TRABAJO DE PRÁCTICAS

Alejandro Gómez Martínez

Guillermo Romero García
Joaquín Lanciano Ballesta

EJERCICIO 1

Considérese el endomorfismo f de R3 que respecto de la base

B={v1, v2, v3} verifica:

f Hv1L = av 1 + 4 v2 + 2 v3
f Hv1 - 2 v3L = av 1
v2 es autovector asociado al autovalor 1 - b

a) Obténgase la matriz del endomorfismo f.

f Hv1L = av1 + 4 v2 + 2 v3 ® f (1,0,0) = (a,4,2)

f Hv1 - 2 v3L = f(v1) - 2f(v3) = av1 ® 2f(v3) = f(v1) -
av1=(0,4,2) ® f(v3) = (0,2,1)
f(v2) = (1-b)v2 = (0,0,1-b)
Mf = 88a, 0, 0<, 84, 1 - b, 2<, 82, 0, 1<<;
MatrixForm@MfD
a 0 0
4 1-b 2
2 0 1
2 trabajo guiado.nb

b) Discútase en qué casos es f diagonalizable en función de los parámetros a,b Ε R.

-Primero obtenemos los autovalores a partir del polinomio característico.

CharacteristicPolynomial @Mf, ΛD

a - a b - Λ - 2 a Λ + b Λ + a b Λ + 2 Λ2 + a Λ2 - b Λ2 - Λ3

Factor@%D

Ha - ΛL H- 1 + ΛL H- 1 + b + ΛL

-Se obtienen tres autovalores: Λ=1, Λ=a, Λ=1-b.

Caso 1 (a=1-b=1)

A = 881, 0, 0<, 84, 1, 2<, 82, 0, 1<<;

MatrixForm@AD
1 0 0
4 1 2
2 0 1
Eigenvalues@AD
81, 1, 1<
-Autovalor Λ=1 (triple).

Eigenvectors@AD
880, 1, 0<, 80, 0, 0<, 80, 0, 0<<
-Puesto que únicamente hay un autovector, no es diagonalizable.

Caso 2 (a=1-b¹1, a¹1, b¹0, b=1-a)

Ÿ Si a¹0,1 y b¹0.
A = 88a, 0, 0<, 84, a, 2<, 82, 0, 1<<;
MatrixForm@AD
a 0 0
4 a 2
2 0 1
Eigenvalues@AD
81, a, a<
 trabajo guiado.nb 3

Eigenvectors@AD

::0, - , 1>, 80, 1, 0<, 80, 0, 0<>

2
-1 + a
-En este caso los autovalores son: Λ=1(simple) y Λ=a(doble), y no es diagonalizable por tener
dos autovectores.

Ÿ Si a=0, b=1.
A = 880, 0, 0<, 84, 0, 2<, 82, 0, 1<<;
MatrixForm@AD
0 0 0
4 0 2
2 0 1
Eigenvalues@AD
81, 0, 0<
Eigenvectors@AD
880, 2, 1<, 8-1, 0, 2<, 80, 1, 0<<
-En este caso los autovalores son: Λ=1(simple) y Λ=0(doble), y es diagonalizable por tener tres
autovectores.

Caso 3 (1-b=1, a¹1, b=0)

A = 88a, 0, 0<, 84, 1, 2<, 82, 0, 1<<;

MatrixForm@AD
a 0 0
4 1 2
2 0 1
Eigenvalues@AD
81, 1, a<
Eigenvectors@AD

:80, 1, 0<, 80, 0, 0<, : H-1 + aL,

1 2a
, 1>>
2 -1 + a
4 trabajo guiado.nb

-En este caso los autovalores son: Λ=1(doble) y Λ=a(simple), y no es diagonalizable por tener
dos autovectores.

Caso 4 (a=1)

A = 881, 0, 0<, 84, 1 - b, 2<, 82, 0, 1<<;

MatrixForm@AD
1 0 0
4 1-b 2
2 0 1
Eigenvalues@AD
81, 1, 1 - b<
Eigenvectors@AD

::0, , 1>, 80, 0, 0<, 80, 1, 0<>

2
b
-En este caso los autovalores son: Λ=1(doble) y Λ=1-b(simple), y no es diagonalizable por tener
dos autovectores.

Caso 5 (a¹1-b¹1)

A = 88a, 0, 0<, 84, 1 - b, 2<, 82, 0, 1<<;

MatrixForm@AD
a 0 0
4 1-b 2
2 0 1
Eigenvalues@AD
81, a, 1 - b<
Eigenvectors@AD

::0, , 1>, : H-1 + aL, , 1>, 80, 1, 0<>

2 1 2a
b 2 -1 + a + b
 trabajo guiado.nb 5

-En este caso los autovalores son: Λ=1(simple), Λ=1-b(simple), y Λ=a(simple) y es

diagonalizable por tener tres autovectores.

c) Calcúlese la matriz diagonal y los subespacios propios en todos los casos en que f
sea diagonalizable.

Caso 2 (a=0,b=1)

A = 880, 0, 0<, 84, 0, 2<, 82, 0, 1<<;

MatrixForm@AD
0 0 0
4 0 2
2 0 1
Eigenvectors@AD
880, 2, 1<, 8-1, 0, 2<, 80, 1, 0<<
P = Transpose@%D;
MatrixForm@PD
0 -1 0
2 0 1
1 2 0
Diag = Inverse@PD.A.P;
MatrixForm@DiagD
1 0 0
0 0 0
0 0 0

Caso 5 (a¹1-b¹1)

A = 88a, 0, 0<, 84, 1 - b, 2<, 82, 0, 1<<;

MatrixForm@AD
a 0 0
4 1-b 2
2 0 1
Eigenvectors@AD

::0, , 1>, : H-1 + aL, , 1>, 80, 1, 0<>

2 1 2a
b 2 -1 + a + b
6 trabajo guiado.nb

P = Transpose@%D;

MatrixForm@PD

H- 1 + aL 0
1
0
2
2 2a
1
b -1+a+b
1 1 0

d) Hállese la forma canónica de Jordan y la matriz de paso correspondiente, en los

casos en que el endomorfismo no sea diagonalizable.

Caso 1 (a=1-b=1)

A = 881, 0, 0<, 84, 1, 2<, 82, 0, 1<<;

MatrixForm@AD
1 0 0
4 1 2
2 0 1
Eigenvectors@AD
880, 1, 0<, 80, 0, 0<, 80, 0, 0<<
Id = IdentityMatrix@3D
881, 0, 0<, 80, 1, 0<, 80, 0, 1<<

v = 8x, y, z<;

Reduce@HA - IdL.v Š 80, 1, 0<, 8x, y, z<D

1
x Š 0 && z Š
2

Reduce@HA - IdL.v Š 80, Α, 1  2<, 8x, y, z<D

1 1 Α
xŠ && z Š - +
4 2 2

P = Transpose@880, 1, 0<, 80, Α, 1  2<, 81  4, Β, - 1  2 + Α  2<<D;

MatrixForm@PD
1
0 0
4
1 Α Β
1 1 Α
0 - +
2 2 2

J = Inverse@PD.A.P;
MatrixForm@JD

1 1
H2 - 2 ΑL + Α H2 - 2 ΑL I- 12 + Α
M + 1
J4 - 4 Α + 8 J- Α2 + Α2
- Β
NN +Β
I4 + 8 I 12 - MM + 2 I- 12 + M
2 2 4 2 2
1 Α Α
0 1 4 2 2
0 0 1
 trabajo guiado.nb 7

Factor@%D

881, 1, 0<, 80, 1, 1<, 80, 0, 1<<

Caso 2 (a=1-b¹1, a¹1, b¹0, b=1-a)

Ÿ Si a¹0,1 y b¹0.
A = 88a, 0, 0<, 84, a, 2<, 82, 0, 1<<;
MatrixForm@AD
a 0 0
4 a 2
2 0 1

Eigenvectors@AD
::0, - , 1>, 80, 1, 0<, 80, 0, 0<>
2
-1 + a

aid = 88a, 0, 0<, 80, a, 0<, 80, 0, a<<;

Reduce@HA - aidL.v Š 80, 1, 0<, 8x, y, z<D

H1 - 4 xL
-1 + a 1
a ¹ 0 && x Š && z Š
4a 2

, 1>, 80, 1, 0<, : >>F;

2 -1 + a 1 -1 + a
P = TransposeB::0, - , Α, 1-4
-1 + a 4a 2 4a

MatrixForm@PD
-1+a
0 0
4a
2
- 1 Α
-1+a

J1 - N
1 -1+a
1 0
2 a

J = Inverse@PD.A.P;
Factor@%D
MatrixForm@%D
881, 0, 0<, 80, a, 1<, 80, 0, a<<

1 0 0
0 a 1
0 0 a

Caso 3 (1-b=1, a¹1, b=0)

A = 88a, 0, 0<, 84, 1, 2<, 82, 0, 1<<;

MatrixForm@AD
a 0 0
4 1 2
2 0 1
8 trabajo guiado.nb

Eigenvectors@AD
:80, 1, 0<, 80, 0, 0<, : H- 1 + aL,
1 2a
, 1>>
2 -1 + a

Reduce@HA - IdL.v Š 80, 1, 0<, 8x, y, z<D

1
x Š 0 && z Š
2

P = TransposeB:80, 1, 0<, 80, Α, 1  2<, : H- 1 + aL,

1 2a
, 1>>F;
2 -1 + a
MatrixForm@PD

H- 1 + aL
1
0 0
2
2a
1 Α
-1+a
1
0 1
2

J = Inverse@PD.A.P;
Factor@%D
MatrixForm@%D
881, 1, 0<, 80, 1, 0<, 80, 0, a<<

1 1 0
0 1 0
0 0 a

Caso 4 (a=1)

A = 881, 0, 0<, 84, 1 - b, 2<, 82, 0, 1<<;

MatrixForm@AD
1 0 0
4 1-b 2
2 0 1

Eigenvectors@AD
::0, , 1>, 80, 0, 0<, 80, 1, 0<>
2
b

ReduceBHA - IdL.v Š :0, , 1>, 8x, y, z<F

2
b
1 2 - 2 b + b2 y
xŠ && b ¹ 0 && z Š
2 2b

, 1>, : >, 80, 1, 0<>F;

2 1 2 - 2 b + b2 Α
P = TransposeB::0, , Α,
b 2 2b
MatrixForm@PD
1
0 0
2
2
Α 1
b
2-2 b+b2 Α
1 0
2b
 trabajo guiado.nb 9

J = Inverse@PD.A.P;
Factor@%D
MatrixForm@%D
881, 1, 0<, 80, 1, 0<, 80, 0, 1 - b<<

1 1 0
0 1 0
0 0 1-b

EJERCICIO 2

Sea (V,<,>) un espacio vectorial euclídeo y B={v1, v2, v3} una base de V
que verifica:
ÈÈ v1 ÈÈ2=2, ÈÈ v2 ÈÈ=1, ÈÈ v3 ÈÈ=2, ÈÈ v1 + v3 ÈÈ2=5
Supóngase que v2 es ortogonal a v1y a v2+v3 y en este contexto:

a) Obténgase la matriz producto escalar con respecto a dicha base y la expresión

matricial de dicho producto escalar.

Del enunciado deducimos que:

ÈÈ v1 ÈÈ2 =2 ® <v1 ,v1 >=2

ÈÈ v2 ÈÈ=1 ® < v2 , v2 > = 1 ® < v2 , v2 >=1
ÈÈ v3 ÈÈ=2 ® < v3 , v3 > =2 ® < v3 , v3 >= 22 =4
v2 ortogonal a v1 ® <v2 ,v1 >=0
v2 ortogonal a v2 +v3 ® <v2 ,v2 + v3 > ® < v2 , v2 >+ < v2 , v3 >=0 ®1+ < v2 , v3 >=0 ® < v2 , v3 >=
-1
ÈÈ v1 + v3 ÈÈ2 =5 ®< v1 + v3 >+<v1 + v3 >=5 ® <v1 ,v1 >+2<v1 ,v3 >+<v3 ,v3 >=5 ®< v1 ,v3 >= -1/2

Definimos la matriz del producto escalar

G = 88b, c, d<, 8c, e, f<, 8d, f, g<<;

b = 2; c = 0; d = - 1  2; e = 1; f = - 1; g = 4;
MatrixForm@GD
1
2 0 -
2
0 1 -1
1
- -1 4
2
10 trabajo guiado.nb

b) Hállese una base ortonormal de V.

A partir de la base B obtenemos otra ortogonal aplicando el metodo de

ortogonalización de GRAM-SCHMIDT. Tras normalizar los vectores obtenidos,
tendremos la base pedida.

-B={(v1,v2,v3)} ,B'={(e1,e2,e3)}

Si definimos la base B como la base canonica ,v1 es ortogonal a v2 ®

e1=v1,e2= v2;
bastaria con elegir un vector e3 que sea ortogonal a los anteriores
e3=v3+Αe1+Βe2
pero como v3 es ortogonal a v1 y v2 ®si Α y Β = 0 tenemos e3= v3
luego B'=B
B' = {{1, 0, 0}, {0, 1, 0}, {0, 0, 1}}

e1 = 81, 0, 0<; e2 = 80, 1, 0<; e3 = 80, 0, 1<;

w1 = e1  Norm@e1D
81, 0, 0<

w2 = e2  Norm@e2D

80, 1, 0<

w3 = e3  Norm@e3D

80, 0, 1<

La base ortonomal es W={{1, 0, 0}, {0, 1, 0}, {0, 0, 1}}