
¿−( λ−1)2 ×( λ−4 )=0

→ λ=1 λ=4 valores propios

1 0 0

[ ]
D= 0 1 0
0 0 4
Vectores propios λ=1
1 1 1 ⋮ 0 −F + F 1 1 1⋮ 0

[ ]
1 1 1⋮0 = 1 2

[ ]
0 0 0 ⋮ 0 → y=r , z=t
1 1 1 ⋮ 0 −F 1 + F3 0 0 0 ⋮ 0
→ x=−r−t , y=r , z=t
x −1 −1
() ( ) ( )
y =r 1 +t 0
z 0 1
Vectores propios λ=4
−2 1 1⋮ 0 1 1 −2 ⋮ 0 −F + F 1 1 −2⋮ 0

[ 1 1 −2⋮ 0 ]
1 −2 1⋮ 0 =F 1 ⟷ F2 1 −2 1 ⋮ 0 =

1 1 −2 ⋮ 0
−2 1 [ 1⋮ 0 2 F
1

1 +]F
2

[
0 −3 3 ⋮ 0
3 0 3 −3 ⋮ 0 ]
[
¿ F 2+ F 3 0 −3 3 ⋮ 0 → z=r
0 0
→−3 y +3 r =0 y=r
0⋮ 0 ]
x r 1
( ) () ()
y
z
= r
r
=r 1
1
Base de vectores propios P, una matriz ortogonal
Juan Camilo Vélez
Carolina Londoño
Juan José Mora
Zarina Carbonari
Pablo Buitrago
−1 −1 1

[
P= 1
0
0 1
1 1 ]
−1 2 −1

−1
P =
3
−1
3
1
3
[ ] 3
−1
3
1
3
3

3
2

Silo escribimos de la forma A=PD PT

−1 2 −1

→ A= 1
[
2 1 1
−1 −1 1 1 0 0

0
0 1 0 1 0
1 1 0 0 4][ ]
3

3
1
3
[ ]
−1 −1
3

3
1
3
3
2
3
1
3

[ ]
A= 1 2 1
1 1 2

Para hallar A100

−1 2 −1

100
A = 1
−1 −1 1 1

0 [
100

0 1 0 1
1 1 0

2+ 4 100
0
100
0

][
0
0 4 100

−1−4100
]
−1 4100
[ ]
3
−1
3
1
3
3
−1
3
1
3
3
2
3
1
3

[ ]
−
3 3 3 3
−1 4100 2 4 100 −1 4 100
A100 = + + +
3 3 3 3 3 3
100
−1 4 100 100
1 4 2 4
+ + +
3 3 3 3 3 3