Académique Documents
Professionnel Documents
Culture Documents
1 2
2 1
B)
| |
2 4 0
A= 1 2 1
0 4 2
8.0000
f ( )= 6 + 4 +8
C)
1 0
0
0
2 2 0
0
A=
0 0
2 1
0 0 1 2
f ( )= 3 +11 6
A= 1 3
3 5
1.0000
4.0000
4.0000
>> 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
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
0
0
0
0
>> roots(ans)
ans =
0
0
1
Los valores propios son:
1=0
2=0
3=1
D)
| |
A= 2 4
3 6
>> roots(ans)
ans =
0
0
1
Los valores propios son:
1=0
2=8
=3, A= 1 2
1 4
>> 3*ans
ans =
3
0
0
3
>> ans-A
ans =
2 -2
1 -1
()
4 0 0
=1, A= 1 3 0
2 1 1
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
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
( )
Es una solucin para cualquier nmero real r
A= 0 2
1 3
A=
0
2
-1
3
>> poly(A)
ans =
1 -3
>> roots(ans)
ans =
2
1
Los valores propios son:
1=2
2=1
Para
1=2
Ax = 0.
1
1
The general solution is:
r * col(1)
Entonces:
x 1= 1
1
()
Para
2=1
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
>> 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
>> 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
>> -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
() ()
| |
0 0 4
A= 5 3 6
6 0 5
>> poly(A)
ans =
1 -8 -9
72
>> roots(ans)
ans =
8.0000
-3.0000
3.0000
Los valores propios son:
1=8
2=3
3=3
Para
1=8
>> 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
>> -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
()
>> 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
P1 AP
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
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
>> roots(ans)
ans =
0
1
1
Los valores propios son:
1=0
2=1
3=1
Para
1=0
>> 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
>> 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
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 =
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
>> 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
() ()
Para
3 =0
>> 0*eye(3)-A30
ans =
()
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
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
| |
A= 6 6
6 6
A=
6
6
6
6
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
2
1
2
2
2
1
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
1
4
1
0
1
4
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
-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
-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
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
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)