You are on page 1of 22

Prácticas de Algebra Lineal

En Matlab

MsC. Francis ANTOINE SOUCHE

Ingeniería Civil

U.N.S.A. 2010

generalmente de una línea. Así mismo.PRÁCTICA 1 Sistemas de ecuaciones lineales. en la mayoría de los casos. • programar en un lenguaje interpretado. • realizar cálculo simbólico en aritmética exacta. Veamos en las instrucciones siguientes cómo se define una matriz 3× 2 . para matlab casi todo son matrices. generalmente de varias líneas. • Ejecutamos las instrucciones diferidas de un archivo escribiendo el nombre del archivo y pulsando la tecla “enter”. • El usuario escribe detrás del símbolo avizor (prompt) >>. con matlab se puede: • realizar operaciones aritméticas (como una calculadora pero con posibilidad de mayor precisión). los escalares son matrices 1×1 . En ella escribiremos las órdenes para el programa y recibiremos. Primero unas operaciones aritméticas: >> 2+2 >> 2+3/2 >> 1+5*3 Matlab trata por defecto todos los números como una calculadora. • Un comando interactivo se ejecuta pulsando la tecla “enter”. • realizar gran variedad de gráficos. Además. la simulación de circuitos. La interacción con matlab se realiza principalmente a través de la ventana de comandos. es decir. . Existen dos formas de actuar con matlab: 1. la respuesta. • acceder a logiciales aplicativos a diversos temas como el tratamiento de señales. modo interactivo: escribimos instrucciones directas en la ventana de comandos. los vectores son matrices renglón o columna. Por ello es muy importante observar en la pantalla el resultado de cada operación. En general.2 Primeras operaciones Para comenzar realizaremos algunas operaciones aritméticas y con matrices. que nos permite manejar un mayor número de instrucciones de matlab y acceder a operaciones y cálculos complejos. no sólo una gran variedad de manipulaciones matemáticas sino que se emplea como entorno de trabajo en diferentes campos de la ingeniería. etc. con una misma precisión (catorce cifras decimales). y obtenemos de forma inmediata los resultados. 1.1 Introducción Matlab es un programa de cálculo científico que permite. 2. 1. se transpone de dos modos diferentes y se realizan diferentes operaciones (los resultados aparecen en pantalla). modo programado: escribimos instrucciones diferidas en uno o varios archivos. hay que tener en cuenta que: • Matlab distingue las letras mayúsculas y minúsculas.

−2] >> A*v Ejercicios 1. “det”. • eye(n) devuelve la matriz identidad de orden n. Usando el comando “help” verifique la información sobre las funciones “inv”. matlab dispone de sus propias funciones para realizar tareas más complejas sobre matrices.2 >> A=[3 4. Empleando las funciones anteriores.  0 2 1  1 2 5   3      1. . Como habrán observado.3 Otras operaciones Ahora veremos más operaciones que involucran a las matrices: productos de matriz por escalar. 1. • inv(A) calcula la inversa de la matriz A. el determinante y la inversa de alguna de las matrices anteriores.) al final de la línea de comando impide desplegar el resultado de la operación realizada. producto de matrices y de matriz por vector. 1 2 3]. >> A*B >> B*A >> A*A >> v=[2. 2 1. • help comando muestra una breve descripción de la función de matlab comando. Por ahora las que necesitaremos son las siguientes: • rank(A) calcula el rango de la matriz A • det(A) calcula el determinante de la matriz A. Ejercicios 1. la presencia de un punto y coma (. −1 0] >> B=transpose(A) >> C=A’ >> B+C >> b+C >> A+B >> B+C. Realice las siguientes operaciones:  1 −1 0   4 −1 − 3  2       3 1 0   3 2 − 1 . 2.  − 1 (3 1 0) .4 Algunas funciones Además de las operaciones precedentes. calcule el rango. >> A >> 3*A >> B=[4 5 6. Averigüe del mismo modo qué hace la función “zeros” y pruebe alguno de sus usos.

introduciendo: >> A\b. 2. podemos componer una matriz a partir de vectores: >> u=[1. :) >> A(1. renglones y columnas de una matriz: >> A >> A(3. Dada una matriz >> A=[0 1 1. :) −2*A(1. :)=A(3. 6] >> C=[u v] >> C(1. 2. podemos realizar operaciones elementales sobre matrices que son la base de la eliminación gaussiana. Nota: Dado un sistema lineal escrito en forma matricial.5 Sistemas lineales Veamos a continuación cómo matlab nos permite extraer elementos. 3 1. Podemos realizar las operaciones elementales premultiplicando (multiplicación a izquierda) por una matriz elemental apropiada. :)=A(2. 2) Al igual que podemos extraer renglones y columnas. Para ello emplearemos un vector intermedio (aux) que almacenará provisionalmente un renglón mientras realizamos el intercambio: >> aux=A(1. v] Con esta información. :) >> D=[u. Realice cualquiera de las operaciones precedentes definiendo una matriz elemental apropiada y compruebe el resultado realizando la misma operación como hemos hecho anteriormente. Comprueba el resultado con ayuda de la función “rank”. :)=aux siguiente operación sobre A: >> A(3. :) Ejercicios 1. 3. 1 1 1. 5. Continúe las operaciones del ejemplo anterior hasta conseguir averiguar el rango de la matriz. incluido el caso de sistemas incompatibles. A x = b . 2 −1 2] vamos a permutar los dos primeros renglones. matlab proporciona siempre valores que son una solución del sistema en algún sentido. Queremos resolver el sistema lineal  x +y +z=3   y + 2z = 3 2 x + 2 y + 2 z = 6  Realice las operaciones elementales a la matriz ampliada del sistema hasta averiguar cuántas soluciones tiene el sistema anterior. . 3] >> v=[4. :) >> A(:. 2) >> A(1. :) >> A(2.

Dispondremos de las tres funciones. p(i.6 Matrices elementales Podemos realizar las operaciones elementales premultiplicando por una matriz elemental apropiada. )) t ( ) La transpuesta P t intercambia el orden de las filas. p(j. >> P(1. se reducirán a: >> pijt(3. para calcular cada una de las matrices elementales que necesitaremos. P(2. p(j. Como ejemplo. Escriba la función pijt para obtener la combinación. % return De este modo. i. para realizar las operaciones realizadas en el ejemplo anterior podemos definir. Los ficheros correspondientes tienen el mismo nombre de la función con la extensión “. 3. entre filas i y j en matrices de orden n. 1. i. p(i. i)=1. j) % % Esta función calcula la matriz elemental de orden n para % permutar los renglones i y j. P(1. j)=0. >> P >> P*A para realizar la segunda operación >> P2=eye(3). mostramos aquí la función para calcular la matriz que permuta dos renglones (cuando se escribe el símbolo %. Comprueba el resultado con ayuda de la función “rank”. las dos operaciones anteriores. % modificamos los elementos necesarios. 1)=−2 >> P2*P*A Es fastidioso y repetitivo calcular en cada paso la matriz elemental apropiada para cada operación. 2. −2)*pij(3. i. j) . 1. % partimos inicialmente de la identidad de orden n. 3. pijt (n . 1)=1. i + t * j . 2)=0. pij(n . j. lo que viene a continuación se considera un comentario que matlab ignora). 2)*A Ejercicios 1. 1)=0. >> P2(3. NOTA: Una premultiplicación (P*A) de la matriz A actúa sobre los renglones y una postmultiplicación (A*P) actúa sobre las columnas. P(2. matlab permite al usuario construir sus propias funciones para sintetizar los cálculos en modo programado. Para este tipo de tareas. function p=pij(n. p=eye(n). Continúa las operaciones del ejemplo anterior hasta conseguir averiguar el rango de la matriz. j)=1. qit (n . .m”. 2)=1. t ) .4 1. t ) . Cuidado con las (( funciones precedentes ( A t * P t . Escriba la función qit para calcular t veces la fila i en matrices de orden n. i)=0. i. para la permutación: >> P=eye(3). después de haber definido las funciones apropiadamente. Por ejemplo.

entre otras formas proceder del modo siguiente. 5 1. Si por un lado reunimos las operaciones de permutación en una matriz P y por otro lado reunimos las demás operaciones en otra matriz Q tendremos que U Q P A = U ⇒ P A = Q −1U Se prueba que la matriz L = Q −1 es triangular inferior con unos en la diagonal principal con lo que resulta PA = LU. U x = c. llévala a la forma triangular superior mediante  − 2 2 1   operaciones elementales y calcula su descomposición LU. si es de orden 3 >> B=[A eye(3)] Realizamos las operaciones normalmente y quedarán registradas en la parte de la derecha. . empleando tan solo operaciones elementales. Resolver empleando la factorización LU el sistema  1 2 3  x   1        3 2 4  y  = 1 . salvo posibles permutaciones (recogidas todas en la matriz P). 2. . resolver el sistema A x = b es equivalente a resolver dos sistemas más simples (triangulares): A x = b ⇔ (L U ) x = b ⇔ L ( U x) = b ⇔ L c = b . Es decir.  2 − 1 1  z   0       Nota: También existe una orden de matlab que permite calcular la descomposición LU de una matriz.7 Descomposición LU Toda matriz A se puede transformar. ] Ejercicios  2 1 1   1. una matriz cualquiera puede expresarse como el producto de una matriz triangular inferior L con unos en la diagonal principal por una matriz triangular superior U. Si las operaciones elementales se describen mediante matrices elementales P1 . Es la llamada descomposición LU. Conocida la descomposición LU de una matriz y suponiendo que no ha habido permutaciones. de modo que al final del proceso de eliminación tendremos. en una matriz triangular superior U. Dada la matriz A =  4 1 0  . si no ha habido [ permutaciones: U L−1 . P2 . Le “pegamos” a la matriz A la matriz identidad del mismo orden. es la orden “lu”. c Para llevar a cabo la descomposición LU con matlab se puede. Pm tendremos Pm  P2 P1A = U .

6 Práctica 2 Espacios vectoriales y aplicaciones lineales. se estudia la dependencia lineal calculando el rango del sistema de vectores mediante reducción por renglones de la matriz que tiene por columnas las coordenadas de los vectores. después. Dados los siguientes vectores { v j . 7 ) . . 3)* 2 / 3 2 −1 1 Así {v1 . − 3. en primer lugar. se eliminan los vectores que dependen linealmente de los demás.1. 1. 1) / 3 + a (:. v 2 . − 2) . − 3. − 5. Estudiar si dicho subespacio coincide o no con el engendrado por los vectores ω1 = (1. Matriz asociada en bases. 2.1 Localizar bases de espacios vectoriales Para localizar una base de un espacio vectorial. 2. v 4 = (2. v 3 } es un sistema mínimo. − 2. 7. lo que equivale a resolver un sistema lineal homogéneo. Aplicaciones lineales. se busca un sistema de generadores del mismo y. hallar un sistema mínimo de generadores del subespacio al que pertenecen. 1]' 4 2 1 2 −5 −3 1 −1 7 4 −2 1 rref(a) 1 0 0 13 0 1 0 0 0 0 1 23 1 2 Luego el rango de la familia es 3 y se tiene v 4 = v1 + v 3 . − 1. Contenido: Localizar bases de espacios vectoriales. 2. 0. 4 } de IR 3 : v1 = (4. 1) . Solución a = [4. Otra forma de construir una base es encontrar una familia libre maximal mediante el teorema de ampliar una base. − 1) . ω2 = (3. mientras que el rango de la segunda familia es 2. los dos subespacios no coinciden. 1. ya que el rango de la primera familia es 3. Para ello. En efecto: 3 3 a (:. − 1. Bases y dimensiones. Cambio de base. v 3 = (1. j = 1. 2. Evidentemente. 3. Suma directa. v 2 = (2. Matlab proporciona la orden “rref(A)” que ejecuta la reducción completa por renglones de la matriz A. 1. También se puede proceder como se indica en el ejercicio 4 de esta sección 2. Ejercicios 1. 4. 3) . − 2. 4) . − 5.

b) si alguno de los coeficientes obtenidos es no nulo. Encontrar las coordenadas del polinomio p( x ) = 3 + 2x + 5x 2 en la base hallada. Encontrar una base de S realizando reducción por renglones de la matriz que tiene por columnas los vectores anteriores. Teniendo en cuenta el teorema de las dimensiones. 2. En términos de rangos de familias de vectores. B= . Ejercicios 1. 4. x 2 . Sea S = a1 . 1) . (0. 0. esto significa que la intersección es el subespacio nulo { 0 }. 2 ) . 1. a 3 = (1. 1. − 1. x + x 2 . ¿Es directa la suma de los subespacios S y T de IR 4 engendrados por las columnas de las matrices A y B del ejercicio 4 de la sección 2. el último debe ser la suma de los dos primeros. x 4 que hacen a 1x1 + a 2 x 2 + a 3 x 3 + a 4 x 4 = 0 . a 3 . T. la suma de las dimensiones coincide con la dimensión de la suma. 0. basta calcular el rango de dos familias que generen cada uno de ellos y el de la familia compuesta por la unión de ambas que genera la suma. 1) y T = IR (1. . siendo A la matriz que tiene por columnas las coordenadas de los vectores de dicha familia respecto de una base cualquiera. 0.2 Suma directa. a 5 = (− 1. 7 2. el vector correspondiente es combinación lineal de los demás. Una forma de encontrar una base a partir de un sistema generador de un subespacio vectorial. 2 ) .1. a 5 . siendo a1 = (1. Sea V = IR 2 [x ] el espacio vectorial de los polinomios de grado menor o igual que 2 sobre IR. a 2 . es la siguiente: a) Mediante reducción por renglones de la matriz que tiene por columnas los vectores a j encontrar los coeficientes x1 . a 4 }. x 3 . 0. 1) . S + T y S  T S. 1) . (0. 1. por lo que se puede eliminar y los restantes formarán una base. (2. a 4 = (1. Esto se consigue con la orden “rref (A)”. por ejemplo { a 1 . a 2 = (0. por ejemplo. 1 3 5 7 1 1 1 − 3 − 2      − 4 1 6 3  1 − 3 9 1 2     2. para averiguar si la suma de dos subespacios es directa. Bases y dimensiones La dimensión de un subespacio coincide con el rango de cualquier familia generadora del mismo. 1. Sea S el susbespacio de V engendrado por los polinomios 1+ x . a 4 . 3. Hallar bases y dimensiones de los subespacios S. a 3 . En IR 4 se consideran los subespacios S = IR (1. Aplicar el método anterior a los subespacios engendrados por las columnas de las matrices A y B siguientes:  = 4 − 3 − 2 − 5  3 1 7 5 5      − 3 − 2 −1 6  4 6 0 − 2 − 1 A= . 0. 2. 1. Encontrar una base de S y a partir de ella una base de V. 1 + 3x + 2 x 2 . 0). 1) . 1). 1. 0. a 2 . La suma de dos subespacios es directa si. 2. 0).

u 2 = (0. u 2 . v 2 . en términos de coordenadas también se escribe como: X = PX. u 3 } si respecto de la base { v1 .  1 1 0   También que [ v1 v 2 v 3 ] = [ u1 u 2 u 3 ]P . a n } a la base “nueva” {b1 . siendo X t = (2. Así. v 3 = u 2 − u 3 . −1 Luego. construimos las matrices P y X. si P es regular. Dada la base de IR 3 { u1 = (1. respectivamente. v 2 = u1 − u 2 − u 3 . u 2 . u 3 = (1.  − 1 − 1 − 1   Es decir. 0. 3 − 1 − 1. 1) } . v 3 } si respecto de la base { u1 . 1).3 Cambio de base El cambio de la base “antigua” {a1 . p = [11 0. Solución Se tiene que a = [ u1 u 2 u 3 ] X . v 3 = u 2 − u 3 . v 2 .8 2. Expresar el vector a ∈ IR 3 respecto de la base { u1 . b n } queda definido cuando se expresan los vectores de la nueva como combinación lineal de los de la antigua. siendo P =  3 − 1 1 . encontrar la base { v1 . sustituyendo a = [ v1 v 2 v 3 ]P −1X = [ v1 v 2 v 3 ]X . 3. 1. v3 } tal que las ecuaciones del cambio de coordenadas sean . . v 2 = u1 − u 2 − u 3 . 1). . 1. con la ayuda de Matlab. u 3 } tiene la siguiente expresión a = 2 u1 + 3 u 2 − 2 u 3 y los vectores v j están definidos por v1 = u1 + 3u 2 − u 3 . v3 } tiene la siguiente expresión a = 2 v1 + 3 v 2 − 2 v 3 y los vectores v j están definidos por v1 = u1 + 3 u 2 − u 3 . Matricialmente se puede escribir en términos de vectores en la forma siguiente: [b1  b n ] = [a1  a n ]P . − 1 − 1 − 1] 1 1 0 3 −1 1 −1 −1 −1 x = [ 2 3 − 2]' 2 3 −2 x b = inv(p )* x 5 4   3 4  0   2. v 2 . donde X y X son las columnas coordenadas de un vector genérico en las bases antigua y nueva. siendo P la matriz del cambio. Expresar el vector a ∈ IR 3 respecto de la base { v1 . Ejercicios 1. [ u1 u 2 u 3 ] = [ v1 v 2 v 3 ]P . 3. − 2) .

La ecuación matricial de una aplicación lineal es Y = A X . v n  y  w 1 . Dicha matriz A tiene por columnas las coordenadas de los vectores f (v i ) respecto de la base { w j }. 2. 1 ≤ j ≤ m} de los espacios vectoriales V y W. f ( x ) = 0 w } = {X . v 3 . s ∈ IR . El núcleo de una aplicación lineal o de cualquiera de sus matrices coordenadas es el subespacio Ker (f ) = f −1 (0 w ) = {x ∈ V . B′ = { v1 . w m } de V y W.6 de la práctica 1. A X = 0} . 1 ≤ j ≤ m}. las columnas de A componen un sistema generador de Im(f ) . cuando {v i . w 4 } dos sistemas de vectores tales que: v1 = u2 + 3u 4 w 1 = 2u 1 − 2u 2 + u4 v 2 = − u1 + u 2 w 2 = u1 + u 2 + u 3 v 3 = − 2u 1 − u 3 + 2u 4 w 3 = 3u1 + u3 − u4 v 4 = − u1 − u 2 − u 3 + u 4 w4 = − 2u 2 − u 3 + u 4 a) Probar que B′ y B′′ son bases de V. 9  x1 = y1 − 2y3  2 x = − y + 5 y 2 3  x 3 = y1 − 3y 3  4. w 2 . u 2 . v 2 . la relación existente     −1 entre ellas es A Q = P B .  . y ∈ V . ∀t . o bien A = P B Q siendo P la matriz que define el cambio de . fijadas bases {v i . u 3 . por lo que A ∈ M m×n (IR ) . ∀x. “null(A)”. respectivamente.  . Si es A la matriz coordenada de la aplicación lineal f en bases { v1 . Para definir la función f se ha de seguir los pasos descritos en el párrafo 1. u 4 } una base de un espacio vectorial real V. La imagen de una aplicación lineal f es el subespacio Im(f ) = f (V ) . 1 ≤ i ≤ n} y {w j . − 1) . es lineal si se cumple f (t x + s y ) = t f (x ) + sf (y ) . o sea el conjunto de soluciones del sistema homogéneo. A toda aplicación lineal se le puede asociar una matriz A. c) Encontrar las coordenadas respecto de B′ del vector v cuyas coordenadas respecto de B′′ son (2. . v 4 } y B′′ = { w 1 .  . 1. b) Hallar la matriz del cambio de coordenadas de B′ a B′′ . o sea el conjunto de las combinaciones lineales de los vectores f (v i ) . respectivamente.4 Aplicaciones lineales Una aplicación f entre los espacios vectoriales V y W . w 3 . Matlab tiene una orden para esto. w m  . En particular. 1 ≤ i ≤ n} es una base cualquiera de V. Sean B = { u1 . 0. siendo X la matriz columna coordenada de un vector x ∈ V respecto de la base {v i . v n } y { w1 . si A es la matriz coordenada de f en ciertas bases. 1 ≤ i ≤ n} e Y la matriz columna coordenada del vector y = f ( x ) ∈ W respecto de la base {w j . f : V → W . y B es la matriz coordenada de la misma ~ ~   ~ ~  aplicación respecto de las bases  v1 .

2). 1) }. 0). 1) = (1. . . b) Hallar su ecuación respecto de las bases canónicas. Sea f : IR 3 → IR 2 definida por f (x . Sea f : IR 3 → IR 3 definida por f (2. 0) = (1. − 1.10 ~  la base { v1 . (0. (1. v n } a la base  v1 . (1. Hallar una matriz P tal que A = P B P −1 . ~ ~   La inversa de una matriz A se consigue con el comando “inv (A)”. 1. 0. 1) . . 1. − 3y + 2z ) . 0). f (0. 1). c) Hallar el núcleo Ker (f ) y la imagen Im(f ) . f (1. (1. Hallar la matriz coordenada A de f respecto de la base { (2. . 1. 2. ~ ~     2. Hallar la matriz coordenada B de f respecto de la base canónica. 4 ) }.  . 1). w m  . Ejercicios 1. 1. w m } a la base  w1 . 1. 1. 3) . c. 2) = (0. Hallar Ker (f ) e Im(f ) . 1. y. (1. v n  y Q la matriz que define el cambio de la base ~   { w1 . a) Probar que f es lineal. 2) . d) Hallar la matriz coordenada de f respecto de las bases     v i  = { (2. 0. d. z ) = (2x + z. 0. b. a. 1) } y w j  = { (3.

La ecuación característica. 11 Práctica 3 Forma canónica de Jordan. es decir. Cuando éstas son enteras. entonces el comando “poly(B)” determina el polinomio característico en modo funcional. los vectores propios asociados pueden tener coordenadas complejas. Si se dispone del “Symbolic Toolkit” y si previamente se ha definido la matriz B como simbólica. B = sym(A) . En cambio. proporciona los valores propios λ (o autovalores) de una matriz A. Vectores propios.2 Forma canónica de Jordan Dada una matriz A de orden n sobre IR. 3. como “det”. Como es conocido. o bien. debemos buscarlas entre los divisores del término independiente. el problema puede ser más laborioso y para ello hay métodos específicos. “trace”. Det (λI − A ) = 0 . Un subespacio fundamental (o subespacio propio) es el conjunto de los vectores propios asociados al valor propio λ. 3. diagonalizable o no. siempre se puede encontrar una base respecto de la cual la matriz coordenada de h es la matriz canónica de Jordan. Forma canónica de Jordan. o sea el núcleo de la aplicación lineal de matriz asociada (λI − A ) . Polinomio característico. Aplicaciones: potencia de una matriz. si la suma de dimensiones de los subespacios fundamentales (multiplicidades geométricas) es igual a n. equivalentemente. El polinomio característico de una matriz cuadrada A es el determinante Det(λI − A ) . Los vectores propios (o autovectores) de una matriz asociados a un valor propio son las soluciones del sistema lineal (λI − A ) X = 0 . 3. dado un endomorfismo h de IR n .1 Comandos de matlab El comando “poly(A)” de matlab da los coeficientes del polinomio característico de la matriz A. equivalentemente. siempre podemos encontrar su forma canónica de Jordan (si se elige el cuerpo adecuado). la matriz de Jordan es una matriz triangular de bloques de Jordan. Una matriz cuadrada A de orden n es diagonalizable si se puede encontrar una base de IR n de vectores propios o. si las raíces son irracionales. etc.1.1 Definiciones Dos matrices cuadradas A y B sobre IR o C son semejantes si existe una matriz regular P tal que P −1A P = B . “menores”. La primera con “roots(poly(A))”. Hay dos formas de calcular los valores propios de una matriz con matlab. Contenido: Matrices semejantes. si A P = P B . Para calcular los valores propios podemos simplemente encontrar las raíces del polinomio. Forma real de la forma canónica de Jordan. cuyo . la segunda con “eig(A)” que además nos proporciona vectores propios asociados a los valores propios correspondientes. En otras palabras. Lo mismo ocurre con otras funciones de matrices. Nota: Cuando el valor propio es complejo. resolución de ecuaciones diferenciales lineales. Observar que las matrices semejantes A y B corresponden al mismo endomorfismo en dos bases diferentes y relacionadas por la matriz de cambio P. Valores propios. Para encontrarlo sólo hace falta resolver el sistema particularizando para cada valor propio.

2. en la forma A P = P J . 0. d] = eig(A) v= 0 0 0. • Realizar la partición de multiplicidades de cada uno de los valores propios. 0. Recordamos que las cadenas que aquí se deben usar cumplen: (A − λI ) v j+1 = v j .7071 − 0.1 Proceso de construcción El proceso para encontrar la matriz de Jordan y la base de Jordan correspondiente puede ser el siguiente: • Calcular valores propios con su multiplicidad aritmética. Esta matriz verifica la relación de semejanza entre las matrices inicial A y de Jordan J. • Encontrar la matriz de cambio a la base de Jordan. Obsérvese que.0000 0.2 Ejemplo práctico Encontrar la forma canónica de Jordan del endomorfismo cuya matriz coordenada respecto de una base conocida es la matriz  1 0 0   A =  0 1 0  0 0 1   Solución: Definimos la matriz A: >> A = [1. • Comprobar la semejanza de las matrices inicial y de Jordan.2. respectivamente: >> [v. d]=eig(A)” se encuentran los vectores propios y los valores propios correspondientes. Es decir. Con el comando “[v. 3. 1 . en consecuencia. 2. La matriz P − que define el paso de la base inicial a la base de Jordan − tiene por columnas las coordenadas de los vectores de las cadenas respecto de la base inicial. 1.7071 0. entonces la matriz es diagonalizable y la forma de Jordan será una matriz diagonal. 0. encontrar cuántos bloques de Jordan y de qué tamaño hay para cada valor propio (o también. 3. la base de Jordan.7071 .7071 0. encontrar cuántas cadenas hay y de qué tamaño son). primero los complejos. 0 . que se localizan en las columnas de las matrices v y d. Sugerimos ordenar los bloques de Jordan de mayor a menor tamaño.7071 0. 1. j = 1. • Encontrar los vectores de cada cadena y. si dicha base está formada únicamente por vectores propios. 0]. para los diferentes valores propios λ. • Encontrar la matriz de Jordan. La base (de Jordan) correspondiente a la matriz de Jordan de h es una base constituida por cadenas del tamaño de los bloques de Jordan correspondientes asociados a los mismos valores propios.7071 0.12 número y tamaño están determinados por el endomorfismo h.

la matriz de Jordan tendrá un solo bloque de Jordan de orden 2 asociado a t1 . Se estudia el rango de la matriz A − λI .2357 0.7071 >> v2=ans(:. . >> v3=v(:. es decir. en consecuencia. >> null(ax12) ans = − 0. así como de sus sucesivas potencias (a lo más. y la segunda con uno solo 2 vector v3.1)*eye(3).2). >> J = [d(1.zeros(2.2)*eye(1)].d(2.zeros(1.9428 0 − 0. >> v1=ax1*v2.1). la primera con ( ( ) ) dos vectores: v 2 ∈ Ker (A − t1I ) \ Ker(A − t1I ) y v1 = A v 2 . 2). t 2 = −1 (simple) .7071 >> ax12=ax1^2. >> J(1.1)*eye(2). >> rref(ax1) ans = 1 0 0 0 1 −1 0 0 0 >> dimker1 =3-rank(ax1) dimker1= 1 Por lo tanto. y un solo bloque de Jordan de orden 1 asociado a t 2 . 13 d= 1 0 0 0 −1 0 0 0 1 Así tenemos los valores propios: t1 = 1 (doble) . >> null(ax1) ans = 0 0. por dos cadenas. hasta la multiplicidad aritmética del valor propio). Partición de multiplicidades. 1).7071 0.2357 0.7071 0. En nuestro caso: >> ax1=A-d(1.J J= 1 1 0 0 1 0 0 0 −1 La base de Jordan estará compuesta.2)=1.

v2. luego los reales) y sustituir los bloques de Jordan del mismo tamaño asociados a un valor propio complejo λ y a su conjugado por un bloque real constituido por bloques B1 en la diagonal y bloques B2 encima de la diagonal.7071 − 0.  ℑm(λ ) ℜe(λ )  0 1 .3 Ejercicios 1. se hace preciso considerar la forma real de la forma canónica de Jordan. B2 =   .2357 0.2357 − 0. B =  0 0 0 2 0 0 0  0 0 0 0 0 0 0  0 1 0 1 0 − 1 2 0     1 6 0 4 4 0 − 4  1 5 0 5 2 1 2 − 2      0 0 0 0 1 0 0 0 0 0 0 0 0 2 2.3 Forma real de la forma canónica de Jordan En ocasiones. Encontrar la forma canónica de Jordan y la matriz del cambio de base de las matrices C y D siguientes  4 2 0 0  0 8 − 2 5     1  0 3 0 1 0 8 1 0 C=  .v3] P= 0 − 0.2.4714 − 0. Encontrar la forma canónica de Jordan y la matriz del cambio de base de las matrices A y B siguientes  1 − 2 −1 0 − 4 0 6  1 −1 0 1 − 2 −1 2 2     1 2 3 1 2 0 2 0 − 3   1 2 5 2 0 1 2 1 1 4 − 1  0 0 2 0 2 0 − 4 0 0 2 0 0 0 − 2     A =  0 0 − 1 2 2 0 0 1 . como no siempre se puede utilizar aritmética compleja.4714 0. algunos de los valores propios de una matriz son complejos.7071 Comprobación: ver que las matrices A y J son semejantes: >> A*P==P*J ans = 1 1 1 1 1 1 1 1 1 3.14 La matriz P del cambio de la base inicial a la de Jordan tiene por columnas las coordenadas respecto de la base inicial de los vectores de las cadenas en el orden que aparecen >> P=[v1. siendo  ℜe(λ ) − ℑm(λ )  1 0 B1 =   . D= 4 0 0 − 2 0 1 0 0 0      0 −1 0 5 0 1 0 2     3. Entonces se actúa en la forma que se propone a continuación. • Ordenar los bloques (primero los complejos.9428 0 − 0.

Encontrar la forma real de la matriz de Jordan y la matriz del cambio de base correspondientes a la matriz  1 1 1 1 0 0    − 2 −1 0 −1 0 0  0 0 − 1 − 1 0 1 B= .4 Aplicaciones 3.1 Ejercicios 1. como otras veces. respectivamente. si se conoce el valor de la solución X(t 0 ) en un instante t 0 (condiciones iniciales). 3. . existe una única solución. la parte real y la parte imaginaria de los vectores propios complejos correspondientes. 0 0 − 1 − 1    0 0 2 1   2. d ) para transformar la salida compleja de [v. • La relación de semejanza que ha de cumplirse es. la potencia n-ésima de A se puede obtener en la forma: A n = P −1J P P −1J P  P −1J P = P −1J n P .4. d] = eig(A ) en real. En consecuencia. Encontrar la forma real de la matriz de Jordan y la matriz del cambio de base correspondientes a la matriz  1 1 1 1    − 2 − 1 0 − 1 A= . Para encontrar la solución correspondiente a las condiciones iniciales X(t 0 ) se procede en la forma siguiente: a) Se encuentra la forma canónica de Jordan y la matriz de paso. 15 Nota: Se puede usar [v.1 Potencia de matrices Dado que una matriz cuadrada A y su forma canónica de Jordan J verifican: A = P −1J P .  0 0 2 1 0 0  0 0 0 0 1 2    0 0 0 0 − 1 − 1   3. 3.4. basta encontrar la forma canónica de Jordan de A y la matriz de cambio a la base de Jordan.3. A P = P J . • La base correspondiente a esta forma de la matriz de Jordan se consigue de la manera siguiente: se colocan en la primera y segunda posiciones. más concretamente.2 Resolución de sistemas de ecuaciones diferenciales lineales Un sistema de ecuaciones diferenciales lineales representa un problema en el que la incógnita es una función vectorial definida como una relación lineal entre ella y su derivada. d ] = cdf 2rdf (v. se puede escribir en términos matriciales como: X′ = A X Se puede probar que.

d) Se imponen las condiciones iniciales: Y0 = P −1X 0 para determinar las constantes de integración. e) Se realiza el cambio de coordenadas inverso para obtener X = P Y(t ) . Ejercicios 1. siendo J = P −1A P y X = PY. X 0 = X(0) =  1   −1 1 2  0     . c) Se resuelve el sistema diferencial lineal en forma regresiva. X 0 = X(0) =  1   − 3 1 7  0      0 1 1  1     B =  0 1 0  . cuyas matrices y condiciones iniciales son las siguientes  1 5 − 2 1     A =  − 4 3 7  . Resolver los sistemas de ecuaciones diferenciales lineales.16 b) Se transforma el sistema inicial al siguiente: Y′ = J Y .

17 Práctica 4 Formas cuadráticas. 3 − i ) . v ) + f (u . f (u + u ′. u ′. v1 )  f (v1 . b) Calcular su expresión coordenada con respecto a la base canónica de C 2 . t v ) = t f (u . 2i ) y v = (0. v ∈ V y alternada si f (u . v ∈ V . ∀t ∈ IK. que será simétrica si f (u . ∀u .1 Introducción Dada una aplicación f : V × V → IK con V espacio vectorial sobre un cuerpo IK. v ) . v n )] = ∑ x i y j f (v i . v = y1v1 +  + y n v n = Y′(v i ) f (u . . ∀u ∈ V . Sean V un espacio vectorial real y f : V × V → IR una forma bilineal sobre V. una forma cuadrática asociada a f a la aplicación q : V → IR definida por q(u ) = f (u. ∀u . f (u.  . f (u . y1v1 +  + y n v n ) +  + x n f (v n . v ) = X′ A Y . a) Comprobar que es una forma sesquilineal. v ) . v ) = f (v. n i . • ∀u . ∀t ∈ IK. 4. v j ) = X′ A Y . f (t u . v′) . v n } de V. .1 Ejemplo práctico Sea V = C 2 espacio vectorial sobre C y f la aplicación f : C 2 × C 2 → C dada por f ((x1 .1. y 2 )) = x1 y1 + 3x1 y 2 − x 2 y1 + 2x 2 y 2 . una forma sesquilineal sobre V siempre y cuando se cumple: • ∀u . v ) = −f (v. v ) = f (u . (y1 . c) Calcular f (u. u = x1v1 +  + x n v n = X′(v i ) ∀v ∈ V . La expresión coordenada de una forma sesquilineal f : V × V → IK sobre V se calcula de la siguiente manera: Se considera una base { v1 . v ) con u = (1 + i. v ) . v n }. v n )] +  + x n [y1 f (v1 . v1 ) +  + y n f (v n . v ) = f (x1v1 +  + x n v n . • ∀u . x 2 ). La expresión obtenida anteriormente. • ∀u . 4. v ) f (v . v )  n 1 n n  de la base { v1 . Notar que si el cuerpo IK es IR. . v. es la expresión coordenada de f respecto de la base { v1 . donde t es el conjugado de t. ∀u. v ∈ V. v ) + f (u ′. Contenido: Formas sesquilineales y cuadráticas: introducción. v + v′) = f (u . f (u . v ) = t f (u . y1v1 +  + y n v n ) = x1 f (v1 . v ∈ V. y1v1 +  + y n v n ) = x1 [y1 f (v1 . la forma sesquilineal es una forma bilineal. v1 ) +  + y n f (v n . ∀u ∈ V . diagonalización. v ∈ V. v′ ∈ V . v ∈ V . v n )    Donde A =      ∈ M n (IK ) es la matriz coordenada de f respecto  f (v . u ). v n }. u ). j=1  f (v1 . clasificación. u ).

x 2 . vp)) >> syms s t >> simplify(F(t ∗ u. c) f : IR × IR → IR definida por 3 3 . ' y ') Ahora comprobamos que es una forma sesquilineal: >> syms a b c d e f m n >> u = [a b] >> v = [c d] >> up = [e f] >> vp = [m n] >> simplify(F(u + up. s ∗ v) − conj(s) ∗ F(u. b) f : IR 2 × IR 2 → IR definida por f (u . x 2 . y 3 )) = x1x 2 . x 3 ). a) ¿Es una forma bilineal simétrica? b) ¿Cuál es su forma cuadrática Q asociada? ( c) Calcula Q 1 + (1 − i )x + (2 + i )x 2 . F(e2. q ( x ) ) = p′(0) q′(0) . ) 3. (y1 . Encontrar la matriz A coordenada respecto de la base estándar de la forma sesquilineal f : C3 [x ]× C3 [x ] → C definida por f (p( x ). 1. (0. 1) } de C3 . v) − F(up. y 2 .1. v) − F(u. v)) Calculamos la expresión coordenada >> e1 = [1 0] >> e2 = [0 1] >> A = [F(e1. 2i. 3 − i ) de dos formas distintas: >> F([1 + i 2 * i ]. 0 ). v) − F(u. x 3 ). 2. [0 3 − i ]) >> [1 + i 2 * i]* A * [0 3 − i]’ 4. y 3 )) = 3x1 y1 + x 2 y 2 + 5x 3 y1 . Sea f la aplicación f : C3 × C3 → C dada por f ((x1 . c) Calcular la matriz coordenada de f respecto a la base { (i. v ) = f ((x1 . x 3 ). y 2 . (y1 . e1) F(e1. 1). e2). 2i ) y v = (0. b) Calcular la matriz coordenada de f respecto a la base canónica de C3 . v ) con u = (1 + i. e1) F(e2. v)) >> simplify(F(u. v)) >> simplify(F(u. v) − t ∗ F(u. y 2 . ' x ' . e2)] Calculamos f (u. v + vp) − F(u. (1 + i. 1.2 Ejercicios 1. y 3 )) = x1 y1 + ix1 y 2 + 2ix1 y 3 + 2ix 2 y1 − 2x 2 y 2 − 4x 2 y 3 + (1 + i )x 3 y1 a) Comprobar que es una forma sesquilineal. (y1 . Dadas las aplicaciones a) f : IR 3 × IR 3 → IR definida por f (u . x 2 .18 Solución con Matlab En primer lugar definimos la función: >> F = inline(' x (1) * conj(y(1) ) + 3 * x (1) * conj(y( 2) ) − x ( 2) * conj(y(1) ) + 2 * x ( 2) * conj(y( 2) )' . v ) = f ((x1 .

2 Diagonalización y clasificación de formas cuadráticas Para diagonalizar una matriz hermítica (simétrica en IR ) asociada a una forma cuadrática. 3) = AP(:. y 2 . 1. 0 1 1] >> A = [1 2 0.1 : 3) Operación por filas en A y P >> P = AP(:. encontrar una base ortonormal de vectores propios. = 2 x1 y1 + x1 y 2 + x 2 y1 + 3x1 y 3 + 3x 3 y1 + x 2 y 3 + x 3 y 2 + 4 x 3 y 3 Comprobar si son bilineales. :) − 2 ∗ P(1. 2 3 1. 19 f ((x1 . :) + P(2. P(2. A(3. 3) + A(:. :) >> A = [A(:. 1) } . :).4 : 6) >> A = [A(1. :)] >> AP(:. 1) A(:. 0). :) = AP(2. :)] >> P = [P(1. P(3. :) + A(2. 2) − 2 ∗ A(:. 2) = AP(:. (− 2. 0 1 1] >> P = eye(3) >> P = eye(3) Operación por filas en A y P >> AP = [A. 0). :). :). sobre la matriz coordenada A de la forma cuadrática y sobre la matriz identidad de mismo orden que A adjuntada. La matriz transformada P de la matriz unidad verifica la relación de congruencia P A P t = D . :)] >> D = P ∗ A ∗ P′ La misma operación por columnas en A >> A = [A(:. P(3. :) − 2 ∗ A(1. :) + AP(2. :) >> P = [P(1. 0. t  − 2 1 1  0 0 2     Base conjugada: { (1. 3) + AP(:. A(3. x 3 ). podemos utilizar cualquiera de los métodos conocidos: encontrar una base de vectores conjugados. A(2. 1) La misma operación por columnas en A >> AP(3. hasta lograr una matriz coordenada diagonal congruente. :). :) − 2 ∗ AP(1.2. :). P] >> A = [A(1. 1) A(:. 1) A(:. :)] >> AP(2. P(2. 4. y 3 )) = . :). El método de diagonalización por congruencia consiste en realizar simultáneamente operaciones elementales de congruencia. 3)] >> AP(:. :) = AP(3. método de diagonalización por congruencia. :). D = PA P =  0 − 1 0  . Solución con Matlab de dos maneras distintas: Introducimos la matriz >> A = [1 2 0. determinando fácilmente la matriz del cambio a la nueva base.1 Ejemplo resuelto 1 2 0   Obtener una matriz diagonal congruente con A =  2 3 1  y escribir una base 0 1 1    conjugada. x 2 . 2 3 1. :). A(2. Calcular su expresión matricial y observar si son simétricas o alternadas. 2) − 2 ∗ AP(:. 1. (− 2. El método más usual utiliza matrices elementales para obtener una matriz diagonal congruente con la matriz coordenada de una forma cuadrática. 2) A(:. 4. 2)]  1 0 0  1 0 0     Resultado obtenido P =  − 2 1 0  . (y1 . 2) >> D = AP(:.

x 2 . y ) = 2 xy − y 2 . y. x 2 . z ) = 3x 2 + 5 y 2 + 3z 2 − 2xy + 2xz − 2 yz . x 3 ) = 3x12 + 2 x1x 2 + 2 x1x 3 + 4 x 2 x 3 . . 2.2 Ejercicios 1. y clasificarlas.20 4. b) q(x . x 3 ) = x12 + 2 x 22 + 4 x1x 2 + 2 x 32 . Diagonalizar y clasificar las siguientes formas cuadráticas definidas sobre IR 3 o IR 2 a) q(x . b) q(x1 . y ) = xy .  1 −1 0   1 1 0    encontrar una matriz diagonal congruente hermítica (simétrica) con ella. c) q (x1 . x 2 ) = 3x12 + 3x1x 2 + 6x 22 . 3. Hallar el rango y la signatura de las formas cuadráticas cuyas expresiones son: a) q(x1 . c) q(x .2. Para cada una de las matrices  2 i 0   1 1 0     a)  − i 0 1 − i  b)  1 2 2   0 1+ i 1   0 2 5      0 1+ i 1  0 1 1     c ) 1 − i 0 − 1 d )  1 0 1 .