Definiciones de lo que es una función, dominio, recorrido, características globales como crecimiento, decrecimiento, extremos,... así como operaciones con funciones, incluida la composición de funciones y el cálculo de la función inversa. La presentación concluye con las transformaciones de la función por traslación, dilatación o compresión. Para la correcta visualización de éstas dos últimas diapositivas, se recomienda la descarga de la presentación para observar las animaciones. Está pensado como una iniciación al tema de las funciones en primero de bachillerato.
Demostración de las potencias de matrices cuadradas, son algunos ejemplos autodidácticos de bastante utilidad para los interesados en operaciones con matrices
Definiciones de lo que es una función, dominio, recorrido, características globales como crecimiento, decrecimiento, extremos,... así como operaciones con funciones, incluida la composición de funciones y el cálculo de la función inversa. La presentación concluye con las transformaciones de la función por traslación, dilatación o compresión. Para la correcta visualización de éstas dos últimas diapositivas, se recomienda la descarga de la presentación para observar las animaciones. Está pensado como una iniciación al tema de las funciones en primero de bachillerato.
Demostración de las potencias de matrices cuadradas, son algunos ejemplos autodidácticos de bastante utilidad para los interesados en operaciones con matrices
Probabilidad y Procesos Estocásticos, Conocimientos previosFrancisco Sandoval
Probablidad, Variables aleatorias y procesos estocásticos para ingenería eléctrónica. (Apéndice)
- Tablas matemáticas
- Definición de algunas funciones comunes de señales continuas en el tiempo
- Álgebra matricial
- Transformada de Fourier
- Función Q
Probabilidad y Procesos Estocásticos, Conocimientos previosFrancisco Sandoval
Probablidad, Variables aleatorias y procesos estocásticos para ingenería eléctrónica. (Apéndice)
- Tablas matemáticas
- Definición de algunas funciones comunes de señales continuas en el tiempo
- Álgebra matricial
- Transformada de Fourier
- Función Q
Ponencia en I SEMINARIO SOBRE LA APLICABILIDAD DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN SUPERIOR UNIVERSITARIA. 3 de junio de 2024. Facultad de Estudios Sociales y Trabajo, Universidad de Málaga.
Presentación de la conferencia sobre la basílica de San Pedro en el Vaticano realizada en el Ateneo Cultural y Mercantil de Onda el jueves 2 de mayo de 2024.
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJEjecgjv
La Pedagogía Autogestionaria es un enfoque educativo que busca transformar la educación mediante la participación directa de estudiantes, profesores y padres en la gestión de todas las esferas de la vida escolar.
IMÁGENES SUBLIMINALES EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁClaude LaCombe
Recuerdo perfectamente la primera vez que oí hablar de las imágenes subliminales de los Testigos de Jehová. Fue en los primeros años del foro de religión “Yahoo respuestas” (que, por cierto, desapareció definitivamente el 30 de junio de 2021). El tema del debate era el “arte religioso”. Todos compartíamos nuestros puntos de vista sobre cuadros como “La Mona Lisa” o el arte apocalíptico de los adventistas, cuando repentinamente uno de los participantes dijo que en las publicaciones de los Testigos de Jehová se ocultaban imágenes subliminales demoniacas.
Lo que pasó después se halla plasmado en la presente obra.
1. Tema
3
Diagonalizaci´on de
matrices
3.1 Matrices semejantes. El problema de la diago-
nalizaci´on
Definici´on 3.1 Diremos que dos matrices A y B de orden n son semejantes
cuando existe una matriz P de orden n invertible, es decir, |P| = 0, tal que
B = P−1
A P.
Ejemplo 3.1 Sean A =
1 2
0 1
y B =
0 1
−1 2
. Se verifica que A y B
son matrices semejantes ya que existe P =
1 1
−1 1
tal que
P−1
A P =
1
2
−
1
2
1
2
1
2
1 2
0 1
1 1
−1 1
=
0 1
−1 2
= B.
Proposici´on 3.1 Si A, B ∈ Mn(R) son matrices semejantes (B = P−1
A P),
entonces se verifica:
1. |A| = |B|,
2. Bk
= P−1
Ak
P para todo k ∈ N, es decir, Ak
y Bk
son, tambi´en, matrices
semejantes.
29
2. 30 Diagonalizaci´on de matrices
3.2 Autovalores y autovectores de una matriz
cuadrada
Definici´on 3.2 Sea A una matriz cuadrada de orden n. Diremos que un n´umero
λ es un autovalor o valor propio de A si existe X =
x1
x2
...
xn
∈ Mn×1,
X =
0
0
...
0
, tal que A X = λ X.
Definici´on 3.3 Sea A una matriz cuadrada de orden n. Diremos que X =
x1
x2
...
xn
∈ Mn×1, X =
0
0
...
0
, es autovector o vector propio de A asociado
al autovalor λ si se verifica que A X = λ X.
Ejemplo 3.2 Sea la matriz A
A =
1 1
0 2
se verifica que
1 1
0 2
1
1
= 2
1
1
,
por tanto podemos asegurar que 2 es un autovalor de la matriz A y que
1
1
es un autovector asociado al autovalor 2.
3.3 C´alculo de autovalores y autovectores
3.3.1 C´alculo de autovalores: polinomio caracter´ıstico
Proposici´on 3.2 Sea A una matriz cuadrada de orden n. Se verifica que:
λ es un autovalor de A si y s´olo si det(A − λ I) = 0,
donde I representa la matriz unidad de orden n.
3. 3.3 C´alculo de autovalores y autovectores 31
Definici´on 3.4 A la expresi´on pA(λ) = det(A − λ I) se le llama polinomio
caracter´ıstico de la matriz A. A la ecuaci´on pA(λ) = det(A − λ I) = 0 se le
denomina ecuaci´on caracter´ıstica de la matriz A.
Por tanto, podemos decir que los autovalores de una matriz A son las ra´ıces de
su polinomio caracter´ıstico o las soluciones de su ecuaci´on caracter´ıstica.
Ejemplo 3.3 Hallar los autovalores de la matriz A =
1 2 0
−1 3 1
0 1 1
.
Para hallar sus autovalores tendremos que resolver su ecuaci´on caracter´ıstica.
En este caso:
1 − λ 2 0
−1 3 − λ 1
0 1 1 − λ
= (1−λ)2
(3−λ)+(1−λ) = (1−λ)[(1−λ)(3−λ)+1] =
= (1 − λ)(λ − 2)2
= 0.
Por tanto, los autovalores de A ser´an: λ1 = 1 y λ2 = 2.
Si λ es una ra´ız m´ultiple del polinomio caracter´ıstico con orden de multiplicidad
k, se dice que λ es autovalor m´ultiple de A y que su multiplicidad algebraica es
k. Cuando k = 1, diremos que el autovalor λ es simple.
Ejemplo 3.4 En el ejemplo anterior tenemos que λ1 = 1 es un autovalor simple
y que el autovalor λ2 = 2 es un autovalor de multiplicidad algebraica 2.
3.3.2 C´alculo de autovectores
Sea A una matriz cuadrada de orden n y sea λ un autovalor de A. Si X =
x1
x2
...
xn
∈ Mn×1 es un autovector de A asociado al autovalor λ, entonces X es
soluci´on no trivial del sistema homog´eneo
(A − λ I)
x1
x2
...
xn
=
0
0
...
0
.
De aqu´ı se deduce que para calcular los autovectores asociados a λ lo que hay que
hacer es resolver el sistema homog´eneo asociado (A − λ I)X = Θ, que, por ser λ
4. 32 Diagonalizaci´on de matrices
autovalor de A (det(A − λ I) = 0), siempre va a ser compatible indeterminado
con soluciones distintas a la trivial. Cada una de las soluciones no triviales es
un autovector asociado a λ.
Ejemplo 3.5 Hallar los autovectores de la matriz A =
1 2 0
−1 3 1
0 1 1
.
Para dicha matriz vimos que sus autovalores eran λ1 = 1 y λ2 = 2 (doble).
Tenemos que calcular los autovectores asociados a ambos autovalores:
λ1 = 1:
(A − I) X = Θ ⇐⇒
1 − 1 2 0
−1 3 − 1 1
0 1 1 − 1
x1
x2
x3
=
0
0
0
⇐⇒
2x2 = 0,
−x1 + 2x2 + x3 = 0,
cuyas soluciones son x1 = x3, x2 = 0. Por tanto, los autovectores ser´an de la
forma
α
0
α
con α ∈ R y α = 0.
λ2 = 2:
(A − 2 I) X = Θ ⇐⇒
1 − 2 2 0
−1 3 − 2 1
0 1 1 − 2
x1
x2
x3
=
0
0
0
⇐⇒
−x1 + 2x2 = 0,
−x1 + x2 + x3 = 0,
cuyas soluciones son x1 = 2x2, x3 = x2. Por tanto, los autovectores ser´an de la
forma
2α
α
α
con α ∈ R y α = 0.
3.4 Propiedades de los autovalores y autovec-
tores
Sea A una matriz cuadrada de orden n. Se verifican las siguientes propiedades:
1. A cada autovector o vector propio X =
x1
x2
...
xn
∈ Mn×1 de A le corres-
ponde un ´unico autovalor o valor propio λ.
5. 3.5 Diagonalizaci´on en el campo real de una matriz cuadrada 33
2. Cada autovalor λ de A tiene infinitos autovectores asociados.
3. Si X1
=
x1
1
x1
2
...
x1
n
, X2
=
x2
1
x2
2
...
x2
n
, · · · , Xk
=
xk
1
xk
2
...
xk
n
son autovectores
asociados a los autovalores λ1, λ2, · · · , λk, (k ≤ n), todos distintos, de cier-
ta matriz A ∈ Mn(R), entonces se tiene que r
x1
1 x2
1 · · · xk
1
x1
2 x2
2 · · · xk
2
...
...
...
...
x1
n x2
n · · · xk
n
= k.
3.5 Diagonalizaci´on en el campo real de una ma-
triz cuadrada
Definici´on 3.5 Una matriz A ∈ Mn(R) se dice que es diagonalizable en el
campo real si es semejante a una matriz diagonal D ∈ Mn(R), es decir, si
existe una matriz invertible P ∈ Mn(R) tal que
D = P−1
A P.
El problema de la diagonalizaci´on consiste en, dada una matriz cuadrada A,
estudiar qu´e condiciones debe verificar A para que exista una matriz diagonal D
que sea semejante a ella.
Teorema 3.3 La condici´on necesaria y suficiente para que una matriz A ∈
Mn(R) sea diagonalizable es que:
1. El polinomio caracter´ıstico de A tenga todas sus ra´ıces reales. Es decir,
todos los autovalores λ de A sean reales.
2. Podamos encontrar n autovectores, Pj ∈ Mnx1(R), de A tales que la matriz
P = P1 P2 · · · Pn sea inversible, es decir, |P| = 0.
Entonces caso de ser la matriz diagonalizable, la matriz semejante D ser´ıa
D =
λ1 0 · · · 0
0 λ2 · · · 0
...
...
...
...
0 0 · · · λn
,
siendo λ1, . . . , λn los autovalores de A y la matriz P tal que P−1
A P = D ser´ıa
6. 34 Diagonalizaci´on de matrices
P =
p11 p12 · · · p1n
p21 p22 · · · p2n
...
...
...
...
pn1 pn2 · · · pnn
donde cada Pj =
p1j
p2j
...
pnj
es un autoverctor asociado al autovalor λj, j =
1, · · · , n.
A la hora de plantear la diagonalizaci´on de una matriz se pueden presentar los
siguientes casos:
1. El polinomio caracter´ıstico de A tiene ra´ıces que no son reales. Entonces,
y seg´un el resultado anterior, la matriz A no es diagonalizable.
2. El polinomio caracter´ıstico de A tiene todas sus ra´ıces reales. Podemos, a
su vez, distinguir dos casos:
(a) Todas las ra´ıces de pA(λ) son distintas, es decir, todos los autovalores
de A son reales y distintos y, por tanto, simples. Entonces, usando
la propiedad (3) de autovalores y autovectores, podemos encontrar
n autovectores de A, Pj =
p1j
p2j
...
pnj
j = 1, · · · , n, uno por cada
autovalor, de manera que la matriz P = P1 P2 · · · Pn tenga
rango n. Por tanto, |P| = 0 y existir´a P−1
. En este caso, la matriz
A es diagonalizable.
(b) El polinomio caracter´ıstico de A, pA(λ), tiene ra´ıces m´ultiples. Por
ejemplo, supongamos que λ es una ra´ız de orden de multiplicidad k.
Entonces, si n − r(A − λI) = k, podemos encontrar k soluciones,
Pj =
p1j
p2j
...
pnj
j = 1, · · · , k, del sistema (A− λ I)X = Θ tales que la
matriz P1 P2 · · · Pk tenga rango k. Si esto ocurre con cada
autovalor m´ultiple, la matriz A es diagonalizable. Por tanto, en el caso
de autovalores m´ultiples, la matriz A es diagonalizable si para cada
autovalor λ de A con multiplicidad k se verifica que n−r(A−λI) = k.
7. 3.5 Diagonalizaci´on en el campo real de una matriz cuadrada 35
Ejemplos: Estudiar si son diagonalizables o no las siguientes matrices:
Ejemplo 3.6 Sea A ∈ M3(R)
A =
1 2 0
−1 3 1
0 1 1
entonces tenemos que:
pA(λ) = (1 − λ)(λ − 2)2
.
1. λ = 1, 2(doble) ∈ R, es decir, los autovalores son todos reales.
2. 3 − r(A − I) = 1, que coincide con la multiplicidad del autovalor λ = 1.
3−r(A−2I) = 1, que no coincide con la multiplicidad del autovalor λ = 2,
que es 2.
Entonces, la matriz A no es diagonalizable.
Ejemplo 3.7 Sea A ∈ M3(R)
A =
1 −1 −1
1 −1 0
1 0 −1
entonces tenemos que:
pA(λ) = −(1 + λ)(λ2
+ 1) :
Los autovalores de la matriz A son λ = 1, i, −i y como todos no son reales,
entonces la matriz A no es diagonalizable en R.
Ejemplo 3.8 Sea A ∈ M3(R)
A =
5 0 −4
0 3 0
2 0 −1
entonces tenemos que:
pA(λ) = (λ − 3)2
(1 − λ).
1. λ = 3(doble), 1 ∈ R, es decir, los autovalores son todos reales.
2. 3 − r(A − 3I) = 2, que coincide con la multiplicidad del autovalor λ = 3
que es 2.
3 − r(A − I) = 1, que tambi´en coincide con la multiplicidad del autovalor.
8. 36 Diagonalizaci´on de matrices
Luego la matriz A es diagonalizable.
Una matriz diagonal semejante a A podr´ıa ser D =
3 0 0
0 3 0
0 0 1
.
Para determinar la matriz P tal que D = P−1
AP, tendremos que resolver los
sistemas asociados a cada uno de los autovalores.
λ = 3:
5 − 3 0 −4
0 3 − 3 0
2 0 −1 − 3
x
y
z
=
2 0 −4
0 0 0
2 0 −4
x
y
z
=
0
0
0
⇐⇒
⇐⇒ x − 2z = 0.
Los autovectores son
2α
β
α
con α, β ∈ R, no simult´aneamente cero. De todos
los autovectores elegimos dos, de la siguiente manera:
• α = 1 y β = 0 =⇒ P1 =
2
0
1
.
• α = 0 y β = 1 =⇒ P2 =
0
1
0
.
λ = 1:
5 − 1 0 −4
0 3 − 1 0
2 0 −1 − 1
x
y
z
=
4 0 −4
0 2 0
2 0 −2
x
y
z
=
0
0
0
⇐⇒
⇐⇒
x − z = 0
y = 0
Los autovectores son
α
0
α
con α ∈ R y α = 0. De todas las posibles autovec-
tores elegimos : α = 1 =⇒ P3 =
1
0
1
.
La matriz P podr´ıa ser P =
2 0 1
0 1 0
1 0 1
. Se puede comprobar que P−1
A P =
D.
9. 3.5 Diagonalizaci´on en el campo real de una matriz cuadrada 37
Ejemplo 3.9 Sea A ∈ M3(R)
A =
1 2 0
0 2 0
1 1 3
entonces tenemos que:
pA(λ) = (3 − λ)(1 − λ)(2 − λ)
λ = 1, 2, 3 ∈ R, es decir, los autovalores son todos reales y distintos. La matriz
A es diagonalizable.
Una matriz diagonal semejante a A podr´ıa ser D =
1 0 0
0 2 0
0 0 3
.
Para determinar la matriz P tal que D = P−1
AP, tendremos que resolver los
sistemas asociados a cada uno de los autovalores.
λ = 1:
1 − 1 2 0
0 2 − 1 0
1 1 3 − 1
x
y
z
=
0 2 0
0 1 0
1 1 2
x
y
z
=
0
0
0
⇐⇒
⇐⇒
y = 0
x + 2z = 0
cuyas soluciones son
−2α
0
α
con α ∈ R y α = 0. De todos los posibles
autovectores elegimos uno:
α = 1 =⇒ P1 =
−2
0
1
λ = 2:
1 − 2 2 0
0 2 − 2 0
1 1 3 − 2
x
y
z
=
−1 2 0
0 0 0
1 1 1
x
y
z
=
0
0
0
⇐⇒
⇐⇒
−x + 2y = 0,
x + y + z = 0.
.
Los autovectores son
2α
α
−3α
con α ∈ R y α = 0. De todos los posibles
autovectores elegimos uno:
10. 38 Diagonalizaci´on de matrices
α = 1 =⇒ P2 =
2
1
−3
.
λ = 3:
1 − 3 2 0
0 2 − 3 0
1 1 3 − 3
x
y
z
=
−2 2 0
0 −1 0
1 1 0
x
y
z
=
0
0
0
⇐⇒
⇐⇒
x = 0,
y = 0.
Los autovectores son
0
0
α
con α ∈ R y α = 0. De todos los posibles autovec-
tores elegimos uno:
α = 1 =⇒ P3 =
0
0
1
.
La matriz P podr´ıa ser P =
−2 2 0
0 1 0
1 −3 1
. Se puede comprobar que
P−1
AP = D.
Ejemplo 3.10 Sea la matriz A =
−3 −1 4
−2 a 4
−2 −1 3
. Se pide:
(a) Hallar el valor de a para que λ = 0 sea autovalor de A.
(b) Para a = −2:
(b1) Hallar autovalores y autovectores asociados.
(b2) Estudiar si es diagonalizable y, en caso afirmativo, hallar una matriz
P ∈ M3 tal que P−1
AP sea diagonal.
(b3) Hallar A16
.
Resoluci´on
(a) λ = 0 es autovalor de A si y s´olo si |A − 0I| = 0 ⇐⇒ |A| = 0.
|A| =
−3 −1 4
−2 a 4
−2 −1 3
= −a − 2 = 0 ⇐⇒ a = −2.
11. 3.5 Diagonalizaci´on en el campo real de una matriz cuadrada 39
(b) a = −2 =⇒A =
−3 −1 4
−2 −2 4
−2 −1 3
.
(b1) Autovalores y autovectores asociados.
Autovalores: |A − λI| = 0.
|A − λI| =
−3 − λ −1 4
−2 −2 − λ 4
−2 −1 3 − λ
= −λ−2λ2
−λ3
= −λ (1 + λ)2
.
Por tanto, los autovalores son: λ = 0 (simple) y λ = −1 (doble).
Autovectores:
• Para λ = 0 (simple):
A
x
y
z
=
0
0
0
⇐⇒
−3 −1 4
−2 −2 4
−2 −1 3
x
y
z
=
0
0
0
⇐⇒
−3x − y + 4z = 0
x + y − 2z = 0
⇐⇒ x = z e y = z. Por tanto, los autovec-
tores asociados son de la forma
z
z
z
con z ∈ R y z = 0.
• Para λ = −1 (doble):
(A+I)
x
y
z
=
0
0
0
⇐⇒
−2 −1 4
−2 −1 4
−2 −1 4
x
y
z
=
0
0
0
⇐⇒ −2x−y +4z = 0 ⇐⇒ y = −2x+4z. Por tanto, los autovec-
tores asociados son de la forma
x
−2x + 4z
z
= x
1
−2
0
+
z
0
4
1
con x, z ∈ R no simult´aneamente 0.
(b2) Estudiar si A es diagonalizable.
Tenemos que
• los autovalores de A son λ = 0 (simple) y λ = −1 (doble) y, por
tanto, reales, y adem´as
• para el autovalor λ = −1 (doble),
3 − r (A + I) = 3 − r
−2 −1 4
−2 −1 4
−2 −1 4
= 3 − 1 =
2 =multiplicidad del autovalor (λ = −1).
12. 40 Diagonalizaci´on de matrices
De todo ello se deduce que la matriz es diagonalizable.
Entonces, P =
1 1 0
1 −2 4
1 0 1
y P−1
AP = D =
0 0 0
0 −1 0
0 0 −1
.
(b3) Como P−1
A P = D =⇒ A = P D P−1
=⇒ A16
= P D16
P−1
.
A16
= P
0 0 0
0 (−1)16
0
0 0 (−1)16
P−1
= P
0 0 0
0 1 0
0 0 1
P−1
=
=
1 1 0
1 −2 4
1 0 1
0 0 0
0 1 0
0 0 1
−2 −1 4
3 1 −4
2 1 −3
=
3 1 −4
2 2 −4
2 1 −3
.
Ejemplo 3.11 Sea A =
m 1 1
0 2 1
0 2 3
. Se pide:
(a) Hallar m para que
1
1
2
sea autovector de A y calcular el autovalor al
que est´a asociado.
(b) Para m = 1:
(b1) Hallar los autovalores de A y autovectores asociados.
(b2) Estudiar si la matriz es diagonalizable. En caso afirmativo, hallar una
matriz P ∈ M3 tal que P−1
AP sea diagonal.
Resoluci´on
(a) Para que
1
1
2
sea autovector de A tiene que verificarse que
A
1
1
2
= λ
1
1
2
para alg´un λ ∈ R, que ser´a el autovalor al que est´a asociado.
A
1
1
2
= λ
1
1
2
13. 3.5 Diagonalizaci´on en el campo real de una matriz cuadrada 41
⇐⇒
m + 3
4
8
=
λ
λ
2λ
⇐⇒
m + 3 = λ
4 = λ
8 = 2λ
⇐⇒
m = 1,
λ = 4.
(b) Para m = 1: A =
1 1 1
0 2 1
0 2 3
.
(b1) Hallar los autovalores de A y autovectores asociados.
Autovalores: |A − λI| = 0.
|A − λI| =
1 − λ 1 1
0 2 − λ 1
0 2 3 − λ
= (1 − λ) 4 − 5λ + λ2
= − (λ − 1)
2
(λ − 4).
Por tanto, los autovalores son: λ = 1 (doble) y λ = 4 (simple).
Autovectores:
• Para λ = 4 (simple):
(A − 4I)
x
y
z
=
0
0
0
⇐⇒
−3 1 1
0 −2 1
0 2 −1
x
y
z
=
0
0
0
⇐⇒
⇐⇒
−3x + y + z = 0
−2y + z = 0
⇐⇒ x = y e z = 2y.
Por tanto, los autovectores asociados son de la forma
y
y
2y
con y ∈ R, y = 0.
• Para λ = 1 (doble):
(A−I)
x
y
z
=
0
0
0
⇐⇒
0 1 1
0 1 1
0 2 2
x
y
z
=
0
0
0
⇐⇒
⇐⇒ y + z = 0 ⇐⇒ y = −z.
Por tanto, los autovectores asociados son de la forma:
14. 42 Diagonalizaci´on de matrices
x
−z
z
= x
1
0
0
+ z
0
−1
1
con x y z ∈ R no simult´aneamente 0.
(b2) Como:
• Autovalores de A: λ = 4 (simple) y λ = 1 (doble) y, por tanto,
reales.
• Para el autovalor λ = 1 (doble),
3−r (A − I) = 3−r
0 1 1
0 1 1
0 2 2
= 3−1 = 2 =multiplicidad
del autovalor λ = 1.
De todo ello se deduce que la matriz es diagonalizable.
Entonces, P =
1 1 0
1 0 −1
2 0 1
y P−1
AP = D =
4 0 0
0 1 0
0 0 1
.