Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Av = λv,
con v 6= 0.
Observaciones:
a) v1 = (1, 0)
b) v2 = (1, 1)
c) v3 = (2, 2)
87
88 Sara Cuenda
d) v4 = (3, −1)
1 0 1
Ejercicio 7.2 Repite el ejercicio para la matriz B = 0 1 1 y los vectores
0 0 1
a) u1 = (1, 1, 0)
b) u2 = (0, 1, 0)
Observaciones:
Cálculo de autovalores.
Pasos a seguir:
(A − λIn )v = 0,
2. Por tanto, los autovectores con autovalor λ verifican un sistema de ecuaciones linea-
les homogéneo, con matriz de coeficientes
(A − λIn ).
3. El sistema anterior tiene solución distinta de la trivial si y sólo si rg(A − λIn ) < n, es
decir, cuando
|A − λIn | = 0.
Álgebra Lineal (2016-17) 89
p(λ) = |A − λIn |,
|A − λIn | = 0.
1 0 1
b) B = 0 1 1
0 0 1
Observaciones:
Nosotros sólo nos quedaremos con los autovalores reales. Además, pueden estar
repetidos.
El número de autovalores reales distintos es, por tanto, menor o igual que n.
90 Sara Cuenda
Ejercicio 7.4 Di cuáles son las multiplicidades algebraicas de los autovalores calculados
en el ejercicio anterior.
Cálculo de autovectores.
Teorema: Los autovectores de una matriz A ∈ Mn asociados al autovalor λ son las solu-
ciones no triviales del sistema de ecuaciones
(A − λIn )v = 0.
Vλ = {v ∈ Rn : (A − λIn )v = 0}.
Ejercicio
7.6 Calcula una base de cada uno de los subespacios propios de la matriz
1 0 1
B = 0 1 1 .
0 0 1
f (vi ) = λi vi
para algún λi ∈ R.
donde P = v1 v2 ... vn es la matriz cambio de base de la base B a la base canónica,
cuyas columnas están formadas por los vectores de B .
Demostración: Para cualquier x ∈ Rn , x = P(x)B . Además, f (x) tiene que dar el mismo
resultado en la base canónica, f (x) = Ax, como en la base de autovectores, (f (x))B = D(x)B .
Definición: Decimos que la matriz A ∈ Mn es diagonalizable cuando existe una base de
Rn formada por autovectores de A, B = {v1 , v2 , ... , vn }.
1 0 1
Ejercicio 7.7 Con los resultados de ejercicios anteriores, razona si la matriz B = 0 1 1
0 0 1
es diagonalizable o no.
−1 3
Ejercicio 7.8 Con los resultados de ejercicios anteriores, razona si la matriz A =
1 1
es diagonlizable o no.
Observaciones:
Podemos construir una base para cada subespacio propio, pero ¿qué pasa con la
dependencia lineal de autovectores de subespacios propios distintos?
Observaciones:
Esto significa que, si λ1 , λ2 , ... , λk son los autovalores distintos de la matriz A, y Bλ1 es
una base del subespacio propio Vλ1 , Bλ2 una base de Vλ2 , etc., entonces el conjunto
{Bλ1 ∪ Bλ2 ∪ · · · Bλk } es un conjunto linealmente independiente.
Álgebra Lineal (2016-17) 93
Por tanto, la matriz A será diagonalizable si, y sólo si, la suma de las dimensiones de
los subespacios propios es la dimensión de Rn , es decir si
Observaciones:
Por tanto, la matriz A sólo será diagonalizable si todos sus autovalores son reales y,
además, la multiplicidad geométrica de cada autovalor coincide con su multiplicidad
algebraica.
−11 −4 8
Ejercicio 7.10 Estudia si la matriz A2 = 0 1 0 es diagonalizble o no.
−12 −4 9
1 1
Ejercicio 7.11 Estudia si la matriz A3 = es diagonalizable o no.
−1 1
|A| = λ1 λ2 · · · λn .
tr(A) = λ1 + λ2 + · · · + λn .
Ejercicio 7.12 De la matriz A ∈ M3 conocemos que |A| = −1, tr(A) = 1, y que unos de
sus autovalores es λ = 1. ¿Cuáles son sus otros autovalores?
2 −5
Ejercicio 7.13 Dada la matriz A = , calcula los autovalores de las matrices A2 ,
0 3
1 3 −1
A , A y A−2 .
2
Teorema: Sea A ∈ Mn una matriz diagonalizable tal que A = PDP −1 , con D diagonal,
entonces Ak = PD k P −1 .
Observaciones:
Permite calcular potencias muy grandes de manera muy rápida, ya que los elementos
de D k son λk .
A es siempre diagonalizable.
A es idempotente, A2 = A, si y sólo si λi = 0 ó λi = 1,
ya que sus autovalores verifican λ2i = λi .
a) ¿Es A unipotente?
donde las aij ∈ R son los coeficientes y las xi son las variables.
q(x) = ax 2 .
En dos variables,
q(x, y) = ax 2 + bxy + cy 2 .
Ejercicio 8.1 Indica cuáles de las siguientes funciones son formas cuadráticas.
a) f (t) = −t 2 .
b) p(x, y ) = x 2 + y 2 .
c) q(x, y , z) = 2x 2 − 4xy − y 2 + z 2 .
d) f (x, y ) = x 2 − 4y 2 + 2x.
e) r (x, y , z) = ax 2 + ay 2 + 2xy.
f) q(x, y, z) = ax 2 − z 2 − 4az.
99
100 Sara Cuenda
Observaciones:
la expresión
a11 a12 x1
q(x1 , x2 ) = x1 x2
a21 a22 x2
define la forma cuadrática
1 2 x
Ejercicio 8.2 Calcula q(x, y ) = x y .
3 4 y
1 1
Ejercicio 8.3 Calcula la forma cuadrática asociada a la matriz .
4 4
Ejercicio 8.4 ¿Se te ocurren otras matrices que den lugar a la misma forma cuadrática?
Álgebra Lineal (2016-17) 101
Ejercicio 8.6 Calcula las formas cuadráticas asociadas a las siguientes matrices.
1 1 0
a) A1 = 3 0
2
1 −2 −1
1 5 −1
b) A2 = −1 0 −1
2 1 −1
Caso general: Para una matriz n × n, la aplicación q(x) = xT Ax, x ∈ Rn , define una forma
cuadrática en Rn tal que:
El coeficiente de cada témino xi2 viene dado por el elemento de la diagonal aii .
El coeficiente de cada término cruzado xi xj viene dado por la suma (aij + aji ).
102 Sara Cuenda
Observaciones:
Todas las matrices que den el mismo resultado aij + aji dan lugar a la misma forma
cuadrática.
Si elegimos una matriz simétrica, puesto que aij = aji , el coeficiente del término cru-
zado xi xj fija el valor de los coeficientes de la matriz. Por tanto, sólo hay una matriz
simétrica asociada a cada forma cuadrática.
1 5 −1
A2 = −1 0 −1
2 1 −1
Dicha matriz Q:
Tiene como elemento fuera de la diagonal aij , con i 6= j, la mitad del coeficiente del
término xi xj .
Álgebra Lineal (2016-17) 103
Ejercicio 8.8 ¿Cuál es la matriz simétrica asociada a las siguientes formas cuadráticas?
Da también una matriz no simétrica A tal que q(x) = xT Ax.
b) q2 (x, y ) = 2x 2 + xy + y 2
d) q4 (x, y) = −x 2 − y 2 + xy
Forma canónica.
Definición: Se dice que una forma cuadrática está en forma canónica cuando no tiene
ningún término cruzado (y, por tanto, la matriz que la representa es diagonal).
Ejercicio 8.9 Escribe la matriz simétrica asociada a las siguientes formas cuadráticas.
a) q(x, y ) = x 2 + y 2 → Q =
b) q(x, y) = 2x 2 → Q =
104 Sara Cuenda
c) q(x, y , z) = 4x 2 − z 2 → Q =
Indefinida (IND) cuando existen x1 y x2 tales que q(x1 ) > 0 y q(x2 ) < 0.
a) q(x, y ) = 2x 2 + y 2
b) q(x, y ) = −3x 2 − y 2
c) q(x, y ) = x 2
d) q(x, y ) = −2y 2
e) q(x, y ) = x 2 − 5y 2
Álgebra Lineal (2016-17) 105
entonces:
Ejercicio 8.11 Comprueba que las formas cuadráticas del ejercicio anterior verifican dicho
criterio.
a) q(x, y ) = x 2 − 2y 2 + xy
Teorema: Dada una forma cuadrática q(x) con x ∈ Rn y sea Q su matriz simétrica aso-
ciada. Si algunos elementos de la diagonal de Q son positivos y algunos son negativos,
entonces la forma cuadrática tiene que ser indefinida.
Observación:
Si los elementos de la diagonal son todos del mismo signo o nulos entonces este
método no clasifica la forma cuadrática.
106 Sara Cuenda
0 2
b) Q2 =
2 0
1 1 1
c) Q3 = 1 2 −1
1 −1 1
Teorema: Sea q(x) = xT Qx una forma cuadrática en las variables x = (x1 , x2 , ... , xn ) y
Q ∈ Mn su matriz simétrica asociada, entonces se verifica que:
a) Si |Q | =
6 0:
• D1 > 0, D2 > 0, . . . , Dn > 0 ⇐⇒ q es DP
• Los Di van alternando el signo, con D1 < 0 ⇐⇒ q es DN
• En cualquier otro caso q es IND
Álgebra Lineal (2016-17) 107
b) Si |Q | = 0:
b.1) Si todos los menores Di hasta n − 1 son no nulos:
• D1 > 0, D2 > 0, . . . , Dn−1 > 0 ⇒ q es SDP
• Los Di van alternando el signo, con D1 < 0 ⇒ q es SDN
b.2) Si existe algún Di = 0, con i < n, el método no decide.
Teorema (condiciones necesarias): Sea q(x) = xT Qx una forma cuadrática en las va-
riables x = (x1 , x2 , ... , xn ) y Q ∈ Mn su matriz simétrica asociada, entonces se verifica
que:
Si q es SDP entonces D1 ≥ 0, D2 ≥ 0, . . . , Dn ≥ 0.
Si q es SDN entonces D1 ≤ 0, D2 ≥ 0, . . .
Observaciones:
Si |Q | =
6 0 (caso a) entonces q sólo puede ser definida positiva, definida negativa o
indefinida.
En el caso b.2 el método no decide, es decir, no podemos afirmar de qué tipo es (que
no es lo mismo que decir que es indefinida!).
Ejercicio 8.14 Clasificar, si es posible, las siguientes formas cuadráticas por el método de
los menores principales.
Menores principales:
Conclusión:
Menores principales:
Conclusión:
Álgebra Lineal (2016-17) 109
Menores principales:
Conclusión:
Menores principales:
Conclusión:
Menores principales:
Conclusión:
Menores principales:
Conclusión:
Menores principales:
Conclusión:
Álgebra Lineal (2016-17) 111
Menores principales:
Conclusión:
Menores principales:
Conclusión:
Observaciones:
Ejercicio 8.15 Clasifica por el criterio de los autovalores los casos que no pudimos resolver
antes:
Autovalores:
Conclusión:
Ecuación característica:
Autovalores:
Conclusión:
q(x, y , z) = x 2 + 4y 2 + 3z 2 − 4axy
Observaciones:
Ejercicio 8.17 Dadas q1 (x, y) = x 2 +2y 2 y q2 (x, y ) = −x 2 − y 2 +2xy, clasifica las siguientes
formas cuadráticas:
a) q1 y q2 .
117
118 Sara Cuenda
Ejercicio 9.3 Decir cúal de estos dos conjuntos es convexo y cuál no.
Unión: En general, la unión de dos conjuntos convexos no tiene por qué ser un conjunto
convexo.
A + B = {z ∈ Rn : z = x + y, con x ∈ A, y ∈ B }.
H = {x ∈ Rn : a0 · x = c, a ∈ Rn , a 6= 0, c ∈ R}.
Una semirecta, un semiplano, ... (delimitados por un punto y una recta, respectiva-
mente), y su generalización en Rn .
{x ∈ Rn : a0 · x ≥ c } {x ∈ Rn : a0 · x ≤ c }
Álgebra Lineal (2016-17) 121
Observaciones:
b) {(x, y) ∈ R2 : y ≤ x 2 − 3x + 2}
Observaciones:
Los corolarios provienen de la definición de los conjuntos convexos, que debían con-
tener cualquier segmento que uniese dos puntos del conjunto.
Tanto las funciones cóncavas como las convexas se definen sobre una cierta región,
M.
a) f (x) = ln(x − 2)
b) f (x) = x + 1
c) f (x) = | − 2x + 4|
Álgebra Lineal (2016-17) 125
√
d) f (x) = x
f (y) ≥ f (x) + ∇f (x)(y − x) → Significa que la función está siempre por encima de la
recta/plano tangente.
Entonces,
a) f (x, y ) = x 2 + y 2
b) f (x) = x 4 + y 4
Álgebra Lineal (2016-17) 127
Observaciones:
a) y + ln(x) ≥ 0 en R2 .
128 Sara Cuenda
b) x 2 + y 2 + z 2 ≤ 4 en R3 .