Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Universidad de Córdoba
Facultad de Ciencias Básicas e Ingenierías
Departamento de Matemáticas
Índice general
Prólogo 4
2. Matrices 21
2.1. Terminología básica . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3. Producto por escalar . . . . . . . . . . . . . . . . . . . . . . . 23
2.4. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.1. Producto de matrices . . . . . . . . . . . . . . . . . . . 25
2.4.2. Operaciones elementales de …la y producto de matrices 30
2.5. Matrices triangulares y factorización LU . . . . . . . . . . . . 32
2.6. Traspuesta y traza de una matriz . . . . . . . . . . . . . . . . 35
2.6.1. Traspuesta de una matriz . . . . . . . . . . . . . . . . 35
2.6.2. Traza de una matriz . . . . . . . . . . . . . . . . . . . 36
2.7. Determinante de una matriz . . . . . . . . . . . . . . . . . . . 37
2.7.1. Permutaciones . . . . . . . . . . . . . . . . . . . . . . . 37
2.7.2. Determinante de una matriz . . . . . . . . . . . . . . . 38
2.8. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . 43
2.9. Sistemas de ecuaciones lineales y matrices . . . . . . . . . . . 47
2.10. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3. Espacios vectoriales 54
3.1. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2
ÍNDICE GENERAL 3
4. Transformaciones lineales 81
4.1. Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . 81
4.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5. Ortogonalidad 108
5.1. Espacios con productos interiores . . . . . . . . . . . . . . . . 108
5.2. Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . 109
5.3. Vectores ortogonales . . . . . . . . . . . . . . . . . . . . . . . 113
5.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Bibliografía 142
Prólogo
En este trabajo se realiza un estudio de los más importantes temas que com-
ponen normalmente un primer curso de Álgebra Líneal. Estos temas son:
Sistemas de Ecuaciones Lineales, Matrices, Espacios Vectoriales, Transfor-
maciones Lineales, Ortogonalidad y Valores y vectores Propios.
Mayo 22 de 2006.
4
Capítulo 1
SISTEMAS DE ECUACIONES
LINEALES
1
2 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES
2 3
a1
6 .. 7
El producto de un elemento a 2 R por un elemento 4 . 5 de Rn se de…ne
an
como 2 3 2 3
a1 aa1
6 .. 7 6 .. 7
a 4 . 5 = 4 . 5 2 Rn ,
an aan
donde aai , para i = 1; :::; n, es el producto usual en R. La suma de dos
elementos 2 3 2 3
a1 b1
6 .. 7 6 .. 7
4.5 y 4.5
an bn
de Rn se de…ne como
2 3 2 3 2 3
a1 b1 a1 + b 1
6 .. 7 6 .. 7 6 .. 7 n
4 . 5+4 . 5=4 . 52R ,
an bn an + b n
a1 x 1 + a2 x 2 + + an xn = b, (1.1)
tal que
a1 c1 + a2 c2 + + an cn = b.
Ejemplo 1.1. La ecuación lineal
tales que x3 = 4.
Solución. 3x1 2x2 + 4x3 x4 = 0 y x3 = 4 implica 3x1 2x2 + 16 x4 = 0,
lo cual equivale a que 3x1 2x2 x4 = 16. Si suponemos que x1 y x2 son
conocidas, entonces x4 = 3x1 2x2 + 16. Luego la solución general de la
ecuación lineal 3x1 2x2 + 4x3 x4 = 0, sujeta a la condición x3 = 4 es:
2 3
x1
6 x2 7
6 7
4 4 5
3x1 2x2 + 16
con x1 ; x2 2 R.
Fin
Salida xn ; :::; x2 ; x1 .
Fin.
En efecto,
8
< 2x1 + x2 + x3 = 1
x1 + 3x2 3x3 = 2
:
x1 + 2x2 + 4x3 = 3
8
< x1 + 3x2 3x3 = 2
E1 ! E2 2x1 + x2 + x3 = 1
:
x1 + 2x2 + 4x3 = 3
8
< x1 + 3x2 3x3 = 2
E2 ! 2E1 + E2
5x2 + 7x3 = 3
E3 ! E1 + E3 :
x2 + 7x3 = 1
8
< x1 + 3x2 3x3 = 2
E2 ! E3 x2 + 7x3 = 1
:
5x2 + 7x3 = 3
8
< x1 + 3x2 3x3 = 2
E3 ! 5E2 + E3 x2 + 7x3 = 1 .
:
28x3 = 8
2 2
Entonces x3 = , x2 = 7x3 1 = 7( ) 1=1 y
7 7
2 1
x1 = 3x2 + 3x3 + 2 = 3(1) + 3( ) + 2 = .
7 7
Así, la solución del sistema es
2 3
1=7
4 1 5.
2=7
Ejemplo 1.8. Resolvamos el sistema
8
>
> x1 + 2x2 + 0x3 = 0
>
>
< 2x1 + 0x2 + 4x3 = 0
2x1 + 2x2 + 6x3 = 0 .
>
>
>
> 3x1 + x2 + 7x3 = 0
:
x1 x2 + x3 = 0
1.2. SISTEMAS DE ECUACIONES LINEALES 11
En efecto,
8
>
> x1 + 2x2 + 0x3 = 0
>
>
< 2x1 + 0x2 + 4x3 = 0
2x1 + 2x2 + 6x3 = 0
>
>
>
> 3x1 + x2 + 7x3 = 0
:
x1 x2 + x3 = 0
8
>
> x1 + 2x2 + 0x3 = 0
E2 ! 2E1 + E2 >
>
< 4x2 + 4x3 = 0
E3 ! 2E1 + E3
6x2 + 6x3 = 0
E4 ! 3E1 + E4 >
>
>
> 7x2 + 7x3 = 0
E5 ! E1 + E5 :
x2 + x3 = 0
8
>
> x1 + 2x2 + 0x3 = 0
>
>
< x2 + x3 = 0
E2 ! 14 E2 6x2 + 6x3 = 0
>
>
>
> 7x2 + 7x3 = 0
:
x2 + x3 = 0
8
>
> x1 + 2x2 + 0x3 = 0
>
>
E3 ! 6E2 + E3 < x2 + x3 = 0
E4 ! 7E2 + E4 0 = 0 .
>
>
E5 ! E2 + E5 >
> 0 = 0
:
0 = 0
Solución.
8
< x1 + x2 + x3 + x4 + x5 + x6 = 1
x1 x2 + x3 3x4 + 0x5 4x6 = 1
:
x1 + x2 + 3x3 x4 + 3x5 3x6 = 5
E2 ! E1 + E2
E3 ! E1 + E3
8
< x1 + x2 + x3 + x4 + x5 + x6 = 1
2x3 2x4 + x5 3x6 = 2
:
2x3 2x4 + 2x5 4x6 = 4
E3 ! E2 + E3
8
< x1 + x2 + x3 + x4 + x5 + x6 = 1
2x3 2x4 + x5 3x6 = 2 .
:
x5 x6 = 2
De donde, x6 = x6 , x5 = x6 + 2, x4 = x4 ,
2x4 x5 + 3x6 + 2 2x4 (x6 + 2) + 3x6 + 2
x3 = = = x4 + x6 ,
2 2
x2 = x2 y
x1 = x2 x3 x4 x5 x6 + 1
= x2 (x4 + x6 ) x4 (x6 + 2) x6 + 1
= x2 2x4 3x6 1.
Luego, la solución del sistema es
82 3 9
>
> x2 2x4 3x6 1 >
>
>
> 6 7 >
>
>
> 6 x 2 7 >
>
<6 7 =
6 x 4 + x 6 7 : x 2 ; x 4 ; x6 2 R
> 6 x4 7 >
>
> 6 7 >
>
>
> 4 x + 2 5 >
>
>
: 6 >
;
x6
8 2 3 2 3 2 3 2 3 9
>
> 1 2 3 1 >
>
>
> 6 7 6 7 6 7 6 7 >
>
>
> 1 0 0 0 >
< 6 6
7
7
6
6
7
7
6
6
7 6
7 6
7
7
>
=
0 1 1 0
= x2 6
6
7 + x4 6
7 6
7 + x6 6
7 6
7+6
7 6
7 : x 2 ; x4 ; x6 2 R .
7
>
> 6 0 7 6 1 7 6 0 7 6 0 7 >
>
>
> 4 5 4 5 4 5 4 5 >
>
>
> 0 0 1 2 >
>
: ;
0 0 1 0
1.2. SISTEMAS DE ECUACIONES LINEALES 13
Para hallar una solución particular del sistema tenemos que dar valores es-
pecí…cos a x2 , x4 y x6 . Por ejemplo, si x2 = 1, x4 = 1 y x6 = 2, tenemos
entonces que
2 3 2 3 2 3 2 3 2 3
1 2 3 1 6
6 1 7 6 0 7 6 0 7 6 0 7 6 1 7
6 7 6 7 6 7 6 7 6 7
6 0 7 6 1 7 6 7 6 7 6 7
6 7 6 7 + 26 1 7 + 6 0 7 = 6 1 7
6 0 7 6 1 7 6 0 7 6 0 7 6 1 7
6 7 6 7 6 7 6 7 6 7
4 0 5 4 0 5 4 1 5 4 2 5 4 4 5
0 0 1 0 2
En efecto,
8
< x1 x2 5x3 = 0
2x1 + 2x2 2x3 = 1
:
3x1 + 4x2 x3 = 1
8
< x1 x2 5x3 = 0
E2 ! 2E1 + E2
4x2 + 8x3 = 1
E3 ! 3E1 + E3 :
7x2 + 14x3 = 1
8
< x1 x2 5x3 = 0
E3 ! ( 7=4)E2 + E3 4x2 + 8x3 = 1 .
:
0 = 3=4
por unidad de las acciones de la compañia B bajaron $0;5, pero que el precio
de las acciones de la compañia C subió $0;5 cada una. También recuerda que
ayer el precio de las acciones de A subió $1;5 por acción, el de las de B bajó
otros $0;5 por acción y las de C subieron $1. Si el inversionista posee 200
acciones de la compañía C, encuentre el número de acciones que posee en
las conpañías A y B.
Solución. Supongamos que hace tres días el inversionista tenía $Z in-
vertidos en las tres compañias, y que en ese momento cada acción de las
compañias A; B y C tenían respectivamente valores de $ , $ y $ . Supong-
amos además que x1 es el número de acciones de la compañía A que posee el
inversionista y que x2 es la cantidad de acciones que tiene en la compañía B.
Entonces la información suministrada nos conduce al sistema de ecuaciones
8
< x1 + x2 + 200 = Z
1 1
( 1)x1 + ( 2
)x2 + ( + 2 )200 = Z 350 ;
: 3 1 1 1
( 1 + 2 )x1 + ( 2 2
)x2 + ( + 2 + 1)200 = Z 350 + 600
a1 x 1 + a2 x 2 + + an x n = b
y 8
< 5x1 + 2x2 + 2x3 + x4 + 2x5 + 3x6 = 0
x1 + 3x2 + x3 + 0x4 + x5 + x6 = 0 .
:
x1 + 2x2 + 4x3 + x4 + x5 + 4x6 = 0
a) no tiene solución.
b) tiene solución única.
c) tiene in…nitas soluciones.
f (x) = ax2 + bx + c
Exercise 14. Las edades de Carlos, Pedro y Juan suman el doble de la edad
de Carlos, la diferencia entre las edades de Juan y Pedro es cinco veces menor
que la edad de Carlos, y Pedro tiene seis años menos que Juan. Descubra las
edades de Carlos, Pedro y Juan.
Exercise 15. Un padre desea distribuir sus bienes raíces cuyo valor es $234000,
entre sus cuatro hijas de la manera siguiente: 2=3 de las propiedades deben
dividirse por igual entre las hijas. Para el resto, cada hija debe recibir $3000
cada año hasta si vigésimo primer cumpleaño. Como entre ellas se llevan
tres años, ¿cuánto recibiría cada una de los bienes de su padre? ¿Qué edad
tienen ahora esas hijas?
Exercise 17. Un viajero que acaba de regresar de Europa gastó $30 diarios
en Inglaterra, $20 diarios en Francia y $20 diarios en España por concepto de
hospedaje. En comida gastó $20 diarios en Inglaterra, $30 diarios en Francia
y $20 diarios en España. Sus gastos adicionales fueron de $10 diarios en cada
país. Los registros del viajero indican que gastó un total de $340 en hospedaje,
$320 en comida y $140 en gastos adicionales durante su viaje por estos tres
países. calcule el número de días que pasó el viajero en cada país o muestre
que los registros son incorrectos debido a que las cantidades gastadas no son
compatibles una con la otra.
Matrices
21
22 CAPÍTULO 2. MATRICES
Ejemplo. Si 2 3
1 1 2
6 0 5 6 7
A=6
4
7;
3 4 2 5
5 5 8
entonces el tamaño de A es 4 3, la componente 2 3 de A es A2 3 = 6, la
…la 3 de A es A3 = 3 4 2 y la columna 2 de A es
2 3
1
6 5 7
A =6
4
7.
2
4 5
5
De…nición. Si A; B 2 Rm n
, de…nimos la suma de A y B como la matriz
A + B 2 Rm n tal que
Ejemplo. 2 3 2 3 2 3
1 4 1 3 2 1
4 0 4 5+4 5 4 5=4 5 8 5.
2 3 1 6 3 9
1. (A + B) + C = A + (B + C).
2. A + B = B + A.
3. La matriz nula 0 2 Rm n
es la una única matriz tal que A + 0 = A para
toda A 2 Rm n .
Demostración. Ejercicio.
(cA)ij = cAij
Ejemplo. 2 3 2 3
0 3 2 0 9 6
3 4 1=2 5 6 5 = 4 3=2 15 18 5 .
6 3 8 18 9 24
1. (ab)A = a(bA).
2. a(A + B) = aA + aB.
3. (a + b)A = aA + bA.
4. 1A = A.
5. ( 1)A = A.
6. 0A = 0.
7. a0 = 0.
Demostración. Ejercicio.
Ejemplo. Si
2 3 2 3 2 3
1 2 0 0 1 1
A=4 1 0 5 , B = 4 1 1 5 , C = 4 1 1 5 2 R3 2 ,
3 1 2 2 1 1
entonces
2 3 2 3 2 3
3 6 0 0 1 1
3A + 2B C=4 3 0 5+4 2 2 5+4 1 1 5
9 3 4 4 1 1
2 3
2 5
=4 2 1 5.
6 6
2.4. PRODUCTO DE MATRICES 25
Ejemplo. Si
2 3
2 3 4 1
1 2 3
A= yB=4 5 1 0 3 5,
4 5 6
7 5 2 2
entonces
2 3
1
A2 B 4 = 4 5 6 4 3 5 = (4)(1) + (5)(3) + (6)( 2) = 7.
2
Ejemplo.
2 3
2 3 1 2 2 3
4 2 0 1 6 4 11
3 0 7
4 2 3 1 1 56
4
7 = 4 10 0 5.
5 1 5
2 5 3 6 16 17
2 3
Nótese que para que el producto AB tenga sentido se requiere que el número
de columnas de A sea igual al número de …las de B. En el evento en que esta
condición no se de, el producto de A por B no se puede realizar.
26 CAPÍTULO 2. MATRICES
y 2 32 3 2 3
2 3 1 1 2 1 1 7 12
4 2 0 3 54 1 1 3 5 = 4 8 4 5 5.
1 1 1 2 0 1 2 3 5
Si A 2 Rm n
y B 2 Rn p
tenemos:
Ai B = Ai1 B1 + + Ain Bn ,
AB j = B1j A 1 + + Bnj A n ,
AB = A [B B p ] = [AB 1
1 AB p ] ,
2 3 2 3
A1 A 1B
6 .. 7 6 .. 7
AB = 4 . 5 B = 4 . 5
Am A mB
y
AB = A 1 B1 + + A n Bn .
La demostración y ejempli…cación de estas propiedades se dejan como ejer-
cicio.
A(B + C) = AB + AC.
2.4. PRODUCTO DE MATRICES 27
P
n P
n P
n
= (Aik Bkj + Aik Ckj ) = Aik Bkj + Aik Ckj
k=1 k=1 k=1
(A + B)C = AC + BC.
Demostración. Ejercicio.
A(BC) = (AB)C.
= (AB)i C j = ((AB)C)ij .
AIn = A y Im A = A.
en consecuencia Im A = A.
A(In ) j = A j y (Im )i A = Ai .
de donde (Im )i A = Ai .
Ejemplo. Sean
2 3 2 3
1 4 7 0 0 1
A=4 2 5 8 5 y P = 4 1 0 0 5.
3 6 9 0 1 0
Entonces
2 32 3 2 3
1 4 7 0 0 1 4 7 1
AP = 4 2 5 8 5 4 1 0 0 5 = 4 5 8 2 5 .
3 6 9 0 1 0 6 9 3
Ak = AA
| {z A} :
k veces
A5 = AAAAA = AA4 = A4 A = A2 A3 = A3 A2 .
Así, las leyes usuales de los exponentes son ciertas. Es decir, para enteros no
negativos r y s
Demostración. Ejercicio.
Ejemplo. Sea 2 3
1 2 3 4
A=4 1 0 3 2 5 2 R3 4 .
2 2 0 3
Entonces
2 3 2 3
1 2 3 4 2 2 0 3
4 1 0 3 2 5 F1 ! F3 4 1 0 3 2 5,
2 2 0 3 1 2 3 4
2.4. PRODUCTO DE MATRICES 31
2 3 2 3
1 2 3 4 1 2 3 4
4 1 0 3 2 5 F2 ! 3F2 4 3 0 9 6 5,
2 2 0 3 2 2 0 3
2 3 2 3
1 2 3 4 1 2 3 4
4 1 0 3 2 5 F3 ! F3 + ( 2)F2 4 1 0 3 2 5.
2 2 0 3 4 2 6 7
Ejemplo. La matriz 2 3
1 0 0
E = 4 0 1 0 5 2 R3 3
0 3 1
es elemental, ya que
I3 F3 ! F3 + 3F2 E:
Im Fi ! Fj E1 ,
Im Fi ! cFi E2 ,
Im Fi ! Fi + cFj E3 .
Entonces
1. A Fi ! Fj E1 A.
2. A Fi ! cFi E2 A.
3. A Fi ! Fi + cFj E3 A.
Demostración. Ejercicio.
32 CAPÍTULO 2. MATRICES
Ejemplo. Si 2 3
1 2 2
A = 4 3 1 2 5 2 R3 3 ,
2 3 1
entonces
2 3 2 3
7 4 6 1 2 0
A F1 ! F1 + 2F2 4 3 1 2 5 = 4 0 1 0 5 A.
2 3 1 0 0 1
Donde 2 3
1 2 0
I3 F1 ! F1 + 2F2 4 0 1 0 5.
0 0 1
Para j = 1; :::; n 1
Para i = j + 1; :::; n
Fi ! cij Fi 1 + Fi
Fin
Fin
2.5. MATRICES TRIANGULARES Y FACTORIZACIÓN LU 33
12 27 15 14
Solución.
2 3 2 3
2 2 1 1 2 2 1 1
6 2 5 4 4 7 F2 ! F1 + F2 6 0 3 3 3 7
6 7 6 7
4 8 14 8 8 5 F3 ! 4F1 + F3 4 0 6 4 4 5
F4 ! 6F1 + F4
12 27 15 14 0 15 9 8
2 3
2 2 1 1
F3 ! 2F2 + F3 6
6 0 3 3 3 77
F4 ! 5F2 + F4 4 0 0 2 2 5
0 0 6 7
2 3
2 2 1 1
6 0 3 3 3 7
F4 ! 3F3 + F4 6
4 0
7 = U,
0 2 2 5
0 0 0 1
34 CAPÍTULO 2. MATRICES
entonces 2 3
1 0 0 0
6 1 1 0 0 7
L=6
4 4
7.
2 1 0 5
6 5 3 1
Así,
2 3 2 32 3
2 2 1 1 1 0 0 0 2 2 1 1
6 2 5 4 4 7 6 1 1 0 7 6
0 76 0 3 3 3 7
A=6 7 6
4 8 14 8 8 5 = 4 4
7 = LU.
2 1 0 54 0 0 2 2 5
12 27 15 14 6 5 3 1 0 0 0 1
La factorización A = LU es muy útil en la solución computacional de sis-
temas de ecuaciones lineales. Si deseamos resolver el sistema de ecuaciones
lineales Ax = b y contamos con una factorización A = LU, entonces ten-
emos la alternativa de resolver los sistemas triangulares (fáciles de resolver)
Ly = b y luego Ux = y para obtener la solución del sistema inicial.
Ejemplo 2.2. Resolver el sistema de ecuaciones lineales
2x1 + 2x2 + x3 + x4 = 1 = 1
2x1 + 5x2 + 4x3 + 4x4 = 2 = 2
:
8x1 + 14x2 + 8x3 + 8x4 = 1 = 1
12x1 + 27x2 + 15x3 + 14x4 = 0 = 0
Solución. La matriz del sistema es
2 3 2 32 3
2 2 1 1 1 0 0 0 2 2 1 1
6 2 5 4 4 7 6 1 1 0 0 7 6 0 3 3 3 7
A=6 4 8
7=6 76 7 = LU.
14 8 8 5 4 4 2 1 0 54 0 0 2 2 5
12 27 15 14 6 5 3 1 0 0 0 1
Resolvamos primero el sistema
2 32 3 2 3
1 0 0 0 y1 1
6 1 1 0 7 6
0 7 6 y2 7 6 2 7
Ly = 6
4 4 2 1
7=6 7 = b.
0 5 4 y3 5 4 1 5
6 5 3 1 y4 0
Es decir, el sistema
y1 = 1 = 1
y1 + y2 = 2 = 2
:
4y1 + 2y2 + y3 = 1 = 1
6y1 + 5y2 + 3y3 + y4 = 0 = 0
2.6. TRASPUESTA Y TRAZA DE UNA MATRIZ 35
y1 = 1; y2 = 1; y3 = 7; y4 = 10.
es decir
2x1 + 2x2 + x3 + x4 = 1
3x2 + 3x3 + 3x4 = 1
;
2x3 2x4 = 7
x4 = 10
el cual tiene como solución
23 19 27
x1 = ; x2 = ; x3 = ; x 4 = 10;
12 6 2
la cual es también la solución del sitema Ax = b.
Ejemplo. Si
2 3
1 2
1 3 7
A = 4 3 5 5 2 R3 2 , entonces AT = 2 R2 3 .
2 5 9
7 9
1. (AT )T = A.
2. (A + B)T = AT + BT .
3. (cA)T = cAT .
4. Si C 2 Rn p , entonces (AB)T = BT AT .
Demostración. Ejercicio.
De…nición. Sea A 2 Rn n
. La traza de A se de…ne como
2. tr(cA) = c tr(A).
3. tr(AB) = tr(BA).
4. tr(A) = tr(AT ).
Demostración. Ejercicio.
2.7.1. Permutaciones
1 2 n
=
(1) (2) (n)
para convertirla en
12 n
es un número par. En caso distinto tiene signo . Denotaremos el signo
de por sgn( ).
38 CAPÍTULO 2. MATRICES
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
En particular, si
23
1 2 3
A=4 4 5 6 5
7 8 9
2.7. DETERMINANTE DE UNA MATRIZ 39
tenemos que
(3)(5)(7) = 45 + 84 + 96 48 72 105 = 0.
Demostración. Ejercicio.
Demostración. Ejercicio.
Como un caso especial tenemos, que por ser In una matriz triangular,
det(In ) = 1 1 = 1.
es igual a
(T)11 (T)22 (T)33 = ( 1)(2)(4) = 8.
Demostración. Ejercicio.
det(A) = det(B).
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
2.7. DETERMINANTE DE UNA MATRIZ 41
Una combinación de los Teoremas 2.13, 2.15, 2.16 y 2.17, nos permitirá cal-
cular el determinante de cualquier matriz de una manera bastante sencilla.
En el siguiente ejemplo damos una pequeña muestra de este hecho.
Luego
det(A) = (2)( 1)(1)(1)(2) = 4.
Demostración. Ejercicio.
Demostración. Ejercicio.
2.8. INVERSA DE UNA MATRIZ 43
Demostración.
Puesto que una matriz A n n puede tener a lo más una inversa, es con-
veniente tener un símbolo para representar la inversa de A cuando exista, el
símbolo que usaremos será A 1 .
AC = ABA AIn + AB = A A + In = In .
Demostración.
AB(B 1 A 1 ) = A(BB 1 )A 1
= AIn A 1
= AA 1
= In .
Además,
(B 1 A 1 )AB = B 1 (A 1 A)B = B 1 In B = B 1 B = In .
1
Luego AB es invertible y (AB) = B 1A 1.
El teorema que sigue da una condición su…ciente y necesaria para que una
matriz sea invertible.
Demostración. Ejercicio.
det(A 1 ) = (det(A)) 1 .
Demostración. Ejercicio.
2.8. INVERSA DE UNA MATRIZ 45
Demostración. Ejercicio.
Teorema 2.28. Sea A n n tal que A tiene una columna nula. Entonces
A no es invertible.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
2 3 2 3
1 0 2 1 0 0
4
E7 = 0 1 0 5 y E8 = 4 0 1 32 5 .
0 0 1 0 0 1
A = E1 Ep .
Pero
A = E1 Ep =) Ep 1 E1 1 A = In
=) A 1
= Ep 1 E1 1
=) A 1
= Ep 1 E1 1 In
Concluimos de lo anterior que A 1 se puede hallar realizando a In , de manera
ordenada, las mismas operaciones elementales de …la que se le realizan a A
para convertirla en In .
En efecto,
2 3 2 3
1 0 0 1 0 0 1 0 0 1 0 0
4 1 2 0 0 1 0 5 F2 ! F2 + F1 4 0 2 0 1 1 0 5
3 0 1 0 0 1 3 0 1 0 0 1
2 3
1 0 0 1 0 0
F3 ! F3 3F1 4 0 2 0 1 1 0 5
0 0 1 3 0 1
2 3
1 0 0 1 0 0
F2 ! 21 F2 4 0 1 0 1 1
0 5.
2 2
0 0 1 3 0 1
2.9. SISTEMAS DE ECUACIONES LINEALES Y MATRICES 47
Así, 2 3
1 0 0
A 1
=4 1
2
1
2
0 5.
3 0 1
Demostración. Ejercicio.
1
Teorema Sea A n n simétrica e invertible. Entonces A es simétrica.
Demostración. Ejercicio.
1
Teorema Sea A n n antisimétrica e invertible. Entonces A es anti-
simétrica.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
2.10. Ejercicios
1. Calcule 2 3 2 3
1 2 3 2 3 1
4 4 5 6 5+4 0 3 2 5
7 8 9 5 2 6
3. Calcule
2 3 4
3 .
1 0 5
5. Calcule 2 3
1 5 0 2
2 3 3 4 3 7 6 1 5.
8 1 5
6 0 2 4
12. Sean A 2 Rn n
y c 2 R. Demuestre que det(cA) = cn det(A).
14. Si 2 3
3 6 7
A = 4 0 2 0 5,
1 1 2
2 3
2 5=2 7
veri…que que A 1
=4 0 1=2 0 5.
1 3=2 3
22. Sean A; B 2 Rn n
matrices simétricas. Demuestre que A + B es también
simétrica.
24. Sea A 2 Rn n
. Demuestre que si A es antisimétrica, entonces Aii = 0
para toda i.
AB BA = In .
30. Sean A 2 Rn n
y P 2 Rn n
invertible. Demuestre que
AT = A 1 .
son ortogonales.
32. Sea A 2 Rn n
. Demuestre que A es ortogonal si y sólo si AT es ortogonal.
33. Sea A 2 Rm n
. Demuestre que A = 0 si y sólo si tr(AT A) = 0:
34. Sea A 2 Rm n
. Demuestre que A = 0 si y sólo si AT A = 0:
35. Sean A 2 Rm n
y B,C 2 Rn p . Demuestre que AB = AC si y sólo si
AT AB = AT AC.
37. Sean A 2 Rm n
, B 2 Rn p
y C 2 Rp m
. Demuestre que
38. Sean A 2 Rm n
, B 2 Rn p
y C 2 Rp m
. Demuestre que
tr(ABC) = tr(BAC):
40. Sea A 2 Rn n
tal que AT A = A2 . Demuestre que
tr[(A AT )T (A AT )] = 0
y que A es simétrica.
Capítulo 3
Espacios vectoriales
54
3.1. ESPACIOS VECTORIALES 55
n n
+ : 2 R 3 2R 3 ! 2 Rn 3
x1 y1 x1 + y1
6 .. 7 6 .. 7 6 .. 7
(4 . 5 ; 4 . 5) 7 ! 4 . 5
xn yn xn + yn
y
: R2 Rn3 ! 2 Rn 3
x1 cx1
6 .. 7 6 .. 7
(c; 4 . 5) 7 ! 4 . 5
xn cxn
(a)
2 3 2 3 2 3
x1 y1 x1 + y1
6 7 6 .. 7 = 6 7
x + y = 4 ... 5 + 4 . 5 4
..
. 5
xn yn xn + yn
2 3 2 3 2 3
y1 + x1 y1 x1
6 .. 7 6 .. 7 + 6 .. 7 = y + x.
= 4 . 5=4 . 5 4 . 5
yn + xn yn xn
56 CAPÍTULO 3. ESPACIOS VECTORIALES
(b)
2 3 02 3 2 31 2 3 2 3
x1 y1 z1 x1 y1 + z1
6 7 B6 .. 7 + 6 .. 7C = 6 .. 7 + 6 7
x + (y + z) = 4 ... 5 + @4 . 5 4 . 5A 4 . 5 4
..
. 5
xn yn zn xn yn + zn
2 3 2 3
x1 + (y1 + z1 ) (x1 + y1 ) + z1
6 .. 7 6 .. 7
= 4 . 5=4 . 5
xn + (yn + zn ) (xn + yn ) + zn
2 3 2 3 02 3 2 31 2 3
x1 + y1 z1 x1 y1 z1
6 .. 7 6 .. 7 = B6 .. 7 + 6 .. 7C + 6 .. 7
= 4 . 5+4 . 5 @4 . 5 4 . 5A 4 . 5
xn + yn zn xn yn zn
= (x + y) + z.
2 3
0
6 .. 7
(c) Sea 0 = 4 . 5, entonces
0
2 3 2 3 2 3 2 3
x1 0 x1 + 0 x1
6 7 6 7 6 7 6 .. 7
x + 0 = 4 ... 5 + 4 ... 5 = 4 ..
. 5 = 4 . 5 = x.
xn 0 xn + 0 xn
2 3
x1
6 7
(d) Sea x = 4 ... 5, entonces
xn
2 3 2 3 2 3 2 3
x1 x1 x1 + ( x1 ) 0
6 .. 7 6 .. 7 6 .
.. 7 6 . 7
x + ( x) = 4 . 5 + 4 . 5 = 4 5 = 4 .. 5 = 0.
xn xn xn + ( xn ) 0
(e) 2 3 2 3 2 3
x1 1x1 x1
6 7 6 7 6 .. 7 = x.
1x = 1 4 ... 5 = 4 ... 5 = 4 . 5
xn 1xn xn
3.1. ESPACIOS VECTORIALES 57
(f )
2 3 2 3 2 3
x1 (c1 c2 )x1 c1 (c2 x1 )
6 7 6 7 6 7
(c1 c2 )x = (c1 c2 ) 4 ... 5 = 4 ..
. 5=4
..
. 5
xn (c1 c2 )xn c1 (c2 xn )
2 3 0 2 31
c2 x1 x1
6 7 B 6 .. 7C = c (c x).
= c1 4 ... 5 = c1 @c2 4 . 5A 1 2
c2 xn xn
(g)
02 3 2 31 2 3 2 3
x1 y1 x1 + y1 c(x1 + y1 )
B6 7 6 .. 7C = c 6 7 6 7
c(x + y) = c @4 ... 5 + 4 . 5A 4
..
. 5=4
..
. 5
xn yn xn + yn c(xn + yn )
2 3 2 3 2 3 2 3 2 3
cx1 + cy1 cx1 cy1 x1 y1
6 .. 7 6 .. 7 6 .. 7 6 . 7 6 . 7
= 4 . 5 = 4 . 5 + 4 . 5 = c 4 .. 5 + c 4 .. 5
cxn + cyn cxn cyn xn yn
= cx + cy.
(h)
2 3 2 3 2 3
x1 (c1 + c2 )x1 c1 x1 + c2 x1
6 7 6 7 6 7
(c1 + c2 )x = (c1 + c2 ) 4 ... 5 = 4 ..
. 5=4
..
. 5
xn (c1 + c2 )xn c1 xn + c2 xn
2 3 2 3 2 3 2 3
c1 x1 c2 x1 x1 x1
6 7 6 7 6 .. 7 + c 6 .. 7 = c x + c x.
= 4 ... 5 + 4 ... 5 = c1 4 . 5 24 . 5 1 2
c1 xn c2 xn xn xn
f +g : S ! R
:
s 7 ! f (s) + g(s)
Si f 2 V y c 2 R se de…ne cf como
cf : S ! R
.
s 7 ! cf (s)
+ : V V ! V
(f; g) 7 ! f +g
y
: R V ! V
;
(c; f ) 7 ! cf
es un espacio vectorial.
3.2. Subespacios
De…nición. Sea W un subconjunto no vacío de un espacio vectorial V sobre
R. Si W es también un espacio vectorial sobre R con la suma de vectores y
multiplicación por escalar de…nidas en V y restringidas a W , entonces W
es llamado un subespacio de V .
= r(0) + (0) = 0.
60 CAPÍTULO 3. ESPACIOS VECTORIALES
2 3 2 3
x1 x2
Luego, r 4 y1 5 + 4 y2 5 2 W . Por Teorema 3.2 W es subespacio de R3 .
z1 z2
El ejemplo anterior se puede generalizar. El lector no tendrá di…cultad en
veri…car, usando el Teorema 3.2, que dados a1 ; :::; an 2 R
82 3 9
>
< x1 >
=
6 .. 7
W = 4 . 5 : a1 x 1 + + an x n = 0
>
: x >
;
n
es un subespacio de Rn .
S = fx1 ; :::; xr g
x = c1 x1 + + cr xr ;
c1 c2 + 2c3 = 13
2c1 + c2 + c3 = 5 ,
3c1 + 2c2 + c3 = 4
Así, 2 3 2 3 2 3 2 3
1 1 2 13
54 2 5 64 1 5 + 14 1 5 = 4 5 5;
3 2 1 4
2 3
13
por tanto 4 5 5 si está en el generado de S. Nótese que al dar cualquier
4 2 3
13
otro valor a c3 obtenemos otra forma de escribir a 4 5 5 como combinación
4
lineal de los vectores de S. Es decir, que como consecuencia de que el sistema
de ecuaciones lineales asociado a esta primera parte del ejemplo tiene in…nitas
soluciones, no solo hemos encontrado que el vector x está en el generado de
S, sino que se puede expresar de in…nitas maneras como combinación lineal
de los vectores de S.
De otro lado, si suponemos ahora que existen números reales a1 ; a2 ; a3 tales
que 2 3 2 3 2 3 2 3
1 1 2 1
a1 4 2 5 + a2 4 1 5 + a3 4 1 5 = 4 2 5 , (3.1)
3 2 1 3
encontramos que esta igualdad es equivalente a tener el sistema de ecuaciones
lineales
a1 a2 + 2a3 = 1
2a1 + a2 + a3 = 2 .
3a1 + 2a2 + a3 = 3
Al reducir este sistema utilizando operaciones elementales, encontramos el
sistema de ecuaciones lineales
a1 a2 + 2a3 = 1
4
a2 a3 = ,
3
a2 a3 = 0
4
de donde se llega a que = 0, lo cual es absurdo. Esta contradicción
3
proviene de haber supuesto la existencia de números reales a1 ; a2 ; a3 tales
que (3.1) es posible. Concluimos entonces que y no es combinación lineal de
los vectores de S, o que y 2gen(S).
=
3.2. SUBESPACIOS 63
23
1
Ejemplo. Consideremos al vector 4 2 5 y al conjunto de vectores
19
82 3 2 3 2 39
< 3 2 1 =
S= 4 1 ; 2 ; 0 5 .
5 4 5 4
: ;
1 1 4
Si suponemos que existen números reales c1 ; c2 ; c3 tales que
2 3 2 3 2 3 2 3
3 2 1 1
c1 4 1 5 + c2 4 2 5 + c3 4 0 5 = 4 2 5 ,
1 1 4 19
entonces
3c1 + 2c2 + c3 = 1
c1 + 2c2 = 2 ,
c1 + c2 + 4c3 = 19
2 3
4
y este sistema tiene como única solución a 4 3 5. Dado que el sistema
5
tiene única solución, tenemos entonces que el vector en cuestión está en el
generado del conjunto de vectores dado y que además la única forma (salvo
orden) de escribir a dicho vector como combinación lineal de los del conjunto
es
2 3 2 3 2 3 2 3
3 2 1 1
44 1 5 + 34 2 5 + 54 0 5 = 4 2 5.
1 1 4 19
entonces
c1 + 2c2 + c3 = x
2c1 + c2 + 5c3 = y .
c1 + 2c2 + c3 = z
Al realizar operaciones elementales a este sistema encontramos el sistema
equivalente
c1 + 2c2 + c3 = x
3c2 3c3 = 2x + y .
0 = x+z
De este último sistema se deduce que para que tenga solución se requiere, en-
tre otras cosas, que x = z, lo que implica que el conjunto genera solo vectores
con primera y terceras conponentes iguales. Pero, no todos los vectores de R3
tienen esa propiedad, y por tanto el conjunto no puede generar a R3 . Para un
poco más de información, si tomas un vector de R3 cuyas primera y tercera
66 CAPÍTULO 3. ESPACIOS VECTORIALES
2 3
1
componenetes no son iguales, como el vector 4 2 5 y suponemos que se deja
0
escribir como conbinación lineal del conjunto en cuestión, encontraremos que
esa suposición nos conducirá a un absurdo, lo cual dirá que este vector no
está en el generado del conjunto.
Luego,
2 3 2 3 2 3 2 3 2 3
x 1 1 0 1
4 y 5 = (x y+z 2c4 ) 4 1 5+(y z+c4 ) 4 1 5+( x+y+c4 ) 4 1 5+c4 4 0 5 :
z 1 0 1 1
2 3
x
Esto muestra que 4 y 5 se puede expresar de in…nitas maneras como com-
z
binación
2 3 lineal de los vectores de S. A manera de ejemplo, tomando el vector
5
4 4 5de R3 ; elegido arbitrariamente, encontramos que
8
2 3 2 3 2 3 2 3 2 3
5 1 1 0 1
4 4 5 = (9 2c4 ) 4 1 5 + ( 4 + c4 ) 4 1 5 + ( 1 + c4 ) 4 1 5 + c4 4 0 5 ;
8 1 0 1 1
2 3
5
esto implica que 4 5 se deja expresar de in…nitas maneras como combi-
4
8
nación lineal de los vectores de S (por cada valor de c4 encontramos una
combinación lineal).
Demostración. Ejercicio.
a; b 2 R tales que
2 3 2 3 2 3
1 1 x
c1 4 2 5 + c2 4 4 5 = 4 y 5,
3 2 z
si y sólo si
c1 c2 = x
2c1 + 4c2 = y ;
3c1 + 2c2 = z
si y sólo si
c1 c2 = x
6c2 = 2x + y .
5c2 = 3x + z
Para encontrar una relación entre x; y y z despejamos de las ecuaciones dos
y tres a c2 e igualamos. Así,
2x + y 3x + z
= ,
6 5
de donde 8x + 5y 6z = 0 (Esta ecuación corresponde en R3 al plano que
pasa por los puntos (0; 0; 0), (1; 2; 3) y ( 1; 4; 2)). Luego,
82 3 2 39 82 3 9
< 1 1 = < x =
gen 4 5
2 ; 4 4 5 = 4 5 3
y 2 R : 8x + 5y 6z = 0 .
: ; : ;
3 2 z
U + W = fx + y : x 2 U y y 2 W g .
U +W
es un subespacio de V .
3.2. SUBESPACIOS 69
Demostración. Ejercicio.
x
W = :x2R
x
y
x
U= :x2R .
2x
1 1
Entonces y están en W [ U , pero
1 2
1 1 2
+ = 2
= W [ U,
1 2 3
Demostración. Ejercicio.
es un subespacio de Rn .
Demostración. Ejercicio.
70 CAPÍTULO 3. ESPACIOS VECTORIALES
a1 x1 + + ar xr = 0
Ejemplo. El conjunto
82 3 2 3 2 39
< 1 1 0 =
4 1 5;4 0 5;4 0 5 R3
: ;
1 0 1
es linealmente independiente.
Ejemplo. El conjunto
82 3 2 3 2 39
< 1 1 5 =
4 2 5;4 0 5;4 6 5 R3
: ;
1 2 7
es linealmente dependiente.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
x = a1 x1 + + an xn
Demostración Ejercicio.
74 CAPÍTULO 3. ESPACIOS VECTORIALES
Teorema 3.16. Sean = fx1 ; :::; xn g una base ordenada de un espacio vec-
torial V y y1 , ..., yt vectores de
n V . Entonces o
fy1 ; :::; yt g es linealmente inde-
pendiente en V si, y sólo si, [y1 ] ; :::; [yt ] es linealmente independiente
en Rn .
Demostración. Ejercicio.
P [x] 1
= [x] 2
8x 2 V .
1
Además, P es la única matriz con la propiedad
1
P [x] 2
= [x] 1
8x 2 V .
Demostración. Ejercicio.
Demostración. Ejercicio.
R(A) = fAx : x 2 Rn g
Demostración Ejercicio.
Demostración Ejercicio.
N (A) = fx 2 Rn : Ax = 0g
Demostración. Ejercicio.
Demostración Ejercicio.
Ejemplo. 2 3
1 3 2 1
rk(4 2 0 1 5 5) = 2.
1 1 1 2
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
3.5. ESPACIOS VECTORIALES Y MATRICES 77
rk(AB) rk(A).
Demostración. Ejercicio.
rk(A) = rk(PA).
Demostración. Ejercicio.
rk(A) = rk(AP).
Demostración. Ejercicio.
Demostración. Ejercicio.
A = BL
B = [A i1 A ir ] 2 Rm r ,
Luego
3.6. Ejercicios
1. Demuestre que
82 3 2 3 2 3 2 39
< 1 1 1 1 =
gen 4 2 5 ; 4 0 5;4 2 ; 4 5 = R3 .
5 4
: ;
1 1 1 3
están en 82 3 2 3 2 39
>
> 1 2 1 >>
<6 =
3 7 6 1 7 6 8 7
gen 6
4
7; 6 7; 6 7 .
>
> 5 5 4 0 5 4 5 5>
>
: ;
2 1 3
2; 3 + x; 2 x2
y también por
1; 2 + 2x; 1 x + x2 ; 2 x2 ;
pero no por
1 + x; x + x2 :
es linealmente dependiente en R3 .
80 CAPÍTULO 3. ESPACIOS VECTORIALES
S = 1; 2 + 2x; 1 x + x2 ; 2 x2
10. Sea A 2 Rn n . Demuestre que A es invertible si, y sólo si, las columnas
de A forman un conjunto linealmente independiente.
Transformaciones lineales
T2 : V ! W
.
x 7 ! 0
Estas transformaciones son llamadas transformación identidad y trans-
formación cero, respectivamente.
81
82 CAPÍTULO 4. TRANSFORMACIONES LINEALES
Ejemplos. Sea A 2 Rm n
. Entonces
T : Rn ! Rm
x 7 ! Ax
es una transformación lineal.
1. T (0) = 0.
2. T ( x) = T (x).
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
4.1. TRANSFORMACIONES LINEALES 83
Demostración. Ejercicio.
Solución. 2 3 2 3 2 3 2 3
1 1 2 x
a4 1 5 + b4 1 5 + c4 1 5=4 y 5
2 1 1 z
implica
a + b 2c = x
a b + c = y :
2a + b c = z
Este sistema tiene como solución a (no seas ‡ojo resuelvelo en casa)
a = y z
b = x 5y 3z
c = x 3y 2z:
Luego,
2 3 2 3 2 3 2 3
1 1 2 x
( y z) 4 1 5 +( x 5y 3z) 4 1 5 +( x 3y 2z) 4 5 4
1 = y 5,
2 1 1 z
84 CAPÍTULO 4. TRANSFORMACIONES LINEALES
por tanto
02 31 02 31 02 31
x 1 1
T @ 4 y 5A = ( y z)T @4 1 5A + ( x 5y 3z)T @4 1 5A
z 2 1
02 31
2
+( x 3y 2z)T @4 1 5A
1
2 3 2 3
1 2
= ( y z) 4 2 5 + ( x 5y 3z) 4 1 5
1 1
2 3
2
+( x 3y 2z) 4 1 5
1
2 3
4x 17y 11z
= 4 2x 10y 7z 5 .
2x + 9y + 6z
Luego,
3 2 2 3 2 3 2 3
2 1 1 x
3 1 1 4 5 3 3 1 1 1 3
( x y z) 1 +( y x+ z) 4 2 5+( x y+ z) 4 0 5 = 4 y 5 ,
5 5 5 5 10 10 10 5 10
0 1 3 z
por tanto
02 31 02 31 02 31
x 2 1
3 1 1 3 3 1
T @4 y 5A = ( x y z)T @4 1 5A + ( y x + z)T @4 2 5A
5 5 5 5 10 10
z 0 1
02 31
1
1 1 3
+( x y + z)T @4 0 5A
10 5 10
3
2 3 2 3
1 3
3 1 1 4 3 3 1
= ( x y z) 1 5+( y x + z) 4 2 5
5 5 5 5 10 10
2 0
2 3
4
1 1 3 4 5
+( x y + z) 1
10 5 10
2
2 1 4 13
3
10
x + 5 y + 10 z
= 4 11
x + 65 y + 107
z 5.
10
7 4 1
5
x 5y + 5z
x y+z
Solución.
2 3 2 3 2 3 2 3 2 3
1 1 2 3 x
6 1 7 6 2 7 6 1 7 6 2 7 6 y 7
a6
4
7 + b6 7 + c6 7 + d6 7=6 7
1 5 4 3 5 4 2 5 4 3 5 4 z 5
1 2 1 3 w
implica
a + b + 2c + 3d = x
a + 2b + c + 2d = y
:
a + 3b + 2c + 3d = z
a + 2b + c + 3d = w
1 1 1 1
a = x w+ y z
12 6 2 4
1 5 1 1
b = y x w+ z
2 12 6 4
5 5 1 3
c = x w y+ z
12 6 2 4
2 1 1
d = w+ x z:
3 6 2
Luego,
2 3 2 3 2 3
x 1 1
6 y 7 1 1 1 1 6 1 7 1 6 2 7
6 7 z) 6 7 + (1y 5 1
w + z) 6 7
4 z 5 = ( 12 x 6
w+ y
2 4 4 1 5 2 12
x
6 4 4 3 5
w 1 2
2 3 2 3
2 3
5 5 1 3 6 1 7
7 + (2w + 1x 1 6 2 7
+( x w y + z) 6 z) 6 7,
12 6 2 4 4 2 5 3 6 2 4 3 5
1 3
88 CAPÍTULO 4. TRANSFORMACIONES LINEALES
por tanto
02 31 02 31
x 1
B6 y 7C B6 1 7 C
TB6 7C = ( 1 x 1 1
w+ y
1
z)T B 6 7C
@4 z 5A 12 6 2 4 @4 1 5A
w 1
02 31
1
1 5 1 1 B6 2 7C
+( y x w + z)T B6
@4
7C
2 12 6 4 3 5A
2
02 31
2
5 5 1 3 B6 1 7C
+( x w y + z)T B
@4
6 7C
12 6 2 4 2 5A
1
02 31
3
2 1 1 B 6 7C
+( w + x z)T B 6 2 7C
3 6 2 @ 4 3 5A
3
2 3
1
1 1 1 1 6 0 7
= ( x w+ y z) 6
4
7
12 6 2 4 0 5
1
2 3
0
1 5 1 1 6 1 7
+( y x w + z) 6 7
2 12 6 4 4 1 5
0
2 3
1
5 5 1 3 6 0 7
+( x w y + z) 6 4
7
12 6 2 4 1 5
0
2 3
0
2 1 1 6 1 7
6
7
+( w + x z)
3 6 2 4 0 5
1
2 1 1
3
w + 2x + 2z
6 1w 1x + 1y 1z 7
= 6
4
2 4 2 4 7.
5
w+z
1 1 1 3
2
w + 4x + 2y 4z
4.1. TRANSFORMACIONES LINEALES 89
Demostración. Ejercicio.
x + 2y + 4z = 0
2x y + 3z = 0 :
x + 3y + z = 0
Este sistema tiene como solución a
x = 2z
y = z
z = z:
Entonces 2 3
x
4 y 5 2 N(T )
z
si y sólo si 2 3 2 3 2 3
x 2z 2
4 y 5=4 z 5 = z4 1 5
z z 1
si y sólo si 2 3 82 39
x < 2 =
4 y 5 2 gen 4 1 5 .
: ;
z 1
90 CAPÍTULO 4. TRANSFORMACIONES LINEALES
82 39
< 2 =
Así, una base para N(T ) es 4 1 5 .
: ;
1
(Para Im(T ))
2 3 2 3 2 3 2 3
x + 2y + 4z 1 2 4
4 2x y + 3z 5 = x 4 2 5+y4 1 + z 3 5:
5 4
x + 3y + z 1 3 1
Entonces 82 3 2 3 2 39
< 1 2 4 =
Im(T ) = gen 4 2 5;4 1 ; 3 5 :
5 4
: ;
1 3 1
Veamos la independencia o dependencia lineal de los vectores en cuestión:
2 3 2 3 2 3 2 3
1 2 4 0
a 4 5
2 +b 4 5 4
1 +c 3 = 0 5 5 4
1 3 1 0
implica
a + 2b + 4c = 0
2a b + 3c = 0 ;
a + 3b + c = 0
el cual tiene como solución a
a = 2c
b = c
c = c:
Luego, 2 3 2 3 2 3 2 3
1 2 4 0
( 2c) 4 2 5 + ( c) 4 1 + c 3 = 0 5,
5 4 5 4
1 3 1 0
en particular, si c = 1
2 3 2 3 2 3 2 3
1 2 4 0
( 2) 4 2 5 + ( 1) 4 5 4 5 4
1 + (1) 3 = 0 5 ,
1 3 1 0
4.1. TRANSFORMACIONES LINEALES 91
es base de Im(T ).
02 31
x 2 3
B6 y 7C x + 3y + 2z w
TB 6 7C 4
@4 z 5A = x 2y + z 2w 5 :
2x + 2y + 3z w
w
02 31
x 2 3
B6 y 7C 0
B
Solución. (Para N(T )) T @46 7C 4
= 0 5 si y sólo si
z 5A
0
w
x + 3y + 2z w = 0
x 2y + z 2w = 0 :
2x + 2y + 3z w = 0
92 CAPÍTULO 4. TRANSFORMACIONES LINEALES
Entonces 2 3
x
4 y 5 2 N(T )
z
si y sólo si 2 3 2 3 2 3
61 61
x 17
w 17
6 y 7 6 12
w 7 6 12 7
6 7 6 17 7 = w6 17 7
4 z 5=4 21
w 5 4 21 5
17 17
w w 1
si y sólo si 2 3 82 61 39
x >
> >
>
6 y 7 <6 1712 7=
6 7 2 gen 6 17 7
4 z 5 > 4 21 5> .
>
: 17 >
;
w 1
82 61 39
>
> >
>
<6 17 12 7=
6 17
Así, una base para N(T ) es 4 21 5 . 7
>
> 17 >
>
: ;
1
(Para Im(T ))
2 3 2 3 2 3 2 3 2 3
x + 3y + 2z w 1 3 2 1
4 x 2y + z 2w 5 = x 4 1 5 + y 4 2 5 + z 4 1 5 + w 4 2 5:
2x + 2y + 3z w 2 2 3 1
Entonces
82 3 2 3 2 3 2 39
< 1 3 2 1 =
Im(T ) = gen 4 1 5;4 2 ; 1 5;4
5 4 2 5 :
: ;
2 2 3 1
4.1. TRANSFORMACIONES LINEALES 93
implica
a + 3b + 2c d = 0
a 2b + c 2d = 0 ;
2a + 2b + 3c d = 0
el cual tiene como solución a
11
a = d
17
12
b = d
17
21
c = d
17
d = d
Luego,
2 3 2 3 2 3 2 3 2 3
1 3 2 1 0
11 4 12 4 21
( d) 1 5+( d) 2 5 + ( d) 4 1 5 + (d) 4 2 5 = 4 0 5,
17 17 17
2 2 3 1 0
en particular, si d = 1
2 3 2 3 2 3 2 3 2 3
1 3 2 1 0
11 12 4 21
( )4 1 5 + ( ) 2 5 + ( ) 4 1 5 + (1) 4 2 = 0 5,
5 4
17 17 17
2 2 3 1 0
implica
a + 3b + 2c = 0
a 2b + c = 0 ;
2a + 2b + 3c = 0
el cual tiene como solución a
a = 0
b = 0
c = 0
Luego, el conjunto 82 3 2 3 2 39
< 1 3 2 =
4 1 5;4 5 4
2 ; 1 5
: ;
2 2 3
es linealmente independiente y genera a Im(T ), por tanto es base de Im(T ).
entonces 82 3 2 3 2 39
< 1 2 3 =
Im(T ) = gen 4 2 5 ; 4 1 5;4 4 5 :
: ;
3 1 2
4.1. TRANSFORMACIONES LINEALES 95
entonces 82 3 2 3 2 39
< 1 2 5 =
Im(T ) = gen 4 1 5 ; 4 3 ; 0 5 :
5 4
: ;
1 2 1
Nos preguntamos si el conjunto anterior es linealmente independiente ó lineal-
mente dependiente. Para responder esa pregunta procedemos de la siguiente
manera: hacemos
2 3 2 3 2 3 2 3
1 2 5 0
4
a 1 +b 5 4 3 + c 0 = 0 5,
5 4 5 4
1 2 1 0
lo cual implica
a 2b + 5c = 0
a + 3b = 0 ,
a + 2b + c = 0
la solución de este sistema es a = 3c; b = c; c = c, por tanto el conjunto es
linealmente dependiente y por tanto debemos eliminar uno a más vectores
del conjunto, de tal manera que los restantes formen un conjunto lineal-
mente independiente que siga generando a Im(T ). Para tal hecho notamos
que tomando c = 1 obtenemos
2 3 2 3 2 3 2 3
1 2 5 0
( 3) 4 1 5 + (1) 4 3 5 + (1) 4 0 5 = 4 0 5 ,
1 2 1 0
igual a cero, en la cual ninguno de los escalares es cero, por tanto podemos
eliminar a cualquiera de los vectores que en esa combinación lineal esté acom-
pañedo de un escalar no nulo y los vectores restantes generarán lo mismo que
el conjunto inicial. El vector que hemos decidido eliminar es
2 3
5
4 0 5
1
4.1. TRANSFORMACIONES LINEALES 97
entonces 82 3 2 3 2 3 2 39
>
> 1 3 2 6 >
>
<6 7=
1 7 6 3 7 6 1 7 6 3
Im(T ) = gen 6
4
7;6 7;6 7;6 7 :
>
> 1 5 4 1 5 4 1 5 4 3 5>
>
: ;
2 4 1 3
Nos preguntamos si el conjunto anterior es linealmente independiente ó lineal-
mente dependiente. Para responder esa pregunta procedemos de la siguiente
manera: hacemos
2 3 2 3 2 3 2 3 2 3
1 3 2 6 0
6 1 7 6 3 7 6 1 7 6 3 7 6 0 7
a6 7 6 7 6 7 6 7 6 7
4 1 5 + b4 1 5 + c4 1 5 + d4 3 5 = 4 0 5,
2 4 1 3 0
lo cual implica
a + 3b + 2c + 6d = 0
a + 3b + c + 3d = 0
a + b + c + 3d = 0
2a + 4b + c + 3d = 0
la solución de este sistema es
a = 21 c 3
2
d
b = 12 c 3
2
d
c=c
d=d
4.1. TRANSFORMACIONES LINEALES 99
igual a cero, en la cual ninguno de los escalares es cero, por tanto podemos
eliminar a cualquiera de los vectores que en esa combinación lineal esté acom-
pañedo de un escalar no nulo y los vectores restantes generarán lo mismo que
el conjunto inicial. El vector que hemos decidido eliminar es
2 3
6
6 3 7
6 7:
4 3 5
3
Luego, el conjunto 82 3 2 3 2 39
>
> 1 3 2 >>
<6 7 6 7 6 1 7=
6 1 7 6 3 7;6 7
4 ;
>
> 1 5 4 1 5 4 1 5>
>
: ;
2 4 1
genera a Im(T ) y nos preguntamos si este nuevo conjunto es linealmente
independiente. Para resolver esta pregunta hacemos lo siguiente:
2 3 2 3 2 3 2 3
1 3 2 0
6 1 7 6 3 7 6 1 7 6 0 7
a6 7 6 7 6 7 6 7
4 1 5 + b4 1 5 + c4 1 5 = 4 0 5
2 4 1 0
100 CAPÍTULO 4. TRANSFORMACIONES LINEALES
implica
a + 3b + 2c = 0
a + 3b + c = 0
:
a+b+c=0
2a + 4b + c = 0
Este sistema tiene como solución
a = 12 c
b = 12 c
c=c
por tanto el conjunto es linealmente dependiente y por tanto debemos elimi-
nar uno a más vectores del conjunto, de tal manera que los restantes formen
un conjunto linealmente independiente que siga generando a Im(T ). Para tal
hecho notamos que tomando c = 2 obtenemos
2 3 2 3 2 3
1 3 0
6 1 7 6 3 7 6 0 7
( 1) 6 7 6 7 6 7
4 1 5 + ( 1) 4 1 5 + (2) = 4 0 5 ,
2 4 0
tenemos entonces una combinación lineal de los vectores
82 3 2 3 2 39
>
> 1 3 2 > >
<6 7 6 7 6 7=
6 1 3
7 6 7 6 7 1
>4 1 5 ; 4 1 5 ; 4 1 5>
>
: >
;
2 4 1
igual a cero, en la cual ninguno de los escalares es cero, por tanto podemos
eliminar a cualquiera de los vectores que en esa combinación lineal esté acom-
pañedo de un escalar no nulo y los vectores restantes generarán lo mismo que
el conjunto inicial. El vector que hemos decidido eliminar es
2 3
2
6 1 7
6 7:
4 1 5
1
En consecuencia el conjunto
82 3 2 39
>
> 1 3 >
>
<6 7=
6 1 7 6 3
7;6 7
>4 1 5 4 1 5>
>
: >
;
2 4
4.1. TRANSFORMACIONES LINEALES 101
sigue generando a Im(T ) y como estos dos vectores no son múltiplos forman
un conjunto linealmente independiente, por tanto son 2una base
3 para Im(T ).
x1
6 x2 7
Analicemos ahora la situación para N(T ): un vector 6 7 4
4 x3 5 de R está en
x4
N (T ) si y sólo si
02 31 2 3
x1 0
B6 x2 7C 6 0 7
TB 6 7C 6 7
@4 x3 5A = 4 0 5 ;
x4 0
si y sólo si
x1 + 3x2 + 2x3 + 6x4 = 0
x1 + 3x2 + x3 + 3x4 = 0
.
x1 + x2 + x3 + 3x4 = 0
2x1 + 4x2 + x3 + 3x4 = 0
, Solution is: x1 = 21 x3 32 x4 ; x2 = 1
x
2 3
3
x Pero este sistema tiene co-
2 4
mo
2 solución
3 a x1 = 12 x3 32 x4 ; x2 = 1
x
2 3
3
x , x3 = x3 , x4 = x4 . Luego,
2 4
x1
6 x2 7
6 7
4 x3 5 está en N(T ) si y sólo si
x4
2 3 2 1 3
3 2 1
3 2 3
3
x1 x
2 3
x
2 4 2 2
6 x2 7 6 1
x 3
x 7 6 1 7 6 3 7
6 7 6 2 3 2 4 7 = x3 6 2 7 + x4 6 2 7.
4 x3 5 = 4 x3 5 4 1 5 4 0 5
x4 x4 0 1
Demostración. Ejercicio.
Demostración. Ejercicio.
3. Si fx1 ; :::; xn g es una base de V , entonces fT (x1 ); :::; T (xn )g es una base
de W .
Demostración. Ejercicio.
Demostración. Ejercicio.
104 CAPÍTULO 4. TRANSFORMACIONES LINEALES
es la única matriz de Rm n
tal que
Demostración. Ejercicio.
[T ] 0 [x] = [T (x)] 0 .
1 = 1, 1 x, 1 x2 , 1 x3
de P3 ,
1 1 1 1 1 1 1 1 1
2 = ; ; ;
1 1 1 1 1 0 1 0 0
1 1 1 1 1 0 1 0 0
; ;
0 0 0 0 0 0 0 0 0
de R2 3
y hallemos la matriz que representa a la transformación lineal
T : P3 ! R2 3
a0 0 a1
a0 + a1 x + a2 x 2 + a3 x 3 7 !
a2 0 a3
4.1. TRANSFORMACIONES LINEALES 105
1 0 0 T
T (1) = =) [T (1)] = 0 0 0 0 0 1
0 0 0 2
1 0 1 T
T (1 x) = =) [T (1 x)] = 0 0 0 1 1 1
0 0 0 2
1 0 0 T
T (1 x2 ) = =) T (1 x2 ) = 0 0 1 1 0 1
1 0 0 2
1 0 0 T
T (1 x3 ) = =) T (1 x3 ) = 1 1 0 0 0 1 :
0 0 1 2
4 0 1 0 0 5 a3 4 a1 5
1 1 1 1 a0
[S T] 00 = [S] 00 0 [T ] 0 .
Demostración. Ejercicio.
106 CAPÍTULO 4. TRANSFORMACIONES LINEALES
Demostración. Ejercicio.
4.2. Ejercicios
1. Determine si
T : 2 R3 3 ! 2 R3 3
x 1+x+y
4 y 5 7 ! 4 3x + 2z 5
z 5 2y z
4. Sean
1 3 2
A=
0 2 1
y
T : R3 ! R2
.
x 7 ! Ax
4.2. EJERCICIOS 107
5. Halle un isomor…smo de R2 2
en R4 y otro de R4 en R2 2 .
7. Sea A 2 Rn n
. Demuestre que A es invertible si y sólo si la transformación
lineal
T : Rn ! Rn
x 7 ! Ax
es biyectiva.
Ortogonalidad
108
5.2. ESPACIOS NORMADOS 109
Ejemplo. Si A 2 Rn n
es invertible, entonces
hx; yi = xT AT Ay
Ejemplo.
hA; Bi = tr(AT B)
es un producto interior en Rm n y Rm n . Este es el producto interior
canónico de matrices. Nótese que se reducen al productor interior canónico
en Rm cuando n = 1.
3. kx + yk kxk + kyk.
y 2 3 2 3 2 3
1 3 4
d(x; y) = 4 2 5 4 1 5 = 4 1 5
4 5 2
9 2
p p
= ( 4)2 + (1)2 + (9)2 = 7 2.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
112 CAPÍTULO 5. ORTOGONALIDAD
Al realizar los cálculos para hallar el ángulo entre dos vectores, asegúrese de
que su calculadora esté en modo radianes.
2 7
y .
3 1
En efecto,
0 2 32 3 1
4
2 54 7 5
;
hx; yi2 B 3 1 C
= cos 1
= cos 1 B 2 3 2 3 2C
kxk2 kyk2 @ 2 5 4 7 5 A
4
3 2 1 2
1 11
= cos p p cos 1 ( 0;431455497)
13 52
Demostración. Ejercicio.
kuk2 = 1:
Demostración.
UT U = In =) uT u = 1 =) hu ; ui2 = 1
=) kuk22 = 1 =) kuk2 = 1.
Demostración.
Demostración. Ejercicio.
114 CAPÍTULO 5. ORTOGONALIDAD
Demostración. Ejercicio.
hxj ; y1 i hxj ; yj 1 i
y1 = x1 y yj = xj ( y1 + + yj 1 ) para j = 2; :::; n.
hy1 ; y1 i hyj 1 ; yj 1 i
Demostración. Ejercicio.
Teorema 5.10. Todo espacio con producto interior de dimensión …nita tiene
una base ortonormal.
Demostración. Ejercicio.
kx yk kx wk
para todo w 2 W .
Demostración. Ejercicio.
Demostración. Ejercicio.
5.4. Ejercicios
1. Calcule hx; yi2 si 2 3 2 3
1 3
x=4 2 , y = 2 5.
5 4
1 2
116 CAPÍTULO 5. ORTOGONALIDAD
8. Halle W ? si 82 3 2 39
>
> 1 0 >>
<6 7 6 =
1 7 6 0 7
W = gen 6
4 3 5, 4
7 .
>
> 1 5>
>
: ;
1 1
9. Sean U 2 Rn n
ortogonal y x, y 2 Rn . Demuestre que
kAxk2 = AT x 2
para todo x 2 Rn .
11. Sea U 2 Rn n
tal que para todo x 2 Rn
kUxk2 = kxk2 .
118
6.1. VALORES Y VECTORES PROPIOS 119
ya que
2 32 3 2 3 2 3
2 0 1 1 2 1
4 5 1 2 54 3 5=4 6 5= 24 3 5.
3 2 5=4 4 8 4
2 3
1
Además, 4 3 5 es un vector propio de A asociado al valor propio 2.
4
Teorema 6.1. Sea A 2 Rn n : Entonces ningún vector propio de A puede
estar asociado a valores propios distintos de A.
( i j )x = ix jx = Ax Ax = 0.
Luego
1 1
( i j) ( i j )x =( i j) 0 =) x = 0,
lo cual es absurdo. Por tanto, ningún vector propio de A puede estar asociado
a valores propios distintos de A.
De…nición. Sea A 2 Rn n
, el espectro de A es
p(A) = a0 In + a1 A + + at At ,
Ejemplo. Sean
1 1
A=
1 2
120 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
1 0 1 1 1 1 1 1
p(A) = 1 3 +2
0 1 1 2 1 2 1 2
1 0 3 3 0 6 2 3
= + + = :
0 1 3 6 6 6 3 1
p(A)x = a0 x + a1 Ax + + at At x,
pero
j
Aj x = Aj 1 Ax = Aj 1
x = Aj 1 x = = x
para todo j = 1,...,t. Luego
p(A)x = a0 x + a1 x + + at t x
= (a0 + a1 + + at t )x = p( )x.
EA ( ) = fx vectores n 1 : Ax = xg
A(c x + y) = c Ax + Ay = c x + y = (c x + y),
Nótese que EA ( ) es igual a f0g unido con el conjunto formado por todos
los vectores propios de A asociados al valor propio . Además, por Teorema
6.1 se tiene que si i , j son valores propios distintos de A, entonces
EA ( i ) \ EA ( j ) = f0g .
dim(Rn ) = n dim(EA ( )) 1.
Demostración. Ejercicio.
de A asociado a
() Ax = x
() A 1 Ax = A 1
x
1
() A 1x = x
1 1 1
si, y sólo si, es un valor propio de A y x es un vector propio de A
1
asociado a .
(AB) = (BA).
Demostración. Ejercicio.
De…nición. Sea A 2 Rn n
. Los n discos de Gershgorin de A son:
Donde
La región del plano complejo formada por la unión de esos n discos será
llamada región de Gershgorin y denotada por G(A).
Demostración. Ejercicio.
Demostración.
valor propio de A () 9 x 6= 0 : A x = x
() 9 x 6= 0 : ( In A)x = 0
() ( In A) es no invertible
() det( In A) = 0.
De…nición. Sea A 2 Rn n
. El polinomio característico de A es el poli-
nomio de R [x] dado por
En efecto,
02 31
x 1 2 3
PA (x) = det(xI3 A) = det @4 4 x 5 6 5A
7 7 x 9
= x3 15x2 18x.
Una simple inspección visual muestra que 1 = 0 es una raíz de PA (x). Con
esa información es fácil probar (con ayuda de la Fórmula
p General
p Cuadrática)
15 3
que las otras raíces de PA (x) son 2 = 2 33 y 3 = 2 33 + 15
3
. Así,
15 3
p 3
p 15
2 2
(A) = 0, 2 2
33, 2 33 + 2 .
Por lo general, es difícil o imposible hallar las raíces de PA (x). Sin embargo, si
PA (x) tiene coe…cientes enteros, algunas veces es útil un resultado de Álgebra
elemental que dice: si p(x) es un polinomio con coe…cientes enteros, entonces
toda raíz entera de p(x) divide al término independiente de este.
Ejemplo. Hallemos los valores propios de una matriz A que tiene como
polinomio característico a
PA (x) = x3 + 2x2 3x 6.
Si PA (x) tiene una raíz entera, esa raíz debe ser un divisor del término
constante. Los divisores de 6 son: 1, 2, 3, 6. Si sustituimos x = 2 en
PA (x) se obtiene cero. De tal hecho podemos deducir que 2 es una raíz de
PA (x) y que x + 2 divide exactamente a PA (x). Con ayuda de la Fórmula
General Cuadrática encontramos que
p p
PA (x) = (x + 2)(x 3)(x + 3).
p p
Luego los valores propios de A son 2, 3 y 3.
6.6. CÁLCULO DE VALORES PROPIOS 125
Ejemplo. La matriz
2 3
1 0 0 0 0
6 0 2 0 0 0 7
6 7
A=6
6 1 0 5 6 0 7
7
4 1 0 3 4 0 5
0 0 0 0 2
PA (x) = an xn + an 1 xn 1
+ an 2 x n 2
+ + a1 x + a0 ,
Demostración. Ejercicio.
Demostración. Ejercicio.
2 12
A= .
1 5
x1 4x2 4
x= = = x2 , x2 6= 0.
x2 x2 1
4
Luego EA ( 1 ) = gen . Para 2 = 2, la matriz de coe…cientes es
1
2 2 12 4 12
( 2)I2 A= = ,
1 2+5 1 3
x1 3x2 3
x= = = x2 , x2 6= 0.
x2 x2 1
3
Luego EA ( 2 ) = gen .
1
Ejemplo. Hallemos los valores propios y los espacios propios de la matriz
2 3
2 1 0
4
A= 0 2 0 5:
0 0 2
ímplica que en la solución del sistema homogéneo (2I3 A)x = 0 tiene que
x2 = 0 y las variables x1 , x3 están libres. Luego todo vector propio de A
asociado a 1 = 2 es de la forma
2 3 2 3 2 3 2 3
x1 x1 1 0
x = 4 x2 5 = 4 0 5 = x1 4 0 5 + x3 4 0 5 .
x3 x3 0 1
82 3 2 39
< 1 0 =
Luego EA ( 1 ) = gen 4 0 5 , 4 0 5 .
: ;
0 1
Ejemplo. Hallemos los valores propios y los espacios propios de la matriz
2 3
1 0 0 0
6 0 1 5 10 7
A=6 4 1 0 2
7.
0 5
1 0 0 3
= (x 1)2 (x 2)(x 3) = 0:
y se reduce a la matriz 2 3
1 0 0 2
6 0 0 1 2 7
6 7.
4 0 0 0 0 5
0 0 0 0
6.8. INDEPENDENCIA LINEAL Y VECTORES PROPIOS 129
Demostración. Ejercicio.
Demostración. Ejercicio.
6.9. Ejemplos
Ejemplos de valores y vectores propios de matrices 3 3:
130 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
(A 1 I3 )x = 0.
En efecto,
02 3 2 31 2 3 2 3
1 1 1 1 0 0 x1 0
@4 3 2 1 5 0 4 0 1 0 5A 4 x2 5 = 4 0 5
1 2 3 0 0 1 x3 0
equivale a
2 32 3 2 3
1 1 1 x1 0 x1 + x2 + x3 = 0
4 3 2 1 5 4 x2 5 = 4 0 5 () 3x1 + 2x2 + x3 = 0 :
1 2 3 x3 0 x1 + 2x2 + 3x3 = 0
6.9. EJEMPLOS 131
x1 + x2 + x3 = 0
Pero la solución de 3x1 + 2x2 + x3 = 0 es
x1 + 2x2 + 3x3 = 0
2 3 2 3 2 3
x1 x3 1
4 x2 5 = 4 2x3 5 = x3 4 2 5 :
x3 x3 1
82 39
< 1 =
Así, EA (0) = gen 4 2 5 .
: ;
1
Veri…que que 82 39
< 0 =
EA (1) = gen 4 1 5
: ;
1
y que 82 4 39
< 9 =
EA (5) = gen 4 79 5 .
: ;
1
dim(EA ( 1 ) = dim(EA ( 2 ) = 1:
82 1
39
< 3 =
EA (5) = gen 4 2
3
5 .
: ;
1
dim(EA ( 1 ) = 1 y dim(EA ( 2 ) = 2:
2 3 2 3
x 0 0 2 2 2
PA (x) = det (xI3 A) = det (4 0 x 0 5 4 0 2 4 5)
0 0 x 0 6 8
2 3
x 2 2 2
= det (4 0 x+2 4 5) = x3 8x2 + 20x 16
0 6 x 8
= (x 4) (x 2)2 .
Verifíquese que 82 3 2 39
< 1 0 =
EA (2) = gen 4 0 ; 1 5
5 4
: ;
0 1
y que 82 39
1
< 3 =
EA (4) = gen 4 2
3
5 .
: ;
1
Caso 4. matriz 3 3 con un solo valor propio 1y
dim(EA ( 1 ) = 1:
6.9. EJEMPLOS 133
PA (x) = x3 3x2 + 3x 1:
dim(EA ( 1 ) = 2:
PA (x) = x3 3x2 + 3x 1:
82 3 2 1 39
< 0 2 =
EA (1) = gen 4 5 4
0 ; 1 5 .
: ;
1 0
Caso 6. matriz 3 3 con un solo valor propio 1y
dim(EA ( 1 ) = 3:
2 3
3 0 0
A = 4 0 3 0 5.
0 0 3
Respuesta. El polinomio característico de A es
2 3
3 2 1
1) 4 4 3 2 5, characteristic polynomial: X 3 4X 2 + 5X 2,
4 5 482 39 82 1 39
< 21 = < 3 =
eigenvectors: 4 1 5 $ 1; 4 23 5 $ 2:
: ; : ;
1 1
2 3
1 32 1
2
2) 4 4 4 1 5, characteristic polynomial: X 3 52 X 2 + 2X 12 , eigen-
7 1
842 12 392 82 1 39
< 2 = < 3 =
vectors: 4 1 5 $ 1; 4 23 5 $ 12 .
: ; : ;
1 1
2 3
4 1 1
3) 4 2 5 2 5, characteristic polynomial: X 3 9X 2 + 27X 27
1 4 082 39
< 13 =
eigenvectors: 4 23 5 $ 3.
: ;
1
6.9. EJEMPLOS 135
2 3
7 9 4
4) 4 10 16 8 5, characteristic polynomial: X 3 7X + 6, eigenvectors:
82 1 3910 17829 39 82 1 39
< 3 = < 1 = < 2 =
4 2 5 $ 1; 4 1 5 $ 2; 4 1 5 $ 3.
: 3 ; : ; : ;
1 1 1
2 3
3 2 2
5) 4 0 7 4 5, , characteristic polynomial: X 3 + 7X 2 + 15X + 9
0 6 832 39 82 3 2 39
< 13 = < 1 0 =
eigenvectors: 4 23 5 $ 1; 4 0 5 ; 4 1 5 $ 3.
: ; : ;
1 0 1
136 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
Teorema 6.16. Los valores propios de una matriz simétrica son reales.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
6.11. SEMEJANZA DE MATRICES 137
A = P 1 BP.
Demostración. Ejercicio.
Demostración. Ejercicio.
EB ( ) = fPx : x 2 EA ( )g .
Demostración. Ejercicio.
138 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
Demostración. Ejercicio.
Ejemplo. La matriz 2 3
3 1 0
A=4 1 2 1 5
0 1 3
es diagonalizable, ya que la matriz
2 3
1 1 1
P=4 2 0 1 5
1 1 1
es invertible y
2 32 32 3
1=6 2=6 1=6 3 1 0 1 1 1
1
P AP = 4 3=6 0=6 3=6 5 4 1 2 1 5 4 2 0 1 5
2=6 2=6 2=6 0 1 3 1 1 1
= diag(1, 3, 4).
Demostración. Ejercicio.
1. A es diagonalizable.
6.12. EJERCICIOS 139
2. Existe una base para los vectores n 1 formada por vectores propios de
A.
Demostración. Ejercicio.
6.12. Ejercicios
1. Halle el espectro de una matriz diagonal de Rn n
.
3. Sean A 2 Rn n
y s 2 f1, ..., ng un número …jo. Demuestre que si ais = 0
para i = 1, ..., s 1, s + 1, ..., n, entonces ass es valor propio de A.
k
4. Sea A 2 Rn n . Demuestre que si 2 (A), entonces 2 (Ak ) para
todo k entero positivo.
6. Una matriz A 2 Rn n
es idempotente si A2 = A. Demuestre que
(A) f0; 1g .
7. Una matriz A 2 Rn n
es unipotente si A2 = In . Demuestre que
(A) f1; 1g .
satisfacen la desigualdad 1 j j 9.
11. Demuestre que las partes imaginarias de los valores propios de la matriz
2 3
3 1=3 2=3
4 1 4 0 5
1=2 1=2 1
13. Halle todos los valores propios y bases para los espacios propios de la
matriz 2 3
3 2 2
A=4 1 1 1 5.
0 2 3
T
Ayuda: x = 1 1 1 es un vector propio de A.
6.12. EJERCICIOS 141
14. Halle todos los valores propios y bases para los espacios propios de la
matriz 2 3
1 2 0
A=4 4 0 2 5.
0 2 1
Ayuda: 3 es un valor propio de A.
16. Demuestre que los valores propios de una matriz triangular son los ele-
mentos de su diagonal principal.
17. Si 2 3
18 2 12
A= 4 4 9 6 5,
3 2 3
compruebe que PA (x) = x3 30x2 + 275x 750 y (A) = f5, 10, 15g.
18.Demuestre que si A 2 Rn n
y (A) = f 1 , ..., n g, entonces para todo
c 2 R (cA) = fc 1 , ..., c n g.
19. Sean A 2 Rn n
y c 2 R. Demuestre que
EA ( ) = EcA (c ) 8 2 (A).
21. Sean A 2 Rn n
, 2 (A) y r 2 R+ . Demuestre que existe x 2 EA ( )
tal que kxk2 = r.
[7] Meyer, C. (2000), Analysis and Applied Linear Algebra, Siam, Philadel-
phia.
[9] Searle, S. (1986), Matrix Algebra Useful for Statistics, John Wiley and
Sons, U.S.A.
143