Ejercicio 18

Para obtener la matriz que pasa de la base B = {e1 , e2 ...., en } a B = {u1 , u 2 ...., u n }
escribimos:
n

e j = kj uk
k =1

CBB

11 12

22
= 21
..
..

n1 n 2

.. 1n
.. 2 n
.. ..

.. nn

De la ortonormalidad de la base B , sabemos que:

< u k , u j >= 0 para k j

< u k , u j >= 1 para k j

Entonces
n

k =1

k =1

< e j , ui >=< kj uk , ui >= kj < uk , ui >= ij

y la matriz de cambio de base:

< e1 , u1 > < e2 , u1 > .. < en , u1 >
< e , u > < e , u > .. < e , u >
2
2
2
n
(1)
C BB = 1 2

..
..
..
..

< e1 , u n > < e2 , u n > .. < en , u n >

Con un razonamiento anlogo se obtiene la matriz que pasa de la base B a B (la inversa
de la matriz anterior)
< u1 , e1 > < u 2 , e1 > .. < u n , e1 >
< u , e > < u , e > .. < u , e >
n
2
2
2

C BB = [C BB ] 1 = 1 2

..
..
..
..

< u1 , en > < u 2 , en > .. < u n , en >

Como < u i , e j >=< e j , u i > , podemos cambiar el orden en los productos escalares que
intervienen en la matriz anterior:
< e1 , u1 > < e1 , u 2 > .. < e1 , u n >
< e , u > < e , u > .. < e , u >
n
2
2
2
1
(2)
C BB = [C BB ] = 2 1

..
..
..
..

< en , u1 > < en , u 2 > .. < en , u n >

Observando (1) y (2) vemos que la traspuesta de (1) es (2), entonces:
C BB = [C BB ] = [C BB ]t .
1

Ejercicio 19
Para resolver este ejercicio recordemos que una matriz M es simtrica cuando es igual a
su traspuesta.
M = M t (M simtrica)
Entonces, como MTB1 B1 es simtrica

MTB1B1 = [ MTB1B1 ]t
Si calculamos MTB2 B2 en funcin de MTB1B1 se obtiene:
MTB2 , B2 = C B1B2 MTB1B1 C B2 B1

MTB2 , B2 = CB1B2 MTB1B1 [CB1B2 ]1 (CB2 B1 = [CB1B2 ]1 )

Por el ejercicio 18 [CB1B2 ]1 = [CB1B2 ]t y se obtiene la identidad siguiente que es vlida
para bases ortonormales:

MTB2 , B2 = C B1B2 MTB1B1 [C B1B2 ]t (1)

Para ver que la matriz MTB2 ,B2 es simtrica calculamos su traspuesta.

[ MTB2 , B2 ]t = [CB1 B2 MTB1 B1 [CB1 B2 ]t ]t = [[CB1 B2 ]t ]t [ MTB1 B1 ]t [CB1 B2 ]t

Como MTB1B1 = [ MTB1B1 ]t y [[C B1B2 ]t ]t = C B1B2 queda:

[ MTB2 , B2 ]t = C B1B2 MTB1B1 [C B1B2 ]t (2)

y de (1) y (2)

MTB2 , B2 = [ MTB2 , B2 ]t .
Ejercicio 20
a)
Llamando

E = {e1 , e2 ,...., en }
Calculamos la matriz de T en la base E. Para realizar este clculo tenemos que obtener las
coordenadas de T(ej) en la base E (columna j de MTEE).
n

T (e j ) = < T (e j ), ei > ei
i =1

y se obtiene una frmula para el clculo de la matriz de una transformacin lineal en un

base ortonormal.

MTEE

< T (e1 ), e1 > < T (e2 ), e1 >

< T (e ), e > < T (e ), e >
1
2
2
2
=

..
..

< T (e1 ), en > < T (e2 ), en >

.. < T (en ), e1 >

.. < T (en ), e2 >

..
..

.. < T (en ), en >

Esta matriz es simtrica (ejercicio 19), entonces la entrada i,j ( < T (e j ), ei > )es igual a la
entrada j,i ( < T (ei ), e j > )
< T (e j ), ei > = < T (ei ), e j > .

Como < T (e j ), ei >=< ei , T (e j ) > resulta

< ei , T (e j ) >=< T (ei ), e j > .

b)
Para verificar esta propiedad podemos usar la parte (a). Para esto escribimos x e y en una
base ortonormal.
n

x = < x, ei > ei
i =1
n

y = < y, e j > e j
j =1

Primeramente veremos que

< T ( x), e j >=< x, T (e j ) > .
n
n
n

< T ( x), e j >=< T < x, ei > ei , e j >=< < x, ei > T (ei ), e j >= < x, ei > < T (ei ), e j >
i =1
i =1
i=1

i =1

i =1

< x, T (e j ) >=< < x, ei > ei , T (e j ) >= < x, ei > < ei , T (e j ) >

Por (a) < T (ei ), e j >=< ei , T (e j ) > entonces

n

< x, T (e j ) >= < x, ei > < T (ei ), e j >= < T ( x ), e j >

i =1

Ahora veremos que

< T ( x ), y >=< x, T ( y ) > .

n

j =1

j =1

< T ( x), y >=< T ( x), < y, e j > e j >= < y, e j > < T ( x), e j > .
n
n
n

< x, T ( y ) >=< x, T < y, e j > e j >=< x, < y, e j > T (e j ) >= < y, e j > < x, T (e j ) > .
j =1
j =1
j =1

Como < T ( x ), e j >=< x, T (e j ) > resulta < T ( x ), y >=< x, T ( y ) > .

c)
Recordemos la definicin de subespacio invariante:
S es invariante por T T(S) S
Recordemos la definicin de subespacio ortogonal:
W = {u E :< u, w >= 0w W }
Para verificar (c) tendremos que ver que:
T (W ) W ,
usando que T (W ) W .

Si u T (W ) u = T ( wu ) con wu W . Ahora calculamos < u , w > para todo w W .

< u, w > =< T ( wu ), w >=< wu , T ( w) >= 0 , por que T ( w) W (W es invariante) y wu W .
Entonces:
< u , w >= 0 w W .
De lo ltimo y la definicin de complemento ortogonal resulta: u W . Entonces
T (W ) W .
d)
Primeramente recordemos la definicin de autovector y autovalor:
v 0 es un autovector de T sii existe un escalar (autovalor) tal que T(v) = v
Para encontrar los autovalores calculamos las races de polinomio caracterstico P ( )
P( ) = det(MTEE I ) = 0
Las coordenadas X = ( x1 , x2 ,..., xn ) de los autovectores en la base B se obtienen
resolviendo el sistema:
( MTEE I ) X t = 0 .
Como det(MTEE I ) = 0 el sistema es compatible indeterminado y tendr solucin no
nula. Es decir, siempre que el polinomio caracterstico tenga una raz real podremos
encontrar un autovector resolviendo el sistema.
Ahora mostraremos que el polinomio caracterstico tiene todas sus races reales (entonces
todos los autovalores sern reales) si la matriz MTEE es simtrica. Tomemos una raz
del polinomio caracterstico ( puede ser un nmero complejo, siempre tenemos races
complejas) y encontremos una solucin no nula X de:
( MTEE I ) X t = 0 .
Dado que podra ser un complejo las coordenadas de X podran ser complejas. De
cualquier manera tendremos:
MTEE X t = X t
Ahora calculemos
X MTEE X t (la barra indica conjugado)
de dos formas distintas:
Como MTEE es de coeficientes reales: MTEE X t = MTEE X t = MTEE X t = X t = X t .

Entonces X MTEE X t = X X t .
Por otro lado
t
MTEE X t = X t ( MTEE X t )t = (X t )t X MTEE = X
t
Como MTEE = MTEE , X MTEE = X . Entonces X MTEE X t = X X t .
De los clculos podemos escribir:
X X t = X X t
n

i =1

i =1

X X t = xi xi = xi 0 ( X 0) = es real.
2

Otra demostracin que se basa en el ejercicio 15 de la prctica anterior se puede

encontrar en el libro de Hernndez.

e)
Sabemos por la parte (b) que:

< v1 , T (v2 ) >=< T (v1 ), v2 > .

Adems T (v1 ) = 1v1 y T (v2 ) = 2v2 . Entonces
< v1 , 2v2 >=< 1v1 , v2 >
2 < v1 , v2 >= 1 < v1 , v2 >
y
(2 1 ) < v1 , v2 >= 0 .
Como 1 2 resulta
< v1 , v2 >= 0 .
f)

1) Podremos determinar dos subespacios invariantes:

a) El subespacio generado por el autovector v1.
b) Su complemento ortogonal.
2) En el subespacio W generado por v1 tenemos el autovector v1.
En su complemento ortogonal ( W ) tambin encontraremos un autovector. Para esto
restringimos la transformacin a W y como W es invariante obtendremos una
transformacin lineal de W en W .
T :W W
Si calculamos la matriz de esta transformacin en una base ortonormal {u1 , u2 ,..., un 1}
de W (recordar que dim(W ) = n 1 , por que dim(W ) = 1) obtendremos:
< T (u2 ), u1 > .. < T (un ), u1 >
< T (u1 ), u1 >
< T (u ), u >
< T (u2 ), u2 > .. < T (un ), u2 >
1
2

..
..
..
..

< T (u1 ), un 1 > < T (u2 ), un 1 > .. < T (un ), un 1 >

Esta matriz es simtrica (por ejemplo < T (u1 ), u2 > = < u2 , T (u1 ) >= por (b) =< T (u2 ), u1 > )
y por la parte (d) su polinomio caracterstico tiene todas sus races reales. Por lo tanto,
podremos encontrar un autovector asociado a una de sus races.
3) Para explicar la idea supondremos que estamos en R4. Como la matriz de T es
simtrica las races del polinomio caracterstico son reales elegimos una raiz 1 y
calculamos el autovector correspondiente y lo normalizamos para que tenga
longitud 1. Hasta ahora tenemos:
1 autovalor, v1 autovector , v1 = 1

Llamando W1 al suespacio generado por v1 buscamos en W1 un autovector v2

(esto es posible por (2)) normalizado y llamamos 2 a su autovalor. Notar que

como v1 W1 y v2 W1

< v1 , v2 >= 0

Ahora, pensamos que el espacio es W1 ( dim(W1 ) = 3 ) y repetimos el argumento.

Es decir, si tomamos

T : W1 W1 ,

podemos calcular el complemento ortogonal en W1 del subespacio W2 generado

por v2 (estamos repitiendo el argumentos). En este subespacio, que notaremos con

W2 ( dim(W2 ) = 2 ), buscamos un autovector normalizado v3 (existe por (2)) y

llamamos 3 a su autovalor. Por construccin

< v2 , v3 >= 0
y

< v1 , v2 >= 0, < v1 , v3 >= 0 (recordar que v2 W1 y v3 W1 ) .

Siguiendo con el razonamiento recursivo supondremos que el espacio es W2 ,

T : W2 W2
llamaremos W3 al subespacio generado por v3 y en su complemento ortogonal

( W3 , dim( W3 )=1) en W2 tomamos un autovector normalizado v4 de autovalor

4 . Por construccin
< v3 , v4 >= 0
y
< v2 , v3 >= 0, < v2 , v4 >= 0, < v1 , v3 >= 0, < v1 , v4 >= 0

Lo ltimo resulta de: v3 W2 W1 , v4 W2 W1 .

Dado que hemos encontrado cuatro autovectores ortonormales el proceso termina
aqu ( ya tenemos una base ortonormal de autovectores de T en R4). En esta base
la matriz D de T es diagonal.

 < T (v1 ), v1
< T (v ), v
1
2
D=
< T (v1 ), v3

< T (v1 ), v4

>

< T (v2 ), v1 >

< T (v4 ), v1 >

> < T (v2 ), v2 > < T (v3 ), v2 > < T (v4 ), v2 >
> < T (v2 ), v3 > < T (v3 ), v3 > < T (v4 ), v3 >

> < T (v2 ), v4 > < T (v3 ), v4 > < T (v4 ), v4 >

< 1v1 , v1 >

< v , v >
D= 1 1 2
< 1v1 , v3 >

< 1v1 , v4 >

< 2v2 , v1 >

< T (v3 ), v1 >

< 4v4 , v1 >

< 2v2 , v2 > < 3v3 , v2 > < 4v4 , v2 >
< 2v2 , v3 > < 3v3 , v3 > < 4v4 , v3 >

< 2v2 , v4 > < 3v3 , v4 > < 4v4 , v4 >

1 0
0
2
D=
0 0

0 0

< 3v3 , v1 >

0
0

3
0

0
0
0

Dado que pasamos de una base ortonormal a otra base ortonormal la inversa de la matriz
de cambio de base es su traspuesta. Las matrices que tienen por inversa a su traspuesta se
denominan ortogonales.
Llamando U a la base formada con los autovectores obtenemos:
t

D = CUE MTEE CUE

Ejercicio 21

b) Para diagonalizar tendremos que encontrar una base ortonormal de autovectores (el
ejercicio anterior indica que encontraremos una base ortonormal de autovectores si y slo
si la matriz es simtrica)

0
MA = 1
1

P ( ) = det 1
1

Las races son 1 = 1 y 2 = 2 .

1
0
1

1
1
0

1 = (1 + ) 2 (2 ) = 0

Se pueder ver que la dimensin de los subespacios invariantes E (i ) asociados a los

autovalores, es igual a la multiplicidad de la raz i del polinomio caracterstico. En este
caso,
dim( E ( 1)) = 2
dim( E ( 2)) = 1
Del ejercicio anterior (e) :
v E (i ) , w E ( j ) y i j < v, w >= 0
Entonces para encontrar una base ortonomal de autovectores tendremos que enconcotrar
una base ortonormal de cada subespacio invariante.
E (1) :

1
1

1
1
1

1 x 0
1 y = 0
1 z 0
x+ y+z=0

Una base de este subespacio es {(1,1,0) (0,1,1)}. Estos vectores no son ortonormales.
Por Gram-Schmidt encontramos una base ortonormal asociada.
v1 = (1,1,0)
< (0,1,1), (1,1,0) >
1
1 1
(1,1,0) = (0,1,1) + (1,1,0) = , ,1
< (1,1,0), (1,1,0) >
2
2 2
1
v
1
e1 = 1 = (
,
,0)
v1
2
2
v2 = (0,1,1)

e2 =

v2
1
1
2
1 1
2
=(
,
, ) = ( ,
, )
v2
3
6 6
3
2 32 2 32

E ( 2) :

1 x 0
2 1
1 2 1 y = 0

1
1 2 z 0
2 1 1 x 0
0 3 3 y = 0

0
0 0 z 0
2 x + y + z = 0

3 x + 3 z = 0

Una base de este subespacio es {(1,1,1)} .

e3 =

v3
1
1
1
=(
,
,
)
v3
3
3
3

En la base {e1 , e2 , e3 } la matriz de T es:

1 0 0
D = 0 1 0
0 0 2
La matriz C que pasa de la base {e1 , e2 , e3 } a la base cannica es:
1

2
1
C =

1
6
1
6
2

3
1
3
1

y
D = C t MA C .
c)
La simplicidad de la transformacin involucrada en este ejercicio permite resolverlo a
OJO.
Las matrices simtricas verifican:
A( M ) = M
El subespacio invariante asociado al autovalor 1 estar formado por las matrices
1 0 0 1 0 0
simtricas, una base de este subespacio es:
,
,
y sus vectores son
0 0 1 0 0 1
ortogonales.
Es inmediato verificar que:
0 1
0 1
A(
) = 1

1 0
1 0
Ya tenemos el otro autovalor 1 (no hay mas autovalores por que ya cubrimos la
dimensin del espacio) con autovector:
0 1
1 0

La base de autovectores se obtiene normalizando los vectoctores encontrados:

1
1

0
1 0 0
2 , 0 0 ,
2
,

1
1
0 0
0 0 1
0

2
2
La matriz de A en esta base es:

1 0 0 0
0 1 0 0

D=
0 0 1 0

0 0 0 1
La matriz C que pasa de la base anterior a la cannica tendr en sus columnas a las
coordenadas de los autovectores en la base cannica.
0
1 0 0
1
1

0
0
2
2
C=
1
1
0

0
2
2

0
0 0 1
Ahora resolvemos el ejercicio por el mtodo que usamos en (b).
Se calcula la matriz de A en la cannica de R 2 x 2 .

1
A
0
0
A
0
0
A
1
0
A
0

0 1
=
0 0
1 0
=
0 1
0 0
=
0 0
0 0
=
1 0

0 1
=1
0 0
0
1
= 0

0
0
1
1
= 0

0
0
0
1
= 0

1
0

0 0
+0
0 0
0 0
+0
0 0
0 0
+1
0 0
0 0
+0
0 0

1
0
MA =
0

0
1

0
P ( ) = det
0

Las races de P ( ) son 1 = 1 y 2 = 1 .

E (1) :

1 0
+0
0 1
1 0
+1
0 1
1 0
+0
0 1
1 0
+0
0 1

0 0
+0
0 1
0 0
+0
0 1
0 0
+0
0 1
0 0
+1
0 1

0
0
0

0
0
1
0

0
1
0
0

1
0

0 1

1
0

0
0
0
0
0
0
0
0

0 0 0
0 1 1

0 1 1

0 0 0

0 x 0
0 y 0
=
0 z 0

0 w 0

y+z=0
Una base de soluciones del sistema:
(1,0,0,0), (0,1,1,0), (0,0,01)
Estos vectores son las coordenadas de los autovectores en la base cannica (ya son
ortogonales, es caso contrario se aplica Gram-Schmidt). Las normalizamos:
(1,0,0,0), (0, 1 , 1 ,0), (0,0,01)
2 2
y armamos los autovectores:

1 0 0

2 , 0 0
,

1
0 0
0 0 1

E (1) :
2 0 0 0 x 0
0 1 1 0 y 0

=
0 1 1 0 z 0

0 0 0 2 w 0
x = 0

y + z = 0
w = 0

Una base de soluciones del sistema:

(0,1,1,0)
Normalizamos y calculamos el autovector
1 1
(0,
,
,0 )
2 2
1

0 2
1

0
2

1
1

0
1 0 0

0
0

2 ,
2 , la matriz de A es:
,
,
En la base

1
1
0 0
0 0 1
0

1
0
D=
0

0
1
0
0

0 0
0 0
1 0

0 1

y
1

0
C=
0

0
1
2
1
2
0

0
1
0
2
1

0
2
1
0
0

Ejercicio 22
Encontremos una matriz U que verifique:
U

0
= 1
1

1
0
1

1
1
0

Esta matriz es la matriz de la trasformacin buscada en la base cannica. Resolveremos el

problema en forma diagonal:
1 0 0
3
D = 0 1 0
0 0 2
Podemos encontrar una diagonal que es solucin del problema:
0
1 0

D = 0 1 0
0 0 3 2
Multiplicando por la matriz de cambio C de base y su traspuesta:
1 0 0
CD 3C t = C 0 1 0C t
0 0 2

0
CD C = 1
1
3

1
0
1

1
1
0

Podemos poner
0 1 1
1 0 1 = CD 3C t = CD 2C t CDC t = CDC t CDC t CDC t = U 3

1 1 0
Con

U = CDC t
y
1

2
1
C =

1
6
1
6
2

3
1
3
1

Ahora con la matriz U se calcula la transformacin pedida.

Con este mecanismo se encontr una matriz simtrica U que verifica:
U 3 = MA
Observar que si resolvemos el problema:
U 2 = MA
No prodremos encontrar una diagonal (hay autovalores negativos) tal que:
1 0 0
D 2 = 0 1 0
0 0 2
Esto no significa que el problema no tiene solucin, significa que el problema no tiene
solucin simtrica. El problema puede o no tener solucin. En este caso podemos
encontrar una solucin

0 1

1 0
0 0

0 0 1

0 = 1 0
2 0 0

0 0 1
0 1 0
2 0 0

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

El resto es igual.

Y ya me cans de esta sopa de letras.......................................

Fin