CAPÍTULO 6 AUTOVALORES Y AUTOVECTORES

Tomamos una transformación lineal endomórfica T : V  V que se

puede escribir en la forma: T x   Ann  x , donde Ann es la
representación matricial estándar. Ahora nos interesará en V tal que
su imagen sea un múltiplo de sí mismo, ello implica:
T x   Ann  x  x
  

Siendo “  ” el escalar de multiplicidad.

Los escalares “  ” que corresponden a la multiplicidad de un vector x
se los denomina “Autovalores, valores propios ó eigen value”.
A los vectores x no nulos cuya imagen es un múltiplo de sí mismos se
los denomina “Autovectores, vectores propios ó eigen vector”.

Tomemos: xn1 si V   n   n1

VPn f  x   x n1 es la matriz de coordenadas de cualquier elemento



respecto a la base canónica.

Entonces:
 
Ann  xn1    xn1 (1)

En (1) Ann  xn1    xn1  Øn1

 Ann  I nn   xn1  Øn1
La anterior expresión representa un sistema homogéneo de
ecuaciones n n de la forma:
a11   a12 a13  a1n   x1  0
 a a22   a23  a2 n   x2  0
 21
 a31 a32 a33    a3n   x3   0
    
         
 an1 an 2 an 3  ann     xn  0

Conocemos:

145
Sistema Homogéneo Consistente Determinado (Única Solución)

 
xn1  Øn1

Indeterminado (Infinitas Soluciones) xn1  Øn1

Para que existan los autovalores el sistema debe tener infinitas

soluciones y ello se verifica cuando:
det Ann  I nn   0

Entonces:
a11   a12 a13  a1n
a21 a22   a23  a2 n
a31 a32 a33    a3n 0
   
an1 an 2 an 3  ann  

Cuyo resultado es:

n  Cn1n1  Cn2n2    C1  C0  0
  
Polinomio
 
Característico

Ecuación Característica

Al conjunto solución de la ecuación característica se las denomina

Espectro de la matriz Ann .

V  A  1 , 2 , 3 ,, n 

Para encontrar los autovectores resolvemos el sistema de ecuaciones


 Ann  k I nn  xn1  Øn1 para cada valor de  encontrado. Los
autovectores x1 , x2 , x3 ,…, xn forman una base en V que se denomina
base de los espacios propios.

     
V  x1 1 , x2 2 , x3 3 ,, xn n 
Ejemplo.-

146
Sea la transformación lineal T : P1  P1 definida por
T a  bx  4a  5b   2a  3bx . Se pide:

a) Hallar autovalores y autovectores.

b) La base de los espacios propios.
Solución.-
Debemos hallar la matriz estándar.
BC  1, x

T 1  4  2x  1 1   2 x

T x  5  3x  1 1   2 x

1 0 4 5
0 1  2  3
 

4 5
A 
 2  3

Autovalores  A  I   Ø
4 5 1 0 4   5 
A  I        
 2  3 0 1   2  3   

4 5
A  I   4    3      10  12  3  4  2  10  0
 2 3

2    2  0
  2  1  0
1  2 2  1

V A   2,1

Para   2
2 5 0  2 5 0
  2  5 0 0 0 0
   
f1  f 2  f 2 '

147
2 x1  5x2  0

5
Si x2  t , x1   t
2

 x1   5 t  t  5   2  5
x    2   2  2  x1   
 2   t    2

Para   1
5 5 0 5 5 0 
  2  2 0 0 0 0 
   
2
f1  f 2  f 2 '
5
5x1  5x2  0

Si x2  t , x1  t

 x1   t   1   1  1
x    t   t  1  x2  
 2     1

P1 x  51  2x  5  2x

P2 x  11  1x  1  x

B   5  2x,1  x

Diagonalización.- Es un proceso por el cual toda matriz Ann es

semejante a una matriz diagonal Dnn .

De la semejanza de matrices.
B  P 1  A  P

Entonces B  D .
Por lo tanto Dnn  P 1nn  Ann  Pnn .

La matriz diagonal

148
 a11 0 0  0
0 a 0  0 
 22

Dnn 
 0 0 a33  0
 
     
 0 0 0  ann 

Como D  P 1  A  P //Premultiplicamos P
1
PD   P
P  A P
I

PD  A  P

 
  x1
Si Pnn     
x2 x3  xn 
 

Entonces.
a11 0 0  0
 0 
   0 a22 0   
 x 
x2

x3  xn   0

0 a33  0   Ann  x1
 
x2
  
x3  xn 
 1  
         
 0 0 0  an 
   
x1a11  Ann  x1 a11 x1  Ann  x1
   
x2 a22  Ann  x2 a22 x2  Ann  x2

 
   
xn ann  Ann  xn ann xn  Ann  xn

De la definición de autovalor y autovectores.

T x   Ax  x
  

x  A  x

Entonces la matriz está formada por autovalores, es decir:

149
  
P   x1 1
   3  n 
x2 2 x3  xn 
 

Los elementos de la matriz diagonal deben ser los autovalores, es

decir:
1 0 0  0
0  0  0 
 2

D  0 0 3  0
 
    
 0 0 0  n 

Por lo tanto D  P 1  A  P es una ecuación para verificar que los

autovalores están en la diagonal principal.
Condiciones de Diagonalización.-
1) Cada autovalor debe generar su propio autovector.
2) Si un autovalor tiene multiplicidad “ k ” entonces se deben
generar “ k ” autovectores linealmente independientes.
Nota.-
La ecuación Dnn  P 1nn  Ann  Pnn

Como Ann es la matriz estándar representa un cambio de base donde:

A  Mat BBee T 

P  Mat BBe ? I 

D  Mat BB?? T  (Diagonal)

En consecuencia:
P1  Mat BBee ? I 

Por lo que es posible hallar la base B  ? cuya representación matricial

es una matriz diagonal.
En el anterior ejemplo.

150
 4 5
v  A  2,1
A 

 2  3

  5   1
x1    , x2   
2 1

Entonces.
 5  1 1 1  1  1
P , 
1  3  2 5 
P
2

1  1  1  1 5   5  1 1  2  2  5  1 1 6 0 
D  P 1  A  P    
 
3  2 5   2  3  2 1  3  2  5  2 1  3 0  3

2 0 
D 
0  1

Ejemplo.-
Diagonalizar la matriz:
  3  7  4
A   2 4 3 
 1 2 2 

Solución:
 3    7 5 

A  I   2 4 3 
 1 2 2   

3 7 5  3    1  2  5 1   1 1
A  I  2 4 3  2  3  2  3
1 2 2 1 0 2 1 0 2

 2C1  C2  C2 ' 2 f 2  f1  f1 ' C2  C3  C3 '

1  1 0 1   1 0
2    2 3
A  I  2   3    2    2 0 3  0
1 2
1 0 2 1 0 2

151
  f1  f 2  f 2 '

2     2     3     0
2

4  2  22  2  2  3  3    0

3  32  3  1  0

  13  0
  13 

 
v  A  13


Autovectores.-
Para   1 resolvemos.

A  I x  Ø
  4  7  5 0 0 1  1 0 0 1  1 0
2 3 3 0 0  1 1 0 0 0 0 0
    
 1 2 1 0 1 2 1 0 1 0 3 0

 2 f3  f 2  f 2 '  2 f1  f 2  f 2 '
 4 f 3  f1  f1 '  2 f1  f 3  f 3 '

x1  3x3  0 , x2  x3  0

x3  t , x2  t , x1  3t

 x1   3t   3
x    t   t  1 
 2    
 x3   t   1 

 3
  1  
x 1 
 1 

La matriz no es diagonalizable.

152
Forma Jordan.- Cuando una matriz A no es diagonalizable es posible
hallar una forma tridigonal denominada Forma Jordan. Como falta
autovectores los restantes se hallan mediante:
 A  i I x2  x1
 A  i I x3  x2
 
Entonces P   x1 
x2
  
x3  xn  . Hallamos P 1 .
 

La diagonal D  P 1  A  P .
i 1 0  0
0 i 1  0 

Ahora J  P 1  A  P   0 0 i  0
 
    
 0 0 0  n 

En el ejemplo hallamos x2 .

A  1I x2  x1
 4  7  5  3 0 1  1 1  0 1  1 0 
2 3 3 1  0  1 1  1 0 0 0 0 
  
 1 2 1 1  1 2 1 1  1 0 0  1

 2 f3  f 2  f 2 '  2 f1  f 2  f 2 '
 4 f 3  f1  f1 '  2 f1  f 3  f 3 '

x1  3x3  1 , x2  x3  1

Si x3  t , x1  3t 1 , x2  t  1

 x1   3t  1  3  1
x    t  1   t  1    1 
 2      
 x3   t   1   0 

153
  3  1
  ,   
x1   1  x2   1 
 1   0 

 A  1I x3  x2
 4  7  5  3 0 1  1  1 0 1  1  1
2 3 3 1  0  1 1 1  0 0 0 0 
    
 1 2 1 1  1 2 1 0  1 0 3 2 

 2 f3  f 2  f 2 '  2 f1  f 2  f 2 '
 f 3  f1  f 1 '  2 f1  f 3  f 3 '

x1  3x3  2 , x2  x3  1

Si x3  t , x1  3t  2 , x2  t  1

 x1   3t  2  3  2  2
 x    t  1   t  1    1   
x3   1
 2      
 x3   t   1   0   0 

La matriz P
 3  1 2 
P   1 1  1
 1 0 0 

Hallamos P 1
P  0  1  0  2  0  0  1

 3 1 2  0 0  1
 
P t    1 1 0  adj (P)   1  2  1

 1  1 0    1  1  2


0 0 1 
P  1 2 1
1

1 1 2

154
 0 0 1  3  7  5 1 2 2  3  1 2  1 1 0
J  P 1 AP  1 2 1  2 4 3   P  2 3 3  1 1  1  0 1 1
1 1 2  1 2 2  1 1 2  1 0 0  0 0 1

Diagonalización Ortogonal.- Se da cuando la matriz estándar 𝐴𝑛∗𝑛

es simétrica, lo que implica que:
𝐴 = 𝐴𝑡
En el caso la matriz de transición P es ortogonal por lo tanto.
𝑃−1 = 𝑃 𝑡
Entonces:
𝐷 = 𝑃−1 𝐴 𝑃
Es
𝐷 = 𝑃𝑡 𝐴 𝑃

Para que la matriz P sea ortogonal la base de los espacios propios

debe orto normalizarse con el proceso de Gram Schmidt
Si los auto valores son distintos, los auto vectores ya son distintos, los
auto vectores ya son ortogonales por lo que solo si los normaliza, si
existir era auto valores repetidos se aplica el proceso completo de
Gram Schmidt.
Funciones Matriciales.- Partimos del hecho de que toda función
derivable y continua se puede expresar como una serie de potencia
alrededor de 𝑥0 = 0 (𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝑀𝑐𝑙𝑎𝑢𝑟𝑖𝑛).
Potencia de matrices.-
Como:
D  P 1 AP // Pr emult P

 
Postmult P 1

𝑃𝐷𝑃−1 = 𝑃𝑃−1 𝐴 𝑃𝑃−1


𝐴 = 𝑃𝐷 𝑃 −1

155
Entonces:


 

A 2  A  A  PD P  P 1 DP 1  A 2  PD 2 P 1
I





A3  A 2  A  PD 2 P  P 1 DP 1  A3  PD 3 P 1
I

Generalizando
𝐴𝑛 = 𝑃𝐷𝑛 𝑃−1 𝑛 𝑅
Donde
1n 0 . . 0 
 
. n2 0 . 0 
𝐷 = .
𝑁
. . . . .
 
. . . . . 
0 nk 
 0 . .

En otras funciones, por ejemplo.

𝑒 𝐴𝑡 =? 𝐴𝑛∗𝑛
Partimos
∞
𝑥
𝑥𝑘
𝑒 =∑ 𝑠𝑖 𝑥 = 𝐴𝑡
𝑘!
𝑘=0

Entonces:
∞ ∞ ∞
𝐴𝑡
(𝐴𝑡)𝑘 𝐴𝑘 𝑡𝑘 𝑃𝐷𝑘 𝑃−1 𝑡 𝑘
𝑒 =∑ = ∑ = ∑
𝑘! 𝑘! 𝑘!
𝑘=0 𝑘=0 𝑘=0

Pero t  𝑅
∞ ∞
𝑃(𝐷𝑡)𝑘 𝑃−1 (𝐷𝑡)𝑘 −1
𝑒 𝐴𝑡 =∑ = 𝑃(∑ )𝑃
𝑘! 𝑘!
𝑘=0 𝑘=0

𝑒 𝐴𝑡 = 𝑃𝑒 𝐷𝑡 𝑃−1

156
Donde.

e 1t 0 0  0 
 
 0 e 1t 0  0 
𝐷𝑡 
𝑒 = 0 0 e 1t
 0 
 
      
 0  e 1t 
 0 0

Generalizando.
𝑓(𝐴) = 𝑃𝐹(𝐷) 𝑃−1
Ejemplo: cos(𝐴) = 𝑃𝑐𝑜𝑠(𝐷)𝑃−1
Teorema de Hamilton- Cayley.- El teorema dice que toda matriz 𝐴𝑛∗𝑛
satisface la ecuación de un polinomio característico eso implica.
𝑛 + 𝐴𝑛−1 𝑛−1 + 𝑛 + 𝐴𝑛−2 𝑛−2 + ⋯ … … . +𝐴2 2 + 𝐴1  + 𝐴0 = 0
Por Hamilton-Cayley
Entonces
𝐴𝑛 + 𝐴𝑛−1 𝐴𝑛−1 + 𝐴𝑛 + 𝐴𝑛−2 𝐴𝑛−2 + ⋯ … … . +𝐴2 2 + 𝐴1  + 𝐴0 = 0
Hallamos 𝐴−1
𝐴𝑛 + 𝐴𝑛−1 𝐴𝑛−1 + 𝐴𝑛 + 𝐴𝑛−2 𝐴𝑛−2 + ⋯ … … . +𝐴2 𝐴2 + 𝐴1 𝐴 + 𝐴0
=0 //𝐴−1
𝐴𝑛−1 + 𝐴𝑛−1 𝐴𝑛−2 + 𝐴𝑛−2 𝐴𝑛−3 + ⋯ … … . +𝐴1 𝐼 + 𝐴0 𝐴−1 = 0
1 𝑛−1
𝐴−1 = − {𝐴 + 𝐴𝑛−1 𝐴𝑛−2 + ⋯ + 𝐴𝑛−2 𝐴𝑛−3 + ⋯ … . +𝐴0 𝐼 = 0
𝐴0
Diagonalización por Faddeva.- Faddeva da un algoritmo para hallar
autovalores y autovectores, si y solo si los autovalores no son
repetidos.
Del esquema
𝐴 = 𝐴1 → 𝑇𝑟(𝐴1 ) = 𝑞1 → 𝐵1 = 𝐴1 − 𝑞1 𝐼

157
 𝑇𝑟(𝐴2 )
𝐴2 = 𝐴𝐵1 → = 𝑞2 → 𝐵2 = 𝐴2 − 𝑞2 𝐼
2
𝑇𝑟(𝐴3 )
𝐴3 = 𝐴𝐵3 → = 𝑞3 → 𝐵3 = 𝐴3 − 𝑞3 𝐼
3
 

𝑇𝑟(𝐴𝑛 )
𝐴𝑛 = 𝐴𝐵𝑛−1 → = 𝑞𝑛 → 𝐵𝑛 = 𝐴𝑛 − 𝑞𝑛 𝐼 = 0
𝑛
La ecuación característica viene dada por:
𝑛 + 𝑞1 𝑛−1 + 𝑞2 𝑛−2 + 𝑞3 𝑛−3 + ⋯ … … . +𝑞𝑛 = 0
Para los autovectores se aplica la ecuación recursiva.
𝜓𝑖+1 = 𝑘 𝜓𝑖 + 𝑏𝑖+1 𝑖 = 1,2,3, … . . 𝑛 − 2
Donde 𝜓0 es una de las columnas de la matriz identidad, para 𝑏𝑖+1 se
halla el mismo orden de la columna en 𝐵1 , 𝐵2
Ejemplo: Sea la transformación lineal T 𝑃2 → 𝑃2 definida por.
𝑇(𝑎𝑡 2 + 𝑏𝑡 + 𝑐)
= (4𝑎 + 2𝑏 + 2𝑐)𝑡 2 + ((𝑘 + 𝑚)𝑎 + 4𝑏 + 2𝑐)𝑡
+ ((3𝑘 − 𝑚)𝑎 + (𝑛 − 1)𝑏 + 4𝑐)
Se pide
a) Hallar k, m, n tal que la matriz estándar sea diagonalizable
ortogonalmente.
b) Hallar 𝐴𝑁 , 𝑒 𝐴𝑡
c) Hallar 𝐴−1 por Hamilton-Cayley.
Sol.
𝑇(𝑡 2 ) = 4𝑡 2 + (𝑘 + 𝑚)𝑡 + (3𝑘 − 𝑚) = 𝛼1 (𝑡 2 ) + 𝛼2 (𝑡) + 𝛼3 (1)
𝑇(𝑡) = 2𝑡 2 + 4𝑡 + (𝑛 − 1) = 𝛽1 (𝑡 2 ) + 𝛽2 (𝑡) + 𝛽3 (1)
𝑇(1) = 2𝑡 2 + 2𝑡 + 4 = 𝛾1 (𝑡 2 ) + 𝛾2 (𝑡) + 𝛾3 (1)
1 0 0 4 2 2  4 2 2
0 1 0 k  m 4 2 
A=  k  m 4 2

0 0 1 3k  m n  1 4 3k  m n  1 4

158
A es diagonalizable ortogonalmente si 𝐴 = 𝐴𝑡
2=𝑘+𝑚 2 = 3𝑘 − 𝑚 2=𝑛−1
K=1 m=1 n=3
 4 2 2
A= 2 4 2
2 2 4
 
Construimos  A  I x  

4   2 2   x1  0
 2 4 2   x2   0

 2 2 4     x3  0

Auto valores |𝐴 − 𝐼| = 0

Autovectores:
Para 𝜆 = 2
 2 2 2 0  2 2 2 0
 2 2 2 0 → 0 0 0 0
   
2 2 2 0 0 0 0 0

−𝑓1 + 𝑓2 → ′𝑓2
−𝑓1 + 𝑓3 → ′𝑓3
x   t  r   1  1
2𝑥1 + 2𝑥1 + 2𝑥1 = 0 1
x  =  t  = t 1   r 0 
𝑠𝑖 𝑥2 = 𝑡; 𝑥3 = 𝑟; 𝑥1 = −𝑡 − 𝑟  2       
 x3   r   0   1 

𝑥
̅̅̅1 𝑥2
̅̅̅
  1   1
∴ 𝒙𝟏 𝝀=𝟐
=  1  ; 𝒙𝟐 𝝀=𝟐
=  0 
 0   1 

Para 𝜆 = 8

159
 4 2 2 0 0 6  6 0 0 1  1 0 0 1  1 0
 2  4 2 0 → 0  6 6 0 → 0  1 1 0 → 0 0 0 0
       
 2 2  4 0 2 2  4 0 1 1  2 0 1 0  1 0

−𝑓3 + 𝑓2 → ′𝑓2 (1 /6)𝑓1 −𝑓1 + 𝑓3 → ′𝑓3

2𝑓3 + 𝑓1 → ′𝑓1 (1/6)𝑓2 𝑓1 + 𝑓2 → ′𝑓2
(1/6)𝑓3
 x1  r  1
𝑠𝑖 𝑥2 = 𝑟; 𝑥3 = 𝑟; 𝑥1 = 𝑟  x 2 =  t  = r 1
 x3 r  1

1
∴ 𝒙𝟑 𝝀=𝟖
= 1
1

 1   1 1 
 1 
𝑩 =  1  ;  0 ;
   
 0   1  1 
 

Por Gram Schmidt

𝟏
1° Paso ̅̅
𝒖̅̅𝟏 = ‖𝒗̅̅̅̅‖ ̅̅̅
𝒗𝟏 Tomamos el producto escalar
𝟏

‖𝑣 2 2 2
1 = √𝑣1 ∘ 𝑣1 = √(−1) + 1 + 0 = √2
̅̅̅‖

  1
𝒖̅̅𝟏 =  1 
𝟏
∴ ̅̅
√𝟐
 0 

𝒗 −⟨𝒗̅̅̅𝟐̅,𝒖
̅̅̅̅⟩𝒖
2° Paso 𝒖̅̅𝟐 = ‖𝒗𝟐
̅̅ 𝟏 𝟏
𝟐 ̅
−⟨𝒗̅̅𝟐 𝟏 𝟏‖
̅,𝒖
̅̅̅̅⟩𝒖

  1   1
⟨𝒗
̅̅̅,   𝟏   𝟏
𝟐 ̅̅
𝒖̅̅⟩
𝟏 =  0  ∘ √𝟐  1  = √𝟐
 1   0 

160
   1   1  1
0 − 𝟏 ∗ 𝟏 1 𝟏 
  √𝟐 √𝟐   𝟐  1
 1   0   2 
̅̅
𝒖̅̅𝟐 = =
  1   1  1
𝟏 𝟏 𝟏
‖  0  − ∗  1 ‖
 
‖  1 ‖
√𝟐 √𝟐 𝟐
 1   0   2 

 1
‖  1 ‖ = √(−1)2 + (−1)2 + 22 = √6
 2 

1
𝟏  
̅̅
𝒖̅̅𝟐 = 1
√𝟔  2 
 
𝒗 −⟨𝒗̅̅̅𝟑̅,𝒖
̅̅̅̅⟩𝒖 ̅̅̅𝟑̅,𝒖
𝟏 𝟏 −⟨𝒗 ̅̅̅̅⟩𝒖
3° Paso 𝒖̅̅𝟐 = ‖𝒗𝟑
̅̅ 𝟐 𝟐
̅̅̅𝟑̅,𝒖
𝟑 −⟨𝒗 ̅̅̅̅⟩𝒖 ̅̅̅𝟑̅,𝒖
𝟏 𝟏 −⟨𝒗 𝟐 𝟐‖
̅̅̅̅⟩𝒖

1   1
⟨𝒗
̅̅̅,  𝟏  
𝟑 ̅̅
𝒖̅̅⟩
𝟏 = 1 ∘ √𝟐  1  = 𝟎
1  0 

1  1
 𝟏  1 = 𝟎
⟨𝒗
̅̅̅,
𝟑 ̅̅
𝒖̅̅⟩
𝟐 = 1 ∘  
1 √
𝟔  2 

̅̅̅
𝒗𝟑
3 = √1 + 1 + 1 = √3
̅̅
𝒖̅̅𝟑 = => ‖𝑣
̅̅̅‖ 2 2 2
‖𝒗
̅̅̅‖
𝟑

𝟏  
1
̅̅
𝒖̅̅𝟑 = 1
√𝟑 1


−1/√2 −1/√6 1/√3 −1/√2 1/√2 0

𝑃 = [ 1/√2 −1/√6 1/√3] → 𝑃−1 = 𝑃𝑡 = [−1/√6 −1/√6 2/√6]
0 2/√6 1/√3 1/√3 1/√3 1/√3
𝑫 = 𝑷𝒕 𝑨𝑷

161
 −1/√2 1/√2 0 4 2 2
𝐷 = [−1/√6 −1/√6 2/√6] [2 4 2] 𝑃
1/√3 1/√3 1/√3 2 2 4

−2/√2 2/√2 0 −1/√2 −1/√6 1/√3

𝐷 = [−2/√6 −2/√6 4/√6] [ 1/√2 −1/√6 1/√3]
8/√3 8/√3 8/√3 0 2/√6 1/√3
𝟐 𝟎 𝟎
𝑫 = [𝟎 𝟐 𝟎]
𝟎 𝟎 𝟖

b) 𝑨𝒏 = 𝑷𝑫𝒏 𝑷𝒕

−1/√2 −1/√6 1/√3 2𝑛 0 0

𝑛
𝐴 = [ 1/√2 −1/√6 1/√3] [ 0 2𝑛 0 ] 𝑃𝑡
0 2/√6 1/√3 0 0 8𝑛

1 1 1
− ∗ 2𝑛 − ∗ 2𝑛 ∗ 8𝑛
√2 √6 √3 −1/√2 1/√2 0
1 1 1
𝑛
𝐴 = ∗ 2𝑛 − ∗2 𝑛
∗8 𝑛
[−1/√6 −1/√6 2/√6]
√3 √6 √3
2 1 1/√3 1/√3 1/√3
0 ∗ 2𝑛 ∗ 8𝑛
[ √6 √3 ]
1 𝑛 1 𝑛 1 𝑛 1 1 1 1 1
2 + 2 + 8 − 2𝑛 + 2𝑛 + 8𝑛 − 2 𝑛 + 8𝑛
2 6 3 2 6 3 3 3
1 1 1 1 𝑛 1 𝑛 1 𝑛 1 𝑛 1 𝑛
𝐴𝑛 = − 2𝑛 + 2𝑛 + 8𝑛 2 + 2 + 8 − 2 + 8
2 6 3 2 6 3 2 3
1 𝑛 1 𝑛 1 1 2 𝑛 1 𝑛
[ − 2 + 8 − 2𝑛 + 8𝑛 2 + 8 ]
3 3 3 3 3 3
𝑒 2𝑡 0 0
𝒆𝑨𝒕 = 𝑷𝒆𝑷𝒕 𝑷𝒕 𝑒 𝑃𝑡 =[ 0 𝑒 2𝑡 0]
0 0 𝑒 8𝑡

162
 𝟐 𝟐𝒕 𝟏 𝟖𝒕 𝟏 𝟏 𝟏 𝟏
𝒆 + 𝒆 − 𝒆𝟐𝒕 + 𝒆𝟖𝒕 − 𝒆𝟐𝒕 + 𝒆𝟖𝒕
𝟑 𝟑 𝟑 𝟑 𝟑 𝟑
𝟏 𝟏 𝟐 𝟐𝒕 𝟏 𝟖𝒕 𝟏 𝟏
𝒆𝑨𝒕 = − 𝒆𝟐𝒕 + 𝒆𝟖𝒕 𝒆 + 𝒆 − 𝒆𝟐𝒕 + 𝒆𝟖𝒕
𝟑 𝟑 𝟑 𝟑 𝟑 𝟑
𝟏 𝟐𝒕 𝟏 𝟖𝒕 𝟏 𝟐𝒕 𝟏 𝟖𝒕 𝟐 𝟐𝒕 𝟏 𝟐𝒕
[− 𝟑 𝒆 + 𝟑 𝒆 − 𝒆 + 𝒆
𝟑 𝟑 𝟑
𝒆 + 𝒆 ]
𝟑
c) El polinomio característico

(𝝀 − 𝟐)𝟐 (𝝀 − 𝟖) = 𝟎
(𝜆2 − 4𝜆 + 4)(𝜆 − 8) = 0
𝜆3 − 4𝜆2 + 4𝜆 − 8𝜆2 + 32𝜆 − 32 = 0
𝜆3 − 12𝜆2 + 36𝜆 − 32 = 0
Por Hamilton-Caley
𝐴3 − 12𝐴2 + 36𝐴 − 32𝐼 = 0 //𝐴−1
𝐴2 − 12𝐴 + 36𝐼 − 32𝐴−1 = 0
1 2
𝐴−1 = (𝐴 − 12𝐴 + 36𝐼)
32
24 20 20
2
𝐴 = [20 24 20]
20 200 24

−1
1 24 20 20 4 2 2 1 0 0
𝐴 = {[20 24 20] − 12 [2 4 2] + 36 [0 1 0]}
32
20 200 24 2 2 4 0 0 1
12 −4 −4
1
𝐴−1 = [−4 12 −4]
32
−4 −4 12

−𝟏
𝟏 𝟑 −𝟏 −𝟏
𝑨 = [−𝟏 𝟑 −𝟏]
𝟖
−𝟏 −𝟏 𝟑

Teorema.-

163
Dos matrices semejantes tienen los mismos autovalores y en
consecuencia la misma forma diagonal.
Ejemplo.-
Dado el operador T : P1  P1 con autovalores  1 y 2 si la matriz A es la
matriz estándar y es:
 4  2
A 
5  3

Se pide:
a) La transformación lineal.
b) L a base en P1 de la cual la representación matricial es
 1 0
B .
 7 2

Solución.-
Be  t ,1

T t Be  
4
  T t   4t   51  4t  5
5 

 2
T 1Be     T 1  2t   31  2t  3
  3

a  bt  1 t    2 1 // T  1  a ,  2  b

T at  b  a4t  5  b 2t  3

T at  b  4a  2bt  5a  3b

D  P 1 AP (1)
 1 0
D 
 0 2

Además B es matriz de T , por lo tanto B es semejante a A .

B  Q 1 AQ (2)
Pero por el teorema.

164
D  R 1 BR (3)
 1 0
D 
 0 2

Entonces (1)  (3).

R 1 BR  P 1 AP // Pr emult.R

 
// Post. R 1
1 1
B
RP
 APR

Q Q 1

P es matriz de autovectores para A .


 A  I x  Ø
4    2   x1  0

 5
  3     x2  0

Para   1
5  2 0 5  2 0 
5  2 0  0 0 0
   

 f1  f 2  f 2 '

5x1  2x2  0

2
x1  x2
5

 x1   2 x 2  x 2 2   2
 x    5   5 5  x1   
 2   x 2    5 

Para   2
 2  2 0  2  2 0
5  5 0  0 0 0
   
5
 f1  f 2  f 2 '
2

165
2 x1  2 x2  0

x1  x2

 x1   x 2  1  1

x  x   x 2 1 x 2  1
 2  2  

2 1
P 
5 1

R es la matriz de autovectores para B .


B  I x  Ø
 1   0   x1  0
 7     x   0
 2  2   

Para   1
0 0 0
7 3 0 
 
7 x1  3x2  0

3
x1   x 2
7

 x1   3 x 2  x 2  3   3
x    7   7  7  x1   
 2   x 2    7

Para   2
  3 0 0   3 0 0
 7 0 0   0 0 0
   
7
f1  f 2  f 2 '
3

x1  0

x2  ?

 x1   0  0  0 

x  x   x 2 1 x 2  1
 2  2    

166
   3 0
R 
 7 1

1 1 0 1   1 0
R 1  R 1 

 3  7  3 3  7 3

1 2 1  1 0
Entonces Q  PR 1  
3 5 1  7 3

1 5 3
Q 
3 2 3

Pero Q es la matriz de transición de

P1 t    1 t    2 1  t   2 1  5 t  2
5
3 3 3 3

P2 t    1 t    2 1  t   3 1  t  1
3
3 3

5 2 
B1   t  , t  1
3 3 

167
168