EJERCICIOS PAGINA 422

ML.1. Determine, mediante MATLAB, el polinomio

caracterstico de cada una de las siguientes matrices.
A)
A=

1 2
2 1

>> A=[1 2;2 -1]

A=
1
2
2 -1
>> poly(A)
ans =
1.0000
0 -5.0000
El polinomio caracterstico es:
f ( )=2 5

B)

| |

2 4 0
A= 1 2 1
0 4 2

>> A=[2 4 0;1 2 1;0 4 2]

A=
2
4
0
1
2
1
0
4
2
>> poly(A)
ans =
1.0000 -6.0000 4.0000
El polinomio caracterstico es:

8.0000

f ( )= 6 + 4 +8

C)

1 0
0
0
2 2 0
0
A=
0 0
2 1
0 0 1 2

>> A=[1 0 0 0;2 -2 0 0;0 0 2 -1;0 0 -1 2]

A=
1
0
0
0
2 -2
0
0
0
0
2 -1
0
0 -1
2
>> poly(A)
ans =
1 -3 -3 11 -6
El polinomio caracterstico es:
4

f ( )= 3 +11 6

ML.2. Utilice los comandos poly y roots de MATLAB

para determinar los valores propios de las siguientes
matrices:
A)

A= 1 3
3 5

>> A=[1 -3;3 -5]

A=
1 -3
3 -5
>> poly(A)
ans =

1.0000

4.0000

4.0000

El polinomio caracterstico es:

f ( )=2 + 4 + 4

>> roots(ans)
ans =
-2.0000 + 0.0000i
-2.0000 - 0.0000i
Los valores propios son:

1=2
2=2

B)

3 1 4
A= 1 0 1
4
1 2

>> A=[3 -1 4;-1 0 1;4 1 2]

A=
3 -1
4
-1
0
1
4
1
2
>> poly(A)
ans =
1.0000 -5.0000 -12.0000 13.0000
El polinomio caracterstico es:
3

f ( )= 5 +12+13

>> roots(ans)
ans =
3129/479
-2215/934

2447/2916
Los valores propios son:

3129
479
2215
2 =
934
2447
3=
2916
1=

C)

2 2 0
A= 1 1 0
1 1 0

>> A=[2 -2 0;1 -1 0;1 -1 0]

A=
2 -2
1 -1
1 -1
>> poly(A)
ans =
1 -1

0
0
0
0

El polinomio caracterstico es:

f ( )=3 2

>> roots(ans)
ans =
0
0
1
Los valores propios son:

1=0
2=0
3=1

D)

| |

A= 2 4
3 6

>> A=[2 4;3 6]

A=
2
4
3
6
>> poly(A)
ans =
1 -8
0
El polinomio caracterstico es:
f ( )=2 8

>> roots(ans)
ans =
0
0
1
Los valores propios son:

1=0
2=8

ML.3. En cada uno de los siguientes casos, es un

valor propio de A. Utilice MATLAB para determinar un
vector propio correspondiente.
A)

=3, A= 1 2
1 4

>> A=[1 2;-1 4]

A=
1
2
-1
4
>> eye(2)
ans =
1
0
0
1

>> 3*ans
ans =
3
0
0
3
>> ans-A
ans =
2 -2
1 -1

Utilizando un programa para obtener el vector propio de

la ecuacin
Ax = 0.
1
1
The general solution is:
r * col(1)
Por lo tanto determinamos que el vector:
r 1
1

()

Es una solucin para cualquier nmero real r

B)

4 0 0
=1, A= 1 3 0
2 1 1

>> A=[4 0 0;1 3 0;2 1

-1]
A=

4
1
2

0
3
1

0
0
-1

>> eye(3)
ans =
1
0
0
0
1
0
0
0
1
>> -1*ans

-1
0
0
0 -1
0
0
0 -1
>> ans-A
ans =
-5
0
0
-1 -4
0
-2 -1
0

ans =
Utilizando un programa para obtener el vector propio de
la ecuacin
Ax = 0.
0
0
1
The general solution is:
r * col(1)
Por lo tanto determinamos que el vector:
0
r 0
1

()
Es una solucin para cualquier nmero real r

C)

2 1 2
=2, A= 2 2 2
3 1 1

>> A=[2 1 2;2 2 -2;3 1

1]
A=
2
1
2

2
2 -2
3
1
1
>> 2*eye(3)-A

ans =
0 -1
-2
0
-3 -1

-2
2
1

>> A=ans
A=
0 -1 -2
-2
0
2
-3 -1
1

Utilizando un programa para obtener el vector propio de

la ecuacin
Ax = 0.
1
-2
1
The general solution is:
r * col(1)
Por lo tanto determinamos que el vector:
1
r 2
1

( )
Es una solucin para cualquier nmero real r

EJERCICIO DE LA PGINA (433)

ML.1. Utilice MATLAB para determinar si A es
diagonalizable. Si lo es, determine una matriz no
singular P, tal que P1AP sea diagonal.
A)

A= 0 2
1 3

>> A=[0 2;-1 3]

A=

0
2
-1
3
>> poly(A)

ans =
1 -3

El polinomio caracterstico es:

f ( )=2 3 +2

>> roots(ans)
ans =
2
1
Los valores propios son:

1=2
2=1

Para

1=2

calculamos el vector propio.

Ax = 0.
1
1
The general solution is:
r * col(1)
Entonces:
x 1= 1
1

()

Para

2=1

calculamos el vector propio.

Ax = 0.
2
1
The general solution is:
r * col(1)

Entonces:
x 2= 2
1

()

x1 , x2
Dado que
son linealmente independientes la
matriz A es diagonalizable

Determinando

P1 AP

>> P=[1 2;1 1]

P=
1
2
1
1
>> A=[0 2;-1 3]
A=
0
2
-1
3

>> PI=inv(P)
PI =
-1
2
1 -1
>> PI*A*P
ans =
2
0
0
1

| |

P1 AP= 2 0
0 1

B)

A= 1 3
3 5

>> A=[1 -3;3 -5]

A=
1 -3
3 -5
El polinomio caracterstico es:

>> poly(A)
ans =
1.0000 4.0000
4.0000

f ( )= + 4 + 4

>> roots(ans)
ans =
-2.0000 + 0.0000i
-2.0000 - 0.0000i
Los valores propios son:

1=2
2=2

Para

1=2

calculamos el vector propio.

>> -2*eye(2)-A
ans =
-3
3
-3
3
Ax = 0.
1
1
The general solution is:
r * col(1)
Entonces:
x 1= 1 , x 2= 1
1
1

() ()

Dado que x 1 , x 2 son linealmente pendientes la matriz A

no es diagonalizable
C)

| |

0 0 4
A= 5 3 6
6 0 5

>> A=[0 0 4;5 3 6;6 0

5]
A=
0
0
4
5
3
6

>> poly(A)
ans =
1 -8 -9

72

El polinomio caracterstico es:

f ( )=3 8 29 +72

>> roots(ans)
ans =
8.0000
-3.0000
3.0000
Los valores propios son:

1=8
2=3
3=3

Para

1=8

calculamos el vector propio.

>> 8*eye(3)-A
ans =
8
0 -4
-5
5 -6
-6
0
3

The
general
solution is:
r * col(1)
Entonces:

Ax = 0.
1/2
17/10
1

1
2
x 1= 17
10
1

()

Para

2=3

calculamos el vector propio.

>> -3*eye(3)-A
ans =
-3
0 -4
-5 -6 -6
-6
0 -8

The
general
solution is:
r * col(1)
Entonces:

Ax = 0.
-4/3
1/9
1

Para

2=3

4
3
x 2= 1
9
1

()

calculamos el vector propio.

>> 3*eye(3)-A
ans =
3
-4
-5
-6
-6
-2

1
0
0
0
0

The
general
solution is:
r * col(1)
Entonces:
0
x 3= 1
0

()

Ax = 0.
0

Dado que x 1 , x 2 , x 3 son linealmente independientes la

matriz A es diagonalizable
Determinando

P1 AP

>> P=[1/2 -4/3 0;17/10 1/9 1;1 1 0]

P=

1/2
-4/3
0
17/10
1/9
1
1
1
0
>> A=[0 0 4;5 3 6;6 0 5]
A=
0
0
4
5
3
6
6
0
5
>> PI=inv(P)
PI =
6/11
0
8/11
-6/11
0
3/11
-13/15
1
-19/15
>> PI*A*P
ans =
8
0
0

0
-3
0

0
0
3

8 0 0
P AP= 0 3 0
0 0 3
1

ML.2. Utilice MATLAB y la sugerencia del ejercicio 46

para calcular A30, donde

1 1 1
A= 2 2 1
2 2 1

>> A30=A^30
A30 =
1 -1
1
0
0
1
0
0
1

>> poly(A30)
ans =
1 -2
1

El polinomio caracterstico es:

f ( )=3 2 2+ 0

>> roots(ans)
ans =
0
1
1
Los valores propios son:

1=0
2=1
3=1

Para

1=0

calculamos el vector propio.

>> 0*eye(3)-A30
ans =
-1
1 -1
0
0 -1
0
0 -1
Ax = 0.
1
1
0

The
general
solution is:
r * col(1)
Entonces:

1
x 1= 1
0

()

Para

2 , 3=1

calculamos el vector propio.

>> 1*eye(3)-A30
ans =
0
1 -1
0
1 -1
0
0
0

The
general
solution is:
r * col(1) + s *
col(2)

Ax = 0.
1
0
0

Entonces:
0
1
1

1
0
x 2 = 0 , x 3= 1
0
1

() ()

30
30 1
Determinamos A =P D P
:

A30 =
1 -1
1
0
0
1
0
0
1
>> D
D=
0
0
0
0
1
0
0
0
1
>> P=[1 1 0;1 0 1;0 0
1]
P=
1
1
0

1
0
1
0
0
1
>> PI=inv(P)
PI =
0
1 -1
1 -1
1
0
0
1
>> P*D*PI
ans =
1
0
0

-1
0
0

1
1
1

| | |

| | |

0 0 0
1 1 1
1 1 0
D30= 0 1 0 , A 30= 0 0 1 , P= 1 0 1
0 0 1
0 0 1
0 0 1

0 1 1
P = 1 1 1
0 0
1
1

1 1 1
A =P D P = 0 0 1
0 0 1
30

30

ML.3. Repita el ejercicio ML.2 para

1 1.5 1.5
A= 2 2.5 1.5
2 2
1

>> A30=A^30

A30 =

>> poly(A30)

1.0000 -1.0000
1.0000
0 0.0000
1.0000

ans =

El polinomio caracterstico es:

3

f ( )= 2 + +0

>> roots(ans)
ans =
1
1

1.0000

1.0000 -2.0000
1.0000 -0.0000

0
Los valores propios son:

1=1
2=1
3=0

Para

1 , 2=1

calculamos el vector propio.

>> 1*eye(3)-A30
ans =
0
0
0

1.0000 -1.0000
1.0000 -1.0000
0
0

Ax = 0.
1
0
0

0
1
1

The general solution is:

r * col(1) + s * col(2)
Entonces:
1
0
x 1= 0 , x 2= 1
0
1

() ()

Para

3 =0

calculamos el vector propio.

>> 0*eye(3)-A30
ans =

-1.0000 1.0000 -1.0000

0 -0.0000 -1.0000
0
0 -1.0000
Ax = 0.
1
1
0
The general solution is:
r * col(1)
Entonces:
1
x 3= 1
0

()

30
30 1
Determinamos A =P D P
:

>> A30
A30 =
1.0000
-1.0000 1.0000
0
0.0000
1.0000
0
0
1.0000
>> D=[1 0 0;0 1
0;0 0 0]
D=
1
0
0
0
1
0
0
0
0
>> P=[1 0 1;0 1
1;0 1 0]

P=
1
0
1
0
1
1
0
1
0
>> PI=inv(P)
PI =
1 -1
1
0
0
1
0
1 -1
>> P*D*PI
ans =
1
0
0

-1
0
0

1
1
1

| | |

| | |

1 0 0
1 1 1
1 0 1
D30= 0 1 0 , A 30= 0 0 1 , P= 0 1 1
0 0 0
0 0 1
0 1 0

1 1 1
P =0 0
1
0 1 1
1

1 1 1
A =P D P = 0 0 1
0 0 1
30

30

ML.4. Utilice MATLAB para investigar las sucesiones A,

A3, A5, . . . y A2, A4, A6, . . . para la matriz A del
ejercicio ML.2. Escriba una descripcin breve del
comportamiento de estas sucesiones.
>> A=[-1 1 -1;-2 2 -1;-2 2 -1]
A=
-1
-2
-2

1
2
2

-1
-1
-1

>> A3=A^3
A3 =
-1
1 -1
-2
2 -1
-2
2 -1

-2
-2

2
2

-1
-1

>> A2=A^2
A2 =

>> A5=A^5
A5 =
-1
1 -1
-2
2 -1
-2
2 -1

1
0
0

-1
0
0

1
1
1

>> A4=A^4
>> A7=A^7
A7 =
-1
1 -1

A4 =

1
0

-1
0

1
1

Se nota que la matriz A elevado a un nmero impar

independientemente del nmero que se eleve genera la
misma matriz, lo mismo pasa al elevar a un nmero par
genera la misma matriz.
EJERCICIO PAG 444
ML.1. Utilice eig para determinar los valores propios de
A y una matriz ortogonal P de modo que PTAP sea
diagonal.
A)

| |

A= 6 6
6 6

A=
6
6

6
6

>> [V,D] = eig(A)

V=
-0.7071 0.7071
0.7071 0.7071
D=
0
0

0
12

>> VT=V'
VT =
-0.7071
0.7071

0.7071
0.7071

>> VT*A*V
ans =
0
0
1 12.0000

B)

| |

1 2 2
A= 2 1 2
2 2 1

>> A=[1 2 2;2 1 2;2 2 1]

A=
1
2
2

2
1
2

2
2
1

>> [V,D] = eig(A)

V=
0.6015 0.5522
0.1775 -0.7970
-0.7789 0.2448

0.5774
0.5774
0.5774

D=
-1.0000
0
0
0 -1.0000
0
0
0 5.0000
>> P=V
P=
0.6015 0.5522
0.1775 -0.7970
-0.7789 0.2448
>> PT=P'

0.5774
0.5774
0.5774

PT =
0.6015 0.1775 -0.7789
0.5522 -0.7970 0.2448
0.5774 0.5774 0.5774
>> PT*A*P
ans =
-1.0000 -0.0000 -0.0000
-0.0000 -1.0000 0.0000
-0.0000 0.0000 5.0000
C)

| |

4 1 0
A= 1 4 1
0 1 4

>> A=[4 1 0;1 4 1;0 1 4]

A=
4
1
0

1
4
1

0
1
4

>> [V,D] = eig(A)

V=
0.5000 -0.7071
-0.7071 0.0000
0.5000 0.7071

0.5000
0.7071
0.5000

D=
2.5858
0
0
0 4.0000
0
0
0 5.4142
>> P=V

P=
0.5000 -0.7071
-0.7071 0.0000
0.5000 0.7071

0.5000
0.7071
0.5000

>> PT=P'
PT =
0.5000 -0.7071
-0.7071 0.0000
0.5000 0.7071

0.5000
0.7071
0.5000

>> PT*A*P
ans =
2.5858 -0.0000 0.0000
-0.0000 4.0000 -0.0000
0.0000 -0.0000 5.4142
ML.2. El comando eig se puede aplicar a cualquier
matriz, pero la matriz V de vectores propios no es
necesariamente ortogonal. Utilice eig para determinar
cules matrices A son tales que V es ortogonal. Si V no
es ortogonal, analice brevemente si puede o no
reemplazarse por una matriz ortogonal de vectores
propios.
>> A=[1 2;-1 4]
A=
1
-1

2
4

>> [V,D] = eig(A)

V=
-2584/2889
-1292/2889

-985/1393
-985/1393

D=
2
0

0
3

>> x1=[-2584/2889;-1292/2889]
x1 =
-2584/2889
-1292/2889
>> x2=[-985/1393;-985/1393]
x2 =
-985/1393
-985/1393
>> dot(x1,x2)
ans =
721/760
Como x1.x20 entonces los vectores
ortogonales, por lo cual V no es ortogonal.
B) >> A=[2 1 2;2 2 -2;3 1 1]
A=
2
2
3

1
2
1

2
-2
1

>> [V,D] = eig(A)

V=
1423/2596
-3613/5273
-365/761

-985/1393
881/2158
*
-881/1079
-985/1393
881/2158

no

son

D=
-1
0
0

0
4
0

0
0
2

>> x1=[1423/2596;-3613/5273;-365/761]
x1 =
1423/2596
-3613/5273
-365/761
>> x2=[-985/1393;0;-985/1393]
x2 =
-985/1393
0
-985/1393
>> x3=[881/2158;-881/1079;881/2158]
x3 =
881/2158
-881/1079
881/2158
>> dot(x1,x2)
ans =
-161/3323
>> dot(x1,x3)
ans =
1411/2402
>> dot(x2,x3)
ans =

-571/989
Como x1.x20 x1.x30 entonces los vectores no son
ortogonales, por lo cual V no es ortogonal.
C)
>> A=[1 -3;3 -5]
A=
1
3

-3
-5

>> [V,D] = eig(A)

V=
985/1393
985/1393
D=
-2
0

985/1393
985/1393

0
-2

>> x1=[985/1393;985/1393]
x1 =
985/1393
985/1393
>> x2=[985/1393;985/1393]
x2 =
985/1393
985/1393
>> dot(x1,x2)
ans =

1
Como x1.x20 entonces los vectores
ortogonales, por lo cual V no es ortogonal.

D)
>> A=[1 0 0;0 1 1;0 1 1]
A=
1
0
0

0
1
1

0
1
1

>> [V,D] = eig(A)

V=
0
1
-985/1393
985/1393

0
0
0

985/1393
985/1393

D=
0
0
0

0
1
0

0
0
2

>> x1=[0;-985/1393;985/1393]
x1 =
0
-985/1393
985/1393
>> x2=[1;0;0]

no

son

x2 =
1
0
0
>> x3=[0;985/1393;985/1393]
x3 =
0
985/1393
985/1393
>> dot(x1,x2)
ans =
0
>> dot(x1,x3)
ans =
0
>> dot(x2,x3)
ans =
0
El vector V es Ortogonal.
Los ejercicios A, B y C si bien la matriz V no es
ortogonal (son matrices NO simtricas)