Monografia Algebra Colla Muñoz Noé

1
Universidad Nacional Mayor de San Marcos
Facultad de Ingeniera
Electrnica y Elctrica
E.A.P:
Curso:
Tema:
Profesor:
Alumno:
Cdigo:
Ao:
Ingeniera Electrnica
Algebra Lineal
Monografa
Javier Vsquez Serpa
Colla Muoz No
15190004
2015
NDICE
1. Matrices
Propiedades
Multiplicacin de matrices
Adjunto de una matriz
Matriz inversa
propiedades
Tipo de matrices
Matriz simtrica
Matriz anti simtrica
Matriz triangular superior
Matriz triangular inferior
Matriz nilpotente
Matriz idempotente
Matriz involutiva
Rango de una matriz
2. Determinantes
Teorema de Laplace
3. Espacios vectoriales
Definicin
Propiedades
Teoremas
Sub espacio vectoriales
Definicin
Propiedades
teoremas
4. Transformaciones lineales
Definicin
Propiedades
Teoremas
Ncleo de una transformacin
Imagen de una transformacin
Isomorfismo
5. Diagonalizacion
Auto valores y auto vectores
1.
1.1
MATRICES
PROPIEDADES:
COMMUTATIVA:
A+B=B+A
ASOCIATIVA:
(A+B)+C=A+(B+C)
EXISTENCIA DEL ELEMENTO NEUTRO:

A+0=A
EXISTENCIA DEL ELEMENTO INVERSO ADITIVO:

A+B=0 -------- B= -A
MULTIPLICACIN DE MATRICES:
A(B+C)=AB+AC
(A+B)C=AC+BC
A(BC)=(AB)C
(AB)=(A)B
ABBA
AB=0 no implica que necesariamente A=0 o B=0
AB=AC no implica que necesariamente B=C
DETERMINANTES
a) Determinante de orden 2:
= a
Ej e mpl o:
11
22
12
21
b) Determinante de orden 3:
Ejemplo:
TEOREMA DE LAPLACE
Suponga que A es una matriz 2x2, |A| puede ser calculado desarrollando
sobre cualquier columna o regln: Suponga que:
A=
[ ]
a b
c d
Det(A)=
(1 )1 +1 adet ( d )(1 )1+3 bdet(c)
(1 )1 +1 cdet ( b ) (1 )1+2 bdet (a)
Esto cumple para cualquier matriz de orden NXN
ADJUNTO DE UNA MATRIZ
Consideremos una matriz n-cuadrada A = (ai j ) sobre un cuerpo K. El adjunto

de A, denotado por adj A, es la traspuesta de la matriz de cofactores de A:
Ejemplo:
Los cofactores de los nueve elementos de A son:
La traspuesta de la matriz de los cofactores anteriores proporciona el

adjunto de A:
MATRIZ INVERSA
Sabemos que:
A A-1 = A-1 A = I
CALCULO POR DETERMINANTE:
Donde:
Ejemplo:
C al cul a mos e l de te rmi n an te de l a mat riz , en el cas o qu e e l

de te rmi n an te se a n ul o l a matri z n o te n d r i n ve rs a.
H all am os l a ma tri z ad ju n ta, qu e e s aq u el l a e n l a qu e cad a

el e men to se su sti tu ye p or su ad j u n to .
C al cul a mos l a trasp u e st a d e l a matri z ad ju n ta.
La matri z in ve rsa e s ig u al al i nve rs o de l val or d e su

de te rmi n an te p or l a ma tri z trasp u e sta de l a ad j u n ta.
CALCULO DE LA MATRIZ INVERSA POR MTODO DE GAUSSJORDN:

Se a A un a matri z cu ad r ad a de ord e n n . Par a c al cul a r l a
matri z i n ve rs a d e A, q ue d en ot are mos com o A - 1 ,
se gu i re mo s l os si g u ie n te s p as os:
C on sid e re m os u n a ma tri z 3x3 arb i trari a
La a mpl i amo s c on l a matri z i de n ti d ad de ord e n 3.
Uti li z an d o e l m tod o Gau s s vam os a tran sf o rmar l a mi tad

iz q ui e rd a, A, en l a mat riz id e n tid ad , q ue ah or a e st a l a
de re ch a, y l a matri z qu e re su l te e n el l ad o de re ch o se r l a
matri z i n ve rs a: A - 1 .
F2 - F1
F3 + F2
F2 - F3
F1 + F2

(- 1 ) F 2
La matriz inversa es:
P R O P I E D A D E S D E L A M AT R I Z I N V E R S A :
(A B ) - 1 = B - 1 A - 1
(A - 1 ) - 1 = A
(k A) - 1 = k - 1 A - 1
(A t ) - 1 = (A
-1
)t
TIPO DE MATRICES
MATR IZ TR INGUL AR SUP ER IO R :
10

E n un a m at ri z t ri a ng ul ar sup e rio r l os e le me n tos
si tu ad os p or de b aj o de l a d i ag on al p rin ci p al son ce ro s.
Ej e mpl o:
M AT R I Z TR I A N G U L A R I N F E R I O R :
En u n a m at ri z t ri ang ul ar i nfe ri o r
l os el e me n tos si tu ad os
p or e n ci ma d e l a di ag on al p ri n ci p al son ce ros.
Ej e mpl o:
M AT R I Z
SIMETRICA:
Una matriz cuadrada A se llama simetrica si coincide con su

transpuesta:
A T =A .
Ejemplo:
A=
[ ]
1 0
0 1
[ ]
AT= 1 0
0 1
M AT R I Z A N S I M E T R I C A :
Una matriz cuadrada A llama anti simtrica si es opuesta (es decir,
inversa aditiva) a su transpuesta:
11

T
A =A
MATRIZ NILPOTENTE:
Una matriz
que
se dice que es nilpotente si existe

.
Ejemplo: Sea
Matriz nilpotente de orden 4.
MATRICES SEMEJANTES:
tal
12

Se dice que dos matrices A y B de n-por-n sobre
el cuerpo K son semejantes si existe una matriz invertible P de npor-n sobre K tal que:
P 1AP = B
Propiedades de matrices semejantes:
Det(A)=Det(B)
Traza(A)=Traza(B)
Rango(A)= Rango(B)
A es nilpotente B es nilpotente
A es involutiva B es involutiva
A es ortogonal B es ortogonal
RANGO DE UNA MATRIZ

El r an g o d e u n a matri z E s e l n me ro d e fi l as ( o col u mn as)
li ne al me n te i nd e p en d ie n te s. U ti li z an d o e sta de fi n i ci n se
pu e d e cal cu l ar u san d o el m t od o d e Gau ss . Tamb i n
p ode mo s de ci r q ue el ran g o e s: e l ord e n d e l a mayo r
su b matri z cu ad rad a n o n ul a. U ti li z an d o e sta d e fi n i ci n se
pu e d e cal cu l ar el ran g o u san d o de te rmi n an te s .
C al cul o de l ran g o d e un a matri z p or de te rmi n an te s:
P od em o s de sc art ar una fi l a (o col um na ) si :
Tod o s su s c oe fi ci e n te s son ce ro s.
13
H ay d os fi l a s (o c ol u mn as) i gu al e s.
Un a fi l a (o col u mn a) e s p rop o rci on al a otr a.
Un a fi l a (o col u mn a) e s c omb i n aci n l in e al de ot ras.
Su p ri mi mos
la
te rce r a
col u mn a
p orq ue
es
c omb in a ci n
li ne al d e l as d os p ri me ra s: c 3 = c 1 + c 2 .
Comprobamos si tiene rango mayor o igual que 1, para ello se

tiene que cumplir que al menos un elemento de la matriz no
sea ce ro y por tanto su determinante no ser nulo.
|2|=20
Tendr rango mayor o igual que 2 si existe alguna submatriz
cuadrad a de orden 2, tal que su determinante no sea nulo.
Tendr rango mayor o igual que 3 si existe alguna submatriz

cuadrad a de orden 3, tal que su determinante no sea nulo.
Como tod os los determinantes de las submatrices son nulos

tiene rango menor que 3, por tanto r(B) = 2.
Calculo del rango de una matriz por Gauss- Jordan:
Podemos descartar una lnea si:
Todos sus coefi cientes son ce ros.
14
Hay dos lneas iguales.
Una lnea es p roporcion al a otra.
Una lnea es combinacin lineal de otras.

F 3 = 2F 1
F 4 es nula
F 5 = 2F 2 + F 1
R(A)=2
En general consiste en hacer nulas el mximo nmero de

lneas posible, y el rango ser el nme ro de fi las no nulas.
F2 = F2 - 3F1
F3 = F3 - 2F1
R(A)=3
ESPACIO VECTORIAL
DEFINICION 1
Un espacio vectorial es una terna (V,+, ), donde V es un conjunto no vaco
y ( +, ) son dos operaciones del tipo + : V V R, : R V V a las
que llamaremos suma de vectores y producto por escalares
respectivamente y con las siguientes propiedades: denotando +(u, v) = u +
v y (, v) = v
15
PROPIEDADES:
Propiedad asociativa
1. u + (v + w) = (u + v) + w, u, v,w V
Propiedad conmutativa
2. u + v = v + u, u, v V (conmutativa).
Elemento neutro
3. Existe e V tal que e + v = v + e = v, v V (elemento neutro).
Elemento opuesto
4. Para cada v V existe w tal que v + w = w + v = e (elemento
opuesto).
Propiedad asociativa
5. (v) = ()v, v V , , R
Propiedad distributiva
6. (u+v) = u+v y (+)v = v+v, u, v V y , R
Propiedad unimodular
7. 1v = v,v V (unimodular).
DEFINICIN 2
Sean V1 y V2 dos espacios vectoriales. Se define en V1 V2 =
{(v1, v2); vi Vi} las siguientes operaciones:
(v1, v2) + (u1, u2) = (v1 + u1, v2 + u2)
(v1, v2) = (v1, v2).
SUBESPACIO VECTORIAL
Definicin 2.1
Sea V un espacio vectorial y U un subconjunto suyo. Se dice que
U es un subespacio vectorial de V si satisface las siguientes propiedades:
1. Si u, v U, entonces u + v U.
16

2. Si R y u U, entonces u U.
3. Con la suma y producto por escalares de V, U es un espacio
vectorial.
Definicin 2.2
Sean U y W subespacio vectoriales de V. Se define la suma de U
Con W como el conjunto
U +W = {u + w; u U, w W}.
Entonces U+W es un Subespacio vectorial. Adems se tienen las siguientes
propiedades:
1. U +W = W + U.
2. U + U = U.
3. U U +W.
4. U + W es el menor Subespacio (con respecto a la inclusin de conjuntos)
que
Contiene a U y a W.
Definicin 2.3
Un espacio vectorial V es suma directa de dos Subespacio vectoriales
U y W suyo, y se denota por V = U W, si V = U +W y U W = {0}.
Teorema 1:
Si V y W son dos espacios vectoriales, entonces dim(V W _)
=dim(V ) + dim(W).
17

3. Si U y W son dos subespacios vectoriales, entonces dim(U
+W) = dim(U) +
dim(W) dim(U W). Como caso particular, si V = U W, entonces
dim(V ) = dim(U) + dim(W).
4. Si U es un subespacio vectorial, entonces dim(V/U) = dim(V ) dim(U).
Ejemplo:
TRANSFORMACIN LINEAL
Definicin:
18
Sean V y W espacios vectoriales. Una transformacin lineal T

de V en W (T: VW) es una funcin que asigna a cada vector
v V un vector nico T(v) W y que satisface:

A.1)
A.2)
v1 , v 2 V [T (v1 v 2 ) T (v1 ) T (v 2 )]
Rv V [T (v ) T (v)]
Ejemplo:
T : R2 R2
x x 2y

y 2x y
x
x
v1 1
v 2 2
y1
y2
, R
T (v`1 v 2 ) T ( ( x1 , y1 ) ( x 2 , y 2 ))
T (v`1 v 2 ) T (x1 x 2 , y1 y 2 )
T (v`1 v 2 ) (x1 x 2 2(y1 y 2 ),2(x1 x 2 ) y1 y 2 )
T (v`1 v 2 ) (x1 2y1 ,2x1 y1 ) ( x 2 2 y 2 ,2 x 2 y 2 )
T (v`1 v 2 ) ( x1 2 y1 ,2 x1 y1 ) ( x 2 2 y 2 ,2 x 2 y 2 )
T (v`1 v 2 ) T ( x1 , y1 ) T ( x 2 , y 2 )
T (v`1 v 2 ) T (v1 ) T (v 2 )
Se cumple los axiomas, por lo tanto T es una transformacin lineal.
19

Teorema:
Si T de V en W es una transformacin lineal entonces:
1. La imagen del cero vector de V es el cero vector de W.
T 0V 0W
2. La imagen del inverso de X es el inverso de X.
T X T (X )
3. La transformada de la combinacin lineal es la combinacin lineal de la

transformada.
T (1V1 2V2 ... NVN ) 1T (V1 ) 2T (V2 ) ... N T (VN )
Demostracin de 1:
V es un E.V . X V
X V
0 0. X
( sabemos que)
T (X ) T ( X )
entonces :
T (0V ) T (0. X ) 0.T ( X )
0W
Demostracin de 2:
V es un E.V . X V
X 1. X
entonces :
T ( X ) T (1. X ) 1.T ( X )
T(X )
( sabemos que)
20
Ncleo de una transformacin lineal

Definicin: sea T de V en W una transformacin lineal entonces el ncleo
de la transformacin denotada por: Nu(T) o Ker(T) se define como
Nu(T ) X V / T ( X ) 0W
A la dimensin del ncleo de T se lo conoce como nulidad de T y se denota

por
(T ) dim Nu (T )
Imagen o recorrido de una transformacin

Definicin: sea T de V en W una transformacin lineal entonces el recorrido
de la transformacin denotada por Re(T) o Im(T) se lo define como
Im( T ) X W / T X Y para a lg un X V
A la dimensin de la imagen de T se lo conoce como rango de T y se denota

por
(T ) dim Im( T )
Teorema:
Sea T de V en W una transformacin lineal entonces:
1. El ncleo de T es un subespacio de V.
2. La imagen de T es un subespacio de V.
3. Dim(V)=Dim(Nu(T))+Dim(Im(T))
21
Demostracin de 1:
X 1 , X 2 Nu (T ) X 1 X 2 Nu (T )
1) V es un E.V.
X
X
X V / T ( X ) 0W X
1
) 0W
Nu (T ) / T ( X 1 ) 0W
Nu (T ) / T ( X 2
X1 X 2 T ( X1 X 2 ) T ( X1 ) T ( X 2 )
0W 0W
0W
2)
, X Nu(T )
X Nu(T )
X Nu (T ) T ( X ) 0W
T (X ) .T ( X ) .0W 0W
Nu (T ) es un subespacio de V .
1) Demostracin de 2:
Y1 , Y2 Im( T )
Y1 Y2 Re(T )
V / T ( X 2 ) 0W
22

Y1 Im( T ) Y1 W / T ( X 1 ) Y1 para a lg un X 1 V
Y2 Im( T ) Y2 W / T ( X 2 ) Y2 para a lg un X 2 V
Y1 Y2 T ( X 1 X 2 ) Y1 Y2

pero X 1V X 2 V
( X 1 X 2 ) V luego Y1 Y2 Im( T )
2)
, Y Re(T ) .Y Im( T )
Y Im( T ) Y W / Y T ( X ) para a lg un X V
.Y T ( X )
T (X ) donde X V
Y Im( T )
Im(T) es un subespacio de V.
Representacin matricial
Sea
T : n m
una transformacin finita. Entonces existe una matriz nica

T
de mxn AT tal que T(x)=A .x, x
Dicha matriz se denomina, matriz de informacin correspondiente a T o

representacin matricial de T.
1)
x
x 0

Nu (T ) y / T y 0
z
z 0

T
Nu ( A )
Ncleo de la transformacin=ncleo de la matriz asociada
T ( X ) AT . X
23

x y z 0

x y 0
x
1 1 1 0
y
1 1 0 z 0

(T ) ( AT )
(T ) (T ) n
(T ) ( AT )
Teorema:
Sea T de Rn en Rm una transformacin lineal. Si AT es la matriz asociada a T,
entonces:
1. Nu (T ) Nu( AT )
2. (T ) ( AT )
3. Im( T ) Im( AT )
4. (T ) ( AT )
5. (T ) (T ) n
Ejemplo:
Sea
T :
T : 3 3
x
y
z
x 2y z
2x y z
x 3 y 2z
Determine: A(T), Nu(T), Im(T),
(T ) (T )
,
24

x 1 2 1

T : y 2 1 1
z 1 3 2

x

y
z

1 2 1
A(T ) 2 1 1
1 3 2
1 2 1 0
1 2 1 0
Nu (T ) 0 5 3 0 0 5 3 0 base
0 5 3 0
0 0
0 0
5 y 3z 0
3
y z
x 2y z 0
5
3
x 2 z z
5
z
x
5
Entonces:
Nu(T)=
z /5
3 z / 5 / z
z
(T ) 1
a
x a
x

Im( T ) b / T y b para a lg un y
c
z c
z

25

1 2 1
2 1 1
1 3 2
x a
1 2 1 a

y b 2 1 1 b
z c
1 3 2 c

a
1 2 1
0 5 3 b 2a b a c 0
0 0
0 b a c
3
Im( T ) y / y x z 0
z
(T ) 2
Teorema:
Sea V un espacio vectorial de dimensin n y W un espacio vectorial de
dimensin m y T:V
W una transformacin lineal sea:
B2 V1 , V2 ,...,Vm
una base de V y
matriz nica AT de mxn tal que:
T ( x ) B
B1 U1 ,U 2 ,...,U n
una base de W, entonces existe una
AT X B1
Dicha matriz se denomina matriz asociada a la transformacin con respecto

a B1 y B2 y esta dada por:
A(T ) T (V1 ) B2
T (V2 ) B
T (Vn ) B
mxn
26
ISOMORFISMO
T :V W
Sea
una transformacin lineal, se dice que T es un isomorfismo si
y solo si T es inyectiva y sobreyectiva.
Transformacin inyectiva (1a1):

Sea
T :V W
una transformacin lineal se dice que T es 1a1 si y solo si el
ncleo de T es igual
0V .

Nu (T ) x V / T ( x ) 0W 0V
Nu (T ) 0V T es 1a1
Nu (T ) 0V
sup onemos que : T (V1 ) T (V2 ) T (V1 ) T (V2 ) 0W
T (V1 V2 ) 0W
pero : Nu (T ) 0V
V1 V2 0W
V1 V2
Tes 1a1.
Transformacin sobreyectiva (sobre):

Sea
T :V W
para todo
una transformacin lineal. Se dice que T es sobrejectiva si
Y W
Y W , X V
existe al menos un
X V
tal que
T (X ) Y
T ( x) Y
Es decir T es sobrejectiva si y solo si la imagen de T=W.
27
Ejemplo:
Determine si la transformacin dada es 1a1, sobre, o ambas.
x x y
T
y
2
x
T : 2 2
Solucin:
x
Nu(T )
y
x y 0

2x y 0
0
Nu (T )
0
x y 0
2x y 0
T es inyectiva.
(T ) 0 ( x) x
Im( T ) 2 T es sobreyectiva
Teorema
Sea
T :V W
una transformacin lineal, si:
Dim (V ) Dim (W ) n
Entonces:
1) si T es inyectiva entonces T es sobreyectiva.
2) Si T es sobreyectiva entonces T es inyectiva.
Ejercicio:
Determine si T es isomorfismo:
y0
x0
28

T : 3 M 2 x 2
x
x y
T : y
z z 0

Solucin: las dimensiones no son iguales.
x

0 0
3

Nu (T ) y / T y 0;0 M 2 x 2
z
z
0 0

x0
x
x y 0 0

T y
y0
T es injectiva.
z
0
0
0
z
z0

x
a b
a b
M 2 x 2 / T y
Re(T )
c
d
c d
xa
x
x y a b
yb

T y
zc
z z 0 c d

0d
0
T no es sobrejectiva
3
T no es isomorfismo.
Teorema
Sea
T :V W
un isomorfismo
T (V1 ), T (V2 ),..., T (Vn )
si
V1 , V2 ,...,Vn
es una base para V entonces
es una base para W.
Espacios vectoriales isomtricamente isomorfos
29

Se dice que los espacios vectoriales V y W son isomorfos si
existe un isomorfo
T :V W
en este caso se escribe
V W
Teorema
V es isomorfo a W si y solo si la dim(V)=dim(W).
DIAGONALIZACION: AUTOVALORES Y
AUTOVECTORES
CASO I
Si 1 2 3 : 1, 2, 3 R-{0}
a)
Sea A
3x3
1 3 2
: A= 0 2 0
0 0 1
Calculando los autovalores
1
3
2
P A ( ) =det ( AI )= 0
2
0 =(1+ )(1 )(2)
0
0
1
Igualando a cero
( 1+ )( 1 ) ( 2 )=0
=1, =1, =2
Calculando los autovectores
Para
=1
Sea V=(x,y,z)
R3 {0 } / ( AI ) V =0
30
[ ][ ] [ ]
2 3 2 x
0
=
0 3 0 y
0
0 0 0 z
0
3y=0
Y=o
2x+3y+2z=0
X=-z
V =( x , y , z ) =(z , 0, z )=Z (1,0,1 )=(1,0,1)
=1
Para
Sea V=(x,y,z)
R3 {0 } / ( AI ) V =0
][ ] [ ]
0 3 2 x
0
=
0 1 0 y
0
0 0 2 z
0
-2z=0
z=o
y=0
V =( x , y , z ) =( x , 0,0 )=x ( 1,0,0 )=(1,0,0)

Para
=2
Sea V=(x,y,z)
R3 {0 } / ( AI ) V =0
31
][ ] [ ]
1 3 2 x
0
0 0 0 y =0
0 0 3 z
0
-3z=0
z=o
-x+3y+2z=0
X=3y
V =( x , y , z ) =( 3 y , y , 0 )= y ( 3,1,0 )=(3,1,0)
Ahora la matriz P invertible es:
3 1 1
P= 1 0 0
0 0 1
Calculamos la inversa de P:
T
][
0 1 0
1 0 1 0
P1=
=
1 3
0
1 3 1
1
0 1 1
0 0 1
Calculndola matriz diagonal B asociada a la matriz A
][
][
0 1 0 1 3 2 3 1 1
1
B=P AP= 1 3 1 0 2 0 1 0 0
0 0 1 0 0 1 0 0 1
[
[
][
]
0 2 0 3 1 1
B= 1 3 1 1 0 0
0 0 1 0 0 1
2 0 0
B= 0 1 0
0 0 1
32
CASO II
Sea: A=
1 4
4 1
2x2
1 Hallaremos el polinomio caracterstico

(A-I)
][ ] [
1 4 0
4 1
0
1
4
4 1
2 Para hallar autovectores la det(A-I)=0
1
4
4 1
=0
(1- )2+16=0
Polinomio Caracterstico: 2-2+17
1=1+4i
2=1-4i
Nota: no es diagonalizable en
3 Hallando los autovectores
=1+4i
11
4
4 11
11
4
X
4 11 Y
][ ] [ ]
4 iX + 4 Y =0
{4
X 4 iY =0
0
0
2x2
33
X=X
Y=iX
[ YX ] [iXX ]
V1~
[1i ]
=X
V1=
[1i ]
V2=
[i1 ]
=1-4i
][ ] [ ]
12
4
X
4 12 Y
0
0
{44 iXX++44YiY=0=0
X=X
Y=-iX
V2~
P=
[ YX ] [iXX ]
=
[ ]
1 1
i i
; det (P) 0
1 1 i
i
P-1= 2 1
1 2+8 i
0
0
28i
P-1AP= 2
D=
1+ 4 i
0
0
14 i
b) Sea M
M=
[i1 ]
=X
]
2x2
3x3
[ ]
2 1 1
0 3 1
0 0 1
34

(A-I)
[ ][ ] [
2 1 1
0 0
0 3 1
0 0
0 0 1
0 0
2
1
1
0
3
1
0
0
1
2
1
1
0
3
1
0
0
1
2
1
1
3
1-
=0
=0
(1-)(2-)(3-)= 0
Polinomio Caracterstico: -3+82-20+16
(-4) (-2) (-2)=0
1=1 2=2 3=3
=1
21
1
1
0
3 1
1
0
0
1 1
[ ][ ] [ ]
1 1 1 X
0 2 1 Y
0 0 0 Z
{X2+YY ++ZZ=0=0
X=Y
0
0
0
35

Y=Y
Z=-2Y
V1~
[] [ ] [ ]
X
Y
Z
Y
Y
2 Y
=Y
Escriba aqu la ecuacin.
1
1
2
V1=
[]
1
1
2
36
=2
22
1
1
0
3 2
1
0
0
1 2
0 1 1 X
0 1 1 Y
0 0 1 Z
][ ] [ ]
=
0
0
0
Z=0
{Y +Z=0
X=X
Y=0
Z=0
[ ] [ ] []
X
Y
Z
V2~
X
0
0
=X
=3
23
1
1
0
3 3
1
0
0
1 3
1 1 1 X
0 0 1 Y
0 0 2 Z
Y=X
Z=0
][ ] [ ]
+ Z=0
{X2+YZ=0
X=X
1
0
0
0
0
0
V2=
[]
1
0
0
37

V1~
P=
[ ] [ ] []
X
Y
Z
1 1 1
1 0 1
2 0 0
=X
1
1
0
V1=
; det (P) 0
0 0 1
1
P-1= 2 2 2 0
0 1
1
[ ]
[ ]
P-1AP=
D=
X
X
0
1 0 0
0 2 0
0 0 3
1 0 0
0 2 0
0 0 3
CASO III
A=
3 1 1
0 2 0
1 1 3

(A-I)
[]
1
1
0
38
][ ] [
3 1 1
0 0
0 2 0
0 0
1 1 3
0 0
3 1
1
0
2
0
1
1 3
3 1
1
0
2
0
1
1 3
2-
3
1
1
3
=0
=0
(2-)((3-)(3-)-(1)1)= 0
(2-)(2-6+8)=0
(2-) (-4) (-2)=0
Polinomio Caracterstico: -3+82-20+16

(-4) (-2) (-2)=0
1=4 de multiplicidad 1 2=2 de multiplicidad 2
=4
3 1 1
1
0
2 1
0
1
1 3 1
1 1 1 X
0 2 0 Y
1 1 1 Z
][ ] [ ]
X Y + Z=0
2 Y =0
X Y Z=0
0
0
0
39

X=Z
Y=0
Z=Z
[ ] [] []
X
Y
Z
V1~
Z
0
Z
1
0
1
=Z
V1=
=2
][ ] [ ]
1 1 1 X
0 0 0 Y
1 1 1 Z
0
0
0
+ Z=0
{XY
XY + Z=0
X+Z=Y
V2~
[ ] [ ] [] []
V2=
[] []
P=
X
Y
Z
1
1
0
X
X +Z
Z
-1
P =
=X
0
1
1
[ ]
[
1 1 0
0 1 1
1 0 1
1
1
0
; det (P) 0
0.5 0.5 0.5

0.5
0.5 0.5
0.5 0.5
0.5
+Z
0
1
1
[]
1
0
1
40
[ ]
4 0 0
0 2 0
0 0 2
-1
P AP=
D=
[ ]
4 0 0
0 2 0
0 0 2
EJEMPLO 2:
B=
4 1 1
2 5 2
1 1 2

(B-I)
][ ] [
4 1 1
0 0
2 5 2 0 0
1 1 2
0 0
4
1
1
2
5 2
1
1
2
2 Para hallar autovectores la det(B-I)=0
4
1
1
2
5 2
1
1
2
4-
=0
| |
5 2
1
2
-1
2 2
1 2
+ (-1)
2 5
1
1
(4-)((5-)(2-)-(-2)1)-1(4-2-(-2)1)-1(2-(5-))=0
(4-)(10-7+2+2)+2-6-+3=0
(4-)( 2-7+12)+ -3=0
Polinomio Caracterstico: -3+112-4048+-3

3-112+39-45=0
=0
41

(-3)2( -5)=0
1=3 de multiplicidad 2 2=5 de multiplicidad 1
=3
41
1
1
2
5 1 2
1
1
2 1
1 1 1 X
2 2 2 Y
1 1 1 Z
][ ] [ ]
=
0
0
0
X +Y Z =0
2 X + 2Y 2 Z=0
X +Y Z =0
X+Y-Z=0
X+Y=Z
[ ] [ ] [] []
X
Y
Z
V1~
X
Y
X +Y
=X
=5
][ ] [ ]
1 1 1 X
2 0 2 Y
1 1 3 Z
X +Y Z=0
2 X2 Z=0
X +Y 3 Z=0
X=Z
Y=2Z
0
0
0
1
0
1
+Y
0
1
1
V1=
[] []
1
0
1
0
1
1
42

Z=Z
[ ] [ ] []
[]
X
Y
Z
V2~
[ ]
1 0 1
0 1 2
1 1 1
; det (P) 0
P =
P-1BP=
[ ]
-1
D=
=Z
1
2
1
1
2
1
V1=
P=
Z
2Z
Z
1 1 2
1 0
1
2
1 2
3 0 0
0 3 0
0 0 5
[ ]
3 0 0
0 3 0
0 0 5

Monografia Algebra Colla Muñoz Noé

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Monografia Algebra Colla Muñoz Noé

Caricato da

Copyright:

Formati disponibili

1

Universidad Nacional Mayor de San Marcos

Universidad Nacional Mayor de San Marcos

EXISTENCIA DEL ELEMENTO NEUTRO:

Universidad Nacional Mayor de San Marcos

EXISTENCIA DEL ELEMENTO INVERSO ADITIVO:

Universidad Nacional Mayor de San Marcos

(1 )1 +1 adet ( d )(1 )1+3 bdet(c)

(1 )1 +1 cdet ( b ) (1 )1+2 bdet (a)

Universidad Nacional Mayor de San Marcos

Esto cumple para cualquier matriz de orden NXN

ADJUNTO DE UNA MATRIZ

Consideremos una matriz n-cuadrada A = (ai j ) sobre un cuerpo K. El adjunto

Los cofactores de los nueve elementos de A son:

La traspuesta de la matriz de los cofactores anteriores proporciona el

Universidad Nacional Mayor de San Marcos

C al cul a mos e l de te rmi n an te de l a mat riz , en el cas o qu e e l

H all am os l a ma tri z ad ju n ta, qu e e s aq u el l a e n l a qu e cad a

Universidad Nacional Mayor de San Marcos

C al cul a mos l a trasp u e st a d e l a matri z ad ju n ta.

La matri z in ve rsa e s ig u al al i nve rs o de l val or d e su

CALCULO DE LA MATRIZ INVERSA POR MTODO DE GAUSSJORDN:

Universidad Nacional Mayor de San Marcos

C on sid e re m os u n a ma tri z 3x3 arb i trari a

La a mpl i amo s c on l a matri z i de n ti d ad de ord e n 3.

Uti li z an d o e l m tod o Gau s s vam os a tran sf o rmar l a mi tad

Universidad Nacional Mayor de San Marcos

La matriz inversa es:

MATR IZ TR INGUL AR SUP ER IO R :

Universidad Nacional Mayor de San Marcos

Una matriz cuadrada A se llama simetrica si coincide con su

Universidad Nacional Mayor de San Marcos

se dice que es nilpotente si existe

Matriz nilpotente de orden 4.

Universidad Nacional Mayor de San Marcos

RANGO DE UNA MATRIZ

P od em o s de sc art ar una fi l a (o col um na ) si :

Universidad Nacional Mayor de San Marcos

Un a fi l a (o col u mn a) e s p rop o rci on al a otr a.

Un a fi l a (o col u mn a) e s c omb i n aci n l in e al de ot ras.

Comprobamos si tiene rango mayor o igual que 1, para ello se

Tendr rango mayor o igual que 3 si existe alguna submatriz

Como tod os los determinantes de las submatrices son nulos

Calculo del rango de una matriz por Gauss- Jordan:

Podemos descartar una lnea si:

Todos sus coefi cientes son ce ros.

Universidad Nacional Mayor de San Marcos

Hay dos lneas iguales.

Una lnea es p roporcion al a otra.

Una lnea es combinacin lineal de otras.

En general consiste en hacer nulas el mximo nmero de

Universidad Nacional Mayor de San Marcos

Universidad Nacional Mayor de San Marcos

Universidad Nacional Mayor de San Marcos

Universidad Nacional Mayor de San Marcos

Sean V y W espacios vectoriales. Una transformacin lineal T

v V un vector nico T(v) W y que satisface:

Se cumple los axiomas, por lo tanto T es una transformacin lineal.

Universidad Nacional Mayor de San Marcos

1. La imagen del cero vector de V es el cero vector de W.

2. La imagen del inverso de X es el inverso de X.

3. La transformada de la combinacin lineal es la combinacin lineal de la

T (1V1 2V2 ... NVN ) 1T (V1 ) 2T (V2 ) ... N T (VN )